Конкурирующие риски

Конкурирующие риски возникают, когда субъект может испытать один из нескольких взаимоисключающих типов событий, и возникновение одного события предотвращает или изменяет вероятность наблюдения другого — например, смерть от причины, отличной от изучаемой, исключает субъекта из возможности этого события. Стандартные методы выживаемости для одного события могут вводить в заблуждение в этой ситуации, поэтому анализ конкурирующих рисков использует специально разработанные оценки.

Definition

Конкурирующий риск — это событие, возникновение которого исключает или фундаментально изменяет вероятность события, представляющего основной интерес; анализ конкурирующих рисков оценивает вероятность каждого типа события с течением времени, учитывая другие, главным образом через специфические для причины риски и кумулятивную функцию заболеваемости.

Scope

Эта тема охватывает причины, по которым наивная оценка Каплана-Мейера завышает риск одного события при наличии конкурирующих, различие между специфическим для причины риском и кумулятивной функцией заболеваемости, а также регрессионные подходы, включая модели Кокса, специфичные для причины, и модель субдистрибуции Файна-Грея. Это методологический справочный материал, а не клиническое руководство.

Core questions

• Почему рассмотрение конкурирующих событий как обычного цензурирования смещает оцененную вероятность события?
• Чем отличаются специфический для причины риск и кумулятивная функция заболеваемости в том, что они описывают?
• Когда следует использовать модель Кокса, специфичную для причины, а когда — модель субдистрибуции Файна-Грея?
• Как интерпретируются и сообщаются результаты анализа конкурирующих рисков?

Key concepts

• Взаимоисключающие типы событий
• Специфический для причины риск
• Кумулятивная функция заболеваемости (CIF)
• Риск субдистрибуции
• Модель Файна-Грея
• Тест Грея
• Нарушение независимого цензурирования
• Переоценка по «единица минус Каплан-Мейер»

Mechanisms

Когда конкурирующие события рассматриваются как обычное цензурирование, нарушается предположение о независимом цензурировании, и единица минус оценка Каплана-Мейера завышает вероятность интересующего события, поскольку она неявно предполагает, что цензурированные субъекты все еще могли бы испытать это событие. Кумулятивная функция заболеваемости вместо этого оценивает вероятность каждого конкретного события к заданному времени в реальном мире, где также происходят другие события, и суммирует по типам событий до общей вероятности любого события. Две регрессионные структуры рассматривают эффекты ковариат: модели Кокса, специфичные для причины, которые моделируют риск каждого события среди тех, кто еще не испытал событие, и отвечают на этиологические вопросы, и модель Файна-Грея, которая моделирует риск субдистрибуции, непосредственно связанный с кумулятивной заболеваемостью, и подходит для прогнозирования. Сравнение групп по кумулятивной заболеваемости использует тест Грея (Fine & Gray, 1999; Gray, 1988; Putter et al., 2007; Austin et al., 2016).

Clinical relevance

Конкурирующие риски распространены в пожилых или более больных популяциях, где, например, смерть от других причин конкурирует с изучаемым исходом; игнорирование их может существенно завысить риск этого исхода и исказить сравнения. Признание этого важно для оценки прогностических исследований; статья описывает методологию и не является основой для индивидуальных клинических решений.

Epidemiology

Ситуации с конкурирующими рисками часто встречаются в кардиологии, онкологии, трансплантологии и гериатрии, где сосуществуют множественные причины отказа; методологические руководства в крупных клинических журналах способствовали надлежащему анализу по мере роста осведомленности (Austin et al., 2016).

Evidence & guidelines

Клинических рекомендаций по самому анализу конкурирующих рисков не существует; методологические ссылки включают тест Грея для кумулятивной заболеваемости (Gray, 1988), модель субдистрибуции Файна-Грея (Fine & Gray, 1999), руководства для биостатистиков и клинической аудитории (Putter et al., 2007; Austin et al., 2016) и тексты по анализу выживаемости (Klein & Moeschberger, 2003).

History

Кумулятивная функция заболеваемости и специфические для причины риски имеют давние корни в актуарной и биостатистической работе по множественному выбытию, но современная практика была сформирована K-выборочным тестом Грея 1988 года для кумулятивной заболеваемости и моделью риска субдистрибуции Файна-Грея 1999 года, которые вместе обеспечили практическую оценку, тестирование и регрессию. Руководства 2000-х и 2010-х годов внедрили эти методы в рутинные клинические исследования (Putter et al., 2007; Austin et al., 2016).

Debates

Специфический для причины риск против модели субдистрибуции (Файна-Грея)?

Модели, специфичные для причины, отвечают на этиологические вопросы о частоте события среди тех, кто находится в группе риска, в то время как модели Файна-Грея нацелены на кумулятивную заболеваемость для прогнозирования; аналитики спорят, какую из них следует сообщать, и многие рекомендуют представлять обе, а не выбирать одну.

Key figures

• Jason P. Fine
• Robert J. Gray
• Hein Putter
• Peter C. Austin

Seminal works

• fine-gray-1999
• gray-1988

Frequently asked questions

Почему нельзя просто использовать кривую Каплана-Мейера при наличии конкурирующих рисков?

Рассмотрение конкурирующих событий как цензурирования нарушает предположение о независимости и приводит к тому, что единица минус оценка Каплана-Мейера завышает вероятность события; вместо этого следует использовать кумулятивную функцию заболеваемости.

В чем разница между специфическим для причины риском и кумулятивной функцией заболеваемости?

Специфический для причины риск — это частота конкретного события среди субъектов, еще не испытавших событие, и он отвечает на этиологические вопросы, тогда как кумулятивная функция заболеваемости дает фактическую вероятность этого события к заданному времени в присутствии конкурирующих событий.