แบบฝึกหัดที่ละเว้นการ censoring

คุณจัดปาร์ตี้และเวลาตี 1 แขกเริ่มออกมาเต้นรำ คุณอยากวิเคราะห์ว่าแขกแต่ละคนจะเต้นนานแค่ไหน จึงเริ่มเก็บข้อมูล แต่ปัญหาคือคุณง่วงนอนและเข้านอนก่อนที่ทุกคนจะหยุดเต้น

ข้อมูลเวลาเต้นรำแบบ right censored ที่ได้อยู่ใน dancedat ประกอบด้วย:

name คือชื่อของเพื่อนคุณ
time คือเวลาเต้นรำแบบ right-censored
obs_end ระบุว่าคุณสังเกตจนเพื่อนหยุดเต้นจริง (1) หรือคุณเข้านอนก่อน (0)

พอตื่นเช้า คุณเริ่มวิเคราะห์ข้อมูล แต่เพราะยังง่วง จึงลืมคำนึงถึง censored observations ในตอนแรก จากนั้นนึกขึ้นได้ว่าเคยเรียนเรื่องนี้บน DataCamp จึงวิเคราะห์ใหม่อย่างถูกต้อง

ในแบบฝึกหัดนี้ได้โหลดแพ็กเกจ survival ไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Survival Analysis in R

ดูคอร์ส

คำแนะนำการฝึกหัด

ประมาณค่าฟังก์ชันการรอดชีพโดยสมมติว่า censored observations ทุกค่าเป็นข้อมูลจริง
ประมาณค่าฟังก์ชันการรอดชีพจากชุดข้อมูลนี้ด้วยวิธี Kaplan-Meier
พล็อตเส้นโค้งการรอดชีพทั้งสองแบบ (ถูกและผิด) ด้วย ggsurvplot_combine() แล้วเปรียบเทียบความแตกต่าง

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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 = ___))

แก้ไขและรันโค้ด