2 観察研究データに対するマッチング 1 : 1 マッチング対照群治療群

Size: px

Start display at page:

Download "2 観察研究データに対するマッチング 1 : 1 マッチング対照群治療群"

しのぶたけすえ
5 years ago
Views:

1 * SAS による傾向スコアマッチング魚住龍史 1 * 矢田真城 2 山本倫生 3 川口淳 4 1 京都大学大学院医学研究科医学統計生物情報学 2 エイツーヘルスケア株式会社 3 岡山大学 4 佐賀大学 Propensity score matching using SAS Ryuji Uozumi 1 *, Shinjo Yada 2, Michio Yamamoto 3, and Atsushi Kawaguchi 4 1 Kyoto University 2 A2 Healthcare Corporation 3 Okayama University 4 Saga University

2 2 観察研究データに対するマッチング 1 : 1 マッチング対照群治療群

3 3 観察研究におけるマッチング新たな解析対象集団 (matched sample) を構成対照群治療群

4 4 SAS ユーザーによる傾向スコアマッチング傾向スコア SAS PROC LOGISTIC マッチング??

5 5 本発表のトピック傾向スコアによる最近傍マッチング JMP / R によるマッチング PSMATCH プロシジャによるマッチング

6 傾向スコア ( バランススコア ) 傾向スコアモデル e i Z i : 被験者 i の群を表す変数 ( Z 1 : 治療群, 0 : 対照群 ) : 被験者 i の共変量ベクトル X i Pr( Z i i 1 X i ) Z i Rosenbaum and Rubin (1983) Biometrika 例 :X i を性別 (Gender), 年齢 (Age),BMI (Bmi) とする場合 proc logistic data=< 入力データセット名 >; class Gender; model z(event='1')= Gender Age Bmi; output out=< 出力データセット名 > pred=ps; run; 6

7 7 傾向スコアによる最近傍マッチング対照群 logit( ei ) logit( e j ei e j 治療群 e i ) e j

キャリパー (caliper) logit( ei ) logit( e j ) Caliper SD[logit ( e )] Caliper 0.25 0.

8 キャリパー (caliper) logit( ei ) logit( e j ) Caliper SD[logit ( e )] Caliper Rosenbaum and Rubin (1985) Am Stat Austin (2011) Pharm Stat 対照群試験群 e j e i ei e j 8

9 最近傍マッチングを用いた臨床研究の論文における記載例 Matching was performed with the use of a 1:1 matching protocol without replacement (greedy-matching algorithm), with a caliper width equal to 0.2 of the standard deviation of the logit of the propensity score. Bangalore et al. (2015) N Engl J Med; 田栗 (2017) Coronary Intervention マッチング後, 調整した変数の群間の分布を確認バイアスが生じたままである場合はキャリパーの値を再考山本森田 (2015) 呼吸 9

10 JMP (11.0 以上 ) による最近傍マッチングアドイン入手 URL : http://www.jmp.

10 10 JMP (11.0 以上 ) による最近傍マッチングアドイン入手 URL :

11 1 : 1 マッチング実行画面 11

12 JMP におけるキャリパーの指定 logit( e i ) logit( e j ) Caliper Var[logit( e ) Z 1] Var[logit( e ) 2 Z 0] logit( ei ) logit( e j ) Caliper SD[logit ( e )] Caliper Rosenbaum and Rubin (1985) Am Stat Austin (2011) Pharm Stat 12

13 JMP は 1 : 1 マッチングのみ対応 13

14 最近傍マッチングの事例 14 JMP を用いた最近傍マッチングの事例 Yamashita et al. (2017). Current status and outcomes of direct oral anticoagulant use in patients with atrial fibrillation in the real-world: The Fushimi AF Registry. Circ J. R を用いた最近傍マッチングの事例 Hamatani et al. (2015). Low body weight is associated with the incidence of stroke in atrial fibrillation patients: Insight from the Fushimi AF Registry. Circ J. Hida et al. (2017). Open versus laparoscopic surgery for advanced low rectal cancer: a large multicenter propensity score matched cohort study in Japan. Ann Surg.

15 R による最近傍マッチング ### パッケージを使用 ### library(matching) ### 傾向スコアの推定結果が含まれた CSV ファイルをデータセットとして読み込み ### data = read.csv("psout00.csv") ### 傾向スコアモデルの分子 ( 治療群のカテゴリ ) を指定 ### Trt = data$drug == "Drug_X" ### キャリパーの値を指定 ### caliper = 0.20 ### 傾向スコアのロジット変換 ### data <- transform(data, ps.logit=log(ps / (1 - ps))) ### 乱数のシード ### set.seed(123456) ### 1:1 最近傍マッチングを非復元抽出で実行 ### Matching = Match(Y=NULL, Tr=Trt, X=data$ps.logit, M=1, replace=false, caliper = caliper); summary(matching) 15

16 SAS による傾向スコアマッチング SAS でマッチングをやりたい DATA ステップで傾向スコアマッチングを行うための SAS マクロの報告 (Coca-Perraillon, 2007; Lanehart et al., 2012) SAS マクロで処理するなら R と同じだし, SAS/STAT のプロシジャでマッチングができないものだろうか 16

17 SAS SAS/STAT 2011/ /08 SAS / / / PSMATCH プロシジャ 2015/ /11 17

PSMATCH プロシジャの主なステートメントの役割共変量の指定傾向スコアの算出マッチング条件

OUTPUT ASSESS proc psmatch data=< 入力データセット名 >;

)=< 共変量 >; match < マッチング条件方法の指定 >; assess <

18 PSMATCH プロシジャの主なステートメントの役割共変量の指定傾向スコアの算出マッチング条件方法の指定マッチング後のデータセット出力共変量のバランスを確認 PSMODEL MATCH OUTPUT ASSESS proc psmatch data=< 入力データセット名 >; class Z < 共変量におけるカテゴリカル変数 >; psmodel Z(treated= 1 )=< 共変量 >; match < マッチング条件方法の指定 >; assess < 共変量などのバランスの評価 >; output out(obs=match)=< 出力データセット名 >; run; 18

19 19 観察研究のデータセット : Drugs (n = 486) 本発表で用いる変数治療 (Drug = Drug_X 治療群, Drug_A 対照群 ) 年齢 (Age) 性別 (Gender = Male, Female ) BMI (Bmi)

20 PSMODEL: 傾向スコアモデル proc psmatch data=drugs region=allobs; class Drug Gender; psmodel Drug(treated='1') = Gender Age Bmi; output out(obs=all)=psout00 ps=ps attwgt=attw atewgt=atew; run; データセット PSOUT00 ( 最初の 3 オブザベーション ) Gender Age Bmi Drug Patient ID PS ATEW ATTW Male Drug_X Male Drug_A Male Drug_A

MATCH: 傾向スコアマッチング実行 1 : 1 最近傍マッチング proc psmatch data=drugs region=allobs; class Drug Gender; psmodel Drug(treated='Drug_X') = < 共変量 >; match method=greedy(k=1

21 MATCH: 傾向スコアマッチング実行 1 : 1 最近傍マッチング proc psmatch data=drugs region=allobs; class Drug Gender; psmodel Drug(treated='Drug_X') = < 共変量 >; match method=greedy(k=1 order=descending) stat=lps caliper(mult=stddev)=0.20; output out(obs=match)=psmatch00 ps=ps lps=lps matchwgt=match matchid=matchsort; run; logit( ei ) logit( e j ) Caliper SD[logit( e )] 21

22 MATCH ステートメントで指定可能なマッチング方法 Replacement No Optimal Yes Yes No Replacement Matching METHOD = REPLACE Greedy Nearest Neighbor Matching METHOD = GREEDY Fixed Ratio No Yes Fixed Ratio Matching METHOD = OPTIMAL Variable Ratio No Yes Variable Ratio Matching METHOD = VARRATIO Full Matching METHOD = FULL 22

23 OUTPUT: マッチング後のデータセット proc psmatch data=drugs region=allobs; class Drug Gender; psmodel Drug(treated='Drug_X') = < 共変量 > match < マッチング条件方法の指定 >; output out(obs=match)=psmatch00 ps=ps lps=lps matchwgt=match matchid=matchsort; run; proc sort data=psmatch00 out=pssort00; by descending ps; run; データセット PSSORT00 ( 最初の 5 オブザベーション ) Gender Age Bmi Drug PatientID PS match matchsort Male Drug_X Male Drug_A Female Drug_A Male Drug_X Male Drug_X

24 ASSESS: 変数の群間差の評価 1 : 1 最近傍マッチング ods graphics on; proc psmatch data=drugs region=allobs; class Drug Gender; psmodel Drug(treated= Drug_X') = < 共変量 >; match method=greedy(k=1 order=descending) stat=lps caliper(mult=stddev)=0.20; assess lps var=(gender Age Bmi) / weight=none varinfo plots=(all); run; 24

25 マッチング前後の変数情報 Variable Information Variable Obs Treated (Drug = Drug_X) Control (Drug = Drug_A) N Mean Std Dev N Mean Std Dev LPS All Region Matched Age All Region Matched Bmi All Region Matched Gender All Region Matched 治療群対照群マッチング前 113 名 373 名マッチング後 113 名 113 名 25

26 各変数に対する標準化した群間差 Standardized Variable Differences (Treated - Control) Variable Standardized Mean Difference Mean Difference Divisor Mean Difference All Obs Region Obs Matched Obs All Obs Region Obs Matched Obs LPS Age Bmi Gender 年齢 : Standardiz ed Mean Difference Mean Difference Divisor =

27 マッチング前後の変数情報 Variable Information Variable Obs Treated (Drug = Drug_X) Control (Drug = Drug_A) N Mean Std Dev N Mean Std Dev LPS All Region Matched Age All Region Matched Bmi All Region Matched Gender All Region Matched 年齢のマッチング前のプールした標準偏差 ( ) =

28 各変数に対する標準化した群間差 Standardized Variable Differences (Treated - Control) Variable Standardized Mean Difference Mean Difference Divisor Mean Difference All Obs Region Obs Matched Obs All Obs Region Obs Matched Obs LPS Age Bmi Gender 年齢 : Standardiz ed Mean Difference Mean Difference Divisor =

29 各変数に対する標準化した群間差 ODS GRAPHICS 29

30 年齢に対する群別のクラウドプロット 30

31 年齢に対する群別の箱ひげ図 31

32 性別に対する群別の度数分布 32

を制御するために用いられる Propensity Score IPTW と層化調整法の

33 SAS ユーザー総会における傾向スコアを用いた論文報告 2010 古川杉本 Propensity Score 法によるバイアスの調整法に関する実務的な問題点古川本発表観察研究において選択 bias を制御するために用いられる Propensity Score IPTW と層化調整法の頑健性の観点からの使い分けについて PSMATCH プロシジャ登場!! 最近傍マッチングについて SAS プログラムの詳細は論文集を参照 33

34 SAS SAS/STAT 2011/ /08 SAS / / / PSMATCH プロシジャ 2015/ /11 CAUSALTRT プロシジャ 34

35 References 1. Austin PC, Grootendorst P, Anderson GM. A comparison of the ability of different propensity score models to balance measured variables between treated and untreated subjects: a Monte Carlo study. Statistics in Medicine. 26: , Austin PC. Optimal caliper widths for propensity-score matching when estimating differences in means and differences in proportions in observational studies. Pharmaceutical Statistics. 10: , Bangalore S, Guo Y, Samadashvili Z, Blecker S, Xu J, Hannan EL. Everolimus-eluting stents or bypass surgery for multivessel coronary disease. New England Journal of Medicine. 372: , Coca-Perraillon M. Local and global optimal propensity score matching. Proceedings of the SAS Global Forum. SAS Institute Inc., Cary, NC, Faries D, Leon AC, Haro JM, Obenchain RL. Analysis of Observational Health Care Data Using SAS(R). SAS Institute Inc., Cary, NC, Hida K, Okamura R, Sakai Y, Konishi T, Akagi T, Yamaguchi T, Akiyoshi T, Fukuda M, Yamamoto S, Yamamoto M, Nishigori T, Kawada K, Hasegawa S, Morita S, Watanabe M. Open versus laparoscopic surgery for advanced low rectal cancer: a large multicenter propensity score matched cohort study in Japan. Annals of Surgery, Hamatani Y, Ogawa H, Uozumi R, Iguchi M, Yamashita Y, Esato M, Chun YH, Tsuji H, Wada H, Hasegawa K, Abe M, Morita S, Akao M. Low body weight is associated with the incidence of stroke in atrial fibrillation patients: Insight from the Fushimi AF Registry. Circulation Journal. 79: , JMP ジャパン事業部. JMP による傾向スコアを用いたマッチング層別分析回帰分析. SAS Institute Japan 株式会社,

36 References (Cont d) 9. Lanehart RE, de Gil PR, Kim ES, Bellara AP, Kromrey JD, Lee RS. Propensity score analysis and assessment of propensity score approaches using SAS(R) procedures. Proceedings of the SAS Global Forum. SAS Institute Inc., Cary, NC, Normand ST, Landrum MB, Guadagnoli E, Ayanian JZ, Ryan TJ, Cleary PD, McNeil BJ. Validating recommendations for coronary angiography following acute myocardial infarction in the elderly: a matched analysis using propensity scores. Journal of Clinical Epidemiology. 54: , Rosenbaum PR, Rubin DB. The central role of the propensity score in observational studies for causal effects. Biometrika. 70:41 55, Rosenbaum PR, Rubin DB. Constructing a control group using multivariate matched sampling methods that incorporate the propensity score. The American Statistician. 39:33 38, SAS Institute Inc. SAS/STAT(R) 14.2 User s Guide. SAS Institute Inc., Cary, NC, Yamashita Y, Uozumi R, Hamatani Y, Esato M, Chun YH, Tsuji H, Wada H, Hasegawa K, Ogawa H, Abe M, Morita S, Akao M. Current status and outcomes of direct oral anticoagulant use in patients with atrial fibrillation in the real-world: The Fushimi AF Registry. Circulation Journal, 2017 DOI: /circj.CJ 田栗正隆. 有名論文から統計の基礎を学ぶ : プロペンシティスコア. Coronary Intervention, 13:63 69, 古川敏仁杉本典子. Propensity Score 法によるバイアスの調整法に関する実務的な問題点. SAS ユーザー総会論文集 , 古川敏仁. 観察研究において選択 bias を制御するために用いられる Propensity Score IPTW と層化調整法の頑健性の観点からの使い分けについて. SAS ユーザー総会論文集 , 山本倫生森田智視. 傾向スコアによる調整解析. 呼吸. 34: ,

PSMATCH Procedure ニューラルネットワークの奇跡のマッチング ~Real World Data の利用可能性を忖度する ~ 馬場崇充藤原正和北西由武 ( 塩野義製薬株式会社解析センター ) PSMATCH Procedure Neural Network = Miracle En

PSMATCH Procedure ニューラルネットワークの奇跡のマッチング ~Real World Data の利用可能性を忖度する ~ 馬場崇充藤原正和北西由武 ( 塩野義製薬株式会社解析センター ) PSMATCH Procedure Neural Network = Miracle Encounter ~Conjecturing the usability of Real World Data~

2 観察研究データに対するマッチング 1 : 1 マッチング 対照群 治療群

2 観察研究データに対するマッチング 1 : 1 マッチング対照群治療群