{"created":"2023-06-20T13:20:41.377717+00:00","id":726,"links":{},"metadata":{"_buckets":{"deposit":"0bc0fb15-f5e4-4479-abac-c13518e2af30"},"_deposit":{"created_by":1,"id":"726","owners":[1],"pid":{"revision_id":0,"type":"depid","value":"726"},"status":"published"},"_oai":{"id":"oai:ir.soken.ac.jp:00000726","sets":["2:429:17"]},"author_link":["9005","9006","9007"],"item_1_creator_2":{"attribute_name":"著者名","attribute_type":"creator","attribute_value_mlt":[{"creatorNames":[{"creatorName":"貝瀬, 徹"}],"nameIdentifiers":[{"nameIdentifier":"9005","nameIdentifierScheme":"WEKO"}]}]},"item_1_creator_3":{"attribute_name":"フリガナ","attribute_type":"creator","attribute_value_mlt":[{"creatorNames":[{"creatorName":"カイセ, トオル"}],"nameIdentifiers":[{"nameIdentifier":"9006","nameIdentifierScheme":"WEKO"}]}]},"item_1_date_granted_11":{"attribute_name":"学位授与年月日","attribute_value_mlt":[{"subitem_dategranted":"1996-03-21"}]},"item_1_degree_grantor_5":{"attribute_name":"学位授与機関","attribute_value_mlt":[{"subitem_degreegrantor":[{"subitem_degreegrantor_name":"総合研究大学院大学"}]}]},"item_1_degree_name_6":{"attribute_name":"学位名","attribute_value_mlt":[{"subitem_degreename":"博士（学術）"}]},"item_1_description_12":{"attribute_name":"要旨","attribute_value_mlt":[{"subitem_description":"　生存時間解析は，医学，工学，経済学などの広い分野において寿命データから生存率を推定する目的で使われている．この場合，想定された生存率モデルに基づいて解析を検討するのが一般的である．このような生存率モデルとしてワイブル分布やガンマ分布などのパラメトリック・モデル，またカプラン-マイヤー（KM）モデルなどのノンパラメトリック・モデルが知られている．さらに，個体の持つ因子の影響を考慮する場合，パラメトリックの加速モデルやノンパラメトリックのコックス生存率モデルが用いられる．<br />　さて，情報量規準AICは既に多くの統計解析において使われている．しかし，生存時間解析においてAICに基づく解析方法を提案した報告は少ない．AICはパラメトリック・モデルに対して最尤法を前提に用いられるため，生存時間解析のようにノンパラメトリック・モデルを想定する場合，AICの適用には困難さを伴う．ところが，近年AICを拡張した情報量規準EICが提案されている．EICはブートストラップに基づいており、最尤法以外の推定法にも適用可能である．したがって，EICによりノンパラメトリックでのモデル選択も可能であることが示唆される．また，生存率は個体の持つ状態や環境といった因子により大きく異なる．因子の影響は加速モデルやコックス生存率モデルにより表現することができるから、EICによりこれらのモデルを評価することで因子と生存率の関係を解析することが予想できる．<br />　以上のような背景から，本論文ではEICに基づく生存時間解析について提案した．ここではパラメトリックとノンパラメトリックのモデルを比較するため，線形化補間したカプラン-マイヤー（LIKM）モデルと線形化補間したコックス生存率（LIC）モデルを導入し，EICの適用方法について明らかにした．このとき，ブートストラップ法としてmodel-baseの方法を用いた．これらの方法は，シミュレーションによりその有効性が示された．すなわち，提案するEICに基づく解析により，パラメトリック，ノンパラメトリックの生存率モデルを統一的な立場で検討することが可能となった．特に，ノンパラメトリック・モデルは標本数に比例してバイアス（期待平均対数尤度と対数尤度の差）が大きくなるという特性を持つことが示された．このことにより，パラメトリックとノンパラメトリックのモデルの違いについて見通しのよい説明を与えることができた．さらに，EICに基づいて生存率モデルを検討することで，生存率と因子との関係を明確にすることも可能となった．<br />　提案するEICに基づく解析方法の実証による有効性を示すため，胸部食道癌予後データを解析した．解析に用いたデータは1985年6月から1992年10月までの癌研病院外科による胸部食道癌予後データ，症例数143，うち死亡データ56，生存打切りデータ87である．手術以後の生存時間の他に，手術時点でのリンパ節転移個数，壁深達度，リンパ節転移パターンが各患者ごとに得られている．食道癌は手術時点の因子の状態により予後が大きく異なることが知られている．この解析では，これら予後因子と予後との関係を明らかにすること，また生存率モデルに基づいて50パーセント点を推定することを目的とした．まず，因子のカテゴリーによる層別全体はパラメータ数の多い制約された生存率モデルであることに着目し，EICに基づいて単一因子の層別方法　（評価システム）の良さを検討した．ここでの生存率モデルは，LIKMモデル，ワイブル分布，ガンマ分布を用いた．50パーセント点の推定の場合，どの生存率モデルが適しているかを判断する必要があり，ここではEICによるモデル比較を行なった．さらに複数の因子の影響を考慮する場合，層別だけによる解析では困難である．そこで，胸部食道癌予後データにおいて複数の因子の影響を考慮した解析を検討した．解析にはLIC生存率モデルとワイブル，ガンマ加速モデルを想定し，モデル選択にEICを用いた．EICを用いることで生存率に対する因子の影響の解析を行なった．解析結果として次のことが得られた．<br /><br />1．単一因子の評価システムとして，リンパ節転移個数が適していることがわかった．また，その次にリンパ節転移パターン，さらに癌の壁深達度の順であった．<br /><br />2．この場合，ワイブル分布による50パーセント点の推定結果が適していた．<br /><br />3．複数の因子の影響を考慮した解析では，リンパ節転移個数，リンパ節転移パターン，癌の壁深達度の影響を回帰で表現したモデルが適していた．また，このモデルの方がリンパ節転移個数単一の評価システムより良いことが示された．<br /><br />4．この場合，ワイブル加速モデルによる50パーセント点の推定結果が適していた．<br /><br />以上の結果は医学的にも興味深いものであり，ここで提案するEICに基づく生存時間解析が実際の解析においても効果的であることが示された．","subitem_description_type":"Other"}]},"item_1_description_18":{"attribute_name":"フォーマット","attribute_value_mlt":[{"subitem_description":"application/pdf","subitem_description_type":"Other"}]},"item_1_description_7":{"attribute_name":"学位記番号","attribute_value_mlt":[{"subitem_description":"総研大甲第166号","subitem_description_type":"Other"}]},"item_1_select_14":{"attribute_name":"所蔵","attribute_value_mlt":[{"subitem_select_item":"有"}]},"item_1_select_8":{"attribute_name":"研究科","attribute_value_mlt":[{"subitem_select_item":"数物科学研究科"}]},"item_1_select_9":{"attribute_name":"専攻","attribute_value_mlt":[{"subitem_select_item":"15 統計科学専攻"}]},"item_1_text_10":{"attribute_name":"学位授与年度","attribute_value_mlt":[{"subitem_text_value":"1995"}]},"item_creator":{"attribute_name":"著者","attribute_type":"creator","attribute_value_mlt":[{"creatorNames":[{"creatorName":"KAISE, Toru","creatorNameLang":"en"}],"nameIdentifiers":[{"nameIdentifier":"9007","nameIdentifierScheme":"WEKO"}]}]},"item_files":{"attribute_name":"ファイル情報","attribute_type":"file","attribute_value_mlt":[{"accessrole":"open_date","date":[{"dateType":"Available","dateValue":"2016-02-17"}],"displaytype":"simple","filename":"甲166_要旨.pdf","filesize":[{"value":"303.7 kB"}],"format":"application/pdf","licensetype":"license_11","mimetype":"application/pdf","url":{"label":"要旨・審査要旨 / Abstract, Screening Result","url":"https://ir.soken.ac.jp/record/726/files/甲166_要旨.pdf"},"version_id":"92d5b79a-3ef4-447c-bd23-cf8a262b91b5"},{"accessrole":"open_date","date":[{"dateType":"Available","dateValue":"2016-02-17"}],"displaytype":"simple","filename":"甲166_本文.pdf","filesize":[{"value":"11.7 MB"}],"format":"application/pdf","licensetype":"license_11","mimetype":"application/pdf","url":{"label":"本文","url":"https://ir.soken.ac.jp/record/726/files/甲166_本文.pdf"},"version_id":"1d2a1924-d498-482c-8bfc-fc8c095ee28d"}]},"item_language":{"attribute_name":"言語","attribute_value_mlt":[{"subitem_language":"eng"}]},"item_resource_type":{"attribute_name":"資源タイプ","attribute_value_mlt":[{"resourcetype":"thesis","resourceuri":"http://purl.org/coar/resource_type/c_46ec"}]},"item_title":"Survival Analysis Based on The Information Criterion EIC","item_titles":{"attribute_name":"タイトル","attribute_value_mlt":[{"subitem_title":"Survival Analysis Based on The Information Criterion EIC"},{"subitem_title":"Survival Analysis Based on The Information Criterion EIC","subitem_title_language":"en"}]},"item_type_id":"1","owner":"1","path":["17"],"pubdate":{"attribute_name":"公開日","attribute_value":"2010-02-22"},"publish_date":"2010-02-22","publish_status":"0","recid":"726","relation_version_is_last":true,"title":["Survival Analysis Based on The Information Criterion EIC"],"weko_creator_id":"1","weko_shared_id":1},"updated":"2023-06-20T14:50:32.556728+00:00"}