R survcheck 检查生存数据集

说明

对生存数据执行一组一致性检查

用法

survcheck(formula, data, subset, na.action, id, istate, istate0="(s0)", 
timefix=TRUE,...)

参数

formula	以 Surv 对象作为响应的模型公式
data	在其中查找 id 、 istate 和公式变量的 DataFrame
subset	表达式，指示在拟合中应使用数据行的哪个子集。默认情况下包括所有观察结果。
na.action	缺失数据过滤函数。在使用任何子集参数后，这将应用于model.frame。默认为 options()\$na.action 。
id	标记独特主题的标识符
istate	一个可选向量，给出每个间隔开始时的当前状态
istate0	当 istate 缺失时，每个受试者的初始状态(在第一个时间间隔)的默认标签
timefix	通过 aeqSurv 函数处理时间，以消除潜在的舍入问题。
...	其他参数，这些参数将被忽略(但如果有人添加了weights，则不会给出错误)

细节

该例程将检查多状态数据集的数据一致性。基本规则是，如果一个主体处于危险之中，他们必须在某个地方，不能同时处于两种状态，并且应该在状态之间进行合理的转换。它报告以下情况的实例数量：

重叠

对同一主题的两个观察结果在时间上重叠，例如区间为 (0, 100) 和 (90, 120)。如果 y 是简单的(时间、状态)生存观察间隔隐式从 0 开始，因此在这种情况下任何重复的标识符都会生成重叠。

跳

受试者时间线中的一个洞，他们在前一个时间间隔结束时处于一种状态，但在随后的时间间隔开始时处于新状态。

差距

受试者时间线中的一个或多个间隙；他们返回时的状态大概与离开时的状态相同。

传送

对象的两个相邻间隔，第一个间隔以一种状态结束，后续间隔以另一种状态开始。他们随着经历的转变而瞬间改变了状态。

每个出现的总数出现在 flags 向量中。可选组件提供标记观测的位置和标识符。

值

包含组件的列表

states	可能状态的向量
transitions	给出从一种状态到另一种状态的转换计数的矩阵
statecount	每个州的访问次数表，例如，18 名受试者访问了 "infection" 州 2 次
flags	给出每张支票计数的向量
istate	istate 向量的副本(如果提供)；否则是一个满足所有检查的构造状态
overlap	包含行号和重叠 id 的列表(如果没有重叠则不存在)
gaps	包含行号和间隙 ID 的列表(如果没有间隙则不存在)
teleport	包含不一致行的行号和 id 的列表(如果没有则不存在)
jumps	包含行号和跳转 id 的列表(如果没有跳转则不存在)

注意

对于具有时间依赖性协变量的数据集，给定的受试者通常会具有状态为“此时无事件”的中间行。 (数值 0)。例如，受试者在时间 0 开始处于状态 1，在时间 10 转换到状态 2，协变量 x 在时间 20 从 135 更改为 156，并在时间 30 最终转换到状态 3。响应将be Surv(c(0, 10, 20), c(10, 20, 30), c(2,0,3)) ：状态变量记录状态变化，在时间 20 没有变化。 istate 变量为 (1, 2, 2)；它包含当前状态，因此当 status = censored 时该值保持不变。

因此，当存在中间观察值时，istate 不仅仅是状态的滞后版本，而且创建起来可能更具挑战性。一种方法是让 survcheck 完成工作：使用每个主题的第一行正确的 istate 参数调用它，或者根本不使用 istate 参数，然后将返回的值插入到 DataFrame 中。