我有一个接受过肝移植的患者的数据集。他们中的一些人在第 1 组（如果在基线时服用药物 A），其他人在第 2 组（如果在基线时服用药物 B），具体取决于他们服用的免疫抑制药物。
我有兴趣了解第一次从 med A 切换到 med B 的时间如何影响移植物存活。 问题是我对生存分析比较陌生，绝对没有时间相关协变量的经验。鉴于此，我想知道是否有人可以一步一步地告诉我如何将第一次转换时间建模为 Cox 模型中的时间相关协变量，并将移植物丢失时间作为结果？
我已经阅读了一些理论和一些更实用的教程来了解如何做到这一点，所以我知道我需要长格式的数据或所谓的带有 tstart 和 tstop 的计数过程格式等等，但我仍然遇到麻烦定位并找出如何分析这一点的行动计划。我什至不确定使用时间来第一次切换作为时间相关的连续协变量是否有意义，或者它是否应该是二进制的（0/1 表示没有切换/切换）？
下面是一个类似于我的测试数据集，其中：
GROUP=1，如果服用药物 A；如果使用药物 B 则为 2，如果他们从 A 切换为 B 则为 3；
CENSOR=1，如果事件（嫁接失败）发生，否则为0；
FUTIME = 总随访时间（月）（=CENSDT – 移植日期），其中 CENSDT（此处未显示，是事件日期或最后一次随访/死亡日期）
EVTIME=事件发生时间（月）；当 CENSOR=1 时，EVTIME=FUTIME，否则 EVTIME=N/A；
SWITCHDATE（此处未显示）=第一次从药物 A 转换为药物 B 的日期；
SWITCHTIME=第一次从第 1 组切换到第 2 组的时间（=SWITCHDATE – 移植日期）；对于那些在基线时开始使用药物 B 的患者，这将为 0，对于那些开始使用药物 A 并且从不转换的患者，这将是 FUTIME。
ID<-c(“001”, “002”, “003”, “004”, “005”, “006”, “007” ,”008”, “009” ,”010”, “011”, “012”, “013”, “014”, “015”, “016”, “017”, “018”, “019”, “020”, “021”, “022”, “023”, “024”, “025”, “026”, “027”, “028”, “029”, “030”)
censor<-c(0, 0, 0, 0, 1, 1, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 1, 0, 0, 1, 1, 0, 1, 0, 0, 1, 0, 0)
futime<-c(1229, 1659, 733, 6998, 1005, 4726, 3790, 672, 5224, 4143, 4973, 3626, 4296, 977, 2898, 1382, 1164, 1232, 1599, 1795, 3171, 483, 824, 662, 597, 1269, 4120, 621, 3452, 1842)
evtime<-c(NA, NA, NA, NA, 1005, 4726, NA, 672, NA, NA, NA, 3626, NA, NA, NA, NA, 1164, NA, 1599, NA, NA, 483, 824, NA, 597, NA, NA, 621, NA, NA)
switchtime<-c(333, 343, 509, 1630, 558, 147, 2856, 504, 2648, 149, 500, 3624, 3998, 0, 331, 1187, 1164, 336, 143, 111, 3171, 333, 351, 662, 0, 0, 4120, 0, 3452, 0)
group<-c(3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 2, 3, 3, 1, 3, 3, 3, 1, 3, 3, 3, 2, 2, 1, 2, 1, 2)