SEARCH

SEARCH BY CITATION

Keywords:

  • Joint model;
  • renal survival data;
  • longitudinal;
  • software advancements

Résumé

L'approche mixte, pour la modélisation des processus de survie et des processus longitudinaux, connait de nos jours un succès grandissant, en particulier lorsqu';il existe une interdépendance entre ceux-ci. Réputés pour leur efficacité, les modèles mixtes sont moins biaisés par rapport aux méthodes classiques naïves, d'où une littérature abondante sur le sujet. L'objet de cette étude est de présenter une revue de la littérature récente sur les modèles mixtes, en l'occurrence ceux utilisés pour l'estimation du temps d'échec dans les processus de survie. Nous présenterons une analyse détaillée de la gamme de modèles de survie utilisés pour la construction des modèles mixtes. Une attention particulière sera accordée aux progrès récents dans le développement des logiciels dédiés à la construction de ces modéles. Une illustration sur l'utilisation des progiciels JM et JoineR, développés dans l'environnement R, sera présentée pour le cas de l'analyse de survie des patients souffrant d'insuffisance rénale en phase terminale. Finalement, nous concluons avec une discussion sur plusieurs pistes de recherche potentielles dans le domaine.

Summary

The use of joint modelling approaches is becoming increasingly popular when an association exists between survival and longitudinal processes. Widely recognized for their gain in efficiency, joint models also offer a reduction in bias compared with naïve methods. With the increasing popularity comes a constantly expanding literature on joint modelling approaches. The aim of this paper is to give an overview of recent literature relating to joint models, in particular those that focus on the time-to-event survival process. A discussion is provided on the range of survival submodels that have been implemented in a joint modelling framework. A particular focus is given to the recent advancements in software used to build these models. Illustrated through the use of two different real-life data examples that focus on the survival of end-stage renal disease patients, the use of the JM and joineR packages within R are demonstrated. The possible future direction for this field of research is also discussed.