• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>other >Joint modeling of multivariate longitudinal measurements and survival data with applications to Parkinson’s disease
【2h】

Joint modeling of multivariate longitudinal measurements and survival data with applications to Parkinson’s disease

机译：多元纵向测量和生存数据的联合建模及其在帕金森氏病中的应用

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In many clinical trials, studying neurodegenerative diseases including Parkinson’s disease (PD), multiple longitudinal outcomes are collected in order to fully explore the multidimensional impairment caused by these diseases. The follow-up of some patients can be stopped by some outcome-dependent terminal event, e.g. death and dropout. In this article, we develop a joint model that consists of a multilevel item response theory (MLIRT) model for the multiple longitudinal outcomes, and a Cox’s proportional hazard model with piecewise constant baseline hazards for the event time data. Shared random effects are used to link together two models. The model inference is conducted using a Bayesian framework via Markov Chain Monte Carlo simulation implemented in BUGS language. Our proposed model is evaluated by simulation studies and is applied to the DATATOP study, a motivating clinical trial assessing the effect of tocopherol on PD among patients with early PD.
机译：在许多临床研究中，包括帕金森氏病（PD）在内的神经退行性疾病的研究均收集了多个纵向结果，以全面探讨由这些疾病引起的多维损伤。一些患者的随访可以通过某些依赖于结果的终末事件来停止，例如死亡和辍学。在本文中，我们将开发一个联合模型，该模型包括用于多个纵向结果的多级项目响应理论（MLIRT）模型，以及用于事件时间数据的具有分段恒定基线风险的Cox比例风险模型。共享随机效应用于将两个模型链接在一起。使用贝叶斯框架通过以BUGS语言实现的Markov Chain Monte Carlo模拟进行模型推断。我们提出的模型通过模拟研究进行了评估，并应用于DATATOP研究，该研究是一项评估生育酚对早期PD患者中PD对PD影响的激励性临床试验。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号