推定の世界へようこそ！
これまでの学習では、生存モデルを理論的な数学の公式として見てきました。しかし、その公式はどこから来るのでしょうか？現実の世界には、正確な死亡率を教えてくれる魔法の水晶玉はありません。その代わりにあるのがデータです。これは、人々がいつ亡くなったか、あるいはいつ調査から離脱したかという記録です。
この章では、実際の複雑な観測データを取り込み、それを生存率の明確なグラフへと変換する方法を学びます。ここでは推定における2人の「スーパースター」、すなわちカプラン・マイヤー（Kaplan-Meier）推定量とネルソン・アーレン（Nelson-Aalen）推定量の2つに焦点を当てます。名前が難しそうに聞こえても心配はいりません。分解してみれば、どちらも単に論理的な「数え方」に過ぎないことが分かるはずです！
1. 課題：打ち切り（Censoring）とは何か？
何かを推定する前に、なぜ生存データが「扱いにくい」のかを理解する必要があります。ほとんどの統計調査では最終的な結果が分かりますが、生存分析ではそれが分からないことがよくあります。これを打ち切り（censoring）と呼びます。
新しい治療法について、100人を対象に5年間の追跡調査を行うと想像してみてください：
1. 5年間のうちに残念ながら亡くなる方がいます（観測された死亡）。
2. 調査終了時にまだ生存している方がいます（右側打ち切り）。
3. 調査の途中で転居したり、脱落したりする方がいます（これも右側打ち切り）。
重要コンセプト：打ち切りとは、個人がある時点までは生存していたことは分かっているものの、その後いつ死亡したかが不明な状態を指します。これらの人々を無視してはいけません！亡くなった人だけを調べると、生存率を非常に低く見積もって（悲観的になりすぎて）しまうからです。
2. カプラン・マイヤー（積率）推定量
カプラン・マイヤー（KM）推定量は、打ち切りデータがある場合に生存関数 \(S(t)\) を推定する最も有名な方法です。
直感的な理解：生存を連続するハードル走と考えてみましょう。10日目まで生き残るには、まず1日目を生き延び、次に2日目を…と順番にクリアしていく必要があります。KM推定量は、それぞれの「ハードル（死亡が発生するたび）」を生き延びる確率を計算し、それらを掛け合わせることで求められます。
KM推定量の段階的計算手順：
1. 時刻を並べる：少なくとも1人の死亡が発生した時刻を、昇順に並べます： \(t_1 < t_2 < t_3 \dots\)
2. 「リスク集合」（\(n_i\)）を数える：各時刻 \(t_i\) において、その瞬間の直前に生存しており、かつ調査対象であった人数を数えます。
3. 「死亡数」（\(d_i\)）を数える：時刻 \(t_i\) に正確に何人が死亡したかを数えます。
4. ステップを計算する：その時刻を生き延びる確率は \((1 - \frac{d_i}{n_i})\) となります。
5. 掛け合わせる：時刻 \(t\) までの生存確率を求めるには、それまでの個別の生存確率をすべて掛け合わせます。
公式：
\(\hat{S}(t) = \prod_{i: t_i \le t} (1 - \frac{d_i}{n_i})\)
クイック復習ボックス：
- 誰も死ななければ、生存曲線はフラットなままです。
- 死亡が発生すると、曲線は「階段状」に下がります。
- 打ち切りが発生したとき、曲線は動きませんが、次の死亡時点における「リスク集合の数（\(n_i\)）」は減少します。
3. ネルソン・アーレン推定量
カプラン・マイヤーが生存関数に焦点を当てるのに対し、ネルソン・アーレン（NA）推定量は累積ハザード関数 \(\Lambda(t)\) に焦点を当てます。
直感的な理解：ハザードを、時間が経つにつれて積み重なる「リスクポイント」と考えてください。誰かが亡くなるたびに、私たちの「リスクバケツ」に少しずつリスクが追加されていきます。
NA推定量の段階的計算手順：
1. KMと同じ手順で、各死亡時点における \(d_i\) と \(n_i\) を求めます。
2. 掛け合わせる代わりに、比率を足し算していきます。
3. 各死亡時点での増加量は \(\frac{d_i}{n_i}\) です。
公式：
\(\hat{\Lambda}(t) = \sum_{i: t_i \le t} \frac{d_i}{n_i}\)
豆知識： \(S(t) = \exp(-\Lambda(t))\) という関係式を使えば、ネルソン・アーレン推定量から生存率の推定値に変換することができます。これは文脈によってはブレスロー（Breslow）推定量と呼ばれることもありますが、CS2の試験では、生存関数と累積ハザード関数のこの関係性を覚えておけば大丈夫です！
4. KMとネルソン・アーレンの比較
「どちらを使えばいいの？」と迷うかもしれませんね。
- KMは直接的な「積率」のアプローチであるため、一般的に生存率の推定にはこちらが好まれます。
- NAは、発生率（ハザード）そのものに興味がある場合や、確率の掛け算よりもハザードの足し算の方が計算しやすい数理モデルを扱う場合によく使われます。
注：サンプルサイズが非常に大きい場合、どちらの手法でも結果はほとんど同じになります！
5. 精度の測定：グリーンウッドの公式
推定量とは、データに基づいた「予測」に過ぎません。その予測がどれほど「信頼できる」かを知る必要があります。カプラン・マイヤー推定量に対しては、グリーンウッドの公式を用いて分散を求めます。
公式：
\(Var(\hat{S}(t)) \approx [\hat{S}(t)]^2 \sum_{i: t_i \le t} \frac{d_i}{n_i(n_i - d_i)}\)
難しそうに見えても大丈夫です！ 以下の2つの要素を組み合わせたレシピだと覚えておきましょう。
1. 現在の生存推定値の二乗： \([\hat{S}(t)]^2\)
2. 「死亡比率」の和を掛け合わせる。
試験のプロからの助言：試験中は必ず \(t_i\)、\(n_i\)、\(d_i\)、そして \(\frac{d_i}{n_i(n_i - d_i)}\) の列を持つ表を作成してください。こうすることで、計算ミスを大幅に減らすことができます！
6. よくある間違い
1. 「リスク集合」のカウント：打ち切られた人を引き忘れるケースがよくあります。時刻5で誰かが打ち切られた場合、時刻5における死亡のリスク集合には含まれますが、時刻5.1以降に発生する死亡のリスク集合からは除外されます。
2. 時刻の順序：時刻が昇順になっているか必ず再確認してください。時刻を1つ間違えるだけで、掛け算の結果がすべて台無しになります。
3. 同時刻の発生（タイ）：死亡と打ち切りが全く同じ時刻に発生した場合、IFoAの慣習では死亡が先に起こったとみなします（つまり、打ち切られた人はその死亡の瞬間まではリスク集合にいたと考える）。問題文の指示を注意深くチェックしましょう！
7. まとめとポイント
ポイント1：生存データは、イベントが必ずしも観測されない「打ち切り」があるため独特です。
ポイント2：カプラン・マイヤー推定量は、各死亡時点の生存確率の積です： \(\hat{S}(t) = \prod (1 - \frac{d_i}{n_i})\)。
ポイント3：ネルソン・アーレン推定量は、ハザード増加量の和です： \(\hat{\Lambda}(t) = \sum \frac{d_i}{n_i}\)。
ポイント4：グリーンウッドの公式を使って分散を計算し、生存曲線の信頼区間を構築しましょう。
よく頑張りました！これでアクチュアリーが寿命データを分析するために使う基本的なツールをマスターしました。表を使った練習問題をいくつか解いてみれば、これらの公式は自然と身につくはずです。