Joint models for a wide class of re

Joint models for a wide class of response variables and longitudinal measurements consist on a mixed-effects model to fit longitudinal trajectories whose random effects enter as covariates in a generalized linear model for the primary response. They provide a useful way to assess association between these two kinds of data, which in clinical studies are often collected jointly on a series of individuals and may help understanding, for instance, the mechanisms of recovery of a certain disease or the efficacy of a given therapy. When a nonlinear mixed-effects model is used to fit the longitudinal trajectories, the existing estimation strategies based on likelihood approximations have been shown to exhibit some computational efficiency problems (De la Cruz et al., 2011). In this article we consider a Bayesian estimation procedure for the joint model with a nonlinear mixed-effects model for the longitudinal data and a generalized linear model for the primary response. The proposed prior structure allows for the implementation of an MCMC sampler. Moreover, we consider that the errors in the longitudinal model may be correlated. We apply our method to the analysis of hormone levels measured at the early stages of pregnancy that can be used to predict normal versus abnormal pregnancy outcomes. We also conduct a simulation study to assess the importance of modelling correlated errors and quantify the consequences of model misspecification.

ผลลัพธ์ (ไทย) 1:

ร่วมรุ่นในระดับกว้างของตัวแปรตอบสนองและการวัดระยะยาวประกอบด้วยแบบจำลองลักษณะพิเศษผสมให้พอดีกับ trajectories ระยะยาวมีผลสุ่มป้อน covariates ในรูปแบบเชิงเส้นเมจแบบทั่วไปสำหรับการตอบหลัก พวกเขาให้วิธีการประเมินความสัมพันธ์ระหว่างเหล่านี้สองชนิดของข้อมูล ซึ่งในการศึกษาทางคลินิกมักเรียกเก็บร่วมในชุดของแต่ละบุคคล และอาจช่วยให้เข้าใจ เช่น กลไกของการฟื้นตัวของโรคบางอย่างหรือประสิทธิภาพของวิธีการบำบัดให้ เป็นประโยชน์ เมื่อแบบจำลองไม่เชิงเส้นผสมผลใช้ให้พอดีกับ trajectories ระยะยาว ได้รับการแสดงกลยุทธ์ประเมินอยู่ที่ตามความน่าเป็นเพียงการประมาณการแสดงปัญหาคำนวณประสิทธิภาพ (เดอลาครูซ et al., 2011) ในบทความนี้ เราพิจารณากระบวนการประเมินทฤษฎีแบบจำลองร่วมกับแบบจำลองไม่เชิงเส้นผสมผลสำหรับข้อมูลระยะยาวและแบบจำลองเชิงเส้นเมจแบบทั่วไปสำหรับการตอบสนองหลัก โครงสร้างก่อนการนำเสนอสำหรับการดำเนินงานของการแซมเพลอร์ MCMC ได้ นอกจากนี้ เราพิจารณาว่า ข้อผิดพลาดในแบบระยะยาวอาจ correlated เราใช้วิธีการของการวิเคราะห์การวัดในขั้นตอนแรกของการตั้งครรภ์ที่สามารถใช้ทำนายปกติเทียบกับผลลัพธ์ของการตั้งครรภ์ผิดปกติ ระดับฮอร์โมน นอกจากนี้เรายังดำเนินการศึกษาการจำลองการประเมินความสำคัญของแบบจำลอง correlated ข้อผิดพลาด และกำหนดปริมาณผลของแบบจำลอง misspecification

ผลลัพธ์ (ไทย) 2:

รุ่นร่วมชั้นกว้างของตัวแปรการตอบสนองและการวัดระยะยาวประกอบด้วยในผลกระทบที่ผสมรูปแบบเพื่อให้เหมาะสมกับลูกทีมที่มีผลกระทบระยะยาวสุ่มใส่เป็นตัวแปรในรูปแบบเชิงเส้นทั่วไปสำหรับการตอบสนองหลัก พวกเขาให้วิธีที่มีประโยชน์ในการประเมินความสัมพันธ์ระหว่างทั้งสองชนิดของข้อมูลซึ่งในการศึกษาทางคลินิกจะถูกเก็บรวบรวมมักจะร่วมกันในชุดของบุคคลและอาจช่วยให้เข้าใจเช่นกลไกของการฟื้นตัวของโรคบางอย่างหรือประสิทธิภาพของการที่กำหนด การรักษาด้วย เมื่อแบบจำลองผลกระทบผสมเชิงเส้นถูกนำมาใช้เพื่อให้เหมาะสมกับวิถียาวกลยุทธ์การประมาณค่าที่มีอยู่บนพื้นฐานของการประมาณความน่าจะได้รับการแสดงที่จะมีปัญหาบางอย่างมีประสิทธิภาพการคำนวณ (เดอลาครูซ et al., 2011) ในบทความนี้เราจะพิจารณาขั้นตอนการประมาณค่าแบบเบย์สำหรับรูปแบบร่วมทุนกับผลผสมรูปแบบไม่เชิงเส้นสำหรับข้อมูลระยะยาวและแบบจำลองเชิงเส้นทั่วไปสำหรับการตอบสนองหลัก โครงสร้างก่อนเสนอจะช่วยให้การดำเนินงานของตัวอย่าง MCMC นอกจากนี้เราจะพิจารณาว่าข้อผิดพลาดในรูปแบบระยะยาวอาจจะมีความสัมพันธ์ เราใช้วิธีการของเราในการวิเคราะห์ระดับฮอร์โมนที่วัดได้ในช่วงแรกของการตั้งครรภ์ที่สามารถนำมาใช้ในการทำนายปกติเมื่อเทียบกับผลการตั้งครรภ์ผิดปกติ นอกจากนี้เรายังดำเนินการศึกษาแบบจำลองเพื่อประเมินความสำคัญของการสร้างแบบจำลองข้อผิดพลาดที่มีลักษณะร่วมกันและปริมาณผลกระทบของรูปแบบ misspecification