เปรียบเทียบวิธี

	แบบจำลองร่วมสำหรับข้อมูลตามช่วงเวลาและข้อมูลเวลาจนเกิดเหตุการณ์	Mixed Effects Model
สาขาวิชา	การวิเคราะห์การอยู่รอด	สถิติศาสตร์
ตระกูล	Survival analysis	Regression model
ปีกำเนิด	2004	1982
ผู้ริเริ่ม	Tsiatis, A.A. & Davidian, M.; Rizopoulos, D.	Laird & Ware
ประเภท	Semiparametric regression model	Mixed effects regression
แหล่งต้นตำรับ	Rizopoulos, D. (2012). Joint Models for Longitudinal and Time-to-Event Data. CRC Press.	Laird, N. M., & Ware, J. H. (1982). Random-effects models for longitudinal data. Biometrics, 38(4), 963–974.
ชื่อเรียกอื่น	joint model, shared random effects model, longitudinal-survival joint model, Joint Model (Boylamsal + Sağkalım Birleşik Model)	LME, LMM, mixed model, random effects model
ที่เกี่ยวข้อง	5	4
สรุป	The joint model for longitudinal and time-to-event data, formalised by Tsiatis and Davidian in 2004 and extended comprehensively by Rizopoulos in 2012, simultaneously estimates a mixed-effects model for repeatedly measured biomarkers and a survival model for the time to an event, linking the two processes through shared random effects. It resolves two major problems that simpler approaches cannot handle: informative dropout from longitudinal studies and the endogeneity of time-varying biomarkers used as covariates in a Cox model.	A mixed effects model (or linear mixed model) extends ordinary regression by including both fixed effects — population-level parameters shared by all observations — and random effects that capture subject-, group-, or cluster-level variability. It is the standard tool for repeated-measures, longitudinal, and multilevel data where observations within the same unit are correlated.