×

GLM型纵向响应和具有平滑随机效应的时间-事件联合模型。 (英语) Zbl 1516.62640号

摘要:纵向研究通常需要非高斯的主要反应。当中途退出发生时,可能会发生丢失过程的潜在不可忽视性,并且主要响应和时间到事件的联合模型可能是解释两个过程之间依赖性的一个很有吸引力的工具。作为最近提出的GLMJM的扩展,基于高斯潜在效应,我们假设随机效应遵循平滑的基于P样条的密度。为了估计模型参数,我们采用了两步条件Newton-Raphson算法。由于惩罚对数似然的最大化需要对随机效应进行数值积分,这通常很麻烦,因此我们选择伪自适应高斯求积规则来近似模型的似然。我们通过分析扩张型心肌病的原始数据集并通过模拟研究来讨论该模型。

MSC公司:

62至XX 统计

软件:

JM公司
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Andersen,P.K。;Gill,R.D.,计数过程的Cox回归模型:一项大样本研究,Ann.Stat.,101100-1120(1982)·Zbl 0526.62026号 ·doi:10.1214/aos/1176345976
[2] 巴托卢奇,F。;Farcomeni,A.,带协变量的混合潜在马尔可夫模型中信息缺失的离散时间事件历史方法,生物统计学,71,80-89(2015)·Zbl 1419.62308号 ·doi:10.1111/biom.12224
[3] Bartolucci,F.和Farcomeni,A.,信息缺失纵向数据的共享参数连续时间隐马尔可夫和生存模型,Stat.Med.(2018)。doi:10.1002/sim.7994。
[4] 考克斯·D。;辛克利,D.,《理论统计学》,50(1974),查普曼和霍尔:查普曼与霍尔,伦敦·Zbl 0334.62003号
[5] Cox,D.R.,回归模型和生命表(含讨论),J.R.Stat.Soc.Ser。B、 34、187-220(1972)·Zbl 0243.62041号
[6] De Boor,C.,《样条实用指南》,应用数学科学,纽约,施普林格-弗拉格出版社,1978年·Zbl 0406.41003号
[7] Diggle,P.J。;Heagerty,P.J。;Liang,K。;Zeger,S.L.,《纵向数据分析》(1994),牛津统计科学,牛津
[8] 艾尔斯,P.H.C。;Marx,B.D.,《带B样条和惩罚的灵活平滑》,《统计科学》。,11, 89-121 (1996) ·Zbl 0955.62562号 ·doi:10.1214/ss/1038425655
[9] Farcomeni,A。;Viviani,S.,《通过纵向生存关节建模发现信息缺失的纵向分位数回归》,《统计医学》,第34期,第1199-1213页(2015年)·数字对象标识代码:10.1002/sim.6393
[10] 盖耶,J.C。;Thompson,E.A.,相关数据的约束蒙特卡罗最大似然,J.R.Stat.Soc.Ser。B、 54657-699(1992)
[11] Ghidey,W。;Lesaffre,E。;Eilers,P.,线性混合模型中的平滑随机效应分布,生物统计学,60945-953(2004)·Zbl 1274.62238号 ·doi:10.1111/j.0006-341X.2004.00250.x
[12] Gray,R.J.,《使用样条曲线分析生存数据的灵活方法及其在乳腺癌预后中的应用》,美国统计协会,87,942-951(1992)·doi:10.1080/01621459.1992.10476248
[13] 哈,I.D。;Noh,M。;Lee,Y.,《纵向结果和时间-事件数据联合建模的H似然方法》,Biom。J.,59,1122-1143(2017)·Zbl 1379.62070号 ·doi:10.1002/bimj.201600243
[14] 希基,G.L。;Philipson,P。;Jorgensen,A。;Kolamunnage Dona,R.,事件时间和多变量纵向结果的联合建模:最近的发展和问题,BMC Med.Res.Methodol。,16, 117 (2016) ·doi:10.1186/s12874-016-0212-5
[15] 谢福林。;曾荫权(Tseng,Y.-K.)。;Wang,J.-K.,生存和纵向数据的联合建模:重访似然法,生物统计学,621037-1043(2006)·Zbl 1116.62105号 ·doi:10.1111/j.1541-0420.2006.00570.x
[16] 霍恩,P.T.T。;努尔,D。;Branford,A.,纵向和时间-事件数据的Penized样条联合模型,Commun。统计理论方法,46,10294-10314(2017)·Zbl 1380.62253号 ·doi:10.1080/03610926.2016.1235195
[17] 克伦,A。;哥特利布,S。;蒂沃尼,D。;斯特恩,S。;Yarom,R。;比林汉姆,M。;Popp,R.,轻度扩张型充血性心肌病。《无心脏移植的前瞻性诊断标准的使用和临床过程描述》,《循环》,81,506-517(1990)·doi:10.1161/01.CIR.81.2.506
[18] Kronrod,A.S.,Doklady akad(俄语),Nauk SSSR,154,283-286(1964)
[19] Kurland,B.F。;约翰逊,L.L。;Egleston,B.L。;Diehr,P.H.,随访因死亡而截断的纵向数据:将分析方法与研究目标相匹配,Stat.Sci。,24, 211-222 (2009) ·兹比尔1328.62574 ·doi:10.1214/09-STS293
[20] 梅洛,M。;Pyxaras,S.A。;Pinamonti,B。;Barbati,G。;Di Lenarda,A。;Sinagra,G.,《接受量身定制药物治疗的扩张型心肌病患者左室反向重构的患病率和预后意义》,美国心脏病学会杂志。,57, 1468-1476 (2011) ·doi:10.1016/j.jac.2010.11.030
[21] 皮涅罗,J。;Chao,E.C.,多层广义线性混合模型的高效拉普拉斯和自适应高斯求积算法,J.Compute。图表。统计,15,58-81(2006)·doi:10.1198/106186006X96962
[22] 出版社,W。;Teukolsky,S。;韦特林。;Flannery,B.,《数字配方:科学计算的艺术》(2007),剑桥大学出版社:剑桥大学出版社,纽约·兹比尔1132.65001
[23] R开发核心团队,R统计计算基金会。国际标准图书编号。3-900051-07-0, 2008. http://www.R-project.org。
[24] Rizopoulos,D.,JM:纵向和时间-事件数据联合建模的R包,J.Stat.Softw。,35, 9 (2010) ·doi:10.18637/jss.v035.i09
[25] Rizopoulos,D.,使用伪自适应高斯求积规则快速拟合纵向和事件时间数据的联合模型,计算。统计数据分析。,56, 491-501 (2012) ·Zbl 1239.62122号 ·doi:10.1016/j.csda.2011.09.007
[26] Rizopoulos,D。;Molenberghs,G。;Lesaffre,E.M.E.H.,使用联合建模和地标对生存分析中的时间相关协变量进行动态预测,Biom。J.,591261-1276(2017)·Zbl 1379.62083号 ·doi:10.1002/bimj.201600238
[27] Rizopoulos,D。;韦贝克,G。;Vanrenterghem,Y.,用于分析生存率和带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(2008)·Zbl 1137.62400号 ·doi:10.1111/j.1541-0420.2007.00894.x
[28] Rubin,D.B.,《推断和缺失数据》,《生物统计学》,63,581-592(1976)·Zbl 0344.62034号 ·doi:10.1093/biomet/63.3.581
[29] Sudell,M。;科拉蒙纳奇·多纳,R。;Tudur-Smith,C.,《纵向数据和时间-事件数据的联合模型:从荟萃分析角度对报告质量的回顾》,BMC医学研究方法。,16, 168 (2016) ·doi:10.1186/s12874-016-0272-6
[30] Tibshirani,R.J.,《通过趋势滤波进行自适应分段多项式估计》,《Ann.Stat.》,第41期,第285-323页(2014年)·Zbl 1307.62118号 ·doi:10.1214/13-AOS1189
[31] Troxel,A.B。;马,G。;Heitjan,D.F.,《可忽略性的局部敏感性指数》,Stat.Sin。,141221-1237(2004年)·Zbl 1060.62080号
[32] Tsiatis,A。;Davidian,M.,《纵向和时间-事件数据联合建模概述》,Stat.Sin。,14, 793-818 (2004)
[33] 左宗棠。;韦贝克,G。;Lesaffre,E.,处理非单调不可忽略缺失的半参数共享参数模型,生物统计学,65,81-87(2006)·Zbl 1159.62083号 ·doi:10.1111/j.1541-0420.2008.01021.x
[34] 韦贝克,G。;Lesaffre,E.,纵向数据线性混合模型中随机效应分布指定错误的影响,计算。统计数据分析。,23, 541-556 (1997) ·Zbl 0900.62374号 ·doi:10.1016/S0167-9473(96)00047-3
[35] Viviani,S.、Alfó,M.和Rizopoulos,D.,纵向和生存结果的广义线性混合联合模型。统计计算。(2013). doi:10.1007/s11222-013-9378-4·Zbl 1325.62142号
[36] Vonesh,E.F.,相关数据的广义线性和非线性模型。《使用SAS的理论与应用》(2012),SAS Institute Inc.:SAS Institution Inc.,北卡罗来纳州卡里
[37] Waldmann,E。;泰勒·罗宾逊,D.T。;克莱因,N。;Kneib,T。;Pressler,T。;施密德,M。;Mayr,A.,《纵向结果和时间-事件数据联合建模的H似然方法》,Biom。J.,6,1122-1143(2017)·Zbl 1379.62070号
[38] Wulfsohn,M.S。;Tsiatis,A.A.,生存和纵向数据测量误差的联合模型,生物统计学,53,330-339(1997)·Zbl 0874.62140号 ·doi:10.2307/2533118
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。