为 r 中的生存分析生成数据答案

【问题标题】：Generating Data for Survival Analysis in r为 r 中的生存分析生成数据
【发布时间】：2020-03-31 09:15:17
【问题描述】：

我有一个数据框来记录个人是否每年服用某种药物：

df_og <- data.frame(
  id=c(1,1,1,2,2,2,3,3,3,3),
  year=c(2001,2002,2003,2001,2002,2003,2000,2001,2002,2003),
  med1=c(1,1,1,1,1,0,0,0,0,1),
  med2=c(0,0,0,0,0,1,0,0,1,0),
  med3=c(0,0,0,0,0,0,1,1,0,0)
)

看起来像这样：

id  year   med1 med2 med3 
1   2001    1    0    0
1   2002    1    0    0
1   2003    1    0    0
2   2001    1    0    0
2   2002    1    0    0
2   2003    0    1    0
3   2000    0    0    1
3   2001    0    0    1
3   2002    0    1    0
3   2003    1    0    0

所以id 列显示受试者的 id，year 观察年份，med1-2-3 变量是虚拟变量，如果已服用药物，则值为 =1，否则为 =0。

我正在尝试创建一个新的数据框：

  id = c(1,2,2,3,3,3),
  time = c(3,2,1,2,1,1),
  failure = c(0,1,0,1,1,0),
  group = c(1,1,2,3,2,1))

看起来像：

  id  time failure med_group
   1   3      0        1
   2   2      1        1
   2   1      0        2
   3   2      1        3
   3   1      1        2
   3   1      0        1

其中：id 显示受试者 ID，time 计算受试者连续服用某种药物的年数，failure 如果受试者在给定年份更换药物，med_group 受试者的药物一直服用。

例子：

第一行df，主题id=1已经连续3年占用med1，所以time=3还没有切换到其他，所以failure=0。
第二排df、id=2已经连续2年占用med1，所以time=2、failure=0、med_group=1。但后来切换到med2，所以time=1、failure=1和med_group=2。

以此类推。这是一个棘手的操作，所以我希望问题足够清楚。

欢迎提出任何建议！干杯

【问题讨论】：

标签： r dataframe binary survival-analysis

【解决方案1】：

我们可以获取长格式的数据，将value = 0、replace每个id中最后一个值的行删除为0，表示没有失败。然后我们group_byname 计算每个组中的行数以及failure 是否发生。

library(dplyr)

df_og %>%
  tidyr::pivot_longer(cols = starts_with('med')) %>%
  filter(value != 0) %>%
  group_by(id) %>%
  mutate(value = replace(value, n(), 0)) %>%
  group_by(name, add = TRUE) %>%
  summarise(time = n(), 
            failure = +all(value == 1))


#     id name   time failure
#  <dbl> <chr> <int>   <int>
#1     1 med1      3       0
#2     2 med1      2       1
#3     2 med2      1       0
#4     3 med1      1       0
#5     3 med2      1       1
#6     3 med3      2       1

【讨论】：