시간가변 이진 공변량을 고려한 생존분석 방법의 비교와 R 기반 구현 = Comparison of survival analysis methods for binary time-dependent covariates and their implementation in R

국문 초록 (Abstract)

생존분석에서 치료 반응과 같은 시간가변 공변량을 기저시점에 고정하여 분석하면 보장기간 편향 (guarantee-time bias)이 발생한다. 본 연구는 랜드마크 (landmark) 분석, Mantel-Byar 방법, Simon-Makuch 곡선, 시간가변 Cox 모형을 카운팅 프로세스 기반 start--stop 자료 구조로 통합한 R 워크플로를 제시한다. 랜드마크 분석은 구현과 해석이 직관적이나 정보 손실과 시점 선택 민감도가 존재하며, 시간가변 Cox 모형은 전체 추적 정보를 활용하는 대신 비례위험 가정 검증이 요구된다. 본 연구는 자료 전처리, 모형 적합, 진단, 시각화에 대한 단계별 지침을 제공하고, 이를 Stanford 심장이식 자료 (\texttt{jasa})와 MGUS 자료 (\texttt{mgus})에 재현 가능한 예제로 적용하여 방법 간 해석 차이를 비교한다. 모든 구현 코드는 \texttt{surv.btv} 패키지 코드 저장소 (\url{https://github.com/hilee25/surv.btv})를 통해 공개되어 있다.

다국어 초록 (Multilingual Abstract)

In survival analysis, fixing time-dependent covariates at baseline can induce guarantee-time bias. This study presents an integrated R workflow for landmark analysis, the Mantel-Byar method, Simon-Makuch curves, and the time-dependent Cox model based on a counting process start--stop data structure. While landmark analysis is intuitive, it faces information loss and sensitivity to time selection; in contrast, the time-dependent Cox model utilizes full follow-up data but requires verification of the proportional hazards assumption. We provide step-by-step guidance on data preprocessing, model fitting, diagnostics, and visualization. These methods are applied to the Stanford heart transplant (\texttt{jasa}) and MGUS (\texttt{mgus}) datasets as reproducible examples to compare interpretational differences. All implementations are publicly available via the \texttt{surv.btv} package repository (\url{https://github.com/hilee25/surv.btv}).