배경: 임상시험 및 생존분석에서 참여자는 철회로 인해 연구에서 제외될 수 있으며, 이는 흔히 추적상실(lost-to-follow-up, LTF)로 지칭된다. 질병은 사망으로 인해 검열(censoring)될 것이라고 주장하는 것은 자연스러우나, LTF가 존재할 때 질병이 반드시 검열되었음을 보장할 수는 없다. 따라서 질병이 검열되는 경우와 검열되지 않는 경우를 모두 고려하는 것이 중요하다. 또한 질병 과정은 LTF에 의해 검열될 수 있음을 지적한다. 본 연구에서는 LTF를 검열로 간주하지 않고 비치명적 사건(non-fatal event)으로 취급하는 다중상태 모형을 고려한다. 방법: 구간 검열되었거나 중간 사건이 누락된 반경쟁위험(semi-competing risks) 자료를 분석하기 위한 다중상태 모형을 제안한다. 보다 구체적으로, 로그정규(log-normal) 취약성(frailty)을 갖는 가법 및 곱셈 위험 모형을 사용하고, 다중상태 모형에서 상태 간 전이 강도(transition intensities)를 추정하기 위해 조건부 우도(conditional likelihood)를 구성한다. 전체 우도에 대한 주변화(marginalization)는 적응적 중요도 샘플링(adaptive importance sampling)을 통해 수행하며, 회귀 모수(regression parameters)의 최적 해는 반복적 준-뉴턴(iterative quasi-Newton) 알고리즘을 통해 도출한다. 결과: 시뮬레이션을 수행하여 제안된 추정 방법의 유한표본 성능을 회귀 모수의 상대적 편의(relative bias) 및 포함확률(coverage probability) 측면에서 조사한다. 제안된 추정치는 취약성 분포(frailty distribution)의 모형 설정 오류(misspecifications)에 대해 견고한 것으로 나타났다. PAQUID 자료를 분석하였고, 다소 두드러진 결과가 산출되었다. 결론: 치명적 사건에 대한 정보는 존재하지만, LTF로 인해 비치명적 사건에 대한 정보는 이용 가능하지 않을 수 있는 반경쟁위험 자료를 위한 다중상태 모형을 제안한다. 시뮬레이션 결과에 따르면 회귀 모수의 포함확률은 대부분의 경우 명목 수준 0.95에 가깝다. 실제 자료 분석과 관련하여, 건강한 상태에서 치매로의 전이 위험은 여성에서 더 높았으나, 치매 진단 이후 사망 위험은 남성에서 더 높았다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.