忽略删失的练习
您举办了一场派对，凌晨 1 点客人们突然开始跳舞。您想分析朋友们会跳多久，于是开始收集数据。问题在于，过了一会儿您累了去睡觉了。
您得到的右删失舞蹈时长数据保存在 dancedat 中：
name为您朋友的姓名。time为右删失的跳舞时长。obs_end表示您是否观察到了朋友跳舞结束（1），或是在他们停止前您就去睡了（0）。
您在早上开始分析数据，但因为疲惫，起初忽略了删失观测。随后您想起了在 DataCamp 上学过的课程，按正确的方法处理。
本练习已为您加载 survival 包。
本练习是课程的一部分
R 中的生存分析
练习说明
- 在假设所有删失观测都是真实观测的前提下，估计生存函数。
- 使用 Kaplan-Meier 方法从该数据集估计生存函数。
- 使用
ggsurvplot_combine()将正确与错误的两条生存曲线绘制在一起并进行比较。留意它们的差异。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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 = ___))