我正在尝试使用时变协变量进行生存分析。数据来自每年进行的一次纵向调查,我对其进行了操纵,使其看起来像这样:
id event end.time income1 income2 income3 income4
1 1 3 8 10 13 8
2 0 4 13 15 24 35
event表示事件是否发生,end.time是事件发生的时间,在右边的每个后续周期中,我都有随时间变化的协变量。因此,对于观察值1,该事件发生在第3年,并且在第1年期间,他们的收入为8000美元,以此类推。对于观察值2,该事件进行了审查,并且我们拥有直到第4年的数据(当研究进行时)结束)。
最后,我希望我的数据看起来像这样:
id st.time end.time event inc
1 0 1 0 8
1 1 2 0 10
1 2 3 1 13
2 0 1 0 13
2 1 2 0 15
2 2 3 0 24
2 3 4 0 35
我已经查看了tmerge()和SurvSplit()函数,但不确定如何在这种特定情况下应用它们。似乎通过SurvSplit(),我可以按年份使用切点,但不确定如何重塑随时间变化的协变量。
可能是使用通用重塑效果更好?
任何建议将不胜感激。
[大概重新塑形并用dplyr
进行一些操作将起作用。
library(dplyr)
df %>%
tidyr::pivot_longer(cols = starts_with('income'), values_to = 'inc') %>%
group_by(id) %>%
slice(1:first(end.time)) %>%
mutate(st.time = row_number() - 1,
end.time = st.time + 1,
event = replace(event, -n(), 0)) %>%
select(-name)
# id event end.time inc st.time
# <int> <dbl> <dbl> <int> <dbl>
#1 1 0 1 8 0
#2 1 0 2 10 1
#3 1 1 3 13 2
#4 2 0 1 13 0
#5 2 0 2 15 1
#6 2 0 3 24 2
#7 2 0 4 35 3
数据
df <- structure(list(id = 1:2, event = 1:0, end.time = 3:4, income1 = c(8L,
13L), income2 = c(10L, 15L), income3 = c(13L, 24L), income4 = c(8L,
35L)), class = "data.frame", row.names = c(NA, -2L))