梅克·科勒;尼古拉斯·乌姆劳夫;安德烈亚斯·贝耶林;克里斯蒂安·温克勒;Anette-Gabriele齐格勒;索尼娅·格雷文 柔性贝叶斯加性关节模型及其在1型糖尿病研究中的应用。 （英语） Zbl 1379.62073号 生物。J。 59，第6期，1144-1165（2017）. 摘要：纵向和时间到事件数据的联合建模是一个越来越受欢迎的重要工具，可以深入了解生物标志物和事件过程之间的关联。我们开发了一个柔性附加关节模型的通用框架，该框架允许在模型的纵向和生存部分指定各种效应，例如平滑非线性、时变和随机效应。我们的扩展是基于对波动的疾病特异性标记物（本例中为自身抗体）与自身免疫疾病1型糖尿病进展之间关系的研究。使用贝叶斯P样条，我们特别能够捕获高度非线性的主题特定标记轨迹，以及标记和事件过程之间的时变关联，从而对疾病进展提供新的见解。该模型在贝叶斯框架内进行估计，并在R包中实现竹竿. 引用于4文件 MSC公司： 62页第10页 统计学在生物学和医学中的应用；元分析 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 关键词：各向异性平滑;生物标志物;纵向数据;P样条;时间到事件数据 软件：巴姆斯;R（右） PDF格式BibTeX公司 XML格式引用 \textit{M.Köhler}等人，《生物》。J.59，第6号，1144--1165（2017；Zbl 1379.62073） 全文： 内政部 arXiv公司 参考文献： [1] Barrett，J.、Diggle，P.、Henderson，R.和Taylor‐Robinson，D.（2015）。重复测量和事件时间结果的联合建模：灵活的模型规范和精确的似然推断。英国皇家统计学会杂志：B辑（统计方法）77，131-148·Zbl 1414.62411号 [2] Belitz，C.和Lang，S.（2008年）。结构化加性回归模型中变量和平滑参数的同时选择。计算统计学和数据分析53，61-81·Zbl 1452.62029 [3] Bender，R.、Augustin，T.和Blettner，M.（2005）。生成生存时间以模拟Cox比例风险模型。医学统计241713-1723。 [4] Bonifacio，E.（2015）。使用生物标记物预测1型糖尿病。糖尿病护理38，989-996。 [5] Brown，E.R.（2009）。评估生物标记物趋势与儿童HIV/AIDS应用事件风险之间的关联。应用统计年鉴3，1163-1182·Zbl 1196.62136号 [6] Brown，E.R.和Ibrahim，J.G.（2003）。纵向和生存数据的贝叶斯半参数联合层次模型。生物计量59，221-228·兹比尔1210.62022 [7] Brown，E.R.、Ibrahim，J.G.和DeGruttola，V.（2005）。多个纵向生物标志物和存活率的灵活B样条模型。生物统计学61，64-73·Zbl 1077.62102号 [8] Crowther，M.J.和Lambert，P.C.（2013年）。模拟生物学上合理的复杂生存数据。医学统计32，4118-4134。 [9] Daher Abdi，Z.，Essig，M.，Rizopoulos，D.，LeMeur，Y.，Prémaud，A.，Woillard，J.B.，（…），Rousseau，A.（2013）。采用联合建模方法研究长期暴露于霉酚酸对肾移植受者急性排斥反应的影响。药理学研究72，52-60。 [10] 丁·J和王·J·L。(2008). 使用非参数乘法随机效应和生存数据对纵向数据进行建模。生物统计学64，546-556·Zbl 1137.62075号 [11] Eilers，P.H.和Marx，B.D.（1996年）。具有B样条和惩罚的灵活平滑。统计科学11，89-102·Zbl 0955.62562号 [12] Fahrmeir，L.、Kneib，T.和Lang，S.（2004）。时空数据的惩罚结构加性回归：贝叶斯观点。中国统计局14，731-762·Zbl 1073.62025号 [13] Faucett，C.L.和Thomas，D.C.（1996）。同时对截尾生存数据和重复测量的协变量进行建模：吉布斯抽样方法。医学统计，1663-1685年。 [14] Gellar，J.E.、Colantuoni，E.、Needham，D.M.和Crainiceanu，C.M.（2014）。用于ICU数据建模的可变域函数回归。《美国统计协会杂志》109，1425-1439。 [15] Gould，A.L.、Boye，M.E.、Crowther，M.J.、Ibrahim，J.G.、Quartey，G.等人（2015）。生存和纵向非生存数据的联合建模：当前方法和问题。DIA贝叶斯联合建模工作组的报告。医学统计34，2181-2195。 [16] Gras，L.，Geskus，R.B.，Jurrians，S.，Bakker，M.，vanSihem，A.，Bezemer，D.，（…），deWolf，F.，雅典国家观察队列（2013年）。在荷兰艾滋病毒在男男性接触者中流行的过程中，开始抗逆转录病毒治疗前CD4细胞计数下降的比率是否发生了变化？公共科学图书馆ONE8。检索自http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3664616/ [17] Guo，X.和Carlin，B.P.（2004）。使用标准计算机包对纵向和事件时间数据进行单独和联合建模。美国统计学家58，16-24。 [18] Harrell，F.E.、Lee，K.L.和Mark，D.B.（1996年）。多变量预测模型：开发模型、评估假设和充分性以及测量和减少误差方面的问题。医学统计15，361-387。 [19] Hatfield，L.A.、Boye，M.E.、Hackshaw，M.D.和Carlin，B.P.（2012年）。生存时间和纵向患者报告结果的多水平贝叶斯模型（多个零）。《美国统计协会杂志》107，875-885。检索自http://www.tandfonline.com/doi/abs/10.1080/01621459.2012.664517 ·Zbl 1443.62382号 [20] Hummel，M.、Bonifacio，E.、Schmid，S.、Walter，M.，Knopff，A.、Ziegler，A.-G。（2004年b）。简要交流：胰岛自身抗体的早期出现预示着糖尿病父母后代的儿童1型糖尿病。《内科年鉴》140，882-886。 [21] Hummel，S.、Pflüger，M.、Hummel、M.、Bonifacio，E.和Ziegler，A.-G。（2011年）。降低1型糖尿病高危儿童胰岛自身免疫风险的初步饮食干预研究。糖尿病护理341301-1305。 [22] Hurvich，C.M.、Simonoff，J.S.和Tsai，C.‐L。(1998). 使用改进的Akaike信息准则平滑非参数回归中的参数选择。英国皇家统计学会杂志：B辑（统计方法）60，271-293·Zbl 0909.62039号 [23] Insel，R.A.、Dunne，J.L.、Atkinson，M.A.、Chiang，J.L、Dabelea，D.、Gottlieb，P.A.、（…）Ziegler，A.-G。(2015). 症状前1型糖尿病分期：JDRF、内分泌学会和美国糖尿病协会的科学声明。糖尿病护理381964-1974。 [24] Jiang，B.、Wang，N.、Sammel，M.D.和Elliott，M.R.（2015）。宾州卵巢衰老研究中卵泡刺激素的短期和长期特征作为重度潮热的预测因素。英国皇家统计学会杂志：C辑（应用统计学）64，731-753。 [25] Klein，N.、Kneib，T.、Klasen，S.和Lang，S.（2015）。多元响应的贝叶斯结构加性分布回归。英国皇家统计学会杂志：C辑（应用统计学）64，569-591。 [26] Klein，N.、Kneib，T.、Lang，S.和Sohn，A.（2015）。贝叶斯结构加性分布回归及其在德国地区收入不平等中的应用。应用统计年鉴9，1024-1052·Zbl 1454.62485号 [27] Lang，S.和Brezger，A.（2004年）。贝叶斯P样条。计算与图形统计杂志13，183-212。 [28] Liu，L.（2009）。联合建模纵向半连续数据和生存率，并应用于纵向医疗成本数据。《医学统计》28972-986。检索自http://doi.wiley.com/10.1002/sim.3497 [29] Malfait，N.和Ramsay，J.O.（2003年）。历史函数线性模型。加拿大统计杂志31，115-128·Zbl 1039.62035号 [30] Meyer，S.、Woodward，M.、Hertel，C.、Vlaicu，P.、Haque，Y.、Kärner，J.、（…）Hayday，A.（2016）。AIRE缺乏患者具有独特的高亲和力疾病改善自身抗体。牢房166，582-595。检索自http://www.ncbi.nlm.nih.gov/pmc/articles/PMC4967814/ [31] R核心团队（2016）。R： 用于统计计算的语言和环境。奥地利维也纳：R统计计算基金会。检索自网址：http://www.R‐项目.org/ [32] Rizopoulos，D.（2012）。纵向和时间到事件数据的联合模型，应用于佛罗里达州R.Boca Raton：Chapman和Hall/CRC·Zbl 1284.62032号 [33] Rizopoulos，D.（2016a）。JMbayes：在贝叶斯方法下对纵向数据和事件时间数据进行联合建模。R包版本0.7-9。检索自https://CRAN.R‐project.org/package=JMbayes。 [34] Rizopoulos，D.（2016年b）。使用MCMC拟合纵向和时间到事件数据的联合模型的R包JMbayes。统计软件杂志72，1-46。检索自https://www.jstatsoft.org/index.php/jss/article/view/v072i07 [35] Rizopoulos，D.和Ghosh，P.（2011）。多个纵向结果和事件发生时间的贝叶斯半参数多元联合模型。医学统计301366-1380。 [36] Rizopoulos，D.、Hatfield，L.A.、Carlin，B.P.和Takkenberg，J.J.M.（2014）。使用贝叶斯模型平均值，结合纵向和时间到事件数据的联合模型的动态预测。《美国统计协会杂志》109，1385-1397。 [37] Rizopoulos，D.、Verbeke，G.、Lesaffre，E.和Vanrenterghem，Y.（2008）。用于分析生存和具有多余零的纵向二进制数据的两部分联合模型。生物统计学64，611-619·Zbl 1137.62400号 [38] Scheipl，F.、Staicu，A.-M.和Greven，S.（2015）。功能性添加剂混合模型。计算与图形统计杂志24477-501。 [39] Song，X.和Wang，C.Y.（2008）。具有时变系数的纵向和生存数据联合建模的半参数方法。生物统计学64，557-566·Zbl 1137.62079号 [40] Steck，A.K.，Johnson，K.，Barriga，K.J.，Miao，D.，Yu，L.，Hutton，J.C.，（…），Rewers，M.（2011）。胰岛自身抗体出现的年龄和胰岛素的平均水平，而不是GAD或IA‐2自身抗体，可以预测1型糖尿病的诊断年龄：年轻人的糖尿病自身免疫研究。糖尿病护理34，1397-1399。 [41] Steck，A.K.、Vehik，K.、Bonifacio，E.、Lernmark，A.、Ziegler，A.‐G.、。，Hagopian，W.A.，（…）Rewers，M.J.和TEDDY研究小组（2015）。胰岛自身抗体出现与儿童早期糖尿病进展的预测因素：青少年糖尿病的环境决定因素（TEDDY）。糖尿病护理38，808-813。 [42] Tang，A.-M.和唐，N.-S。(2015). 多元纵向和生存数据偏正态联合建模的半参数贝叶斯推断。医学统计34，824-843。 [43] 唐，A.-M。，Zhao，X.和Tang，N.-S。(2017). 多元纵向和生存数据半参数联合模型中的贝叶斯变量选择和估计。《生物医学杂志》59，57-78·Zbl 1357.62320号 [44] Taylor，J.M.G.，Park，Y.，Ankerst，D.P.，Proust‐Lima，C.，Williams，S.，Kestin，L.，（…）Sandler，H.（2013）。使用联合模型实时预测前列腺癌复发。生物识别69206-213·Zbl 1272.62093号 [45] Tsiatis，A.A.和Davidian，M.（2004）。纵向数据和事件发生时间数据的联合建模：概述。中国统计局，14809-834·Zbl 1073.62087号 [46] Umlauf，N.、Klein，N.和Zeileis，A.（2017年）。BAMLSS：位置、规模和形状的贝叶斯加性模型。工作文件。因斯布鲁克大学经济与统计学院。检索自http://ecopapers.repec.org/paper/inwpaper/2017‐05.htm（2005年5月） [47] Umlauf，N.、Klein，N.，Zeileis，A.和Koehler，M.（2016）。bamlss：位置规模和形状的贝叶斯加性模型。R包版本0.1‐1。 [48] Waldmann，E.、Taylor‐Robinson，D.、Klein，N.、Kneib，T.、Pressler，T.，Schmid，M.、Mayr，A.（2017）。提升纵向数据和事件时间数据的联合模型。生物医学杂志。检索自http://onlinelibrary.wiley.com.emedien.ub.uni‐muenchen.de/doi/10.1002/bimj.201600158/摘要 [49] Wood，S.N.（2006）。广义可加模型：R.Boca Raton，FL:Chapman&Hal/CRC简介·Zbl 1087.62082号 [50] Wood，S.N.（2011）。半参数广义线性模型的快速稳定限制极大似然和边缘似然估计。英国皇家统计学会杂志：B辑（统计方法）73，3-36·兹比尔1411.62089 [51] Wood，S.N.、Pya，N.和Säfken，B.（2016）。一般平滑模型的平滑参数和模型选择。《美国统计协会杂志》111，1548-1563。 [52] Ye，W.、Lin，X.和Taylor，J.M.G.（2008）。纵向测量和事件时间数据的半参数建模：两阶段回归校准方法。生物统计学64，1238-1246·Zbl 1151.62093号 [53] 齐格勒（Ziegler，A.G.）、希勒布兰德（Hillebrand，B.）、拉贝尔（Rabl，W.）、梅赫霍夫（Mayrhofer，M.）、亨梅尔（Hummel，M.，Mollenhauer，U.）、（…）斯坦德尔（Standl，E.）（1993）。糖尿病母亲后代胰岛相关自身免疫的表现：一项出生后的前瞻性研究。糖尿病36，402-408。 [54] 齐格勒，A.‐G。，Hummel，M.、Schenker，M.和Bonifacio，E.（1999）。父母患有1型糖尿病的后代自身抗体的出现和患儿童糖尿病的风险：德国BABYDIAB研究的2年分析。糖尿病48，460-468。 [55] 齐格勒，A.G.，雷沃斯，M.，西梅尔，O.，西米勒，T.，莱姆帕宁，J.，斯特克，A.，（…）艾森巴思，G.S.（2013）。儿童血清转化为多种胰岛自身抗体和进展为糖尿病的风险。JAMA3092473-2479。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。