Fast variational Bayesian inference for correlated survival data: an application to invasive mechanical ventilation duration analysis
Correlated survival data, often observed in clinical settings, include clustered data in which survival times within clusters are correlated. Motivated by invasive mechanical ventilation data from Ontario ICUs, we introduce a shared frailty log-logistic accelerated failure time model with cluster-specific random intercepts. We propose a novel, efficient variational Bayes (VB) algorithm for parameter estimation and evaluate its performance through simulations with varying numbers of clusters and their sizes. Comparisons with h-likelihood and MCMC approaches show that our VB algorithm is computationally efficient and delivers satisfactory results. We apply our method to the ICU ventilation data from Ontario to investigate the random effect of ICU site on ventilation duration. Our paper is published in Statistics and Medicine (https://doi.org/10.1002/sim.70198), and our method is implemented in the R package survregVB, available on CRAN.
Inférence bayésienne variationnelle rapide pour données de survie corrélées : une application à l'analyse de la durée de la ventilation mécanique invasive
Les données de survie corrélées, souvent observées en milieu clinique, incluent des données groupées dans lesquelles les durées de survie au sein des groupes sont corrélées. À partir de données relatives à la ventilation mécanique invasive recueillies dans des unités de soins intensifs de l'Ontario, nous proposons un modèle log-logistique avec une survie accélérée ayant des termes partagés de fragilité et des ordonnées à l'origine aléatoires spécifiques à chaque groupe. Nous proposons un nouvel algorithme bayésien variationnel (VB) efficace pour l'estimation des paramètres et en évaluons les performances par des simulations avec un nombre et une taille variables de grappes. Des comparaisons avec les approches h-likelihood et MCMC montrent que notre algorithme VB est efficace sur le plan informatique et fournit des résultats satisfaisants. Nous appliquons notre méthode aux données de ventilation des unités de soins intensifs de l'Ontario afin d'étudier l'effet aléatoire du site de l'unité de soins intensifs sur la durée de la ventilation. Notre article a été publié dans Statistics and Medicine (https://doi.org/10.1002/sim.70198) et notre méthode est implémentée dans le package R survregVB, disponible sur CRAN.
Session
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais