공유 frailty 모델을 위한 반파라메트릭 추정과 시뮬레이션: frailtySurv 패키지 소개

본 논문은 공유 frailty 모델을 반파라메트릭 방식으로 추정하고 시뮬레이션할 수 있는 R 패키지 frailtySurv를 소개한다. 공유 frailty 모델은 클러스터 내 관측값이 동일한 미관측 요인( frailty )에 의해 종속성을 갖는 상황을 모델링한다. 모델식 λ_{ij}(t|Z_{ij},ω_i)=ω_i λ_0(t)exp(β^T Z_{ij})에서 ω_i는 클러스터 i의 frailty이며, λ_0(t)는 비정형 베이스라인 위험함수, β는 회귀계수이다. 기존 R 패키지들은 주로 gamma, 로그정규, 로그‑t와 같은 제한된 frailty 분포만을 지원했으며, 추정량의 점근적 성질이 완전히 증명되지 않은 경우가 많았다. frailtySurv는 Gorfine et al.(2006)과 Zuck­er et al.(2008)의 이론을 기반으로, gamma, 로그정규, 역가우시안, 파워‑분산함수(PVF) 네 가지 frailty 분포에 대해 일관적이고 점근 정규적인 추정량을 제공한다. 특히 frailty 분포가 유한 모멘트를 갖는 한, 어떤 형태든 적용 가능하도록 일반화된 추정 프레임워크를 설계하였다. 추정은 pseudo‑full likelihood(PFL) 접근법을 사용한다. frailty의 Laplace 변환 L(s)와 그 미분을 이용해 전체 로그가능도식을 구성하고, 베이스라인 위험 λ_0(t)는 Breslow‑type 누적 위험 추정량을 통해 비정형적으로 추정한다. β와 frailty 파라미터 θ는 동시에 최적화되며, 정보 행렬을 이용한 공분산 추정과 가중 부트스트랩 두 가지 방법을 제공한다. 패키지는 또한 데이터 생성 함수 genfrail을 포함한다. 사용자는 공변량(Z) 분포(정규, 균등, 이산 균등), 베이스라인 위험 함수(역누적 위험, 누적 위험, 직접 위험) 및 frailty 분포와 파라미터를 자유롭게 지정할 수 있다. 베이스라인 위험을 역누적 위험 형태로 제공하면 폐쇄형 해를 이용해 O(n) 시간에 빠르게 시뮬레이션이 가능하고, 누적 위험이나 직접 위험을 지정할 경우 루트 찾기와 수치 적분을 병행하지만 전체 복잡도는 여전히 O(n)이다. 클러스터 크기도 고정값, 절단 포아송, 절단 파레토, 균등 등 다양한 확률분포로 지정 가능해 실제 연구에서 나타나는 군집 구조를 정밀히 재현한다. frailty 분포 간 의존성 정도는 Kendall’s τ(κ)로 표현한다. 논문은 각 분포별 κ와 θ 사이의 관계를 수식과 그래프로 제시하고, γ, LN, IG, PVF, PS 등 여러 분포의 특성을 비교한다. 특히 γ, IG, PS는 PVF의 특수 경우이며, θ가 0 또는 특정 값일 때 κ가 0이 되는 등 직관적인 해석이 가능하다. 시뮬레이션 연구에서는 다양한 클러스터 크기, frailty 분포, 베이스라인 위험 형태를 조합해 10,000 회 반복 실험을 수행하였다. 결과는 추정된 β와 θ가 거의 편향이 없으며, 표준오차 추정이 실제 변동과 일치함을 보여준다. 또한, 가중 부트스트랩과 정보 행렬 기반 공분산 추정이 모두 정확한 결과를 제공한다. 계산 시간 측면에서는 베이스라인 위험을 역누적 위험 형태로 지정했을 때 가장 빠르며, 누적 위험이나 직접 위험을 사용할 경우에도 수십 초 내에 10,000 관측을 처리할 수 있음을 Appendix C에서 보고한다. 두 실제 사례를 통해 패키지의 실용성을 검증한다. 첫 번째는 당뇨망막 연구(Diabetic Retinopathy Study)로, 각 환자마다 두 눈의 시력 상실 시간을 관측한다. 환자별 frailty가 두 눈에 공통으로 작용함을 모델링하여 레이저 치료 효과와 눈별 위험을 동시에 추정한다. 두 번째는 대형 하드디스크 고장 데이터로, 수십만 개의 디스크가 제조사·모델별로 군집화된다. 여기서는 gamma와 PVF frailty를 적용해 제조사·모델별 고장 위험 차이를 정량화하고, 모델 선택에 따른 AIC/BIC 비교와 예측 정확도 향상을 입증한다. 결론적으로 frailtySurv는 기존 패키지들의 제한을 넘어, 다양한 frailty 분포와 반파라메트릭 베이스라인 위험을 동시에 다룰 수 있는 통합 도구이다. 일관적 추정, 점근 정규성, 정확한 표준오차 제공이라는 이론적 강점과, 풍부한 시뮬레이션 및 실제 데이터 적용 기능을 갖추어 생존 분석 분야의 연구자와 실무자에게 중요한 가치를 제공한다.