縦方向のゼロインフレパワーシリーズの共同モデリングとイベントデータへのゼロインフラート時間の分析

縦断的研究では、測定値は、個々のさまざまな種類の応答でしばしば収集されます。これらには、いくつかの縦方向に測定された応答（CD4カウントなど）とイベントが発生する時間（研究からのHIV、死亡、またはドロップアウトなど）が含まれる場合があります。これらの結果は、多くの場合、個別に分析されます。個別のモデリングと比較して、共同モデリングと同時分析により、よりコヒーレントで堅牢な分析が可能になり、研究中のプロセスに対するより良い洞察が得られる可能性があります。ただし、アナリストには、応答をリンクするための適切な多変数ジョイント分布を見つけることは常に困難でした。この記事では、縦断的数とイベントデータまでの時間について、ゼロインフレ特性を調査します。これらの相関応答には、それぞれ、パワーシリーズ分布ファミリー（PSDS）およびCOX比例ハザード回帰モデル（COX PH）をWeibullベースラインハザード率（COX PH）のメンバーにそれぞれ適用します。また、イベントプロセスに間に合うように右右の検閲メカニズムの両方を考慮します。このモデリング戦略は、共同モデルのクラスを拡大することにつながり、私たちが知る限り、他の研究者によってまだ調査されていないいくつかの新しい共同モデルを提示します。共同モデルのパラメーターは、尤度手法を使用して推定されます。

In longitudinal studies measurements are often collected on different types of responses for each individual. These may contain several longitudinally measured responses (such as the CD4 count) and the time at which an event occurs (e.g., HIV, death, or dropout from the study). These outcomes are often separately analyzed. Compared to separate modeling, joint modeling and simultaneous analysis allows for more coherent, robust analysis and may produce a better insight into the process under study. However, there has always been difficulty to the analyst that finding a proper multi-variable joint distribution for linking responses. In this article, we survey the zero-inflated property for longitudinal count and time to event data. We apply a member of the family of power series distributions (PSDs) and the Cox proportional hazard regression model (Cox PH) with Weibull baseline hazard rate, respectively, for these correlated responses. Also we consider both right and left censoring mechanisms in time to event process. This modeling strategy leads to expand the class of joint models and presents some new joint models which, as far as we know, have not yet been investigated by other researchers. The parameters in the joint model are estimated by using likelihood techniques.