基于集成嵌套拉普拉斯近似的多元纵向与生存数据联合模型快速灵活推断
统计方法学
2024-07-17 v4 应用统计
统计计算
摘要
对纵向与生存数据进行联合建模具有诸多优势，例如处理纵向过程中的测量误差与缺失数据、理解并量化纵向标记与生存事件之间的关联，以及基于纵向标记预测事件风险。联合模型包含多个子模型（每个纵向/生存结局一个），通常通过相关或共享随机效应联结在一起。其估计计算代价高昂（尤其由于对随机效应分布似然的多维积分），导致推断方法迅速难以处理，并将联合模型的应用限制于少量纵向标记和/或随机效应。我们引入一种基于集成嵌套拉普拉斯近似（Integrated Nested Laplace Approximation）算法的贝叶斯近似，该算法在 R 包 R-INLA 中实现，以缓解计算负担并允许以更少限制估计多元联合模型。我们的模拟研究表明，与替代估计策略相比，R-INLA 大幅减少了计算时间并降低了参数估计的变异性。我们进一步应用该方法分析一项原发性胆汁性胆管炎临床试验中的 5 个纵向标记（3 个连续、1 个计数、1 个二值，以及 16 个随机效应）和死亡与移植的竞争风险。R-INLA 为在健康研究中遇到的复杂多元数据上应用联合模型提供了一种快速可靠的推断技术。
引用
@article{arxiv.2203.06256,
title = {Fast and flexible inference for joint models of multivariate longitudinal and survival data using Integrated Nested Laplace Approximations},
author = {Denis Rustand and Janet van Niekerk and Elias Teixeira Krainski and Håvard Rue and Cécile Proust-Lima},
journal= {arXiv preprint arXiv:2203.06256},
year = {2024}
}