위험비

생존 분석에서 위험비(HR)는 설명 변수의 두 수준에서 기술된 조건에 해당하는 위험률의 비율이다.예를 들어 약물 연구에서 치료된 모집단은 대조군 모집단의 단위 시간당 두 배의 비율로 사망할 수 있다.위험비는 2로, 치료로 인한 사망 위험이 더 높다는 것을 나타냅니다.

과학 논문은 위험비율(HR)을 사용하여 다음과 같이 말할 수 있다. "적절한 COVID-19 백신 접종 상태는 심각한 COVID-19 복합체 또는 사망률의 위험 유의 감소와 관련이 있었다.HR 0.20(95% CI, 0.17-0.22)^[1]은 평신도 영어에서 다음을 의미합니다.이 연구에서 예방접종을 받은 사람들은 예방접종을 받지 않은 사람들에 비해 심각한 COVID에 걸리거나 사망할 가능성이 0.20배 높았다.다시 말해, 백신 접종을 받은 사람들은 심각한 COVID에 걸리거나 사망할 확률이 20%에 불과했다.따라서 위험비가 1보다 작을수록 좋고(위험도가 낮으며), 낮을수록 좋습니다.괄호 안의 부분은 저자들이 이 위험 비율의 실제 값이 0.17과 0.22 사이(또는 17%와 22%)라고 95% 신뢰하고 있다는 것을 의미하지만, 그들의 최선의 추측은 20%라는 것입니다.

위험률은 RR과 OR이 정의된 끝점을 사용하여 전체 연구에 걸쳐 누적되는 반면, HR은 연구 기간 또는 일부 하위 집합의 순간 위험을 나타낸다는 점에서 상대 위험(RR) 및 승산비(OR)와 다르다.위험률은 선택된 종말점에 대한 선택 편향으로 인해 다소 덜 고통받고 종말점 이전에 발생하는 위험을 나타낼 수 있다.

정의 및 파생

회귀 모형은 위험 비율과 신뢰 ^[2]구간을 구하는 데 사용됩니다.

순간 위험률은 시간 간격이 0에 가까워질 때 단위 시간당 사건 수를 위험 수로 나눈 한계이다.

$\displaystyle h(t)=\lim _{\Delta t\rightarrow 0}{\frac {mathrm {t}\in\frac}[t,t+\Delta t]/N(t){\Delta t}}$

여기서 N(t)은 간격 시작 시 위험 수치입니다.위험이란 환자가 시간$t{\displaystyle }$$(\$$displaystyle$ t$)$까지 생존한 경우 t$(\backslash$$displaystyle$ t$+\Delta$ t)에서 t${\displaystyle (\backslash }$$displaystyle t$+\$Delta$ t$)$ 사이의 $장애{\displaystyle }$ 발생 확률입니다(\$displaystyle$ \$Delta$t$)$로 ${\displaystyle \mathrm{나눈}}$ 값).^[3]

위험률은 HR 로그를 기준선 $위험{\displaystyle {}_{}}$ ${\displaystyle {h\mathrm{}}_{}}$ 0${\displaystyle {}_{}}$($t$) \displaystyle $h_{0}(t)$의 함수와 설명 변수의 선형 조합으로 취급하는 회귀 모델에 의해 추정된 바와 같이 그룹 구성원(예: 치료 또는 대조군, 남성 또는 여성)과 같은 차이의 위험률에 대한 영향이다.

$(\displaystyle \log h(t)=f(h_{0}(t),\alpha +\cdots _{1}+\cdots +\cdots _{k}X_{k}).\,}$

그러한 모델은 일반적으로 분류된 비례 위험 회귀 모델이며, 가장 잘 알려진 모델은 ^[2][4]콕스 반파라메트릭 비례 위험 모델 및 지수, 곰퍼츠 및 와이불 파라메트릭 모델이다.

치료 조건만 다른 두 그룹의 경우 위험 함수의 ${\displaystyle {비율}^{}}$은 e$$β {\$displaystyle$e^{\$beta$로 지정된다. $여기$서$$β {\$displaystyle \beta}$는 회귀 모델에서 도출된 치료 효과의 추정치이다.이 위험 비율, 즉 한 그룹의 구성원과 다른 그룹의 구성원에 대한 예측 위험 사이의 비율은 다른 모든 것을 일정하게 유지함으로써 구한다. 즉, 위험 ^[3]함수의 비례성을 가정한다.

연속형 설명 변수의 경우 단위 차이에 동일한 해석이 적용됩니다.다른 HR 모형의 공식은 다르며 모수 추정치의 해석도 이에 따라 다릅니다.

해석

가장 간단한 형태에서 위험비는 치료 암에서 발생한 사건의 확률을 연구의 대조군에서 발생한 사건의 확률로 나눈 것으로 해석할 수 있다.이러한 끝점의 분해능은 보통 카플란-마이어 생존 곡선을 사용하여 표현된다.이러한 곡선은 엔드포인트에 도달하지 못한 각 그룹의 비율을 나타냅니다.끝점은 공변량(독립 변수)과 관련된 종속 변수(예: 사망, 질병 완화 또는 질병 수축)일 수 있다.곡선은 각 시점(위험)에서 발생한 끝점의 확률을 나타냅니다.위험률은 단순히 두 그룹의 순간 위험 사이의 관계이며, 단일 수치로 카플란-마이어 ^[6]그림 사이의 거리 크기를 나타낸다.

위험비는 연구의 시간 단위를 반영하지 않는다.위험 기반 조치와 시간 기반 조치의 차이는 경주 우승 ^[2]확률과 승률의 차이와 유사하다.한 연구에서 기간당 하나의 위험 비율이 보고되는 경우, 그룹 간의 차이는 비례했다고 가정한다.이 비례성 가정이 ^{[6][page needed]}충족되지 않으면 위험비는 무의미해진다.

비례 위험 가정이 유지되는 경우, 1의 위험비는 두 그룹의 위험률에 동등함을 의미하며, 1 이외의 위험비는 그룹 간 위험률의 차이를 나타낸다.연구자는 일부 검정 ^[7]통계량과 관련된 확률을 보고하여 이 표본 차이가 우연으로 인한 확률을 나타냅니다.예를 들어 콕스 모델 또는 로그 순위 테스트의 β$(\displaystyle \beta)$를 사용하여$$ 이러한 생존 ^[8]곡선에서 관찰된 차이의 유의성을 평가할 수 있다.

Conventionally, 확률 0.05보다 낮은 중요한과 연구원들이 위험 비율이 95%신뢰도 간격을 제공한다, 예를 들어 Cox-model 회귀 계수의 표준 편차에서 파생된 것으로 간주되고, 즉 β{\beta\displaystyle}.[8][9]통계적으로 중요한 위험 비율 수 있는 포함된 통합(한)에 그들의 co.nfidence ^[6]인터벌

비례 위험 가정

위험 비율 추정을 위한 비례 위험 가정은 강력하며 종종 ^[10]불합리하다.합병증, 부작용 및 지연 영향은 모두 시간 경과에 따른 위험률 변화의 가능한 원인이다.예를 들어, 외과적 시술은 초기에 위험이 높지만 장기적인 결과는 우수할 수 있습니다.

그룹 간 위험 비율이 일정하게 유지되면 해석에 문제가 없습니다.단, 그룹 간에 선택 편향이 존재하는 경우에는 위험률 해석이 불가능하다.예를 들어, 특히 위험한 수술은 조직적으로 더 강한 그룹의 생존을 초래할 수 있으며, 그들은 어떤 경쟁적인 치료 조건에서도 더 나은 것으로 보인다.사후 관리 시간도 중요합니다.더 나은 완화율과 연관된 암 치료는 더 높은 재발률과 연관될 수 있다.후속 조치 시기에 대한 연구자들의 결정은 자의적이며 보고된 위험 ^[11]비율이 매우 다를 수 있다.

위험률과 생존율

위험률은 종종 사망 ^[3]확률의 비율로 취급된다.예를 들어 위험률이 2이면 그룹이 비교 그룹보다 사망 확률이 두 배 더 높다는 것을 의미합니다.Cox-model에서 이는 그룹 생존 함수 사이의 관계로 변환됨을 보여줄 수 있다. $S{\displaystyle {}_{}{1\mathrm{}}_{}}$ (${\displaystyle t}$ ) ${\displaystyle =}$ ${\displaystyle {S\mathrm{}}_{}}$0 (${\displaystyle {}^{}t}$ )$$ \ $displaystyle S_{1$} (t) $=$$S_{0}(t)^{r}($r은 위험비).^[3]따라서 위험비가 2일 때,${\displaystyle {}_{}{S\mathrm{}}_{}}$ 0${\displaystyle (\mathrm{t}}$) $=$ 0.$2({디스플레이$ 스타일$$$S_{0$}(t)=$0.2)($시간 t에서 20% 생존),${\displaystyle {}_{}{S\mathrm{}}_{}}$ ${\displaystyle 1(}$t) ${\displaystyle {\mathrm{=}}^{}}$ ${\displaystyle {0\mathrm{}}^{}}$.${\displaystyle 22}$ $=$ 0.04({1$}(t$)=$0.$$({디스플레이 스타일$ S_0}(t)=0)이다.$2^{2}=0.04}($t에서 4% 생존).해당 사망 확률은 0.8과 0.^[10]96입니다.위험비는 영향의 상대적 측정이며 절대 ^{[12][page needed]}위험에 대해 아무것도 알 수 없다는 것을 명확히 해야 한다.

위험률은 가설 시험을 허용하지만, 치료 효과 해석을 위한 다른 조치(예: 치료 및 대조군 참가자가 일부 끝점에 있는 중앙 시간 비율(중간 비율))와 함께 고려해야 한다.레이스의 유추를 적용할 경우, 위험 비율은 더 높은 위험을 가진 그룹의 개인이 먼저 레이스의 끝에 도달할 확률과 같다.첫 번째 확률이 처음일 확률은 첫 번째가 아닐 확률로 나눈 확률인 승산으로부터 도출할 수 있습니다.

• HR = P/(1 - P), P = HR/(1 + HR).

이전 예제에서 위험 비율이 2이면 조기 사망 확률이 67%에 해당합니다.위험률은 사망이 얼마나 빨리 ^[2]일어날지에 대한 정보를 전달하지 않는다.

위험 비율, 치료 효과 및 시간 기반 끝점

치료 효과는 위험률뿐만 아니라 생존 기능과 관련된 근본적인 질환에 따라 달라집니다.위험비는 우리에게 직접적인 사건까지의 시간 정보를 제공하지 않기 때문에, 연구자들은 중앙 끝점 시간을 보고해야 하며, 중앙 끝점 시간 비율을 관리 그룹 중앙값으로 나누어 계산해야 한다.

중위수 끝점 비율은 상대 속도 측도이지만 위험 비율은 그렇지 않습니다.^[2]치료 효과와 위험 비율 사이의 관계는 ${\displaystyle e^{}}$β(\$displaystyle$ e$^{\beta$로 표시된다. 통계적으로 중요하지만 실질적으로 유의미하지 않은 효과는 큰 위험 비율을 생성할 수 있다. 예를 들어 모집단의 1년 생존자 수를 10,000명 중 1명에서 1,000명 중 1명으로 증가시키는 치료는 위험 비율을 갖는다.f 10. 그러한 치료가 중앙 끝점 시간 비율에 큰 영향을 미쳤을 가능성은 낮으며, 이는 통합에 가까웠을 것이다. 즉, 사망률은 그룹 구성원에 관계없이 대체로 동일하고 임상적으로 중요하지 않았다.

반면 1주일 후 감염의 50%가 해결되는 치료군(대조군의 25% 대비)은 2의 위험률을 나타낸다.치료 그룹의 모든 환자 및 대조군 그룹의 환자 절반이 해결하는데 10주가 걸리는 경우, 10주의 위험 비율은 2로 유지되지만 중앙 끝 시간 비율은 10으로 임상적으로 유의한 차이를 보인다.

「 」를 참조해 주세요.

• 생존 분석
• 고장률 및 위험률
• 비례 위험 모델
• 상대 리스크

레퍼런스