مدل توام داده های طولی و زمان رخداد

در اندازه گیری های مطالعات طولی انواع مختلفی از برآمد ها برای هر مورد اندازه گیری می شود که شامل چندین پاسخ طولی اندازه گیری شده (مثل فشار خون) و زمانی که در آن یک رخداد مورد علاقه خاص اتفاق می افتد (مثل مرگ یا پیشرفت بیماری)، است. برای مدل سازی طولی می توان از مدل اثرهای آمیخته خطی استفاده کرد. نرمال بودن اثرهای تصادفی و خطاها فرض رایجی برای مدل های آمیخته خطی می باشد. اما ما این فرض را بوسیله ی در نظر گرفتن خطای مدل با توزیع نرمال چوله منعطف می کنیم، که دربرگیرنده ی فرض نرمال بودن در حالت خاص نیز هست. در دو دهه ی گذشته، مدل های توام از داده های طولی و بقا بسیار مورد توجه قرار گرفته اند. این مدل ها اغلب در موقعیت های زیر بکار می روند: الف) مدل های بقا با خطاهای اندازه گیری یا داده های گم شده در متغیرهای کمکی وابسته به زمان. ب) مدل های طولی با حذف های آگاهی بخش. ج) فرایند بقا و فرایند طولی که از طریق یک متغیر پنهان بهم وابسته اند. در این موارد، استنباط جداگانه مدل طولی و مدل بقا ممکن است نتایج اریب و کم بازدهی را ایجاد کند. در این پایان نامه مروری بر روی مدل توام داده های طولی و بقا با استفاده از روش درستنمایی داریم