用 tmerge 或 SurvSplit 重塑纵向数据集？

Question

我正在尝试使用随时间变化的协变量进行生存分析。数据来自每年进行的纵向调查，我对其进行了处理，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，右边的每个后续期间都有我的时变协变量。因此，对于观察 1，事件发生在第 3 年，在第 1 年，他们获得了 8000 美元的收入，等等。对于观察 2，事件被审查，我们有到第 4 年的数据（当研究结束）。

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。似乎使用 SurvSplit()，我可以按年份使用切点，但不确定它将如何重塑随时间变化的协变量。

使用通用重塑可能效果更好？

任何建议将不胜感激。

Answer 1

可能会进行一般的重塑以及使用dplyr 进行一些操作。

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

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))