[英]R reshaping / expanding dataset using survSplit to obtain time-varying variable for cox regression
[英]Reshaping longitudinal dataset with tmerge or SurvSplit?
我正在嘗試使用時變協變量進行生存分析。 數據來自一項每年進行的縱向調查,我將其處理成如下所示:
id event end.time income1 income2 income3 income4
1 1 3 8 10 13 8
2 0 4 13 15 24 35
event 表示事件是否發生,end.time 是事件發生的時間,我在右邊的每個后續時間段都有隨時間變化的協變量。 因此,對於觀察 1,事件發生在第 3 年,在第 1 年,他們獲得了 8000 美元的收入,等等。對於觀察 2,事件被截尾,我們有直到第 4 年的數據(當研究結束)。
最后,我希望我的數據看起來像這樣:
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
我查看了 tmerge() 和 SurvSplit() 函數,但不確定如何在這種特定情況下應用它們。 似乎使用 SurvSplit(),我可以按年使用分割點,但不確定它將如何重塑時變協變量。
可能是使用通用重塑可能效果更好?
任何意見,將不勝感激。
可能進行一般重塑以及對dplyr
進行一些操作會起作用。
library(dplyr)
df %>%
tidyr::pivot_longer(cols = starts_with('income'), values_to = 'inc') %>%
group_by(id) %>%
slice(1:first(end.time)) %>%
mutate(end.time = row_number(),
st.time = end.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
數據
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))
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.