Resumen

En las últimas dos décadas, los modelos conjuntos de datos longitudinales y de supervivencia han recibido mucha atención en la literatura. Estos modelos suelen ser deseables en las siguientes situaciones: (i) modelos de supervivencia con errores de medición o datos faltantes en covariables dependientes del tiempo, (ii) modelos longitudinales con abandonos informativos, y (iii) un proceso de supervivencia y un proceso longitudinal están asociados a través de variables latentes. En estos casos, las inferencias separadas basadas en el modelo longitudinal y el modelo de supervivencia pueden conducir a resultados sesgados o ineficientes. En este artículo, proporcionamos un breve resumen de los modelos conjuntos para datos longitudinales y de supervivencia y los métodos comúnmente utilizados, incluyendo el método de verosimilitud y los métodos de dos etapas.

• Materias:Modelos de regresión Conjunto borroso Agrupamiento Factores de transcripción Modelo autorregresivo
• Subjects:Regression models Fuzzy set Clustering Transcription factors Autoregressive model
• Palabras claves:Modelos; Longitudinal; Supervivencia; Datos; Conjunta; Métodos
• Keywords:Models; Longitudinal; Survival; Data; Joint; Methods