نمایی بر مدل های رده پنهان برای مدل بندی توام اندازه گیری های طولی و داده های بقا

مدل های توام در مطالعات پیگیری شونده برای بررسی ارتباط بین نشانگرهای طولی و یک پیشامد بقا استفاده می شود و به وضعیت هایی با چند نشانگر طولی و یا ریسک های رقابتی تعمیم یافته است. بسیاری از دستاوردهای آماری در زمینه مدل بندی توام در مدل های پارامتر مشترک متمرکز شده است که شامل مشخصه هایی از نشانگر طولی به عنوان متغیرهای تبیینی در مدل بقا در نظر گرفته می شود. یک رهیافت کمتر شناخته شده، مدل کلاس پنهان توام است، این مدل با فرض اینکه ارتباط بین نشانگرهای طولی و خطر رخداد با یک ساختار کلاس پنهان کاملا مشخص می شود، بنا شده است. مدل کلاس پنهان به دلیل انعطاف پذیری در مدل بندی ارتباط بین نشانگرهای طولی و زمان تا رخداد پیشامد و همچنین توانایی در برگرفتن متغیرهای تبیینی به ویژه برای پیش بینی مناسب است. در این مقاله یک نمای کلی از مدل کلاس پنهان توام و تعمیم های آن ارائه می دهیم، در این راستا، ابتدا مروری بر مدل های بحث شده انجام می شود و سپس برآورد پارامترهای مدل مورد بحث قرار می گیرد. در بخش کاربرد، دو مجموعه ی داده ی واقعی مورد تحلیل و بررسی قرار می گیرند.

A review on latent class models for joint modeling of longitudinal measurements and survival data

Joint models use in followup studies to investigate the relationship between longitudinal markers and survival outcomesand have been generalized to multiple markers or competing risks data. Many statistical achievements in the field of jointmodeling focuse on shared random effects models which include characteristics of longitudinal markers as explanatory variablesin the survival model. A lessknown approach is the joint latent class model, assuming that a latent class structurefully captures the relationship between the longitudinal marker and the event risk. The latent class model may be appropriatebecause of the flexibility in modeling the relationship between the longitudinal marker and the time of event, as well as theability to include explanatory variables, especially for predictive problems. In this paper, we provide an overview of the jointlatent class model and its generalizations. In this regard, first a review of the discussed models is introduced and then theestimation of the model parameters is discussed. In the application section, two real data sets are analyzed.