Joint modelling of repeated measurements and time-to-event outcomes: flexible model specification and exact likelihood inference.
Joint modelling of repeated measurements and time-to-event outcomes: flexible model specification and exact likelihood inference.
复制标题
DOI：
10.1111/rssb.12060
复制
发表时间：
2015-01
期刊：
影响因子：
--
通讯作者：
Taylor-Robinson D
中科院分区：
文献类型：
--
作者：
Barrett J;Diggle P;Henderson R;Taylor-Robinson D
随机效应或共享参数模型通常用于分析组合的重复测量和事件历史数据，包括纵向试验中的退出。它们在实际应用中的使用通常受到计算成本和复杂性的限制，这意味着只有简单的特殊情况才能通过使用现成的软件来适应。我们提出了一种新的方法，它利用最近关于扩展的斜正规族的分布结果来允许对一类灵活的随机效应模型进行精确的似然推断。该方法使用时间尺度的离散化来表示事件到事件的结果，当事件对应于辍学时，这在任何情况下都是不可避免的。我们对重复测量的时间没有限制。对囊性纤维化队列中重复的肺功能测量的分析被用来说明该方法。
Random effects or shared parameter models are commonly advocated for the analysis of combined repeated measurement and event history data, including dropout from longitudinal trials. Their use in practical applications has generally been limited by computational cost and complexity, meaning that only simple special cases can be fitted by using readily available software. We propose a new approach that exploits recent distributional results for the extended skew normal family to allow exact likelihood inference for a flexible class of random-effects models. The method uses a discretization of the timescale for the time-to-event outcome, which is often unavoidable in any case when events correspond to dropout. We place no restriction on the times at which repeated measurements are made. An analysis of repeated lung function measurements in a cystic fibrosis cohort is used to illustrate the method.
登录
查看更多内容
影响因子：
1.9
作者：
Albert, JH;Chib, S
通讯作者：
Chib, S
DOI：
10.1093/biostatistics/1.4.465
发表时间：
2000-12-01
期刊：
Biostatistics (Oxford, England)
影响因子：
--
作者：
Henderson, R;Diggle, P;Dobson, A
通讯作者：
Dobson, A
影响因子：
5.8
作者：
van Diemen CC;Postma DS;Siedlinski M;Blokstra A;Smit HA;Boezen HM
通讯作者：
Boezen HM
影响因子：
2
作者：
Schluchter, MD;Konstan, MW;Davis, PB
通讯作者：
Davis, PB
影响因子：
1
作者：
Azzalini, A
通讯作者：
Azzalini, A