臨床試験における再発イベントと複合エンドポイントの解析手法：実践的ガイド

解説対象論文: Methods for analyzing recurrent and terminal events considering composite and competing endpoints in clinical trials: a practical overview
BMC Medical Research Methodology｜被引用数: 0（2026年9月14日時点）

臨床試験における治療効果の評価では、心筋梗塞や再発、死亡といった「イベント発生までの時間」が重要な指標となります。しかし、単一のイベントのみを追跡する従来の解析手法では、複雑な疾患の進行過程で発生する複数のイベントや異なる種類のイベント（再発イベント）がもたらす貴重な情報を十分に活用できませんでした。この課題に対処するため、本記事では、複数のイベント発生までの時間データを包括的に解析するための多様な統計的手法を、その仮定、解釈、そして臨床的適用性とともに解説します。これにより、研究者が自身の科学的問いに最適な解析手法を選択し、治療の全体的な影響をより深く理解するための実践的な指針を提供します。

Feasible実施可能性	既存の統計ソフトウェアで実装可能な方法が多く、Rコードも提供されており実践への適用が容易である。
Ethical倫理面	既存データ（臨床試験）の解析方法を提示し、新たな介入やデータ収集を伴わないため倫理的懸念は低い。
Interesting面白さ	臨床試験で重要ながら複雑な複数のイベント時間データを、包括的かつ実践的に解析する方法を提示しており関心が高い。
Novel新規性	新しい統計的手法を開発するのではなく、既存の複雑な方法論を統合し、比較検討する実践的ガイドとして新規性がある。
Relevant切実さ	複数のイベントや競合イベントが頻繁に発生する疾患の臨床試験において、治療効果の全体像を捉える上で非常に有用。
Measurable測定可能性	各解析方法がハザード比、イベント発生率比、加速因子など、治療効果を定量的に測定する指標を提供する。
Modifiable派生・改善	提供されるフレームワークは、研究者の科学的問いに応じて適切な解析手法を選択できるよう柔軟性がある。
Structured文章構造	複数のイベント時間データ解析法を、複合エンドポイントの関連性考慮の有無などに基づいて体系的に整理し、意思決定フレームワークを提供する。
PICO / PECO対象・介入・比較・結果	P（対象者）：ランダム化臨床試験の対象者、I（介入）：治療介入、C（比較）：対照群、O（アウトカム）：再発イベントや末端イベントを含む複数のイベント発生までの時間。

はじめに：イベント時間データ解析の複雑さ

どうも、Beyond the Pixelです。臨床試験では、心筋梗塞までの時間、再発までの時間、あるいは死亡までの時間といった「イベント発生までの時間」が主要な評価項目となることがよくあります。しかし、従来の解析手法では、対象者が最初に経験したイベントのみを考慮し、その後に発生する可能性のある複数のイベントや異なる種類のイベント（再発イベント）の情報を十分に活用できていませんでした。これは、治療が疾患全体に及ぼす影響を包括的に捉える上で課題となります。

この論文は、複数のイベント発生までの時間データを解析するための包括的な方法論の概要を提供し、それらのモデルの仮定や結果の解釈について比較検討しています。特に、心血管疾患の臨床試験を例に、具体的な適用方法とRコードを示している点が特徴です。

従来のイベント時間解析の限界

従来の「最初のイベントまでの時間」の解析手法、例えばCox比例ハザードモデルやKaplan-Meier推定法は、最初のイベント以降に発生するイベントの情報を無視してしまうという課題を抱えています。これにより、再発イベントがもたらす追加情報が活用されず、治療効果の全体像を捉えきれない可能性があります。さらに、これらの方法は、致命的なイベントと非致命的なイベントの臨床的関連性を区別せず、すべてを同等に扱う傾向があり、対象者への真の影響を正確に反映しないことがあります。また、異なる種類のイベントが同時に発生を競合する「競合イベント」の存在も無視されることがあり、推定に偏りを生じさせる可能性がありました。例えば、心筋梗塞がその後の別の心筋梗塞、心不全、または死亡のリスクに影響を与えるように、イベント間の相互関係もより洗練された解析アプローチを必要とします。こうした課題に対応するため、AndersenとGill、Prenticeらによる再発イベント解析の代替アプローチが検討されてきましたが、これらは臨床研究で広く適用されているとは言えませんでした。研究者たちがモデルの仮定や結果の解釈に不確実性を感じていることが一因と考えられています。

複数のイベントを考慮した解析の枠組み

この論文では、臨床試験における複数のイベント発生までの時間を解析するための、構造化された意思決定ガイドとなるフレームワークを提示しています。このフレームワークは、再発イベント、競合イベント、末端イベントを伴う時間-イベントデータを解析するための適切な統計的手法を選択することを目的としています。

重要な点として、このフレームワークは交換可能な方法のランキングではなく、それぞれ異なる推定量を対象とする可能性があるため、科学的な問いと目標とする推定量に基づいて方法を選択すべきであると強調されています。解析手法は大きく分けて、複合エンドポイントを用いるか否か、および臨床的関連性を考慮するか否かによって分類されます。以降では、それらのカテゴリーごとに主要な解析手法を概説します。

エンドポイントの臨床的関連性を考慮しない方法

これらの方法では、複合エンドポイント内のすべてのイベントを同等に関連するとみなします。複数のイベントタイプをまとめて一つの複合イベントとして扱います。

Andersen-Gill (AG) モデル

AGモデルは、再発イベントデータを解析するためのCox比例ハザードモデルの半パラメトリックな拡張です。このモデルでは、対象者は観察期間中、イベントを経験した後もリスク下に留まると仮定されます。複数の異なるイベントエンドポイントに関心がある場合、致命的なイベントは再発イベントプロセスを終了させる最後のイベントとして扱われます。このモデルは、治療が複合再発イベントプロセスの全体的な「イベント強度」をどのように変化させるかを評価します。利点として、広く理解されているCoxモデルに近いこと、標準的な統計ソフトウェアで利用可能である点が挙げられます。しかし、マルコフ仮定（以前のイベントが後続イベントのリスクに影響しない）が満たされない場合や、構成要素の治療効果が異なる方向に作用する場合、結果の解釈が困難になることがあります。

AはAGモデルの概念を示しています。

Lin-Wei-Ying-Yang (LWYY) モデル

LWYYモデルは、AGモデルの拡張であり、対象者間の異質性を考慮できる点が特徴です。AGモデルの点推定値と同じ結果が得られますが、対象者内の再発イベント間の依存性がある場合、標準誤差の推定値が異なります。これは、ロバストな分散推定量を持つAGモデルと見なされることもあります。複合エンドポイントにおいて、治療が複合イベントプロセスの「周辺イベント発生率」をどのように変化させるかを評価します。対象者内のイベント間の依存性があっても有効な推論が可能ですが、時間を通じてイベント発生率の比率が一定であるという仮定が満たされない場合、解釈が難しくなります。

パラメトリックイベント時間モデル

AGモデルと同様に、パラメトリックなアプローチとして加速故障時間 (AFT) モデルが使用できます。これは、Weibull、対数正規、対数ロジスティックなどの特定の分布を仮定してイベント時間分布を推定します。比例ハザード (PH) 仮定が複合エンドポイントに適切でない場合に有用ですが、基になるパラメトリック分布の正確な指定に依存します。加速因子 (AF) は、治療が複合イベント時間スケールをどのように変化させるかを示します。

Prentice-Williams-Peterson (PWP) モデル

PWPモデルは、個々の対象者が経験するすべてのイベントを考慮しつつ、再発イベントに順序を付ける点がAGモデルと異なります。以前に経験したイベントの数に応じて個別のリスクセットを定義する条件付きモデルです。例えば、最初のイベントは最初の層、2番目のイベントは2番目の層で解析されます。（図3）Bはこのモデルの概念を示しています。このモデルは、後続イベントの発生が以前のイベント発生に影響される可能性があるという臨床的現実をよりよく反映します。しかし、AGモデルと同様に、複合エンドポイント内のすべての構成要素で同じ臨床的関連性を仮定し、治療効果が異なる方向に作用する場合、解釈が難しい場合があります。

層別パラメトリックイベント時間モデル

PWPモデルのパラメトリック拡張であり、PWPモデルと同様にイベントの数に応じて層を含むAFTモデルを使用できます。イベントの順序が考慮されるため、パラメトリックモデルの柔軟性と、イベントの順序を考慮する能力を兼ね備えています。

Wei-Lin-Weissfeld (WLW) モデル

WLWモデルは、PWPモデルと同様にイベントの層を設けますが、対象者がすべてのイベントのリスクにあると仮定する点で異なります（周辺モデル）。つまり、2番目のイベントを経験していなくても、3番目のイベントのリスクがあるとされます。（図3）Cはこのモデルの概念を示しています。このモデルは層別固有のハザードと治療効果を得ることができますが、リスクセットの定義が直感的でないこと、AGモデルやPWPモデルと比較して標準偏差が高いことがシミュレーション研究で示されており、現実的でないシナリオを捉える可能性があります。

Negative binomial (NB) モデル

NBモデルは、再発イベント解析でよく用いられる方法の一つで、イベントの発生「回数」に焦点を当て、イベント発生までの時間は直接考慮しません。時間情報はオフセット（個別の研究期間など）を通じてのみ考慮されます。（図3）Dはこのモデルの概念を示しています。イベントのタイミングや打ち切りが重要でない場合に有用ですが、多くの対象者がイベントを経験しない場合（ゼロインフレ）、問題が生じる可能性があります。また、イベントの種類や競合イベントを区別せず、臨床的関連性も無視されます。対象者固有のイベント発生率が時間を通じて一定であるという仮定は、疾患が進行する状況では非現実的である可能性があります。

エンドポイントの臨床的関連性を考慮する方法

複合エンドポイントの構成要素の臨床的関連性は、イベントに重みを割り当てるか、または結合されたエンドポイントを順序付けるかの2つのアプローチで考慮できます。

重み付けアプローチ

これらの方法では、各イベントの臨床的関連性に応じて重みを割り当て、単一の治療効果を要約します。重みはエンドポイントの定義の一部であり、治療効果の解釈に影響を与えます。

Weighted Lin-Wei-Ying-Yang (WLWYY) モデル

このモデルはLWYYモデルの拡張であり、各イベントの相対的な重症度で重み付けされた再発イベントおよび末端イベントの累積数として重み付け複合エンドポイントを定義します。重み付けされた複合イベントプロセスのイベント発生率（または平均）の比率が関心の対象となります。臨床的関連性を考慮しつつ、イベント間の依存構造は特定されません。重み付けスキームは、治療効果の解釈や統計的検出力に影響を与えるため、事前に指定する必要があります。

Parametric/Non-parametric weighted all-cause hazard ratio (WHR)

WHRは、事前に指定された非負の「原因特異的な重み」を原因および群特異的なハザードに乗じて定義されます。パラメトリック推定または非パラメトリック推定（ネルソン-アーレン推定による累積ハザード）が用いられます。このアプローチは、治療群が臨床的に重み付けされた複合ハザードに関して異なるかどうかを評価します。臨床的関連性は考慮されますが、重み付けスキームの事前指定が課題となる場合があります。

Wei-Lachin (WL) アプローチ

WLアプローチは、原因特異的な効果に臨床的関連性の重みを適用する半パラメトリックな方法です。重みはハザード関数やイベント数に直接適用されるのではなく、ログ変換された原因特異的ハザード比に適用されます。これにより、重みの影響がイベント数から独立し、対応するハザード比が少ないイベント数に基づいて推定された場合でも、高い重みが大きな影響を持つ可能性があります。このアプローチの層別拡張もPWPモデルと同様に存在し、イベントの順序を考慮することができます。

Bakalのアプローチ

Bakalのアプローチは、生存確率の重み付けされた非パラメトリック推定方法であり、重み付けされたKaplan-Meier推定値を生成します。しかし、基になるモデルベースの推定量が定義されておらず、何が推定されているのかが不明確であるため、正式な仮説の定式化ができません。そのため、解釈は曖昧であり、治療効果を定量化できません。これらの概念的および実用的な欠点から、このアプローチは推奨されていません。

順序付けられたエンドポイントを使用する方法

これらの方法では、異なるエンドポイントを階層的に組み合わせ、臨床的関連性に基づいて順序を付けます。

Win ratio (WR) および Win odds (WO)

WRまたはWO解析では、異なるエンドポイントが階層的に順序付けられ、治療群の各対象者を対照群の各対象者と比較します。各ペアについて、「勝者」、「敗者」、または「引き分け」が割り当てられ、群間で勝者の割合が比較されます。例えば、最初のイベントまでの時間が長い方が勝者となり、それが判断できない場合は次のエンドポイント（イベント数が少ない方が勝者など）が考慮されます。これは、治療群からランダムに選ばれた対象者が、対照群からランダムに選ばれた対象者よりも、事前に指定された階層と比較ルールに従って、より好ましい優先順位付けされた結果を持つかどうかを評価します。エンドポイント間の相関は考慮されませんが、エンドポイントの関連性は考慮されます。ただし、階層的な順序の定義が結果を大きく左右する可能性があり、多すぎる脱落は感度分析を必要とします。

優先順位付けされたアウトカムの一般化されたペアワイズ比較

この方法は、Wilcoxon-Mann-Whitney検定のU統計量の背後にある考え方を拡張し、2つの群の観測値（複数のイベント時間エンドポイントなど）間で一般化されたペアワイズ比較を行います。各比較は、治療に有利、不利、中立、または情報なしに分類されます。WR/WOと同様のペアワイズ比較の問いに対応しますが、対象者間の優先順位付けされたペアワイズ比較に基づいています。対象とするアウトカムを捉える変数の独立性の仮定は不要です。しかし、異なるアウトカムの優先順位を事前に決定することは利点でもありますが、同時に困難な点でもあります。階層や比較ルールの変更は、臨床的問いと対応する推定量を変更します。

相関する競合イベントを考慮する場合、または複合エンドポイントを使用しない場合

これらのアプローチでは、再発イベントと致命的イベントが相互に影響し合う可能性や、複合エンドポイントを構成する個々のイベントの独立した治療効果に焦点を当てます。

Semi-parametric joint frailty (JF) モデル

JFモデルは、再発イベントプロセスと致命的イベントプロセスを別々にモデル化しますが、これらを「フレイルティ」（未観測の異質性を表す潜在変数）を介して相関させます。これにより、再発イベントプロセスが依存性の末端イベントによって終了する可能性を考慮します。（図3）Eはこのモデルの概念を示しています。治療が再発イベントプロセスと末端イベントプロセスにどのように影響するかを、それらの関連性を考慮しながら評価します。フレイルティを介して関連性がモデル化されるため、治療効果は条件付きのモデルベースの効果であり、周辺の集団平均効果として解釈すべきではありません。まれなイベントや短い追跡期間の場合、モデルの収束が困難になることがあります。

Parametric JF モデル

Semi-parametric JFモデルの代わりに、Weibull分布などを用いたパラメトリック推定も可能です。科学的な問いやエンドポイント構造はSemi-parametric JFモデルと同じですが、ベースラインのイベント時間分布がパラメトリックに指定されます。比例ハザードの仮定が適切でない場合、選択されたパラメトリック分布が適切であれば有用となる可能性があります。

Multi-state model (MSM)

MSMでは、イベント間（状態間）の「遷移」に関心があります。対象者が時間とともに複数の離散的な状態間を遷移するのを許容することで、従来の生存時間解析を一般化する統計的フレームワークです。再発、寛解、入院、死亡など、一連のイベントを経験する複雑な疾患や治療プロセスを分析するのに特に適しています。このモデルは、疾患の進行と治療効果の動的な表現を提供し、状態間の移動確率と移動率を記述します。これにより、単一イベントモデルよりも疾患進行に関する深い洞察が得られますが、遷移構造の正確な指定と各遷移ハザードを推定するための十分なデータに依存します。多くの効果が推定されるため、多重検定の調整について考慮する必要があります。

Ghosh and Lin (GL) モデル

AGモデルのマルコフ仮定が満たされない場合、そのイベント発生率ベースの同等物としてGLモデルを使用できます。このモデルは、死亡がさらなる再発を排除するという事実を考慮しながら、時間経過に伴う累積再発イベント数の周辺平均関数を考慮します。治療が時間経過に伴う周辺再発イベント負担をどのように変化させるかを、死亡が再発イベントプロセスを終了させる事実を考慮しながら評価します。

実データ例とRコード

この論文では、心血管試験の実際のデータ例を用いて、これらの解析手法がどのように適用されるかを示しています。対応するRコードも提供されており、研究者や専門家がこれらの複雑な方法論を自身の研究に適用する際の助けとなるでしょう。

解析結果はモデルの種類によって得られる比率が異なることを示しています。

や

のような図は、ネルソン-アーレン推定値やアーレン-ヨハンセン推定値を使って、イベント分布や遷移確率の記述的な説明を提供し、時間経過に伴うイベントの発生傾向を視覚的に理解するのに役立ちます。これらの実例とコードは、理論と実践の橋渡しをする上で貴重なリソースとなります。

結論：複雑なイベントデータの全体像を捉える

再発イベントや複合エンドポイントは、疾患の全体像と治療効果をより完全に理解するために不可欠な情報を提供します。しかし、これらの複雑なデータを適切に解析するためには、適切な統計的手法とそれらの仮定、そして結果の解釈に関する明確な理解が求められます。この論文は、さまざまな解析手法を比較し、その適用可能性、利点、限界を詳細に説明することで、研究者たちの不確実性を解消し、より適切な方法選択を支援することを目的としています。本研究は新たな統計的手法を開発するものではなく、科学的な問い、推定対象、アウトカム構造、仮定、解釈、ソフトウェアの利用可能性、臨床的適用性を統合した実践指向の合成を提供している点が重要です。これにより、今後、これらの洗練された解析アプローチが臨床研究でより広く活用されることが期待されます。さらなる研究として、これらの方法をシミュレーション研究を通じて体系的に比較することも将来の展望として挙げられています。

用語集

• イベント時間エンドポイント: 特定の臨床イベント（例: 心筋梗塞、再発、死亡）が発生するまでの時間。
• 再発イベント: 同一の対象者で複数回発生する可能性のあるイベント。
• 末端イベント: 疾患プロセスを終了させるイベント（例: 死亡）で、これが発生するとそれ以上の再発イベントは起こらない。
• 複合エンドポイント: 複数の異なる臨床イベントを単一のエンドポイントとして組み合わせたもの。
• 競合イベント: 複数のイベントが同時に発生を競合する状況で、いずれか一つのイベントが発生すると他のイベントは観察されなくなること。
• ハザード比 (HR): ある時点におけるイベント発生率の群間比。比例ハザードモデルで用いられる。
• イベント発生率比 (RR): イベント発生率（単位時間あたりのイベント発生数）の群間比。
• 加速因子 (AF): 加速故障時間（AFT）モデルで用いられ、介入がイベント発生までの時間をどの程度加速または遅延させるかを示す尺度。
• 比例ハザード (PH) 仮定: 異なる群間のハザード比が時間を通じて一定であるという仮定。
• マルコフ仮定: 特定の状態から別の状態への遷移ハザードが、過去のイベントやイベントの回数、発生時間には依存せず、現在の状態のみに依存するという仮定。
• フレイルティモデル: 未観測の異質性（対象者間の違い）を説明するために潜在変数（フレイルティ）を導入した統計モデル。
• Win ratio (WR): 治療群と対照群の対象者ペアを階層的に順序付けられた複数のエンドポイントで比較し、治療群が勝つペアの割合を示す指標。
• Multi-state model (MSM): 対象者が時間とともに複数の離散的な状態間を遷移することをモデル化する統計的フレームワーク。