A comparison study of survival data analysis with missing measurements of time-varying covariates

Abstract

In survival data such as cohort data or clinical trials, the covariates may not be fully observed due to withdrawal of subject's consent to participate in research, loss to follow-up. If all missing observations are removed in the analysis, it may cause a biased estimate or loss of efficiency due to reduced sample size. In this paper, we compare the estimates in Cox regression model with time-varying covariate when there are missing values in time-varying covariates caused by drop-out. In simulation study, we compare the coefficients of Cox regression model, bias, root mean square error(RMSE) by setting missingness mechanism under missing at completely random(MCAR) and missing at random(MAR). We adjusted as well as sample size and censoring rate to compare the results by missing value imputation methods. In addition, compare the results in Cox regression model applied to the Korea HIV/AIDS cohort data. The purpose of this study is to compare the missing value imputation methods to find appropriate estimates without loss of sample size. ;코호트자료 또는 임상시험 등의 생존자료에서 연구 참여자의 연구 참여 동의 철회, 추적관찰 실패 등으로 인해 공변량들이 완전하게 관측되지 않는 경우가 발생할 수 있다. 관심있는 결과가 발생하기 까지의 시간을 모형화 할 때, 결측이 발생한 자료들을 모두 제거한다면, 표본수의 감소로 인해 그 추정치에 편의가 생기거나 효율성을 잃는 문제가 발생할 수 있다. 본 연구에서는 시간가변공변량이 있는 Cox 회귀모형에서 추적관찰 실패로 인해 시간가변공변량에 결측치가 발생하였을 때, 결측치 처리 방법별로 그 추정치가 어떻게 달라지는 지 확인하여 보았다. 시뮬레이션 연구에서는 완전임의결측(Missng at completely random;MCAR)과 임의결측(Missing at random;MAR) 가정 하에서 표본수와 중도절단율을 다르게 조정하여 방법 간의 Cox 회귀모형의 계수 추정치와 편의(bias), 평균제곱근오차(RMSE)를 통해 결측치 대체방법 간의 성능을 비교하여 보았다. 또, 한국 HIV/AIDS코호트 자료에 이를 적용하여 Cox 회귀모형에서의 추정치를 비교하여 보았다. 이를 통해 어떤 결측치 대체 방법이 많은 수의 표본을 확보면서도 적절한 추정치를 찾아내는지 그 성능을 비교하고자 하였다.