En estudios clínicos y epidemiológicos, cuando el tiempo hasta el evento o los resultados longitudinales están asociados, modelarlos por separado puede dar estimaciones sesgadas. Se requiere un enfoque de modelado conjunto para obtener resultados imparciales y evaluar su asociación. En el modelo conjunto, un sujeto puede estar expuesto a más de un tipo de evento de falla (riesgos competidores). Considerar el evento competidor como una censura independiente del proceso de tiempo hasta el evento puede subestimar la verdadera probabilidad de supervivencia y dar resultados sesgados. Dentro del modelo conjunto, los resultados longitudinales pueden tener trayectorias no lineales (irregulares) a lo largo del tiempo y mostrar sesgo con colas pesadas. En consecuencia, los modelos de efectos mixtos completamente paramétricos pueden no ser lo suficientemente flexibles para modelar este tipo de datos longitudinales complejos. Además, asumir una distribución gaussiana para los errores del modelo puede ser demasiado restrictivo para representar adecuadamente las variaciones dentro del individuo y puede carecer de robustez contra desviaciones de las suposiciones de distribución. Para superar simultáneamente estos problemas, en este artículo presentamos modelos conjuntos semiparamétricos para el tiempo de falla de riesgos competidores y datos longitudinales sesgados utilizando un enfoque de suavizado de spline y una distribución t de sesgo multivariado. También consideramos diferentes enfoques de parametrización en la formulación de modelos conjuntos y utilizamos un enfoque bayesiano para realizar la inferencia estadística. Ilustramos los métodos propuestos analizando datos reales sobre una enfermedad renal crónica. Para evaluar el rendimiento de los métodos, también realizamos estudios de simulación. Los resultados tanto de la aplicación como de los estudios de simulación revelaron que el enfoque de modelado conjunto propuesto en este estudio funcionó bien cuando se tuvieron en cuenta las especificaciones semiparamétricas, de efectos aleatorios y de distribución t de sesgo.