縦方向の二変量応答データのための二変量および単変量の関連性パラメーターを備えた混合効果モデル

各研究対象に対して時間をかけて2つのバイナリ応答が測定されると、2つの応答が関与する2つの応答が時間の経過とともに変化するバイバリエートの関連性と限界単変量リスクがどのように変化するかをモデル化することが興味深い場合があります。このような目標を達成するために、二変量ログオッズ比と単変量ロジットコンポーネントを備えた限界モデルは、すべてのコンポーネントにランダム効果を含めるように拡張されます。具体的には、二変量応答のログオッズ比スケールと、単変量応答のロジットスケールで、個別の通常のランダム効果が指定されています。ランダムな効果を考慮して条件付き独立性を仮定すると、ランダムな不完全なデータで欠落していると、時間の経過に及ぶ二変量関連のモデリングが容易になります。このような構造が実現可能なデータセットにモデルを適合させる：関心の反応が高血圧と高コレス血症の状態の変化である心血管教育プログラムの縦断的ランダム化試験。提案されたモデルは、時点と単変動混合効果ロジットモデルの間の独立性を想定する素朴な二変量モデルと比較されます。

When two binary responses are measured for each study subject across time, it may be of interest to model how the bivariate associations and marginal univariate risks involving the two responses change across time. To achieve such a goal, marginal models with bivariate log odds ratio and univariate logit components are extended to include random effects for all components. Specifically, separate normal random effects are specified on the log odds ratio scale for bivariate responses and on the logit scale for univariate responses. Assuming conditional independence given the random effects facilitates the modeling of bivariate associations across time with missing at random incomplete data. We fit the model to a dataset for which such structures are feasible: a longitudinal randomized trial of a cardiovascular educational program where the responses of interest are change in hypertension and hypercholestemia status. The proposed model is compared to a naive bivariate model that assumes independence between time points and univariate mixed effects logit models.