inlabru: software for fitting latent Gaussian models with non-linear predictors
本文介绍软件包 inlabru，它通过一阶泰勒展开迭代线性化非线性预测变量，扩展 INLA 以拟合更复杂的潜在高斯模型，并简化了模型指定、拟合与预测流程。
2024-06-30 stat.CO stat.ME
Spatio-temporal Joint Analysis of PM2.5 and Ozone in California with INLA
本文提出一种共享SPDE-AR(1)时空交互结构的对数高斯-耿贝尔回叶斯分层模型，联合分析PM2.5与臭氧的共同驱动因素及时空相似性，为污染协同控制提供新见解。
2024-04-20 physics.ao-ph stat.ME
Fast and flexible inference for joint models of multivariate longitudinal and survival data using Integrated Nested Laplace Approximations
本文提出基于R-INLA的贝叶斯近似方法，加速多元纵向与生存数据联合模型的推断，减少计算负担和估计变异性，并成功应用于原发性胆汁性胆管炎临床试验中的多标记竞争风险分析。
2023-07-12 stat.AP stat.CO stat.ME
Joint models as latent Gaussian models - not reinventing the wheel
近年来，随着向各个方向的扩展，联合模型受到越来越多的关注;其中包括许多风险函数、不同的关联结构、线性和非线性纵向轨迹。其中许多导致了新的R包和联合模型的新公式。然而，具有线性双变量高斯关联结构的联合模型仍然是潜在高斯模型（LGM），因此可以使用大多数现有的LGM包来实现。在本文中，我们将表明，这些联合模型可以实现从一个LGM的观点使用R-INLA包。作为一个特殊的例子，我们将集中在一个非线性的纵向轨迹的联合模型，最近开发的部分线性联合模型。而不是通常的样条方法，我们认为使用贝叶斯平滑样条框架的关节模型，是稳定的结的选择，因此不那么麻烦的从业者。
2019-01-27 stat.ME
Missing data analysis and imputation via latent Gaussian Markov random fields
在本文中，我们重铸的问题，在协变量的回归模型作为一个潜在的高斯马尔可夫随机场（GMRF）模型在一个完全贝叶斯框架。我们提出的方法是基于定义的协变量插补子模型作为一个潜在的影响与GMRF结构。我们展示了这种提法如何适用于连续协变量，并提供了一些见解如何将其扩展到分类协变量。由此产生的贝叶斯分层模型自然适合集成嵌套拉普拉斯近似（INLA）框架，我们使用模型拟合。因此，我们的工作填补了INLA方法中的一个重要空白，因为它允许处理协变量中有缺失值的模型。与任何其他完全贝叶斯框架一样，通过依赖INLA进行模型拟合，可以为数据、插补协变量及其缺失机制制定联合模型。通过这种方式，我们能够通过对不同的替代方案进行敏感性分析来对未观察到的协变量进行建模，从而解决评估缺失机制的更普遍的问题。最后，我们用两个健康风险因素建模和疾病映射的例子来说明所提出的方法。在这里，我们依赖于两种不同的插补机制的基础上，一个典型的多元线性回归和空间模型，分别。鉴于INLA模型拟合的速度，我们能够在短时间内拟合关节模型，并轻松进行敏感性分析。
2019-12-23 stat.AP stat.CO stat.ME
Joint latent class model for longitudinal data and interval-censored semi-competing events: Application to dementia
关节模型用于老化研究，以研究纵向标志物与至事件发生时间之间的相关性，并已扩展至多个标志物和/或竞争风险。在老年人中必须考虑死亡的竞争风险，因为死亡和痴呆症有共同的风险因素。此外，在队列研究中，至痴呆的时间是间隔删失的，因为痴呆仅间歇性评估。因此，受试者可能会在两次随访之间变得痴呆并死亡，而没有被诊断出来。为了研究痴呆前认知能力下降，我们提出了一个联合潜在类模型，该模型结合了（可能是多变量的）混合模型和疾病-死亡模型，该模型处理了区间删失（通过考虑可能未观察到的向痴呆的转变）和半竞争风险。通过极大似然处理区间删失估计参数。标记物和事件发生时间之间的相关性通过潜在类别、具有特定死亡和痴呆风险的同质组以及认知下降的概况来捕获。我们提出马尔可夫和半马尔可夫版本。这两种方法进行了比较，通过模拟研究的标准竞争风险的联合潜在类模型，然后应用于前瞻性队列研究的大脑和功能老化，以区分不同的配置文件与痴呆和死亡的风险相关的认知能力下降。这一比较突出表明，在痴呆症受试者中，死亡率更多地取决于年龄，而不是痴呆症的持续时间。该模型将所谓的终末死亡前衰退（在非痴呆受试者中）与痴呆前衰退区分开来。
2015-06-24 stat.ME
A Two-Stage Bayesian Approach for Variable Selection in Joint Modeling of Multiple Longitudinal Markers with Competing Risks
The University of Manchester（曼彻斯特大学）；Inserm, Research Center U1219, Univ. Bordeaux, ISPED（法国国家健康与医学研究院，U1219研究中心，波尔多大学，ISPED）；Razi University（拉齐大学）
本文提出了一种两阶段贝叶斯方法，用于在存在竞争风险的情况下，通过多个纵向标记物的联合建模进行变量选择，以提高风险预测的准确性。
2025-12-02 stat.ME
A joint model for (un)bounded longitudinal markers, competing risks, and recurrent events using patient registry data
Erasmus University Medical Center（伊拉斯姆斯大学医学中心）；Duke University（杜克大学）；Cincinnati Children’s Hospital Medical Center（辛辛那提儿童医院医疗中心）；University of Cincinnati（辛辛那提大学）
针对现有联合模型无法同时处理复发与竞争事件、不适用于有界生物标志物的问题，提出贝叶斯共享参数联合模型，经模拟和囊性纤维化登记数据验证性能更优，已实现于R包JMbayes2。
2024-05-26 stat.ME
A joint spatiotemporal model for multiple longitudinal markers and competing events
针对慢性疾病无明确发病时间难以定义联合模型参考时间的问题，提出原因特异性联合时空模型，可捕捉潜在疾病年龄与纵向结局排序的影响，在ALS数据上性能与传统模型相当且参数更少。
2025-01-15 stat.ME
Joint Dynamic Models and Statistical Inference for Recurrent Competing Risks, Longitudinal Marker, and Health Status
本文针对纵向研究中复发竞争风险、纵向标志物与健康状态过程的关联建模问题，提出基于计数过程和连续时间马尔可夫链的联合动态随机模型，并开发半参数与似然推断方法，以支持个性化干预和精准医疗。
2024-12-26 stat.ME
A location-scale joint model for studying the link between the time-dependent subject-specific variability of blood pressure and competing events
本文提出一种位置-尺度联合模型，结合混合模型与竞争风险模型，研究血压时变个体变异性对心脑血管事件的影响，并通过临床试验数据验证其关联性及预测价值。
2024-04-22 stat.ME
Efficient Algorithms and Implementation of a Semiparametric Joint Model for Longitudinal and Competing Risks Data: With Applications to Massive Biobank Data
纵向和竞争风险数据的半参数联合模型在计算上是昂贵的，并且它们当前的实现不能很好地扩展到大规模生物库数据。本文确定并解决了纵向和竞争风险生存数据的半参数联合模型中的一些关键计算障碍。通过开发和实施定制的线性扫描算法，我们将计算复杂度从$O(n^2)$或$O(n^3)$降低到各个组成部分的$O(n)$，包括数值积分、风险集计算和标准误估计，其中$n$是受试者数量。使用模拟和真实世界的生物库数据，我们证明了这些线性扫描算法产生高达数十万倍的急剧加速时，$n>10^4$，有时减少运行时间从几天到几分钟。我们已经开发了一个R-包，FastJM，基于联合建模的纵向和时间到事件的数据，有和没有竞争风险的建议算法，并使其公开的综合R档案网络（CRAN）。
2022-02-08 stat.CO stat.ME
A joint model of the individual mean and within-subject variability of a longitudinal outcome with a competing risks time-to-event outcome
University of California, Los Angeles（加州大学洛杉矶分校）；University of Washington（华盛顿大学）；University of Arizona（亚利桑那大学）；City of Hope（希望之城）
本文提出半参数联合模型，结合纵向生物标志物的均值与个体内变异性及竞争风险时间-事件结局，优化实现后可扩展至生物银行规模数据，经模拟和MESA队列验证，能提升风险区分度并开发了R包JMH。
2026-07-30 stat.ME
Efficient Implementation of a Semiparametric Joint Model for Multivariate Longitudinal Biomarkers and Competing Risks Time-to-Event Data
针对大规模多元纵向生物标志物与竞争风险数据，本文在EM框架中结合正态近似和定制线性扫描算法，提出高效半参数联合模型，并通过模拟、PBC数据应用及R包FastJM验证其可扩展性与准确性。
2025-06-15 stat.CO stat.ME
A Bayesian joint model of multiple nonlinear longitudinal and competing risks outcomes for dynamic prediction in multiple myeloma: joint estimation and corrected two-stage approaches
提出一种贝叶斯联合模型，整合多重非线性纵向生物标志物与竞争风险，用于多发性骨髓瘤的动态预测，并比较联合估计与校正两阶段策略两种方法。
2024-11-11 stat.AP stat.ME
A Bayesian Joint Modelling for Misclassified Interval-censoring and Competing Risks
针对前列腺癌主动监测中进展检测的误分类与竞争风险问题，开发了MCICJM贝叶斯联合模型，通过灵敏度参数处理误分类，并揭示其在参数估计与基线风险中的权衡影响。
2025-07-16 stat.AP stat.ME
Causal survival analysis under competing risks using longitudinal modified treatment policies
本文将纵向修正治疗策略扩展到竞争风险下的生存分析场景，提出非参数局部有效估计量，并应用于 COVID-19 患者插管时间对急性肾损伤的影响估计。
2025-02-05 stat.ME
Joint model for interval-censored semi-competing events and longitudinal data with subject-specific within and between visits variabilities
针对现有研究未能区分血压长短期变异性的方法学缺陷，提出结合混合效应模型与区间删失半竞争病-死模型的联合模型，经模拟验证并用于3C队列分析血压变异性对痴呆和死亡风险的影响。
2024-08-13 stat.AP stat.ME
Refutable Exclusion Restrictions in Competing Risks with Categorical Covariates
Management Development Institute of Singapore in Tashkent（新加坡管理学院塔什干分校）
本文针对竞争风险模型，利用类别排除限制和原因指标，提出可反驳的识别检验方法，并构建稳健置信集，模拟验证其有效性。
2026-09-25 stat.ME
Competing risks models with two time scales
提出基于二维P-样条和广义线性阵列模型的竞争风险模型，支持在年龄和诊断后时间双时间尺度上平滑估计特定原因死亡风险，并利用SEER乳腺癌数据验证了方法的有效性。
2024-08-27 stat.ME
A multistate approach for mediation analysis in the presence of semi-competing risks with application in cancer survival disparities
本研究提出一种考虑半竞争风险的多状态中介分析方法，定义并估计连续时间下的随机直接/间接因果效应，通过模拟验证忽略删失或竞争风险的偏差，并用于分析结肠癌患者治疗延迟对种族生存差异的中介作用。
2021-02-26 stat.ME
Semiparametric Regression for Misclassified Competing Risks Data
Department of Biostatistics and Health Data Science, Fairbanks School of Public Health and School of Medicine, Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校费尔班克斯公共卫生学院和医学院生物统计学与健康数据科学系）；Department of Epidemiology and Biostatistics, CUNY Graduate School of Public Health and Health Policy, City University of New York（纽约市立大学流行病学与生物统计系，CUNY公共健康与卫生政策研究生院）
本文提出一种半参数回归方法，用于处理无内部验证样本的竞争风险数据误分类问题，通过外部验证研究估计误分类概率，提升估计效率。
2026-05-15 stat.ME
Penalized Estimation of Frailty-Based Illness-Death Models for Semi-Competing Risks
针对半竞争风险高维场景下模型选择与预测方法缺失的问题，提出结合非凸与结构化融合惩罚的脆弱性病亡多状态模型惩罚估计框架，证明了统计误差界，经模拟和产科妊娠数据验证有效。
2024-04-15 stat.AP stat.ME
Joint Concordance Index
竞争风险生存分析中的现有指标（如一致性和准确性）未评价模型联合预测事件类型和事件时间的能力。为了解决这些限制，我们提出了一个新的度量，我们称之为联合一致性。联合一致性衡量模型预测整体风险状况的能力，即，不同事件类型的死亡风险。我们开发了一个相合估计量的新的度量，占删失偏差。我们使用新的度量开发一个可变的重要性排名方法。使用真实和合成数据的实验，我们表明，使用现有的指标选择的模型比使用联合一致性选择的模型更差，在联合预测事件类型和事件时间。我们发现，现有的方法变量的重要性排名往往无法认识到的事件特定的风险因素的重要性，而所提出的方法不，因为它比较风险因素的基础上，他们的贡献预测的不同的事件类型。总之，联合一致性有助于模型比较和变量重要性排名，并有可能影响多病人群的风险分层和治疗计划等应用。
2019-08-17 stat.ME
A Bayesian Nonparametric Approach for Semi-Competing Risks with Application to Cardiovascular Health
本文研究了半竞争风险环境下的因果估计问题，通过定义主分层因果估计量，结合藤Copula和贝叶斯非参数EDPM方法估计联合事件时间分布，并利用敏感性参数和MCMC进行推断，最后应用于心血管健康研究。
2025-06-25 stat.AP stat.ME
Personalized Biopsy Schedules Using an Interval-censored Cause-specific Joint Model
本研究针对前列腺癌主动监测中固定活检方案的问题，提出区间删失原因特异性联合模型生成个性化方案，可在检测延迟略有增加的代价下减少34%-54%的活检次数。
2024-03-13 stat.AP stat.ME
The R package LSJM for fitting location-scale joint models for a longitudinal marker and complex survival data
Univ. Bordeaux（波尔多大学）；INSERM U1219；Bordeaux Population Health（波尔多人群健康）
LSJM R包基于位置-尺度混合模型和联合模型理论，拟合纵向标记与复杂生存数据（含竞争风险、半竞争风险及区间删失）的联合模型，提供灵活相关结构、严格收敛估计及拟合后分析功能。
2026-10-06 stat.CO stat.ME
Modeling semi-competing risks data as a longitudinal bivariate process
成人思维变化（ACT）研究是一项长期的前瞻性研究，针对所有原因的痴呆症和阿尔茨海默病（AD）。随着队列年龄的增长，死亡（终末事件）是AD（非终末事件）的主要竞争风险，尽管情况并非相反。因此，ACT数据分析可置于半竞争风险框架内。与标准竞争风险相比，半竞争风险的核心是人们可以了解两个事件之间的依赖结构。然而，迄今为止，大多数半竞争风险的方法都将依赖性视为一种滋扰，而不是新临床知识的潜在来源。我们提出了一个新的基于回归的框架，认为两个时间到事件的结果，通过镜头的纵向双变量过程的时间尺度的分区。该框架的一个关键创新是依赖性以两种不同的形式表示，$\textit{local}$和$\textit{global}$依赖性，这两种形式都具有直观的临床解释。估计和推断是通过惩罚极大似然，并可以容纳右删失，左截断和随时间变化的协变量。该框架用于研究性别和具有$\ge$ 1 APOE- $\epsilon4$等位基因对AD和死亡的联合风险的作用。
2020-07-08 stat.AP stat.ME
Two-Stage Pseudo Maximum Likelihood Estimation of Semiparametric Copula-based Regression Models for Semi-Competing Risks Data
本文面向半竞争风险数据，提出基于 copula 半参数模型的两阶段伪极大似然估计方法，证明渐近性质并验证其更稳健、高效。
2024-10-25 stat.ME
Joint Models with Multiple Longitudinal Outcomes and a Time-to-Event Outcome: a Corrected Two-Stage Approach
近年来，随着对基本模型的无数扩展，包括考虑多变量纵向数据、竞争风险和复发事件的扩展，纵向和生存数据的联合模型得到了广泛关注。现在也有几个软件包可供执行。虽然数学上很简单，但由于需要大量的随机效应，在关节模型中包含多个纵向结局在计算上仍然很困难，这阻碍了该扩展的实际应用。我们提出了一种新的方法，使拟合这样的模型与更现实的计算时间。该方法背后的想法是将联合模型的估计分为两步：估计纵向结局的多变量混合模型，然后使用该模型的输出拟合生存子模型。所谓的两阶段的方法以前已经提出，并被证明是有偏见的。我们的方法与标准版本不同，因为我们另外提出了一个校正因子的应用，调整获得的估计值，使它们更接近我们期望用多变量联合模型找到的估计值。该校正基于重要性抽样思想。模拟研究表明，这种修正的两阶段的方法令人满意，消除了偏见，同时保持大幅改善计算时间，即使在更困难的设置。
2020-01-31 stat.ME
An efficient joint model for high dimensional longitudinal and survival data via generic association features
提出融合共享随机效应与潜类别思想并带正则化的 FLASH 联合模型，基于 EM 高效估计，在高维纵向与生存数据预测中更准、更快且可解释。
2024-08-02 stat.ME
HACSurv: A Hierarchical Copula-Based Approach for Survival Analysis with Dependent Competing Risks
Southeast University（东南大学）；The University of Newcastle（纽卡斯尔大学）
本文提出 HACSurv，利用分层阿基米德 Copula 建模竞争风险与删失之间的相依结构，从而提升生存分布预测精度，并在合成和真实数据上验证了其优于现有方法。
2025-03-10 cs.LG stat.ME stat.ML
Extended Joint Models for Longitudinal and Time-to-Event Data: A Tutorial
Erasmus University Medical Center（伊拉斯姆斯大学医学中心）
本教程介绍使用R包JMbayes2拟合纵向与时间-事件数据的扩展联合模型，涵盖竞争风险、复发事件等复杂场景，并提供分步指南和模拟数据示例。
2026-09-15 stat.AP stat.ME
Understanding the dynamic impact of COVID-19 through competing risk modeling with bivariate varying coefficients
2019冠状病毒病（COVID-19）大流行对依赖肾透析维持生命的终末期肾病患者产生了深远的影响。应美国医疗保险和医疗补助服务中心的要求，我们对2020年出院后再入院和死亡人数的分析显示，COVID-19的影响随着出院后时间和疫情爆发后时间的不同而存在显著差异。然而，COVID-19影响轨迹的复杂动态无法通过现有的变系数模型来表征。为了解决这个问题，我们提出了一个在特定原因危害框架内的竞争风险的双变量变系数模型，其中张量积B样条用于估计COVID-19效应的表面。开发了一种高效的近端牛顿算法，以促进新模型与透析患者的大量医疗保险数据的拟合。引入基于差分的各向异性惩罚来减轻模型过拟合和估计轨迹的摆动;在确定最佳调整参数时考虑了各种交叉验证方法。假设检验程序旨在检查COVID-19的影响是否随出院后时间和大流行爆发后的时间而显著变化，无论是共同还是单独。仿真实验进行评估的估计精度，第一类错误率，统计功效，和模型选择程序。医疗透析患者的应用程序证明了所提出的方法的真实世界的性能。
2022-09-01 stat.AP stat.ME
Principled Estimation and Prediction with Competing Risks: a Bayesian Nonparametric Approach
University of Milano-Bicocca（米兰比可卡大学）；Bocconi Institute for Data Science and Analytics, Bocconi University（博科尼大学数据科学与分析研究所）
本文提出一种贝叶斯非参数方法，用于竞争风险下的估计与预测，通过多状态模型框架和灵活的非参数先验模型，构建预测曲线并评估生存函数和病因特异性发病率。
2026-04-29 math.ST stat.ME stat.TH
Multivariate longitudinal modeling of cross-sectional and lagged associations between a continuous time-varying endogenous covariate and a non-Gaussian outcome
针对纵向研究中时变内生协变量违反GLMM假设、数据缺失及非同步测量等问题，本文扩展JMM与JSM两类多变量模型，结合INLA贝叶斯估计方法，实现可解释的协变量与非高斯结局间截面、滞后关联估计。
2025-11-14 stat.AP stat.ME
A General Framework for Joint Multi-State Models
MaIAGE, Université Paris-Saclay, INRAE, France（巴黎萨克雷大学，法国国家农业食品与环境研究院）；Laboratoire de Mathématiques et Modélisation d’Évry (LaMME), Université Paris-Saclay, CNRS, Univ Évry, France（巴黎萨克雷大学，法国国家科学研究中心，埃夫里大学）
提出一个统一纵向生物标志物与有向图上多状态时间-事件过程的通用联合建模框架，支持非线性子模型和随机梯度下降推断，实现复杂轨迹下的动态预测。
2026-05-25 stat.ME stat.ML
Joint Modeling of Longitudinal Measurements and Time-to-event Outcomes Using BUGS
本文介绍了纵向测量与事件发生时间结局的贝叶斯联合建模原理及BUGS语言实现，涵盖多元、零膨胀、竞争风险和治愈比例等模型，并通过真实数据集进行说明。
2024-06-01 stat.CO stat.ME
Backward Joint Model for the Joint Dynamic Prediction of Time-to-Event and Longitudinal Data: Basic Formulation and New Developments
本文扩展后向联合模型BJM，引入外推、两部分模型与竞争风险，并预测条件于事件时间的未来纵向轨迹，保持高效计算优势。
2025-07-29 stat.AP stat.ME
A tractable Bayesian joint model for longitudinal and survival data
我们介绍了一个数值上易于处理的制定贝叶斯联合模型的纵向和生存数据。纵向过程采用广义线性混合模型建模，而生存过程采用参数化一般危险结构建模。这两个过程通过共享固定效应和随机效应而联系在一起，将在时间尺度上起作用的效应与影响危害尺度的效应分开。这种策略允许包括非线性和时间依赖性的影响，同时避免了需要数值积分，这有利于实施拟议的联合模型。我们探索使用灵活的参数分布建模的基线风险函数，可以捕捉在实践中感兴趣的基本形状。我们讨论的参数的解释的基础上事先启发。我们提出了一个广泛的模拟研究，我们分析了所提出的模型的推理性能，并说明了灵活性，样本量和审查之间的权衡。我们还将我们的建议应用到两个真实的数据应用中，以证明我们的配方在单变量时间事件数据和竞争风险框架中的适应性。该方法已在rstan中实施。
2021-04-22 stat.AP stat.CO stat.ME
A Bayesian joint model of multiple longitudinal and categorical outcomes with application to multiple myeloma using permutation-based variable importance
本文提出面向纵向生物标志物与多分类治疗结局的贝叶斯联合模型，用双指数子模型和共享患者信息刻画非线性轨迹，并以基于置换的变量重要性排序预后因素。
2025-06-15 stat.AP stat.ME
TransformerLSR: Attentive Joint Model of Longitudinal Data, Survival, and Recurrent Events with Concurrent Latent Structure
Johns Hopkins University（约翰斯·霍普金斯大学）；School of Medicine, Johns Hopkins University（约翰斯·霍普金斯大学医学院）
本文提出TransformerLSR框架，将深度时间点过程与Transformer结合，首次同时联合建模纵向数据、复发事件和生存数据，并通过模拟和肾移植真实数据验证其有效性。
2024-04-04 cs.LG stat.AP stat.ME
