前言
本书为 Joint Models for Longitudinal and Time-to-Event Data With Applications in R 的翻译。本书可作为医学研究中的生存数据建模（尤其是第 8 章的联合模型）的后续文本。
可点击带 \(\blacktriangleright\) 的标题以展开图表，例如
点我看本书封面
原书出版于 2012 年，鉴于 R 以及 JM 包的更新，许多结果无法复现。询问作者后，作者回复道 JM 包已不再维护，建议使用 JMbayes2，但该包提供基于 MCMC 的贝叶斯方法。为尊重原著，本翻译基于原书以及勘误，代码的结果未更改，但不影响参考学习。
原书前言
纵向数据与事件时间数据的联合模型已成为分析随访数据的宝贵工具。这些模型主要适用于两种情况：第一，当重点是生存结局并且我们希望考虑误差测量的内生性时依协变量的影响时；第二，当重点是纵向结果并且希望校正非随机脱落时。由于能在简单统计工具无法提供有效推断的情况下提供有效推断，并且具有广泛的应用范围，在过去 25 年中，联合建模领域取得了许多进展。尽管人们对联合模型的兴趣及其发展已经很普遍，但关于它们的信息也同样分散在介绍该领域最新进展的文章中，以及专门用于纵向或生存数据分析的书籍章节中。然而，似乎没有专门针对这类模型的专著或文本。
因此，撰写本书的目的是提供一个纵向与生存数据的联合模型的理论和应用的概述。相关文献已提出了两个主要框架，即使用潜变量来捕捉两个结局之间的关联的随机效应联合模型 (Tsiatis and Davidian, 2004)，以及基于 G 估计的边际结构联合模型 (Robins et al., 1999, 2000). 本书则专注于前者。联合建模的两个子领域，即处理内生性时变协变量和非随机脱落，都同样涵盖并呈现了真实的数据集。由于作者的背景和合作经历，这些例子来自医学领域，特别是生物标志物研究。然而，只要对纵向结果和事件时间结局之间的关联感兴趣，就可以使用这种类型的联合模型，因此在其他领域也有许多应用。此外还介绍了多种扩展，包括纵向与生存结局之间的不同关联结构、分层因素的纳入、滞后效应的结合、外源时变协变量的处理以及竞争风险设置等。对于纵向部分，主要关注连续纵向结果和线性混合效应模型的使用。
书中包含的所有分析都是在用于统计计算和图形的 R 软件环境中实现的，涉及到作者编写的免费软件包 JM。该包可拟合多种联合模型，包括上述扩展。然而，它并没有涵盖文献中提出的所有类型的联合模型，因此，文中介绍的一些扩展，如分类纵向标志物和多个纵向标志物的联合模型在文本中被，未给出软件说明。文中给出的结果是使用包 JM 的 1.0-0 版本以及 R 2.15.0 生成的。该软件包的当前版本可以从 Comprehensive R Archive
Network (http://cran.r-project.org) 获得。由于平台依赖性，分析结果可能会因不同的计算机或操作系统以及 R 和该包的未来版本而略有不同。文本中使用的所有代码都可从如下网站获得：
http://jmr.r-forge.r-project.org
如有错别字、错误和对本书内容的改进，作者将不胜感激，并可通过电子邮件联系：
预备知识
本书的内容假定读者熟悉统计入门课程水平的统计数据分析的基本概念，包括标准最大似然理论，以及回归分析方面的深厚背景。对混合效应模型和生存分析的一些背景知识也会有所帮助，但并非必须。同样，关于 R 语言，本书不假定读者有任何先验知识，但对该语言的基本熟悉会有所帮助。
印刷惯例
本书中引用的 R 语言对象、命令和输出均以等宽 typewriter 字体呈现。可在 R 命令行交互式输入的代码格式为：
其中 > 表示 R 命令行提示符，其他所有内容都是用户应该输入的内容。此外，单行无法呈现的 R 表达式将适当缩进，如下所示：
> jointModel(lmeFit, coxFit, timeVar = "time",
method = "weibull-PH-aGH", parameterization = "both")当在正文中引用函数时，它将采用 typewriter 字体进行格式化，并且在函数名称后带有括号，例如，jointModel()。同样，函数参数和为这些参数指定的值也将以 typewriter 字体格式化，但末尾没有括号，例如 method = "weibull-PH-aGH"。
为节省空间，对一些 R 输出进行了编辑。如下表示完整行的省略：
...但一些空行已直接删除且没有提示。
本专著中的许多工作都是基于与 Geert Verbeke 和 Geert Molenberghs 的合作研究，我很高兴与他们合作。我还要感谢 Emmanuel Lesaffre 就联合建模主题进行了有益的讨论，并创造了一个令人兴奋的工作环境。特别感谢 JM 的所有用户，他们的反馈极大地促进了该软件包的开发。
对于本书，我要特别感谢匿名审稿人对早期版本手稿的宝贵反馈，感谢 Chapman and Hall/CRC 的 John Kimmel 在整个制作过程中提供的帮助和支持。本专著是使用 Friedrich Leisch’s Sweave 包、\(\LaTeX\) 文档准备系统写作的，当然还有 R。
Dimitris Rizopoulos
Rotterdam, April 2012