如何解决如何使用Surv和coxph在具有随时间变化的干预下的R中进行生存分析？
我有这种格式的生存数据，并且随时间推移会受到干预：
ID start stop status Intervention
1 2 14 0 0
2 2 5 0 0
3 2 3 0 0
3 3 10 1 1
4 5 8 0 0
5 6 10 0 0
例如，对于3号患者ID：从第2天到第3天，患者尚未接受干预（干预= 0），但是从第3天开始一直持续到第10天（患者死亡），患者已接受干预（干预= 1）。
我认为我可以通过以下方式估算暴露的时变效应：
coxph (Surv (start,stop,status) ~ Intervention + cluster (ID),data = df.td)
但是，我最近发现该方法不适用于右删失的数据（Two different results from coxph in R,using same stop and start times,why?）。关于时间相关生存分析的大多数基本指南都使用这样的代码行（例如，https://www.emilyzabor.com/tutorials/survival_analysis_in_r_tutorial.html中的代码）。
考虑到数据的结构，这种方法是否正确估计干预对结果的影响？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
