如何使用 R 中的多个事件构建用于生存分析的数据？
How to structure data for survival analysis with multiple events in R?
背景
我有一个项目，我想比较一组接受处方药治疗的人 Y 发生健康事件的时间 X 和其他方面相似但未接受治疗的组（分别为 X=1 和 X=0），同时控制对于一组协变量 C.
我要回答这个问题的数据是某个地理区域在 7 年时间间隔内的健康保险索赔（public 保险）。
- 数据集中的每一行代表一个声明。
- 事件Y被编码为诊断代码，而治疗X被编码为我使用的一种药物序列号确定处方药的国家监管机构。
- 每个患者都使用唯一的
ID 编号进行编码。
- 协变量 C 出现在患者提出索赔的每一行中。因此，例如，他们的地理区域
geo，一个 3 位数代码，将出现在某个 ID 拥有的每个声明中。
因为患者能够经历多个事件并且可以不止一次出现在数据库中（有或没有符合条件的暴露或事件），我选择了 Cox 模型作为我的分析方法，该模型在 ID 来说明主体内（within-ID）的相关性。不过，我不是生存分析方面的专家，而且我从未做过任何随机效应方面的工作。我将使用其 survival 包和方法分析 R 中的数据。
问题
我不确定如何组织我的数据来识别暴露者和发生事件的人。具体来说，我是否只在声明中标记 X=1 one one claim X=1 的人他们的曝光出现在什么地方，或者他们的每一个声明？ （同样适用于结果：符合条件的结果是在所有索赔中标记为 Y=1，还是仅在出现相关诊断代码的索赔中？）
为了说明，这里有一个虚拟数据集代表第一种方法。我们称之为 选项 1:
ID | claim_date | geo | drug | exposed | diagnostic_cd | event |
-------+-------------+------|-------|---------|---------------|---------|
001 | 2011-01-30 | 123 | | 0 | LZ13 | 1 |
001 | 2012-04-12 | 123 | D57 | 1 | SS24 | 0 |
001 | 2014-06-27 | 123 | A60 | 0 | | 0 |
002 | 2017-09-03 | 456 | D57 | 1 | MN45 | 1 |
002 | 2018-12-25 | 456 | C08 | 1 | MN45 | 1 |
在这里，暴露在指标变量 exposed 中被标记为这样，并且它们仅在具有“暴露事件”的声明中被标记 - 符合条件 drug。 ID 001 是 D57，ID 002 是 D57 和 C08。指标 event 也是如此，当存在符合条件的 diagnostic_cd 时等于 1（LZ13 代表 ID 001，MN45 代表 ID 002。）
相比之下，这是另一种方法 -- 选项 2:
ID | claim_date | geo | drug | exposed | diagnostic_cd | event |
-------+-------------+------|-------|---------|---------------|---------|
001 | 2011-01-30 | 123 | | 1 | LZ13 | 1 |
001 | 2012-04-12 | 123 | D57 | 1 | SS24 | 1 |
001 | 2014-06-27 | 123 | A60 | 1 | | 1 |
002 | 2017-09-03 | 456 | D57 | 1 | MN45 | 1 |
002 | 2018-12-25 | 456 | C08 | 1 | MN45 | 1 |
在这里，任何符合条件的drug或diagnostic_cd将在每一行标记你exposed=1或event=1你的 ID 出现了。
我的直觉是 Option 1 是要走的路，但我真的无法解释为什么，我坐在这里怀疑自己。
此外，这可能是一个更适合 CrossValidated 的问题，所以请告诉我是否是这种情况，我会post 解决。
有什么想法吗？
最常见的方法是将暴露（在本例中为二进制暴露）编码为 1 或 0，并将事件编码为 1 或 0。这意味着选项 1 似乎是对任何生存建模的更标准方法分析数据集。
有很多方法可以分析重复事件的生存分析，脆弱模型只是其中之一。脆弱模型的一个问题是它假定所有事件都是平等的，但情况可能并非总是如此。 DAF Amorim 在 International Journal of Epidemiology (https://academic.oup.com/ije/article/44/1/324/654595) 上发表的一篇优秀教程是这篇论文。作者在 R、Stata 和 SAS.
中提供了示例数据集和代码
您的数据似乎缺少的是开始日期，这对于任何生存分析都是必不可少的。
背景
我有一个项目，我想比较一组接受处方药治疗的人 Y 发生健康事件的时间 X 和其他方面相似但未接受治疗的组（分别为 X=1 和 X=0），同时控制对于一组协变量 C.
我要回答这个问题的数据是某个地理区域在 7 年时间间隔内的健康保险索赔（public 保险）。
- 数据集中的每一行代表一个声明。
- 事件Y被编码为诊断代码，而治疗X被编码为我使用的一种药物序列号确定处方药的国家监管机构。
- 每个患者都使用唯一的
ID编号进行编码。 - 协变量 C 出现在患者提出索赔的每一行中。因此，例如，他们的地理区域
geo，一个 3 位数代码，将出现在某个ID拥有的每个声明中。
因为患者能够经历多个事件并且可以不止一次出现在数据库中（有或没有符合条件的暴露或事件），我选择了 Cox 模型作为我的分析方法，该模型在 ID 来说明主体内（within-ID）的相关性。不过，我不是生存分析方面的专家，而且我从未做过任何随机效应方面的工作。我将使用其 survival 包和方法分析 R 中的数据。
问题
我不确定如何组织我的数据来识别暴露者和发生事件的人。具体来说，我是否只在声明中标记 X=1 one one claim X=1 的人他们的曝光出现在什么地方，或者他们的每一个声明？ （同样适用于结果：符合条件的结果是在所有索赔中标记为 Y=1，还是仅在出现相关诊断代码的索赔中？）
为了说明，这里有一个虚拟数据集代表第一种方法。我们称之为 选项 1:
ID | claim_date | geo | drug | exposed | diagnostic_cd | event |
-------+-------------+------|-------|---------|---------------|---------|
001 | 2011-01-30 | 123 | | 0 | LZ13 | 1 |
001 | 2012-04-12 | 123 | D57 | 1 | SS24 | 0 |
001 | 2014-06-27 | 123 | A60 | 0 | | 0 |
002 | 2017-09-03 | 456 | D57 | 1 | MN45 | 1 |
002 | 2018-12-25 | 456 | C08 | 1 | MN45 | 1 |
在这里，暴露在指标变量 exposed 中被标记为这样，并且它们仅在具有“暴露事件”的声明中被标记 - 符合条件 drug。 ID 001 是 D57，ID 002 是 D57 和 C08。指标 event 也是如此，当存在符合条件的 diagnostic_cd 时等于 1（LZ13 代表 ID 001，MN45 代表 ID 002。）
相比之下，这是另一种方法 -- 选项 2:
ID | claim_date | geo | drug | exposed | diagnostic_cd | event |
-------+-------------+------|-------|---------|---------------|---------|
001 | 2011-01-30 | 123 | | 1 | LZ13 | 1 |
001 | 2012-04-12 | 123 | D57 | 1 | SS24 | 1 |
001 | 2014-06-27 | 123 | A60 | 1 | | 1 |
002 | 2017-09-03 | 456 | D57 | 1 | MN45 | 1 |
002 | 2018-12-25 | 456 | C08 | 1 | MN45 | 1 |
在这里，任何符合条件的drug或diagnostic_cd将在每一行标记你exposed=1或event=1你的 ID 出现了。
我的直觉是 Option 1 是要走的路，但我真的无法解释为什么，我坐在这里怀疑自己。
此外，这可能是一个更适合 CrossValidated 的问题，所以请告诉我是否是这种情况，我会post 解决。
有什么想法吗？
最常见的方法是将暴露（在本例中为二进制暴露）编码为 1 或 0，并将事件编码为 1 或 0。这意味着选项 1 似乎是对任何生存建模的更标准方法分析数据集。
有很多方法可以分析重复事件的生存分析，脆弱模型只是其中之一。脆弱模型的一个问题是它假定所有事件都是平等的，但情况可能并非总是如此。 DAF Amorim 在 International Journal of Epidemiology (https://academic.oup.com/ije/article/44/1/324/654595) 上发表的一篇优秀教程是这篇论文。作者在 R、Stata 和 SAS.
您的数据似乎缺少的是开始日期，这对于任何生存分析都是必不可少的。