Advances in Joint Modelling: A Review of Recent Developments with Application to the Survival of End Stage Renal Disease Patients

Abstract

RésuméL'approche mixte, pour la modélisation des processus de survie et des processus longitudinaux, connait de nos jours un succès grandissant, en particulier lorsqu';il existe une interdépendance entre ceux‐ci. Réputés pour leur efficacité, les modèles mixtes sont moins biaisés par rapport aux méthodes classiques naïves, d'où une littérature abondante sur le sujet. L'objet de cette étude est de présenter une revue de la littérature récente sur les modèles mixtes, en l'occurrence ceux utilisés pour l'estimation du temps d'échec dans les processus de survie. Nous présenterons une analyse détaillée de la gamme de modèles de survie utilisés pour la construction des modèles mixtes. Une attention particulière sera accordée aux progrès récents dans le développement des logiciels dédiés à la construction de ces modéles. Une illustration sur l'utilisation des progiciels JM et JoineR, développés dans l'environnement R, sera présentée pour le cas de l'analyse de survie des patients souffrant d'insuffisance rénale en phase terminale. Finalement, nous concluons avec une discussion sur plusieurs pistes de recherche potentielles dans le domaine.

Review and Comparison of Computational Approaches for Joint Longitudinal and Time‐to‐Event Models

“…The trajectory m i ( t ) from the longitudinal model is included to link the two processes and α measures the strength of this association. While proportional hazards models are common, accelerated failure time and other survival models have been implemented (Mccrink et al , ; Tseng et al , ; Rizopoulos, , p. 137).…”

“…A typical example is a random coefficients model where Z 2 i ( t ) b i = b 0 i + b 1 i t with b 0 i and b 1 i correlated, often multivariate normal (Wulfsohn & Tsiatis, ). The association can be generalised so that αZ 2 i ( t ) b i = α 0 b 0 i + α 1 b 1 i t and α 0 need not equal α 1 (Mccrink et al , ).…”

“…The trajectory m i .t/ from the longitudinal model is included to link the two processes and˛measures the strength of this association. While proportional hazards models are common, accelerated failure time and other survival models have been implemented (Mccrink et al, 2013;Tseng et al, 2005;Rizopoulos, 2012, p. 137). The model form in (2) will be referred to as the current value form since the association is through the current value of the longitudinal trajectory, m i .t/, on the right-hand side of the equation.…”

“…There has been limited review of software implementation in the joint modelling literature. Some early reviews listed softwares available at the time (Gould et al, 2014;Mccrink et al, 2013), utilised a single software for data analysis (Rizopoulos, 2012) or compared a couple in the context of analysing a dataset (Mccrink et al, 2013). Other reviews have compared selected softwares, such as Win-BUGS and SAS PROC NLMIXED (Guo & Carlin, 2004).…”

Tutorial in Joint Modeling and Prediction: A Statistical Software for Correlated Longitudinal Outcomes, Recurrent Events and a Terminal Event

“…Extensions of these include, among others, models for multiple longitudinal outcomes (Hatfield, Boye, Hackshaw, and Carlin 2012), multiple failure times (Elashoff, Li, and Li 2008) and both (Chi and Ibrahim 2006). A review of the joint modeling of longitudinal and survival data was already given elsewhere (McCrink, Marshall, and Cairns 2013;Lawrence Gould et al 2015;Asar, Ritchie, Kalra, and Diggle 2015).…”