Evaluation and dynamic prediction of Joint Models for Longitudinal and Interval-Censored Data

Evaluation and dynamic prediction of Joint Models for Longitudinal and Interval-Censored Data

결합모형(joint model)의 목표는 종단 자료(longitudinal data)와 생존 자료 사이의 관계를 통해 두 확률 변수에 대한 추론 과정을 구하는 것이다. 가장 기본적인 방법은 two-stage 모형으로 종 단자료와 생존자료 간의 연관성을 고려하지 않고 각각 개별적인 모형을 사용하는 반면에, 결합 모형은 종단자료와 생존자료의 연관성을 고려하여 함께 모델링한다. 이로써 결합모형은 two-stage 모형보다 마커와 사건 발생 위험 사이의 관계를 정확히 추정할 수 있다는 장점이 있다(Wulfsohn and Tsiatis, 1997). 최근에는 이러한 추론 문제 외에도 생존 분석에서 관심있는 사건 발생을 예측 하기 위한 시간 가변 공변량의 마커(marker)로써 예측력을 평가하기 위해 결합모형을 활용한 다 양한 방법론이 제시되었다 (Rizopoulos, 2011, 2017). 본 논문의 목적은 정확한 사건 발생 시간대 신 구간 형태로 관측된 구간 중도절단 자료하에서 경시적 마커와의 연관성을 고려한 결합 회귀 모형을 구한 후 이를 이용한 잔여 생존 확률을 추정한다. 또한 이를 마커로 하는 다이나믹 ROC 에 기인한 AUC를 통해 여러 가지 마커 형태의 예측력을 비교한다. 본 논문에서 제안된 방법론 은 프랑스의 치매 자료에 적용함으로써 노인들의 인지점수를 통해 치매 발생률을 유도한다.