線形混合モデル|小児喘息の外来で呼気中の一酸化窒素濃度に関連する因子を調べる

外来の記録から検査値を集めると、何度も測っている子と1回だけの子が混ざり、測定を1回ずつ独立に数えると、よく受診する子の特徴が結果を左右します。小児喘息の外来での呼気中の一酸化窒素濃度を題材に、線形混合モデルで同じ子の測定をまとめて扱い、通常の重回帰と結論が変わる因子を確かめた事例です。

この記事の研究設定、疾患、変数、数値は、解析の進め方を説明するために当方で新しく設定したものです。数値はランダムに生成したデータセットから計算しており、実際にご依頼いただいた案件の内容や経緯は反映していません。

522人の1,250回の測定

対象は、1施設の外来に気管支喘息で通院する6〜15歳の小児522人で、呼気中の一酸化窒素濃度の測定は合計1,250回、1人当たり1〜6回でした(表1)。1回だけの子は40.8%で、測定が4〜6回の子は濃度の平均が27.2 ppbと、1回だけの子の14.8 ppbより高く、濃度の高い子ほど多く測られています。

また、濃度は右に裾の長い分布なので、常用対数で扱うことを先に決めました。説明変数は、年齢、性別、身長、吸入ステロイドの使用、アレルギー性鼻炎の合併、測定の季節(花粉の時期か)、受動喫煙の7個です。

表1. 対象の背景(子ども522人、測定1,250回)
項目 値
年齢(歳)* 9.8±2.4
男児、人数(%) 296(56.7)
身長(cm)* 137.1±15.2
吸入ステロイドの使用、人数(%) 310(59.4)
アレルギー性鼻炎の合併、人数(%) 257(49.2)
受動喫煙、人数(%) 125(23.9)
測定の回数、人数(%)
1回 213(40.8)
2回 104(19.9)
3回 84(16.1)
4回 56(10.7)
5回 37(7.1)
6回 28(5.4)
呼気中の一酸化窒素濃度(ppb)† 22(13〜36)
背景は最初の測定の時の値です。
* 平均±SDです。
† 全ての測定(1,250回)の中央値(四分位範囲)です。

線形混合モデルを主に決め、通常の重回帰と並べる

同じ子の測定値はよく似るので(級内相関係数は0.72)、1,250回を独立と見なす通常の重回帰では、522人分の情報を1,250人分として数えることになり、子どもごとに決まる因子の標準誤差が小さく出ます。そこで、子どもをランダム切片とした線形混合モデルを主の解析と先に決め、通常の重回帰は比べるために並べることにしました。

なお、1人につき最初の測定だけを使えば独立にはなりますが、728回分の測定を捨て、同じ子の中での季節による違いも見られなくなります。この方法は感度解析として行い、主の解析では全ての測定を使いました。

また、年齢と身長は相関が0.94、VIFはどちらも8.0で、同時に入れるとそれぞれの係数は不安定になります。両方を入れたモデルを主としたうえで、片方ずつ外したモデルでほかの因子の結論が変わらないかを確かめることにしました。

さらに、信頼区間が残差の正規性に頼りすぎていないかを、クラスターブートストラップで確かめます。測定を1回ずつ選び直すと同じ子の測定の似かたが壊れるので、子どもを単位に1,000回選び直しました。

受動喫煙は通常の重回帰でだけ関連が見えた

表2. 通常の重回帰と線形混合モデルの係数
通常の重回帰 線形混合モデル
因子 濃度の差(%)* P値 濃度の差(%)* P値
年齢(1歳ごと) -1.4(-5.7〜3.1) 0.53 -1.0(-6.7〜5.0) 0.73
男児 3.7(-4.4〜12.5) 0.38 10.5(-1.7〜24.2) 0.09
身長(10 cmごと) 13.1(5.4〜21.4) <0.001 13.5(3.2〜24.8) 0.009
吸入ステロイドの使用 -16.2(-22.8〜-9.1) <0.001 -21.9(-30.6〜-12.2) <0.001
アレルギー性鼻炎の合併 41.7(30.8〜53.6) <0.001 32.3(17.9〜48.5) <0.001
花粉の時期の測定 9.2(0.0〜19.1) 0.05 12.1(5.9〜18.7) <0.001
受動喫煙 20.6(10.0〜32.2) <0.001 5.3(-8.0〜20.6) 0.45
* 常用対数にした濃度の回帰係数を、「何%高い・低い」に直した値と95%信頼区間です。線形混合モデルは子どもをランダム切片とし、級内相関係数は0.72です。
7個の因子について、通常の重回帰と線形混合モデルの濃度の差(%)と95%信頼区間を上下に並べた図
図1. 通常の重回帰と線形混合モデルの推定値の比較です。横軸は、その因子がある(または1単位大きい)時の濃度の差を%で表した値、横の線は95%信頼区間です。

通常の重回帰では、受動喫煙のある子は濃度が20.6%高く(95%信頼区間、10.0〜32.2、P<0.001)、関連があるという結果でした。線形混合モデルでは5.3%(-8.0〜20.6、P=0.45)で、関連があるとは判断できません(表2、図1)。

この違いは、受動喫煙のある子で濃度の高い子ほど多く測られており、通常の重回帰がその子たちを何度も数えたことによります。子どもごとに決まる因子の標準誤差は、混合モデルで1.43〜1.47倍になりました。

逆に、花粉の時期の測定は、通常の重回帰の9.2%(0.0〜19.1、P=0.05)から、混合モデルでは12.1%(5.9〜18.7、P<0.001)とはっきりしました。同じ子の中で花粉の時期とそれ以外を比べられるため、標準誤差が0.65倍に小さくなっています。

3回以上測定のある205人について、1人の測定値の範囲を縦の線で、測定値を点で示し、平均の低い順に並べた図
図2. 1人の中での測定値のばらつきと、子どもの間のばらつきです。縦の線が1人の子の測定値の範囲で、線の長さより、子どもによる高さの違いの方が大きいことが分かります。
表3. 感度解析とクラスターブートストラップの結果
因子 主解析の判定* 最初の測定だけの重回帰† ブートストラップの95%信頼区間(%)‡ ブートストラップの判定†
年齢(1歳ごと) 判断できない 一致 -6.8〜4.6 一致
男児 判断できない 一致 -1.6〜24.4 一致
身長(10 cmごと) 関連あり 一致 3.2〜25.1 一致
吸入ステロイドの使用 関連あり 一致 -30.8〜-12.9 一致
アレルギー性鼻炎の合併 関連あり 一致 18.5〜48.5 一致
花粉の時期の測定 関連あり 不一致 6.2〜18.4 一致
受動喫煙 判断できない 一致 -7.5〜20.3 一致
* 線形混合モデルで95%信頼区間が0%を含まない因子を「関連あり」としています。
† 主解析の判定と一致したかどうかです。
‡ 子どもを単位に1,000回の再抽出を行った、濃度の差(%)の信頼区間です。

また、クラスターブートストラップでは7個の因子の判定が主の解析と一致し、年齢か身長の片方を外したモデルでも、ほかの5個の因子の判定は変わりませんでした(表3)。最初の測定だけの重回帰では、花粉の時期の測定だけが14.3%(-0.2〜30.9)で判定が変わり、性別との交互作用の一括の検定はP=0.84でした。

これらを合わせた統計的な結論は、吸入ステロイドの使用(21.9%低い)、アレルギー性鼻炎の合併(32.3%高い)、身長、花粉の時期の測定は濃度と関連し、受動喫煙、年齢、性別は関連があるとは判断できない、というものです。観察研究なので、吸入ステロイドで濃度が下がるとは言えず、身長と年齢のどちらが関わっているのかも、このデータでは分けられません。

実施した内容と料金の目安

項目 内容
解析手法 線形混合モデル(子どもをランダム切片、常用対数、級内相関係数)、通常の重回帰との比較
追加の解析 感度解析2種(最初の測定だけの重回帰、年齢と身長の片方を外したモデルとVIF)、性別のサブグループ解析と交互作用の検定、クラスターブートストラップ1,000回
作成した表 背景の表1枚、2つのモデルの係数の表1枚、感度解析とブートストラップの表1枚、計3枚
作成した図 2つのモデルの推定値を並べた図1枚、測定値のばらつきの図1枚、計2枚
納品物 解析報告書(手法の選択理由と結果の考察)、結果の表(Excel)、図(PNG・TIFF)、論文の統計解析の項の文案。解析コードはご希望の場合に別料金(22,000円・税込)
期間の目安 データのお預かりから約2週間
料金の目安 165,000円(税込)

表に書いたのは、行った解析のうち主なものです。このほかにも、分布の確認やデータのクリーニングなど、統計学的に適切な手順を踏むために必要な細かな解析を行っており、その分と、無期限のアフターサポート(納品後のご質問への対応)も料金に含まれます。

データサイエンティスト 鈴木 健一郎

データサイエンティスト鈴木 健一郎

無料で相談する料金の例を見る

最新の記事

RMST|進行膵がんの一次化学療法で生存曲線が交わる時の群間比較

RMST(境界内平均生存時間)で、進行膵がんの2つの一次化学療法の生存を比べた事例です。生存曲線が交わり比例ハザード性が成り立たないデータで、24ヶ月までの差を調整なしと調整ありで求めました。

GEE|片頭痛の頭痛ダイアリーで同じ人の発作をまとめて解析する

GEE(一般化推定方程式)で、片頭痛の頭痛ダイアリーの1,206回の発作を解析した事例です。同じ人の発作が似ることをロバスト標準誤差で扱い、記録の抜けを多重代入で補って、感度分析と比べました。

基準範囲|75歳以上の健診データから6つの検査の基準範囲を作る

基準範囲を、75歳以上の健診データ392人から6つの検査について推定した事例です。ノンパラメトリック法とブートストラップ、外れ値の候補の扱い、性別で分けるかどうかの判断を、数値とともに書きました。

クラスター分析|慢性腰痛の患者を型に分けたら2つの変数で決まった事例

クラスター分析で、慢性の腰痛の患者462人を9個の変数から型に分けた事例です。多重代入、Gower距離とPAM法、ブートストラップで調べた結果、分け方が2つの変数で決まったことをどう読むかを書きました。

ランダムフォレスト|退院後30日以内の再入院を予測するモデルを交差検証で確かめる

ランダムフォレストで、高齢者の退院後30日以内の再入院を予測した事例です。学習データでのAUC 0.98と交差検証での0.69の違い、クラスの偏りの補い方、較正の確認から、使える範囲を判断しました。

診断精度|眼底写真を読むAIと専門外の医師を、3つの所見で専門医の判定と比べる

診断精度を、眼底写真432枚でAIと専門外の医師について評価した事例です。偏ったデータで正解率が高く見える例を、バランス正解率と重み付きκ係数、ブートストラップの信頼区間で確かめました。

ANCOVA|不眠の訴えに対する試験食品のプラセボ対照試験で、群間差を調べる

ANCOVA(共分散分析)で、試験食品のプラセボ対照試験の群間差を求めた事例です。両群とも前後では有意に下がるデータで、前後の検定を並べず、開始時の値で調整した差とITT・PPの結果から判断しました。

IPTW|関節リウマチの2種類の薬で重い感染症の発生を比べる

IPTW(逆確率重み付け)で、関節リウマチの2種類の薬を始めた2,208人の背景を揃えた事例です。安定化して切り詰めた重み、重み付きCox回帰、発生率の差、サブグループの結果の読み方を書きました。