在纵向与生存结局的贝叶斯共享参数联合模型中整合潜类别
应用统计
2019-11-06 v2
摘要
囊性纤维化是一种慢性肺部疾病，需要频繁监测患者以维持随时间变化的肺功能并尽量减少称为肺部急性加重的急性呼吸事件的发生。从临床角度看，表征关键生物标志物（如 ）与首次加重时间之间的关联十分重要。疾病进展具有异质性，在人群中产生具有不同纵向轨迹的亚组。人们希望根据这些独特轨迹对这些未观察到的亚组（潜类别）进行分类。考虑这些潜类别（即异质性）将改进由纵向-生存联合模型得到的关联估计。纵向与生存数据的联合模型是分析异质队列中此类数据的常用框架。其中，该框架内的两种范式是共享参数联合模型与联合潜类别模型。前者允许量化纵向与生存结局间关联的强度，但不允许潜子群存在；后者明确假设子群存在，但不能直接量化关联强度。我们提出以完全贝叶斯方法在共享参数联合模型中整合潜类别，这使我们能够考察每个潜类别内 与首次加重时间的关联。此外，我们关注最优潜类别数的选择。
关键词
引用
@article{arxiv.1802.10015,
title = {Integrating Latent Classes in the Bayesian Shared Parameter Joint Model of Longitudinal and Survival Outcomes},
author = {Eleni-Rosalina Andrinopoulou and Kazem Nasserinejad and Rhonda Szczesniak and Dimitris Rizopoulos},
journal= {arXiv preprint arXiv:1802.10015},
year = {2019}
}