GEEとGLLAMMとで面倒くさいジェノタイプとフェノタイプを検定する

• 論文は関節リウマチの重症度スコアとHLA-DRBB1ハプロタイプとの関係を報告したもの(こちら)
• フェノタイプ：ラーセンスコア(骨レントゲン写真を基にスコア化したもの)、骨erosionの有り無し２値、死亡、DAS28(治療反応性を定量するスコア)。さらにそれらの経時的変化を扱ったもの
• ジェノタイプ：HLA-DRB1の２桁/４桁/６桁タイピングを基に着目しているアミノ酸残基の組み合わせを確定
• もちろん、年齢・罹病期間なども盛り込む
• 検定
  • GEE(Generalized estimating equation→こちらやこちら)
    • 骨erosionのありなし２値を複数時点データをアウトカムとする
    • 患者さんにグループわけ、似ている・似ていない関係があると考えることが肝
    • 説明変数によってアウトカムを回帰する
    • 単純な線形回帰ではなくて、link関数を選ぶことで一般化線形回帰として実施する(今回はlogit 関数を使ってロジスティック様)
    • 観察アウトカムは個々人についての複数時点のデータだが、アウトカムパターンに相関やクラスタ分類がされることを前提として回す
  • GLLAMM(Generalized linear latent mixed model→こちらやこちら)
    • ラーセンスコアの経時的変化
    • ラーセンスコアの分布が正規分布から外れているし、回帰推定するのに不適当である点が肝
    • 回帰する。一般化線形回帰する。
    • さらに説明変数で直接に一般化線形回帰するのではなくて、latent variablesをかませることで回帰での説明をもっともらしくする
    • 発症からの時間による、違いも盛り込めるなど、ある意味「自由自在」