纵向与竞争风险数据半参数联合模型的高效算法与实现：面向大规模生物银行数据应用

纵向与竞争风险数据的半参数联合模型计算成本高昂，其当前实现无法良好扩展到大规模生物银行数据。本文识别并解决了纵向与竞争风险生存数据半参数联合模型中的一些关键计算障碍。通过开发并实现定制的线性扫描算法，我们将数值积分、风险集计算和标准差估计等多个组件中的计算复杂度从 $O(n^2)$ 或 $O(n^3)$ 降低到 $O(n)$，其中 $n$ 为受试者数量。使用模拟和真实世界生物银行数据，我们证明当 $n>10^4$ 时，这些线性扫描算法可实现高达数十万倍的显著加速，有时将运行时间从数天缩短至数分钟。我们基于所提算法开发了 R 包 FastJM，用于有或无竞争风险的纵向与事件发生时间数据的联合建模，并已将其公开于 Comprehensive R Archive Network (CRAN)。