處理右刪失數(shù)據(jù)的多重插補(bǔ)法

馬睿琳

摘要：生存分析是對(duì)壽命數(shù)據(jù)進(jìn)行統(tǒng)計(jì)推斷的方法，在此研究過(guò)程中，經(jīng)常會(huì)遇到刪失數(shù)據(jù)，文章介紹刪失數(shù)據(jù)的類型。為了解決刪失數(shù)據(jù)中存在的治愈指標(biāo)部分缺失的生存問(wèn)題，文章主要研究基于漸近正態(tài)數(shù)據(jù)擴(kuò)充的多重插補(bǔ)法，主要介紹多重插補(bǔ)法的基本原理和方法步驟。最后總結(jié)全文，給出今后研究的方向及展望。

關(guān)鍵詞：生存分析;右刪失數(shù)據(jù);多重插補(bǔ)法

一、引言

生存分析是對(duì)一個(gè)或多個(gè)非負(fù)隨機(jī)變量進(jìn)行統(tǒng)計(jì)分析，即對(duì)壽命數(shù)據(jù)進(jìn)行分析的一種方法，在醫(yī)學(xué)領(lǐng)域，主要是人和生物壽命的研究、手術(shù)后人的壽命的預(yù)測(cè)以及藥物療效的分析。在進(jìn)行生存分析研究中，經(jīng)常會(huì)遇到刪失數(shù)據(jù)，現(xiàn)在研究人員已經(jīng)研究出許多方法去處理帶有刪失數(shù)據(jù)的問(wèn)題，本文主要研究的多重插補(bǔ)法是一個(gè)處理缺失數(shù)據(jù)的流行并且實(shí)用的方法，最早由Rubin在1978年提出，隨后很多學(xué)者對(duì)此方法做出改進(jìn)和延伸。本文意在通過(guò)了解刪失數(shù)據(jù)類型，探究多重插補(bǔ)法對(duì)右刪失數(shù)據(jù)中缺失的治愈指標(biāo)進(jìn)行插補(bǔ)及分析的原理和實(shí)現(xiàn)過(guò)程。

二、刪失數(shù)據(jù)

在生存分析實(shí)驗(yàn)研究中，常常要在給定的時(shí)間內(nèi)完成研究，所以得到的數(shù)據(jù)存在兩種狀態(tài)，一種是完整觀測(cè)到的數(shù)據(jù)，另一種是刪失數(shù)據(jù)，本文針對(duì)刪失數(shù)據(jù)進(jìn)行介紹，分別介紹右刪失數(shù)據(jù)、左刪失數(shù)據(jù)和區(qū)間刪失數(shù)據(jù)。

（一）右刪失數(shù)據(jù)

在生存分析調(diào)查中，會(huì)有一個(gè)固定的時(shí)間，在給定時(shí)間開(kāi)始給定時(shí)間結(jié)束。在此過(guò)程中，會(huì)出現(xiàn)患者在研究結(jié)束時(shí)沒(méi)有死亡或者研究人員與患者失去聯(lián)系等情況，此時(shí)，患者的生存情況未知，但已知患者的生存時(shí)間大于一個(gè)確定的數(shù)值，這種數(shù)據(jù)就被稱為右刪失數(shù)據(jù)。

具體來(lái)說(shuō)，本文設(shè)患者的生存時(shí)間為X，刪失時(shí)間為C。若X≤C，則說(shuō)明這個(gè)是可觀測(cè)到的數(shù)據(jù);若X>C，則說(shuō)明此患者在C處刪失。令最終觀測(cè)時(shí)間為U，則U=XΛC，即觀測(cè)時(shí)間U為患者生存時(shí)間X和刪失時(shí)間C中較小的數(shù)值。本文設(shè)刪失指標(biāo)為δ，δ=I{X≤C}。若δ=1，則表示患者的生存時(shí)間是可被觀測(cè)的，此時(shí)U=X;若δ=0，則說(shuō)明患者的生存時(shí)間是右刪失的，此時(shí)U=C。在試驗(yàn)跟蹤期間，本文主要針對(duì)患者的生存時(shí)間來(lái)研究，患者分為已治愈和未治愈兩種狀態(tài)，研究未治愈患者的生存時(shí)間是本文研究的重點(diǎn)。右刪失數(shù)據(jù)中患者的治愈狀況在研究中缺失，故便于后續(xù)研究，引入治愈指標(biāo)Y，若Y=1，則患者未治愈，若Y=0，則患者治愈。研究過(guò)程中，同時(shí)要分析生存概率，則引入?yún)f(xié)變量Z=（Z1，Z2，…ZP，P=1，2，3，…），最終的觀測(cè)數(shù)據(jù)集為（U，Z，δ）。

例如在一項(xiàng)為期一年的研究期間內(nèi)共有六位急性白血病患者進(jìn)入臨床研究，我們還假設(shè)某種治療對(duì)這些患者起作用而且實(shí)現(xiàn)了病情緩解，緩解時(shí)間在圖1中給出。患者A、C和E分別在2月初、4月初和9月初出現(xiàn)緩解后又分別4個(gè)月、6個(gè)月和3個(gè)月后病情復(fù)發(fā)。患者B在3月初出現(xiàn)緩解但在四個(gè)月后失蹤（退出研究不被跟蹤觀察），從而緩解時(shí)間至少是4個(gè)月。患者D和F分別在5月初和10月初實(shí)現(xiàn)了緩解，到研究時(shí)間結(jié)束時(shí)仍舊處于緩解狀態(tài)，從而他們的緩解時(shí)間分別至少是8個(gè)月和3個(gè)月。

（二）左刪失數(shù)據(jù)

在生存分析調(diào)查中，研究時(shí)間是固定的，在確定時(shí)間開(kāi)始確定時(shí)間結(jié)束。患者在此期間不同時(shí)間進(jìn)入研究，若此時(shí)，患者的確切壽命未知，但已知患者的生存時(shí)間小于一個(gè)確切的數(shù)值，那么這種數(shù)據(jù)是左刪失的。具體形式同上，不再贅述。

（三）區(qū)間刪失數(shù)據(jù)

區(qū)間刪失數(shù)據(jù)在實(shí)際研究中也經(jīng)常出現(xiàn)。在大多數(shù)文獻(xiàn)中可以了解到，事件是發(fā)生或即將發(fā)生在基于試驗(yàn)時(shí)間的一個(gè)特定的時(shí)間區(qū)間內(nèi)而不是一個(gè)特定的時(shí)間點(diǎn)。也就是說(shuō)，每一個(gè)患者都有一個(gè)包含了患者生存時(shí)間的觀測(cè)區(qū)間（L，R]。當(dāng)L=0時(shí)，區(qū)間刪失數(shù)據(jù)變?yōu)樽髣h失數(shù)據(jù)，當(dāng)R=∞時(shí)，區(qū)間刪失數(shù)據(jù)則變?yōu)橛覄h失數(shù)據(jù)。

三、多重插補(bǔ)法

（一）基本原理

多重插補(bǔ)法是處理帶有缺失數(shù)據(jù)的問(wèn)題的一種有效方法。其基本思想是：將數(shù)據(jù)集中的缺失數(shù)據(jù)用多個(gè)來(lái)自其可能分布的值來(lái)代替，插補(bǔ)成為一個(gè)完整的數(shù)據(jù)集，再利用已有的處理完整數(shù)據(jù)的統(tǒng)計(jì)分析方法對(duì)插補(bǔ)后的數(shù)據(jù)集進(jìn)行分析，得到理想且更可能依據(jù)所有數(shù)據(jù)信息的結(jié)果。

（二）方法步驟

本文針對(duì)右刪失數(shù)據(jù)，基于漸近正態(tài)數(shù)據(jù)擴(kuò)充給出多重插補(bǔ)法的具體步驟如下：

四、總結(jié)與展望

本文針對(duì)生存分析中經(jīng)常出現(xiàn)的刪失數(shù)據(jù)進(jìn)行研究，利用基于漸近正態(tài)數(shù)據(jù)擴(kuò)充的多重插補(bǔ)法來(lái)插補(bǔ)右刪失數(shù)據(jù)中部分缺失的治愈指標(biāo)。多重插補(bǔ)法的優(yōu)勢(shì)在于，可以同時(shí)獲得參數(shù)及方差的估計(jì)，而且可以簡(jiǎn)單方便的利用統(tǒng)計(jì)軟件來(lái)實(shí)現(xiàn)。其關(guān)鍵在于插補(bǔ)值的產(chǎn)生，也就是數(shù)據(jù)擴(kuò)充方法的結(jié)合使用。

在今后的研究中，我們還需針對(duì)生存分析問(wèn)題中的模型進(jìn)行研究，其中混合治愈模型是研究生存分析很流行的方法，這種模型假設(shè)研究群體包括感興趣的事件和不感興趣的事件，通過(guò)邏輯斯蒂回歸對(duì)影響群體治愈率的協(xié)變量進(jìn)行建模。之后可以增加對(duì)模型的研究，進(jìn)而計(jì)算自然函數(shù)。利用仿真研究對(duì)模型等進(jìn)行假設(shè)驗(yàn)證，同時(shí)收集適合的數(shù)據(jù)集，將此方法應(yīng)用到實(shí)際數(shù)據(jù)中去，進(jìn)一步驗(yàn)證方法的有效性和優(yōu)勢(shì)。這是今后研究的方向。

參考文獻(xiàn)：

[1]Pan W. A multiple imputation appr

oach to Cox regression with interval-censored data.[J]. Biometrics， 2000（01）.

[2]Tanner M A. Applications of Multiple Imputation to the Analysis of Censored Regression Data[J].Biometrics，1991（04）.

[3]ElisaT.Lee，陳家鼎，戴中維，等.生存數(shù)據(jù)分析的統(tǒng)計(jì)方法[J].數(shù)理統(tǒng)計(jì)與管理， 2000（02）.

[4]陳家鼎.生存分析與可靠性[M].北京大學(xué)出版社，2005.

[5]Zhou J， Zhang J， Mclain A C， et al.

A multiple imputation approach for semiparametric cure model with interval censored data[J]. Computational Statistics & Data Analysis， 2016（C）.