Dans la recherche médicale, l'analyse simultanée de données longitudinales et de données de survie est une pratique courante. Souvent, en particulier dans les essais cliniques, les individus sont confrontés à de multiples événements d'échec potentiels, ce qui entraîne des risques concurrents. Cette recherche élargit les méthodologies de prétest et de retrait pour prendre en compte de tels scénarios de risques concurrents dans un cadre de modélisation conjointe. Plus précisément, nous abordons le modèle conjoint en nous concentrant sur les situations où certaines covariables des composantes longitudinales ou de survie peuvent ne pas être pertinentes pour la prédiction du temps de survie. Notre approche consiste à ajuster deux modèles : un modèle avec toutes les covariables et un modèle réduit avec un sous-ensemble de covariables. Nous construisons ensuite les estimateurs de prétest et de retrait en combinant les estimateurs des deux modèles. Nous calculons les erreurs quadratiques relatives numériques pour évaluer la performance des estimateurs. Il en ressort que lorsque la dimension de réduction est supérieure à deux, les estimateurs de retrait présentent un risque plus faible que les estimateurs du modèle complet.