具有失效时间结果的病例组研究的变量选择

病例组设计是一种经济的方法，用于评估风险因素对生存结果的影响，当在一项大型队列研究中，收集所有患者的暴露信息或协变量是很昂贵的。变量通常有组分类变量和高度相关的连续变量等结构。病例组数据的现有文献仅限于在单个级别识别非零变量。在本文中，我们提出了一个双层变量选择方法在变量具有组结构时，为病例组数据选择非零组和组内变量。提议的方法允许变量的数量随着样本量的增加而发散。估计量的渐近性质包括两级变量选择的一致性和渐近正态性。我们还进行了模拟以比较我们提出的方法与一些现有方法结合，并将其应用于Busselton Health数据。

背景准确检测和估计真实暴露-输出关联在病原学分析中很重要；当存在多个感兴趣的潜在暴露变量时，需要用于检测最可能与感兴趣结果有真正关联的变量子集的方法。病例队列研究通常收集大量未在整个队列中测量的变量的数据（例如生物标志物小组）。在病例组研究中，缺乏关于变量选择方法的指导。方法我们描述并探索了三种变量选择方法在案例研究数据中的应用。这些是：（i）根据单变量（即一次一个）Prentice-weighted Cox回归模型中的显著性水平选择变量；（ii）应用于Prentice-weighted Cox回归的逐步选择；以及（iii）一种两步方法，该方法应用贝叶斯变量选择算法，通过多变量logistic回归获得每个变量的后验选择概率，然后使用Prentice-weighted Cox回归进行效果估计。结果在九种不同的模拟场景中，两步方法比一次一次和分步方法表现出更高的灵敏度和更低的错误发现率。在将这些方法应用于EPIC-InterAct病例组研究的数据时，与一次一个脂肪酸法和逐步法相比，两步法确定了另外两种脂肪酸与2型糖尿病的发病相关。结论两步法可以更有效、更准确地检测病例组研究中暴露与输出的相关性。有一个R包可供研究人员应用此方法。

本文讨论了由病例队列定期随访研究产生的失效时间数据的回归分析，此类数据的一个特点使其分析更加困难，即它们通常是区间删失而非右删失。虽然已经为一般故障时间数据开发了一些方法，但似乎还没有针对此处所考虑的情况制定的程序。为了解决这个问题，我们提出了一个半参数正则化过程，并为该方法的实现开发了一个简单的算法。此外，与一些用于类似情况的现有程序不同，所建议的程序具有oracle属性，并进行了广泛的模拟，表明所提出的方法似乎适用于实际情况。该方法应用于一项激发本研究的HIV疫苗试验。