Backward joint model and dynamic prediction of survival with multivariate longitudinal data.
Backward joint model and dynamic prediction of survival with multivariate longitudinal data.
复制标题
多变量纵向数据后向联合模型与动态生存预测。
DOI：
10.1002/sim.9037
复制
发表时间：
2021-09-10
影响因子：
2
通讯作者：
Li L
中科院分区：
文献类型：
--
作者：
Shen F;Li L
利用纵向数据动态预测时间到事件结果的一个重要方法是对纵向数据和时间到事件数据的联合分布进行建模。目前广泛使用的联合模型是共享随机效应模型。据推测，增加更多的纵向预测因子可以提高预测的准确性。然而，当使用大量的纵向变量时，共享随机效应模型可能在计算上困难或令人望而却步。在本文中，我们研究了一种替代方法来建模纵向和时间到事件数据的联合分布。在此公式下，无论模型中纵向变量的数量如何，对数似然只涉及一维积分。因此，该模型特别适用于具有大量纵向预测量的动态预测问题。采用伪极大似然估计、EM算法和凸优化相结合的方法实现模型拟合，计算简便、稳定。我们利用模拟和原发性胆汁性肝硬化研究的数据，通过不同数量的纵向变量来评估所提出的方法及其预测准确性。
An important approach to dynamic prediction of time-to-event outcomes using longitudinal data is based on modeling the joint distribution of longitudinal and time-to-event data. The widely used joint model for this purpose is the shared random effect model. Presumably, adding more longitudinal predictors improves the predictive accuracy. However, the shared random effect model can be computationally difficult or prohibitive when a large number of longitudinal variables are used. In this paper, we study an alternative way of modeling the joint distribution of longitudinal and time-to-event data. Under this formulation, the log-likelihood involves no more than one-dimensional integration, regardless of the number of longitudinal variables in the model. Therefore, this model is particularly suitable in dynamic prediction problems with large number of longitudinal predictors. The model fitting can be implemented with tractable and stable computation by using a combination of pseudo maximum likelihood estimation, EM algorithm, and convex optimization. We evaluate the proposed methodology and its predictive accuracy with varying number of longitudinal variables using simulations and data from a primary biliary cirrhosis study.
登录
查看更多内容
影响因子：
4
作者：
Hickey GL;Philipson P;Jorgensen A;Kolamunnage-Dona R
通讯作者：
Kolamunnage-Dona R
影响因子：
2.3
作者：
Andrinopoulou, Eleni-Rosalina;Rizopoulos, D.;Lesaffre, E.
通讯作者：
Lesaffre, E.
影响因子：
1.8
作者：
Liu, Yue;Liu, Lei;Zhou, Jianhui
通讯作者：
Zhou, Jianhui
影响因子：
4
作者：
Long JD;Mills JA
通讯作者：
Mills JA
DOI：
10.1080/01621459.2016.1255637
发表时间：
2018-01-01
影响因子：
3.7
作者：
Kong, Shengchun;Nan, Bin;Hirth, Richard
通讯作者：
Hirth, Richard