Efficient Algorithms and Implementation of a Semiparametric Joint Model for Longitudinal and Competing Risk Data: With Applications to Massive Biobank Data.
Efficient Algorithms and Implementation of a Semiparametric Joint Model for Longitudinal and Competing Risk Data: With Applications to Massive Biobank Data.
复制标题
有效的算法和实施纵向和竞争风险数据的半参数联合模型：与大规模生物库数据的应用。
DOI：
10.1155/2022/1362913
复制
发表时间：
2022
影响因子：
--
通讯作者：
Li G
中科院分区：
文献类型：
--
作者：
Li S;Li N;Wang H;Zhou J;Zhou H;Li G
纵向和竞争风险数据的半参数联合模型的计算成本很高，并且它们当前的实现不能很好地扩展到海量生物样本库数据。本文识别并解决了纵向和竞争风险生存数据的半参数联合模型中的一些关键计算障碍。通过开发和实现定制的线性扫描算法，我们在数值积分、风险集计算和标准误差估计等各个步骤中将计算复杂度从 O(n2) 或 O(n3) 降低到 O(n)，其中 n 是受试者的数量。使用模拟和真实生物样本库数据，我们证明了当 n > 104 时，这些线性扫描算法可以将现有方法加速数十万倍，通常将运行时间从几天缩短到几分钟。我们开发了一个 R 包 FastJM，基于所提出的纵向和竞争风险事件时间数据联合建模算法，并将其在综合 R 档案网络 (CRAN) 上公开提供。
Semiparametric joint models of longitudinal and competing risk data are computationally costly, and their current implementations do not scale well to massive biobank data. This paper identifies and addresses some key computational barriers in a semiparametric joint model for longitudinal and competing risk survival data. By developing and implementing customized linear scan algorithms, we reduce the computational complexities from O(n2) or O(n3) to O(n) in various steps including numerical integration, risk set calculation, and standard error estimation, where n is the number of subjects. Using both simulated and real-world biobank data, we demonstrate that these linear scan algorithms can speed up the existing methods by a factor of up to hundreds of thousands when n > 104, often reducing the runtime from days to minutes. We have developed an R package, FastJM, based on the proposed algorithms for joint modeling of longitudinal and competing risk time-to-event data and made it publicly available on the Comprehensive R Archive Network (CRAN).
登录
查看更多内容
影响因子：
4
作者：
Sudell M;Kolamunnage-Dona R;Tudur-Smith C
通讯作者：
Tudur-Smith C
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：
Proust-Lima, Cecile;Philipps, Viviane;Liquet, Benoit
通讯作者：
Liquet, Benoit
DOI：
10.1164/ajrccm.152.1.7599868
发表时间：
1995-07-01
影响因子：
24.7
作者：
OCONNOR, GT;SPARROW, D;WEISS, ST
通讯作者：
WEISS, ST
影响因子：
1.9
作者：
Elashoff, Robert M.;Li, Gang;Li, Ning
通讯作者：
Li, Ning