Ćwiczenie z pominięciem cenzurowania

Urządzasz imprezę i o 1 w nocy goście nagle zaczynają tańczyć. Postanawiasz sprawdzić, jak długo będą tańczyć, i zaczynasz zbierać dane. Problem w tym, że w pewnym momencie robisz się senny i idziesz spać.

Uzyskujesz następujące dane o czasie tańca z prawostronnym cenzurowaniem, zapisane w dancedat:

name to imię twojego znajomego.
time to prawostronnie cenzurowany czas tańca.
obs_end wskazuje, czy zaobserwowałeś koniec tańca znajomego (1), czy poszedłeś spać, zanim przestał tańczyć (0).

Rano zaczynasz analizować dane, ale jesteś zmęczony i na początku ignorujesz fakt, że masz cenzurowane obserwacje. Potem przypominasz sobie ten kurs na DataCamp i robisz to poprawnie.

Pakiet survival jest już wczytany w tym ćwiczeniu.

To ćwiczenie jest częścią kursu

Analiza przeżycia w R

Zobacz kurs

Instrukcje do ćwiczenia

Oszacuj funkcję przeżycia, zakładając, że wszystkie cenzurowane obserwacje są rzeczywistymi obserwacjami.
Oszacuj funkcję przeżycia z tego zbioru danych metodą Kaplana-Meiera.
Narysuj obie krzywe przeżycia – poprawną i błędną – za pomocą ggsurvplot_combine() i porównaj je. Zwróć uwagę na różnice między nimi.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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 = ___))

Edytuj i uruchom kod