在醫學研究領域，當涉及到「追蹤時間」（Follow up）的結果變項（Outcome variable / Endpoint）時，主流分析方法為存活分析（Survival analysis），常見作法為將病人的追蹤結果分為兩大類，第一、沒有發生興趣事件（Event of interest）者為設限樣本（Censor），發生研究興趣事件者為事件樣本（Event）。
在目前常見作法中，假設該病人只可能發生單一事件。然而，病人實際的狀況卻沒有這麼簡單。病人在追蹤過程中，除了發生研究興趣事件之外，也有可能遭遇其他事件（例如死亡、器官移植、手術等），在各種病人可能遭遇的其他事件中，某些事件是一旦先發生了（例如死亡），病人將沒有機會再發生研究興趣事件。
舉例來說，研究者想探討膀胱癌的復發（Recurrence）。研究興趣事件為復發，但是病人在追蹤過程中，除了可能發生復發事件之外，也可能先進行根治性膀胱全切除手術，或是先遭遇死亡事件。當病人發生根治性膀胱全切除手術或是死亡事件時，病人未來不再有機會發生研究的興趣事件（此例中為膀胱癌的復發）。這類會造成研究者沒有機會觀察到興趣事件發生的其他事件，就稱為競爭風險（Competing risk），而且競爭風險可以不只一個。
以圖1為例，病人1與病人2在追蹤過程中分別遭遇根治性膀胱全切除手術與死亡事件。病人1雖然繼續追蹤，但是已經不可能發生膀胱癌復發事件（因此根治性膀胱全切除手術到研究終止的追蹤時間以虛線表示）；病人2則是在死亡當下就已經追蹤結束，也不可能再發生任何的興趣事件。
圖1、競爭風險示意圖（病人1與病人2）
在目前各種存活分析的方法中，可以控制/調整干擾變項（Confounding variable）的Cox比例危險模型（Cox proportional hazard model，以下簡稱為Cox model）是最常見的用法，但由於只允許單一事件的發生，所以無法處理競爭風險的問題。
在過去10幾年的發展中，發展出兩種比較常見的方法，分別為第一、特定因素危險函數（Cause-Specific Hazard Function，以下簡稱CSH），以及第二、Fine and Gray於1999年提出的次分佈瞬間危險（SubDistribution HazardFunction，以下簡稱SDH）。我們將於接續的幾篇文章中介紹之。
Reference
Fine JP, Gray RJ. A proportional hazards model for the subdistribution of a competing risk. Journal of the American statistical association 1999;94:496-509.
留言列表
{{ article.title }}