지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 한승봉
- 발행연도
- 2023
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
목적 : 생존 자료에서 Hade et al 2020은 시간-의존 교란 변수가 환자의 처치 시점에 영향을 미칠 때, 해당 효과를 보정하여 treatment delay effect를 올바르게 추정하기 위해 성향 점수 매칭 방법을 이용하였다. 이 때, treatment delay effect란 환자가 관심 있는 지연 시점만큼 늦게 처치를 받는 경우 제 때 받는 경우에 비해 사건 발생 위험에 미치는 영향을 의미한다. 본 연구에서는 또 다른 성향 점수 기반 모형인 Cox-MSM 모형 또한 해당 효과를 올바르게 추정할 수 있는지 모의 실험을 통해 확인 및 기존 매칭 모형과 비교하였다.
방법 : 콕스 회귀 모형을 이용하여 도출한 성향 점수를 기반으로 각 시점별 위험 집합 내에서 점수가 유사한 처치를 받은 환자와 아직 받지 않은 환자 간 매칭을 수행하는 2가지의 sequential matching 모형과 콕스 회귀 모형을 통해 역확률 가중치를 도출한 뒤, 해당 가중치만큼 생성된 가상의 모집단에서 적합하는 Cox-MSM 모형을 사용하여 treatment delay effect를 추정하였다.
결과 : 모의실험 결과, 세가지 모형 모두 다양한 시나리오 내에서 treatment delay effect를 올바르게 추정함을 확인하였다. 특히 모든 시나리오 내에서 cox-MSM의 제곱근 평균 표준 오차의 값이 가장 낮았으며, restricted cox 모형에서 가장 큰 값을 가지는 것으로 나타났다.
결론 : 기존 Hade 2020 이 제시한 2가지의 sequential matching 모형과 더불어 Cox-MSM 모형 또한 treatment delay effect 추정이 가능함을 모의실험을 통해 확인하였다. 즉, 성향 점수에 기반하나 매칭이 아닌 방법 또한 적용이 가능하다는 결과를 제공한다. 추후 성향 점수 기반이 아닌 모형 또한 적용이 가능한지에 대한 상세 연구가 필요하다고 사료된다.
방법 : 콕스 회귀 모형을 이용하여 도출한 성향 점수를 기반으로 각 시점별 위험 집합 내에서 점수가 유사한 처치를 받은 환자와 아직 받지 않은 환자 간 매칭을 수행하는 2가지의 sequential matching 모형과 콕스 회귀 모형을 통해 역확률 가중치를 도출한 뒤, 해당 가중치만큼 생성된 가상의 모집단에서 적합하는 Cox-MSM 모형을 사용하여 treatment delay effect를 추정하였다.
결과 : 모의실험 결과, 세가지 모형 모두 다양한 시나리오 내에서 treatment delay effect를 올바르게 추정함을 확인하였다. 특히 모든 시나리오 내에서 cox-MSM의 제곱근 평균 표준 오차의 값이 가장 낮았으며, restricted cox 모형에서 가장 큰 값을 가지는 것으로 나타났다.
결론 : 기존 Hade 2020 이 제시한 2가지의 sequential matching 모형과 더불어 Cox-MSM 모형 또한 treatment delay effect 추정이 가능함을 모의실험을 통해 확인하였다. 즉, 성향 점수에 기반하나 매칭이 아닌 방법 또한 적용이 가능하다는 결과를 제공한다. 추후 성향 점수 기반이 아닌 모형 또한 적용이 가능한지에 대한 상세 연구가 필요하다고 사료된다.
목차
초록 iABSTRACT iv목차 viLists of Tables viiiList of Figures xii1장. 서론 １2장. 연구 방법 ５2.1 Treatment delay effect 정의 ５2.2 Time-dependent propensity score matching ６2.2.1. Propensity score matching 정의 ６2.2.2 Sequential matching framework ７2.2.3 Time-dependent propensity score ９2.2.4 Toy example １１2.3 Cox marginal structural model １４2.3.1 Marginal structural model １４2.3.2 용어 및 Cox-MSM 모형의 정의 １４2.4 인과 효과 추정을 위해 필요한 가정들 １９2.5 적용 사례 ２１2.5.1 자료 설명 ２１2.5.2 사례 분석 ２２2.5.3 적용 결과 ２３3장. 모의 실험 ２４3.1 모의실험 목적 ２４3.2 모의실험 설계 ２４3.3 모의실험 결과 평가 기준 ３１3.4 모의실험 결과 ３３4장. 고찰 ７９5장. 결론 ８３참고문헌 ８５
최근 본 자료
댓글(0)
0