问题描述
我有这种格式的生存数据，并且随时间推移会受到干预：
ID start stop status Intervention
1 2 14 0 0
2 2 5 0 0
3 2 3 0 0
3 3 10 1 1
4 5 8 0 0
5 6 10 0 0
例如，对于3号患者ID：从第2天到第3天，患者尚未接受干预（干预= 0），但是从第3天开始一直持续到第10天（患者死亡），患者已接受干预（干预= 1）。
我认为我可以通过以下方式估算暴露的时变效应：
coxph (Surv (start,stop,status) ~ Intervention + cluster (ID),data = df.td)
但是，我最近发现该方法不适用于右删失的数据（Two different results from coxph in R,using same stop and start times,why?）。关于时间相关生存分析的大多数基本指南都使用这样的代码行（例如，https://www.emilyzabor.com/tutorials/survival_analysis_in_r_tutorial.html中的代码）。
考虑到数据的结构，这种方法是否正确估计干预对结果的影响？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）