具有时间相关变量的周期性事件数据的数据结构和函数调用

我试图估算的2种药物（的影响drug1，drug2在（病人的跌倒的可能性）event）。患者可以跌倒不止一次，并且可以在任何时候穿上或脱下药物。

我的问题是，关于时间段（天）的数据应如何组织，特别是两天之间是否需要重叠。我认为我的结构有错误的原因有两个，第一个是看似不正确的N。在时间段为一天（即）的情况下，我也遇到了一些错误time1=4，time2=4并且不确定如何编码。后续输入的开始时间应该是先前输入的停止时间吗？我已经尝试了两种方式（有和没有重叠），并且尽管重叠消除了警告，但N仍然不正确。

Warning message:
In Surv(time = c(0, 2, 7, 15, 20, 0, 18, 27, 32, 35, 39, 46, 53,  :
  Stop time must be > start time, NA created

现在，我已经设置了数据，下一个条目的开始是第二天。独特的患者由其识别chart numbers。

Time1    Time2    Drug1    Drug2   Event    ChartNo
    0        2        1        0       0        123
    3       10        1        1       1        123
   11       14        1        1       1        123
    0       11        0        1       0        345
    0       19        1        0       1        678
    0        4        0        1       0        900
    5       18        1        1       0        900

第2天开始时，患者123处于用药1状态，此后他们又添加了药物2。他们从第3天到第10天都服用这两种药物，然后第一次下降，然后在第14天又跌了两次，同时仍然服用两种药物。患者345服用了11天的毒品2后没有摔倒（然后接受检查），依此类推。

实际估算如下：

S <- Srv(time=time1, time2=time2, event=event)
cox.rms <- cph(S ~ Drug1 + Drug2 + cluster(ChartNo), surv=T)

我主要担心的是，n据报告我的分析是2017（数据中的行数），而实际上我只有314唯一的患者。我不确定这是正常现象还是我在执行过程中出错的结果。

> cox.rms$n
Status
No Event    Event 
    1884      133 

coxph()从生存包使用时也是如此。

 n= 2017, number of events= 133

事件数是正确的。

这篇文章似乎将其与我描述的“重叠”进行了设置，但我不确定N，并且它们似乎并没有聚集在一起ID。

您的数据格式正确。

由于反复发生的事件以及药物的复杂性是随时间变化的协变量，因此每位患者有多个记录。您使用的打印输出head有助于理解这些数据。

分析重复事件以及时变协变量的典型方法是将数据格式化为“长”格式，其中每一行代表一个风险协变量观测值的间隔。例如，我们看到从时间0到时间2，患者123独自使用药物1，然后从时间3开始改变为同时服用药物1和药物2。那时，他们没有跌倒，因此他们从0-2开始观察当时已接受审查，因为我们不知道如果他们继续单独服用毒品1，他们跌倒还会持续多久。在第3点，他们重新进入队列，被编码为同时服用两种药物的患者，使用了7个时间单位，然后经历了第一次跌倒。他们仅在4个时间单位后就经历了同一药物组合的第二次跌倒。

记录数不是同类群组数据的有用汇总。不足为奇的是，行数远大于患者数。取而代之的是将从开始到停止的时间相加，并将其记录为有风险的人的时间量。队列分母有助于理解发病率。汇总患者的原始人数也很有用，但是请记住数据是“长”格式的，因此少于数据集中的行数。

对于错误，我认为您可能需要在“停止”日期添加1个单位。如果患者123在第0天，第1天和第2天服用药物1，然后在第3天开始服用药物2，则他们经历了3天的药物1跌落风险，但是2-0 = 2，那是不正确的分母。

“集群”论点所做的（通常）是虚弱的，这是一种随机拦截，它解释了可能归因于几个未测风险因素的成比例风险差异。我不经常进行虚弱的分析。您可以省略“群集”命令，并将结果解释为发生率。您可以在所有患者中直到第一次跌倒之前的时间交替拟合cox模型，并将危险比解释为危险比。我认为虚弱的结果应该介于这两者之间，而我从来都不十分清楚该怎么解释。