生存分析　解釈編

JASP設定の読み方

• Factors: 治療群 ✅
• Covariates: 年齢、病期 ✅

調整の具体例

調整なしの場合：

新薬群の生存率が高い
→ でも新薬群の患者が若くて早期だったら？
→ 薬の効果なのか、患者背景の違いなのか分からない

調整ありの場合：

年齢と病期を調整したCOX回帰
→ 同じ年齢・同じ病期の患者で比較
→ 純粋な薬の効果が分かる

結果の解釈

COX回帰の結果表では：

変数

ハザード比

意味

治療群

0.50

他の要因を調整した上で、新薬は従来薬より50%リスク減少

年齢

1.03

治療法と病期を調整した上で、1歳増加で3%リスク増加

病期

4.00

治療法と年齢を調整した上で、進行期は早期より4倍リスク増加

✅ なぜ調整が重要？

例：混乱を避けるため

• 新薬群：平均年齢50歳、早期患者多い
• 従来薬群：平均年齢70歳、進行期患者多い

→ 調整なしだと薬効なのか患者背景の違いなのか判断できない

調整することで： 「同じ条件の患者で比較したら、新薬の方が優れている」と言える

この表は比例ハザード仮定の検定結果です。COX回帰分析で重要な前提条件をチェックしています。

比例ハザード仮定とは？

仮定の内容：

• 各変数のハザード比が時間によって変わらないこと
• つまり、新薬の効果が研究期間を通じて一定であること

検定結果の読み方

変数

カイ二乗値

p値

判定

治療群

3.65

0.06

✅ 仮定成立

年齢

4.98

0.03

⚠️ 仮定違反

病期

1.83×10⁻⁶

1.00

✅ 仮定成立

Global

6.14

0.10

✅ 全体的に成立

判定基準

p > 0.05: 比例ハザード仮定が成立 ✅ p < 0.05: 比例ハザード仮定が破られている ⚠️

⚠️ 年齢で仮定違反！

年齢のp = 0.03 < 0.05

• 年齢の効果が時間とともに変化している可能性
• 例：若い患者の効果は時間が経つと変わる

対処法

1. 軽微な違反（年齢のみ）の場合：

• Global test (p = 0.10) が有意でないので、全体的には問題なし
• 結果は信頼できる

2. 重大な違反がある場合の対処：

• 層別COX回帰
• 時間依存性COX回帰
• 区間別の分析

✅ 今回の結論

Global test p = 0.10 > 0.05 → 全体的には比例ハザード仮定は成立 → COX回帰の結果は信頼できる

年齢の軽微な違反はあるが、治療効果（主要な関心事）は問題なく評価できています！

これらは比例ハザード仮定検定のプロットです。先ほどの表の結果を視覚的に表現しています。

プロットの読み方

Y軸（Beta(t)）: 時間依存ベータ係数 X軸（Time）: 時間（月） 黒線: 推定値 グレー帯: 95%信頼区間 水平線（0）: 比例ハザード仮定が成立する基準線

各変数の解析

1️⃣ 治療群

特徴:

• ベータ係数が時間とともに変動
• 0ライン周辺で上下動
• p = 0.06 → 微妙だが許容範囲

解釈: 治療効果が時間とともに若干変化している可能性があるが、統計的には許容範囲

2️⃣ 年齢

特徴:

• ベータ係数が時間とともに下降傾向
• 初期は高く、後期は低下
• p = 0.03 → 有意な仮定違反

解釈: 年齢の効果が時間とともに減少している（初期は年齢の影響大、後期は影響小）

3️⃣ 病期

特徴:

• ベータ係数が完全に0ライン上で平坦
• 全く変動なし
• p = 1.00 → 完璧に仮定成立

解釈: 病期の効果は時間を通じて一定

✅ 実践的な判断

問題のレベル:

• 治療群: 軽微 → 結果信頼可能
• 年齢: 中程度の違反 → 注意が必要だが致命的ではない
• 病期: 完璧 → 全く問題なし

結論: Global test（p = 0.10）が有意でないので、全体的にはCOX回帰の結果は信頼できます！

年齢の効果が時間とともに変化していることは興味深い発見で、「若い患者ほど初期の予後は良いが、時間が経つと年齢差が縮まる」ことを示唆しています。