Modelagem conjunta de dados longitudinais e de riscos competitivos

Os métodos disponíveis para modelagem conjunta de dados longitudinais e de sobrevivência normalmente têm apenas um tipo de falha para o resultado do tempo até o evento. Estendemos a metodologia para permitir dados de riscos competitivos. Ajustamos um submodelo de riscos específicos por causa para permitir riscos competitivos, com uma associação latente separada entre medições longitudinais e cada causa de falha. O método é aplicado a dados do estudo SANAD de medicamentos antiepilépticos (MAEs), como uma forma de investigar o efeito da titulação de medicamentos sobre os efeitos relativos de lamotrigina (LTG) e carbamazepina (CBZ) no fracasso do tratamento. Foi expressa preocupação de que taxas de titulação diferenciadas poderiam ter sido desfavoráveis a CBZ. O efeito benéfico de LTG sobre eventos adversos inaceitáveis que levaram à retirada do medicamento não diminuiu e, de fato, aumentou ligeiramente quando uma dose calibrada foi considerada no modelo conjunto. O ajuste para a taxa de titulação de LTG em relação a CBZ resultou em um efeito inalterado do primeiro sobre as retiradas de medicamento devido ao controle inadequado de crises. LTG continua a ser o MAE de escolha a partir desta análise.