Key points are not available for this paper at this time.
이 논문에서는 종단적 측정 및 경쟁 위험 실패 시간 데이터의 공동 분석을 위한 베이esian 방법을 개발합니다. 이 모델은 여러 유형의 사건에 의해 유도된 무시할 수 없는 결측 데이터로 종단적 결과를 분석하고, 주요 사건에 대해 의존적인 검열이 있는 생존 데이터를 분석하며, 여러 엔드 포인트에 대해 동시에 추론할 수 있도록 합니다. 우도 접근법과 비교할 때, 베이esian 방법은 몇 가지 장점이 있습니다. 고차원 랜덤 효과의 경우 계산적으로 더 수월합니다. 또한 추론을 위한 편리한 방법입니다. 더불어, 추정 정확도를 개선하는 데 도움이 될 수 있는 사전 정보를 통합할 수 있는 수단을 제공합니다. 경화증 폐 질환의 임상 시험 데이터를 사용하여 예시를 제공합니다. 우리의 방법의 성능은 시뮬레이션 연구를 통해 평가됩니다.
Hu et al. (Mon,)은 이 문제를 연구하였습니다.