多变量纵向生物标志物与竞争风险生存数据的半参数联合模型的高效实现
统计方法学
2025-06-17 v1 统计计算
摘要
联合建模已日益广泛用于刻画一个或多个纵向生物标志物与竞争风险生存结局之间的关联。然而，大规模数据的半参数多变量联合建模面临重大的统计与计算挑战，主要源于随机效应的高维性以及非参数基线风险估计的复杂性。这些挑战往往导致计算时间过长和内存消耗过大，限制了联合建模在生物银行规模数据集上的应用。本文提出了一种半参数多变量联合模型的高效实现方法，依托正态近似与期望最大化（EM）框架内的定制线性扫描算法。该方法显著降低了计算时间和内存消耗，使得对数千名受试者的数据分析成为可能。通过两项模拟研究验证了所提方法的可扩展性与估计精度。我们还以包含五项纵向生物标志物的原发性胆汁性肝硬化（PBC）数据集为例进行了说明。针对共享随机效应联合模型的高效实现，开发了用户友好的 R 包 \texttt{FastJM}。该包已在综合 R 存档网络（CRAN）上公开发布：https://CRAN.R-project.org/package=FastJM。
引用
@article{arxiv.2506.12741,
title = {Efficient Implementation of a Semiparametric Joint Model for Multivariate Longitudinal Biomarkers and Competing Risks Time-to-Event Data},
author = {Shanpeng Li and Emily Ouyang and Jin Zhou and Xinping Cui and Gang Li},
journal= {arXiv preprint arXiv:2506.12741},
year = {2025}
}