Censoring को नज़रअंदाज़ करने वाला अभ्यास

आप एक पार्टी आयोजित करते हैं और रात 1 बजे मेहमान अचानक डांस करना शुरू कर देते हैं। आप यह विश्लेषण करने के इच्छुक हैं कि आपके मेहमान कितनी देर तक डांस करेंगे और आप डेटा जुटाना शुरू करते हैं। समस्या यह है कि कुछ समय बाद आप थक जाते हैं और सोने चले जाते हैं.

आपको dancedat में निम्न right-censored डांसिंग टाइम्स का डेटा मिला है:

name आपके दोस्त का नाम है.
time right-censored डांसिंग टाइम है.
obs_end दर्शाता है कि क्या आपने अपने दोस्त के डांस का अंत देखा (1), या वे रुकने से पहले आप सो गए (0).

आप सुबह डेटा का विश्लेषण शुरू करते हैं, लेकिन आप थके हुए हैं और शुरुआत में इस तथ्य को नज़रअंदाज़ कर देते हैं कि आपके पास censored observations हैं। फिर आपको DataCamp का यह कोर्स याद आता है और आप इसे सही तरीके से करते हैं.

इस अभ्यास के लिए survival पैकेज आपके लिए लोड किया गया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Survival Analysis

पाठ्यक्रम देखें

अभ्यास निर्देश

ऐसी कल्पना करते हुए कि सभी censored observations वास्तव में observed हैं, survival function का अनुमान लगाएँ.
इस डेटासेट से Kaplan-Meier के माध्यम से survival function का अनुमान लगाएँ.
सही और गलत दोनों survival curves को ggsurvplot_combine() से प्लॉट करें और उनकी तुलना करें. ध्यान दें कि वे कैसे अलग हैं.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Create dancedat data
dancedat <- data.frame(
  name = c("Chris", "Martin", "Conny", "Desi", "Reni", "Phil", 
    "Flo", "Andrea", "Isaac", "Dayra", "Caspar"),
  time = c(20, 2, 14, 22, 3, 7, 4, 15, 25, 17, 12),
  obs_end = c(1, 1, 0, 1, 1, 1, 1, 1, 0, 0, 0))

# Estimate the survivor function pretending that all censored observations are actual observations.
km_wrong <- survfit(___(time) ~ 1, data = dancedat)

# Estimate the survivor function from this dataset via kaplan-meier.
km <- survfit(___(___, ___) ~ ___, data = dancedat)

# Plot the two and compare
ggsurvplot_combine(list(correct = ___, wrong = ___))

कोड संपादित करें और चलाएँ