MDR을 이용한 간경변증 발생 고위험군 분류

Abstract

[한글]

질병발생에 대한 다중 변수 조합의 효과를 평가하는데 있어 고려하는 변수의 수가 증가하게 되면, 그에 따른 상호작용의 수도 기하급수적으로 증가하는 경향이 있다. 이로 인해 전통적인 통계분석 방법을 적용하는 것은 모수 추정 등에 있어 그 한계를 드러내고 있는데, 최근에는 이러한 문제를 극복하기 위해 유전 통계학 분야에서 특정 모델에 대한 가정을 필요로 하지 않는 multifactor dimensionality reduction 방법이 제안되었다. 이는 다중 변수 정보의 차원을 줄여서 질병발생에 대한 고위험 집단과 저위험 집단으로 분류하는 방법이다.본 논문에서는 multifactor dimensionality reduction 방법을 임상의학자료에 적용하여 그 유용성을 평가하고자 했는데, 이를 위하여 1994년부터 2005년까지 건강검진센터에서 건강검진을 받은 검진자 중 병원에 내원하여 간경변증 발생 여부에 대한 진단을 받은 4,093명의 자료를 이용하였다. 평가를 위해 몇 가지 기존의 분석 방법들과 그 성능을 비교하였는데, 첫 번째 방법으로 이분형 종속변수에 대한 위험인자를 평가하는 방법으로 널리 쓰이는 로지스틱 회귀분석, 두 번째로 비선형 요소와 상호작용을 포함시켜 유연성 있는 회귀식을 사용하는 multivariate adaptive regression spline, 마지막으로 나무 모형에 기초한 classification and regression trees 알고리즘을 민감도와 특이도 등의 측도를 통하여 비교하였다.Multifactor dimensionality reduction 방법에 의해 간경변증 발생에 대한 위험인자로 선택된 변수들은 B형 및 C형 간염 바이러스, 가족력, 음주력 등으로 기존의 위험인자로 알려진 변수들이 포함되어진 것을 확인할 수 있었다. 또한 다른 분석 방법들에 비해 민감도, 특이도, 정확도가 높은 가운데 특히 민감도가 우수한 것을 볼 수 있었다. 그런데, 이 방법에서 선택되는 변수의 수가 표본의 크기에 비해 상대적으로 많아지면, 다소 예측력이 떨어지는 경향도 존재하고 있었다. 결론적으로 임상의학자료에서 질병발생에 영향을 미치는 여러 요인들의 조합의 효과를 평가하고자 할 때 multifactor dimensionality reduction 방법은 그 충분한 유용성을 가지고 있다는 것을 확인할 수 있었다.

[영문]

Traditional parametric statistical methods such as standard regression techniques may be inadequate for identifying the combined effects of multiple variables to disease development because of the sparseness of the data in high dimensions given sample size limitations. In recent, to solve these problems, Ritchie and Moore developed a nonparametric and model-free approach called by multifactor dimensionality reduction (MDR). This method collapses high-dimensional data into a single dimension such as high risk and low risk group.In the thesis, to evaluate the performance of this method, we applied MDR method to the real clinical data composed of 4,093 individuals who received the screening test in first and then visited Yonsei University Medical Center for check-up liver cirrohsis from May 1994 to September 2005. We compared the performance of MDR and those of any other methods, that is, logistic regression, multivariate adaptive regression spilnes and classification and regression trees with the analysis results of the above data. In the results using MDR, we found that the risk factors for liver cirrhosis were HBsAg, antiHCV, antiHBc, -GT, history of drinking, family history, and triglyceride. Also, we found that the accuracy and sensitivity using MDR were better than those of other methods. However, MDR method had some limitation that the prediction ability decreased when the dimensionality of the best model was relatively high and the sample size was relatively small.In conclusion, it was confirmed that this MDR method can be adequately suited for evaluating the combined effects of multiple risk factors to development of diseases.