建议的工作流

计算随访时间

建议按正确顺序运行以下步骤获得准确的随访时间计算

使用长版本数据集
筛选所有案例在长版本中与您的分析相关的数据集。确保即：

对于每个案例id指数赛事（如First Cancer FC）仍然包含，并且是数据集中剩余的一行最小的案例id(图米德3ZfKD变量数据，以及序列_编号SEER数据）
全部的案例ids可能会也可能不会得到可数事件（如第二原发性癌症SPC）。此事件应该是每个的第二个条目案例id（第二小案例id)如果要计算
在长版本数据集中count_var（计数变量）应表明可计数事件（SPC）是否发生。编码0对于未发生（或未计数事件）和1对于计数的事件。

对筛选的长数据集重新编号：输入筛选长数据集时，应该运行helper函数msSPChelpR:：重新编号time_id_dt（）（或非data.table变体msSPChelpR:：重新编号时间id（）)将重新编号所有事件依据案例id并且（如果完成步骤1）将为每个索引事件分配time_var_new=1和每个第二次（可能是可计数的事件）time_var_new=2。任何与SIR相关的功能都只计算在内第二个事件，如果附加到time_var_new=2对于这一行也是count_var=1是真的。
重塑数据集：运行msSPChelpR:：reconforme_wide_dt（）或非数据表变量msSPChelpR:：reconforme_wide（），以便转置数据集宽格式（每行1行案例id，创建变量，如作为计数变量2).
为第二原发癌设置标志诊断：过滤和整形后，必须进行设置p_spc再一次。此变量将由以下步骤使用分析。
确定患者状态位于通过使用msSPChelpR:：pat_status（）功能。此日期为结束日期后续行动必须：

格式为“YYYY-MM-DD”，并且始终通过结束（_E）=参数
必须在数据收集结束之前。例如，如果最后一个您正在使用的数据集的偶发事件将在最后收集2014年，您的结束（_E）必须是fu_end=“2014-12-15”或更早。
根据新计算的患者状态，您可能需要排除患者状态的病例无法确定

计算随访时间对于通过使用msSPChelpR:：calc_futime（）功能和相同结束（_E）与步骤6相同。按标准，所有的功能msSPChelpR公司套餐需要跟进时间作为数字年份。

计算标准化发病率（SIR）

为了使用包函数计算SIR，请执行以下操作需要数据结构：*宽格式数据宽_ df具有每个遇到索引事件（即诊断出的）的患者一行第一个原发性癌症FC）

数据集宽_ df需要包含以下内容每个患者（行）的变量（列）：
- 区域_var-df中包含信息的变量在案件发生的地区。
- 年龄组变量-df中包含信息的变量年龄组。
- 性别变量-df中包含以下信息的变量生物性。
- 年份（_var）-df中包含以下信息的变量事件发生的年份或年份。
- 站点变量-df中包含以下信息的变量病例（计数事件）诊断。病例通常是第二种癌症。诊断可以使用任何编码系统（例如ICD），但编码系统介于数据集和参考数据必须一致。
- 无效变量-df中包含后续操作的变量首次癌症发生日期和任何死亡日期之间的人均时间事件（案例），FU日期结束（以年为单位；无论先发生什么事件）。在如果您尚未计算FU时间，可以使用工作流如前所述章.

如果数据具有所需的结构，则可以计算和通过以下两个步骤总结SIR：

计算SIR根据SPC诊断使用msSPChelpR:：sir_byfutime（）功能。对于此计算通常需要一个参考数据集来定义总体标准费率。refrates_df（参考.df）必须使用相同的类别年龄、性别、地区、年份和癌位编码为年龄组变量,性别变量,区域_var,年份变量和站点变量

分层SIR计算背后的理论在关于的章节SIR基础知识

总结SIR结果使用msSPChelpR:：summarize_sir_results（）上的函数由前一步骤产生的分层sir结果。

示例

SEER肺癌

步骤1-长数据集

图书馆（dplyr）
#>
#>正在附加包：“dplyr”
#>以下对象从“package:stats”中屏蔽：
#>
#>过滤器，滞后
#>以下对象从“package:base”中屏蔽：
#>
#>相交，setdiff，setequal，并集
图书馆（马格里特）
图书馆（msSPChelpR）
#加载癌症患者的合成数据集以演示包功能
数据(“us_second_cancer”)

#这个数据集是长格式的，所以每个肿瘤在数据中都是一个单独的行
美国第二癌症
#>#A桥：113999×16
#>fake_id SEQ_NUM注册表性别种族日期出生t_datediag t_site_icd t_dco
#><chr><int><chr>
#>1 100004 1 SEER注册…1926-01-01 1992-07-15 C50历史…
#>2 100004 2 SEER注册…1926-01-01 2004-01-15 C54历史…
#>3 100004 3 SEER注册…男白人1926-01-01 2006-06-15 C34历史…
#>4 100004 4 SEER Reg…男白人1926-01-01 2018-06-15 C14 DCO…
#>5 100034 1 SEER注册…男白人1979-01-01 2000-06-15 C50历史…
#>6 100037 1 SEER注册…Fema…White 1938-01-01 1996-01-15 C54 hist…
#>7 100038 1 SEER注册…男白人1989-01-01 1991-04-15 C50历史…
#>8 100038 2 SEER Reg…男白人1989-01-01 2000-03-15 C80历史…
#>9 100039 1 SEER注册…Fema…White 1946-01-01 2003-08-15 C50 hist…
#>10 100039 2 SEER注册…Fema…White 1946-01-01 2011-04-15 C34 hist…
#> # ℹ 113989多行
#> # ℹ 还有7个变量：t_hist<int>、fc_age<int>和datedeath<date>，
#>#p_alive＜chr＞，p_dodmin＜date＞，fc_agegroup＜chr＞，t_yeardiag＜chr＞

步骤2-筛选长数据集

#肺癌过滤器
身份证<-美国第二癌症%>%
  #检测肺癌患者的ids
  滤波器（t_site_icd）== “C34”)%>%
  选择（fake_id）%>%
  as.矢量()%>%
  未命名()%>%
  未列入名单()

过滤的usdata<-美国第二癌症%>%
  #根据上述检测到的ids过滤任何肺癌诊断
  滤波器（fake_id%单位：%ID）%>%
  安排（fake_id）

过滤的usdata
#>#A桥：62661×16
#>fake_id SEQ_NUM注册表性别种族日期出生t_datediag t_site_icd t_dco
#><chr><int><chr>
#>1 100004 1 SEER注册…1926-01-01 1992-07-15 C50历史…
#>2 100004 2 SEER Reg…男白色1926-01-01 2004-01-15 C54历史…
#>3 100004 3 SEER注册…男白人1926-01-01 2006-06-15 C34历史…
#>4 100004 4 SEER Reg…男白人1926-01-01 2018-06-15 C14 DCO…
#>5 100039 1 SEER注册…Fema…White 1946-01-01 2003-08-15 C50 hist…
#>6 100039 2 SEER注册…Fema…White 1946-01-01 2011-04-15 C34 hist…
#>7 100039 3 SEER注册…女性…白色1946-01-01 2018-01-15 C80历史…
#>8 100073 1 SEER Reg…男白人1960-01-01 1993-11-15 C44历史…
#>9 100073 2 SEER注册…男白人1960-01-01 2003-12-15 C34历史…
#>10 100143 1 SEER Reg…男白人1944-01-01 1992-03-15 C50历史…
#> # ℹ 62651多行
#> # ℹ 还有7个变量：t_hist<int>、fc_age<int>和datedeath<date>，
#>#p_alive<chr>、p_dodmin<date>、fc_agegroup<chr]、t_yeardiag<chr

第3步-重新编号`时间id`

重新编号的usdata<-过滤的usdata%>%
  重新编号时间id(新时间变量= “t_tumid”,
                   数据类型= “预言家”,
                   案例_变量= “fake_id”)

重新编号的usdata%>%
   选择（假id、性别、站点id、日期诊断、图米德）
#>#A台：62661×5
#>fake_id性别t_site_icd t_datediag t_tumid
#><chr><chr><chr<date><int>
#>1 100004男C50 1992-07-15 1
#>2 100004男C54 2004-01-15 2
#>3 100004男C34 2006-06-15 3
#>4 100004男C14 2018-06-15 4
#>5 100039女C50 2003-08-15 1
#>6 100039女C34 2011-04-15 2
#>7 100039女C80 2018-01-15 3
#>8 100073男C44 1993-11-15 1
#>9 100073男C34 2003-12-15 2
#>10 100143男C50 1992-03-15 1
#> # ℹ 62651多行

步骤4-重塑宽数据集

美国数据范围<-重新编号的usdata%>%
  重塑宽度tidyr(案例_变量= “fake_id”,时间_变量= “t_tumid”,时间变量最大值= 10)

#现在，数据采用了许多包函数所需的宽格式。
#这意味着，每个病例是一行，每个病例ID有几个肿瘤
#使用timeid作为列名后缀向数据添加新列。
美国数据范围
#>#A桥：31997×136
#>fake_id SEQ_NUM.1注册表.1性别.1种族.1出生日期.1 t_datediag.1
#><chr><int><chr><chr><chr><date><date>
#>1 100004 1 SEER Reg 20-Detroi…男白人1926-01-01 1992-07-15
#>2 100039 1 SEER Reg 02-Connec…Fema…White 1946-01-01 2003-08-15
#>3 100073 1 SEER Reg 01-San Fr.…男白人1960-01-01 1993-11-15
#>4 100143 1 SEER Reg 02-Connec…男白人1944-01-01 1992-03-15
#>5 100182 1 SEER Reg 02-Connec…男其他1927-01-01 1991-09-15
#>6 100197 1 SEER Reg 02-Connec…Fema…White 1945-01-01 2012-06-15
#>7 100208 1 SEER Reg 02-Connec…男白人1970-01-01 2019-11-15
#>8 100230 1 SEER Reg 01-San Fr.…男白人1947-01-01 1992-11-15
#>9 100234 1 SEER Reg 01-San Fr.…男白人1988-01-01 2010-02-15
#>10 100266 1 SEER Reg 01-San Fr.…Fema…White 1956-01-01 2010-07-15
#> # ℹ 31987行
#> # ℹ 129个变量：t_site_icd.1<chr>，t_dco.1<chr>，t_hist.1<int>，
#>#fc_age.1<int>，datedeath.1<date>，p_alive.1<chr>，p_dodmin.1<date>，
#>#fc_agegroup.1，t_yeardiag.1，SEQ_NUM.2，registry.2，注册表，
#>#sex.2<chr>，race.2<chr>，datebirth.2<date>，t_datediag.2<date>，
#>#t_site_icd.2<chr>，t_dco.2<chr>，t_hist.2<int>，fc_age.2<int，
#>#datedeath.2<date>，p_alive.2<chr>，p_dodmin.2<date>…

步骤5-重新计算`p_spc`


美国数据范围<-美国数据范围%>%
数字播放器::突变(p_spc=数字播放器::案例_时间(国际标准编号（t_site_icd）.2)~ “无SPC”,
                         !国际标准编号（t_site_icd）.2)~ “SPC开发”,
                         真的 ~ NA_字符_))%>%
  #创建与数字变量countspc相同的信息
数字播放器::突变(count_spc（计数_秒）=数字播放器::案例_时间(国际标准编号（t_site_icd）.2)~ 1,
                            真的 ~ 0))
美国数据范围%>%
数字播放器::选择（fake_id，性别.1，p_spc，计数_spc，t_site_icd.1,
t_datediag（日期诊断）.1，_站点ID.2，t_日期诊断.2)
#>#A桥：31997×8
#>fake_id性别。1 p_spc计数_站点id。1 t日期诊断。1 t站点id。2
#><chr><chr>
#>1 100004 Male SPC开发0 C50 1992-07-15 C54
#>2 100039女性SPC开发0 C50 2003-08-15 C34
#>3 100073男性SPC开发0 C44 1993-11-15 C34
#>4 100143 Male SPC开发了0 C50 1992-03-15 C34
#>5 100182男性SPC开发0 C18 1991-09-15 C34
#>6 100197女性SPC开发0 C34 2012-06-15 C50
#>7 100208男No SPC 1 C34 2019-11-15<NA>
#>8 100230 Male SPC开发0 C44 1992-11-15 C34
#>9 100234男No SPC 1 C34 2010-02-15<NA>
#>10 100266女No SPC 1 C34 2010-07-15<NA>
#> # ℹ 增加31987行
#> # ℹ 还有一个变量：t_datediag.2<date>

步骤6-在FU结束时确定患者状态

美国数据范围<-美国数据范围%>%
  帕特状态(.,结束（_E）= "2017-12-31",数据类型= “预言家”,
             状态变量= “p_status”,生命值（_V）= “p_alive.1”,
             spc_var值= “p_spc”,出生日期变量= “出生日期。1”,
             寿命数据变量= “datedeath.1”,fcdat变量= “t_datediag.1”,
             spcdat变量= “t_datediag.2”,生活_状态_生活= “活着”,
             生命状态数据= “死亡”,spc_stat_是= “SPC开发”,
             spc_stat_no（统计编号）= “无SPC”,生命数据（_fu_end）= "2019-12-31",
             使用lifedatmin= 错误的,检查= 真的,
             作为标签因子= 真的)
#>#A台：10×3
#>p_alive。1 p_status n
#><chr><fct><int>
#>1名在FC后存活的患者（在…5986后有或无SPC）
#>2名SPC 11421后存活的患者
#>3 Alive NA-患者未在FU结束前出生4
#>4 Alive NA-患者在FU 873结束前未发生癌症
#>5名FC后存活的死亡患者（909年后是否进行SPC）
#>SPC 1294后6名患者死亡
#>7名患者在FC 6116后死亡
#>SPC 5286后8名患者死亡
#>9死亡NA-患者在FU结束前未发生癌症44
#>10死亡NA-患者死亡日期缺失64
#>#A tibble:7×2
#>p_状态n
#><fct><int>
#>1名患者在FC后存活（FU结束后有或无SPC）6895
#>2名SPC 12715后存活的患者
#>3名患者在FC 6116后死亡
#>4名患者在SPC 5286后死亡
#>5不适用-患者未在FU结束前出生4
#>6 NA-患者在FU 917结束前未发生癌症
#>7不适用-患者死亡日期缺失64

美国数据范围%>%
数字播放器::选择（fake_id、p_status、p_alive.1，日期死亡.1，_站点ID.1，t_datediag.1,
_站点ID.2，t_日期诊断.2)
#>#A桥：31997×8
#>fake_id p_status p_alive.1日期死亡.1 t站点识别码.1 t日期诊断码.1 t站点标识码.2
#><chr><fct><chr><日期><chr><日期>
#>1 100004患者…Alive NA C50 1992-07-15 C54
#>2 100039患者…活着NA C50 2003-08-15 C34
#>3 100073患者…死亡2012-06-01 C44 1993-11-15 C34
#>4 100143患者…Alive NA C50 1992-03-15 C34
#>5 100182患者…活着NA C18 1991-09-15 C34
#>6 100197患者…活着NA C34 2012-06-15 C50
#>7 100208 NA-宾夕法尼亚州…死亡2019-11-15 C34 2019-11-15<NA>
#>8 100230患者…活着NA C44 1992-11-15 C34
#>9 100234患者…活着NA C34 2010-02-15
#>10 100266患者…死亡2010-07-15 C34 2010-07-15<NA>
#> # ℹ 31987行
#> # ℹ 还有一个变量：t_datediag.2<date>

#或者，您可以使用lifedatminvar插补死亡日期
美国数据范围%>%
  帕特状态(.,结束（_E）= "2017-12-31",数据类型= “预言家”,
             状态变量= “p_status”,寿命变量= “p_alive.1”,
             spc_var值= “p_spc”,出生日期变量= “出生日期。1”,
             寿命数据变量= “死亡日期。1”,fcdat变量= “t_datediag.1”,
             spcdat变量= “t_datediag.2”,生活_状态_生活= “活着”,
             生命状态数据= “死亡”,spc_stat_是= “SPC开发”,
             spc_stat编号= “无SPC”,生命数据（_fu_end）= "2019-12-31",
             使用lifedatmin= 真的,寿命数据最小值= “p_dodmin.1”,
             检查= 真的,作为标签因子= 真的)
#>#A台：9×3
#>p_alive。1 p_status n
#>＜chr＞＜fct＞＜int＞
#>1名FC后存活的患者（例如5986后有或无SPC）
#>2名SPC 11421后存活的患者
#>3 Alive NA-患者未在FU结束前出生4
#>4 Alive NA-患者在FU 873结束前未发生癌症
#>5名FC后存活的死亡患者（如913后有或无SPC）
#>SPC 1295后6名死亡患者存活
#>7名患者在FC 6138之后死亡
#>8名患者在SPC 5323后死亡
#>9死亡NA-患者在FU结束前未发生癌症44
#>#A台：6×2
#>p_状态n
#><fct><int>
#>1名患者在FC后存活（FU结束后有或无SPC）6899
#>2名SPC 12716后存活的患者
#>3名患者死于FC 6138
#>4名患者在SPC 5323后死亡
#>5不适用-患者未在FU结束前出生4
#>6 NA-患者在FU 917结束前未发生癌症
#>#A桥：31997×139
#>fake_id SEQ_NUM.1注册表.1性别.1种族.1出生日期.1 t_datediag.1
#><chr><int><chr><chr><chr><date><date>
#>1 100004 1 SEER Reg 20-Detroi…男白人1926-01-01 1992-07-15
#>2 100039 1 SEER Reg 02-Connec…Fema…White 1946-01-01 2003-08-15
#>3 100073 1 SEER Reg 01-San Fr.…男白人1960-01-01 1993-11-15
#>4 100143 1 SEER Reg 02-Connec…男白人1944-01-01 1992-03-15
#>5 100182 1 SEER Reg 02-Connec…男其他1927-01-01 1991-09-15
#>6 100197 1 SEER Reg 02-Connec…Fema…White 1945-01-01 2012-06-15
#>7 100208 1 SEER Reg 02-Connec…男白人1970-01-01 2019-11-15
#>8 100230 1 SEER Reg 01-San Fr.…男白人1947-01-01 1992-11-15
#>9 100234 1 SEER Reg 01-San Fr.…男白人1988-01-01 2010-02-15
#>10 100266 1 SEER Reg 01-San Fr.…Fema…White 1956-01-01 2010-07-15
#> # ℹ 31987行
#> # ℹ 132个其他变量：tsite_icd.1<chr>，tdco.1<chr>，t_hist.1<int>，
#>#fc_age.1＜int＞，datedeath.1＜date＞，p_alive.1＜chr＞，p_dodmin.1＜date＞，
#>#fc_agegroup.1，t_yeardiag.1，SEQ_NUM.2，registry.2，注册表，
#>#sex.2<chr>，race.2<chr>，datebirth.2<date>，t_datediag.2<date>，
#>#t_site_icd.2<chr>，t_dco.2<chr>，t_hist.2<int>，fc_age.2<int，
#>#datedeath.2<date>，p_alive.2<chr>，p_dodmin.2<date>…

步骤6b-根据地位

美国数据范围<-美国数据范围%>%
数字播放器::滤波器(!p_status（状态）%单位：% c(“NA-患者未在FU结束前出生”,
                                 “NA-患者在FU结束前未发生癌症”,
                                 “NA-患者死亡日期缺失”))

美国数据范围%>%
数字播放器::计数（p_status）
#>#A台：4×2
#>p_状态n
#><fct><int>
#>1名患者在FC后存活（FU结束后有或无SPC）6895
#>2名SPC 12715后存活的患者
#>3名患者死于FC 6116
#>4名患者在SPC 5286后死亡

步骤7-计算FU时间

美国数据范围<-美国数据范围%>%
   计算_无效时间(.,futme_var_new公司= “p_futimeyrs”,结束（_E）= "2017-12-31",
               数据类型= “预言家”,时间单位= “年”,
               寿命数据变量= “datedeath.1”,
               fcdat变量= “t_datediag.1”,spcdat变量= “t_datediag.2”)
#>#A台：4×5
#>p_status意味着使用时间最小使用时间最大使用时间中位数使用时间
#><fct><dbl><dbl
#>1名患者术后存活（9.56 0.0438 27.0 8.29
#>2名SPC后存活的患者8.70 0 26.9 7.50
#>3患者在FC 8.60 0 25.9 7.54后死亡
#>4名患者在SPC 6.29 0 25.3 5.17后死亡

美国数据范围%>%
数字播放器::选择（fake_id、p_status、p_futmeyrs、p_alive.1，日期死亡.1，t_datediag.1，t_datediag.2)
#>#A桥：31012×7
#>fake_id p_status p_futmeyrs p_alive.1日期死亡.1日期诊断.1日期诊断.2
#><chr><fct><dbl><chr><date><date>
#>1 100004患者…11.5 Alive NA 1992-07-15 2004-01-15
#>2 100039患者…7.67 Alive NA 2003-08-15 2011-04-15
#>3 100073患者…10.1死亡2012-06-01 1993-11-15 2003-12-15
#>4 100143患者…3.33 Alive NA 1992-03-15 1995-07-15
#>5 100182患者…7.08 Alive NA 1991-09-15 1998-10-15
#>6 100197患者…4.83 Alive NA 2012-06-15 2017-04-15
#>7 100230患者…11.0活的NA 1992-11-15 2003-11-15
#>8 100234患者…7.87 Alive NA 2010-02-15 NA
#>9 100266患者…0死亡2010-07-15 2010-07-15NA
#>10 100274患者…7.38死亡2011-06-01 2004-01-15 NA
#> # ℹ 31002多行

步骤8-计算SIR

sircalc结果<-美国数据范围%>%
  先生_比弗提姆(
    数据类型= “预言家”,
    ybreak变量= c(“比赛.1”,“t_dco.1”),
    xbreak变量= “无”,
    徒劳的断裂= c(0,1/12,2/12,1,5,10,Inf公司),
    count_var（计数变量）= “count_spc”,
    refrates_df（参考.df）=美国兄弟会2，
    calc_total_低= 真的,
    计算_总计_ fu= 真的,
    区域_var= “注册表.1”,
    年龄变量= “fc_年龄组.1”,
    性别变量= “性别。1”,
    年份变量= “t_yeardiag.1”,
    race_var（赛车变量）= “比赛.1”,
    站点（_var）= “t_site_icd.1”,#使用按第二癌症发病率分组
    无效变量= “p_futmeyrs”,
    阿尔法= 0.05)
#>
计算SIR■■■■18%|预计到达时间:5秒

计算SIR■■■■■■■■23%|预计到达时间:5秒

计算SIR■■■■■■■■■27%|预计到达时间:4秒

计算SIR■■■■■■■■■■■32%|预计到达时间:4秒

计算SIR■■■■■■■■■■■■36%|预计到达时间:4秒

计算SIR■■■■■■■■■■■■■41%|预计到达时间:4秒

计算SIR■■■■■■■■■■■■■■■45%|预计到达时间:3秒

计算SIR■■■■■■■■■■■■■■■■50%|预计到达时间:3秒

计算SIR■■■■■■■■■■■■■■■■■55%|预计到达时间:3秒

计算SIR■■■■■■■■■■■■■■■■■■■59%|预计到达时间:2秒

计算SIR■■■■■■■■■■■■■■■■■■■■64%|预计到达时间:2秒

计算SIR■■■■■■■■■■■■■■■■■■■■■68%|预计到达时间:2秒

计算SIR■■■■■■■■■■■■■■■■■■■■■■■73%|预计到达时间:2秒

计算SIR■■■■■■■■■■■■■■■■■■■■■■■■77%|预计到达时间:1秒

计算SIR■■■■■■■■■■■■■■■■■■■■■■■■■■82%|预计到达时间:1秒

计算SIR■■■■■■■■■■■■■■■■■■■■■■■■■■■86%|预计到达时间:1秒

计算SIR■■■■■■■■■■■■■■■■■■■■■■■■■■■■91%|预计到达时间:1秒

计算SIR■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■95%|预计到达时间:0秒

                                                                 
[信息案例0PYARs]地层与0跟随-正常运行时间有数据在里面观察。
#> ℹ 受影响地层30层。
#>-这可能是由SPC与第一次癌症发生在同一天的病例引起的。
#>-您可以通过排除wide_df中的所有病例来检查这一点，其中首次诊断的日期相等。
#> ! 检查结果的属性“problems_not_empty”，查看受影响的层。
#>[信息意外情况]结果文件中有观察到的情况，但refrates_df中没有出现。
#> ℹ 2665个地层受到影响。
#>可能的解释是：
#>-DCO案例或
#>-第二次癌症的诊断发生时间与第一次癌症不同
#> ! 检查结果的“notes_refcases”属性，查看受影响的地层。
#>

sircalc结果%>% 打印(n个= 100)
#>#A整理表：421430×22
#>年龄区域性竞赛年份yvar_name yvar_label fu_time t_site观察
#><chr><chr>
#>1 00-…SEER…Fema…Black 1990…total_var整体达到1米…C14 0
#>200-…SEER…Fema…Black 1990…total_var整体达到1米…C18 0
#>3 00-…SEER…Fema…Black 1990…total_var整体达到1米…C34 0
#>400-…SEER…Fema…Black 1990…total_var整体达到1米…C44 0
#>5 00-…SEER…Fema…Black 1990…total_var整体达到1米…C50 0
#>6 00-…SEER…Fema…Black 1990…total_var总高度为1米…C54 0
#>7 00-…SEER…Fema…Black 1990…total_var整体达到1米…C64 0
#>8 00-…SEER…Fema…Black 1990…total_var整体达到1米…C80 0
#>9 00-…SEER…Fema…Black 1990…total_var整体0.0833…C14 0
#>10 00-…SEER…Fema…Black 1990…total_var整体0.0833…C18 0
#>11 00-…SEER…Fema…Black 1990…total_var整体0.0833…C34 0
#>12 00-…SEER…Fema…Black 1990…total_var整体0.0833…C44 0
#>13 00-…SEER…Fema…Black 1990…total_var整体0.0833…C50 0
#>14 00-…SEER…Fema…Black 1990…total_var整体0.0833…C54 0
#>15 00-…SEER…Fema…Black 1990…total_var整体0.0833…C64 0
#>16 00-…SEER…Fema…Black 1990…total_var整体0.0833…C80 0
#>17 00-…SEER…Fema…Black 1990…total_var整体0.167-…C14 0
#>18 00-…SEER…Fema…Black 1990…total_var整体0.167-…C18 0
#>19 00-…SEER…Fema…Black 1990…total_var整体0.167-…C34 0
#>20 00-…SEER…Fema…Black 1990…total_var整体0.167-…C44 0
#>21 00-…SEER…Fema…Black 1990…total_var整体0.167-…C50 0
#>22 00-…SEER…Fema…Black 1990…total_var整体0.167-…C54 0
#>23 00-…SEER…Fema…Black 1990…total_var整体0.167-…C64 0
#>24 00-…SEER…Fema…Black 1990…total_var整体0.167-…C80 0
#>25 00-…SEER…Fema…Black 1990…total_var整体1-5年…C14 0
#>26 00-…SEER…Fema…Black 1990…total_var整体1-5年…C18 0
#>27 00-…SEER…Fema…Black 1990…total_var整体1-5 ye…C34 0
#>28 00-…SEER…Fema…Black 1990…total_var整体1-5年…C44 0
#>29 00-…SEER…Fema…Black 1990…total_var整体1-5年…C50 0
#>30 00-…SEER…Fema…Black 1990…total_var整体1-5年…C54 0
#>31 00-…SEER…Fema…Black 1990…total_var整体1-5年…C64 0
#>32 00-…SEER…Fema…Black 1990…total_var整体1-5 ye…C80 0
#>33 00-…SEER…Fema…Black 1990…total_var整体5-10年…C14 0
#>34 00-…SEER…Fema…Black 1990…total_var整体5-10年…C18 0
#>35 00-…SEER…Fema…Black 1990…total_var整体5-10年…C34 0
#>36 00-…SEER…Fema…Black 1990…total_var整体5-10年…C44 0
#>37 00-…SEER…Fema…Black 1990…total_var整体5-10年…C50 0
#>38 00-…SEER…Fema…Black 1990…total_var整体5-10年…C54 0
#>39 00-…SEER…Fema…Black 1990…total_var整体5-10年…C64 0
#>40 00-…SEER…Fema…Black 1990…total_var整体5-10年…C80 0
#>41 00-…SEER…Fema…Black 1990…total_var整体10+ye…C14 0
#>42 00-…SEER…Fema…Black 1990…total_var整体10+ye…C18 0
#>43 00-…SEER…Fema…Black 1990…total_var整体10+ye…C34 1
#>44 00-…SEER…Fema…黑色1990…total_var整体10+ye…C44 0
#>45 00-…SEER…Fema…Black 1990…total_var整体10+ye…C50 0
#>46 00-…SEER…Fema…Black 1990…total_var整体10+ye…C54 0
#>47 00-…SEER…Fema…Black 1990…total_var整体10+ye…C64 0
#>48 00-…SEER…Fema…Black 1990…total_var整体10+ye…C80 0
#>49 00-…SEER…Fema…Black 1990…total_var总计…C14 0
#>50 00-…SEER…Fema…Black 1990…total_var总计…C18 0
#>51 00-…SEER…Fema…Black 1990…total_var总体…C34 1
#>52 00-…SEER…Fema…Black 1990…total_var总体…C44 0
#>53 00-…SEER…Fema…Black 1990…total_var总计…C50 0
#>54 00-…SEER…Fema…Black 1990…total_var总计…C54 0
#>55 00-…SEER…Fema…Black 1990…total_var总体…C64 0
#>56 00-…SEER…Fema…Black 1990…total_var总计…C80 0
#>5700-…SEER…Fema…Black 1990…种族。1黑人对1米…C14 0
#>5800-…SEER…Fema…Black 1990…种族。1黑人对1米…C18 0
#>5900-…SEER…Fema…Black 1990…种族。1黑人对1米…C340
#>60 00-…SEER…Fema…Black 1990…种族。1黑人对1米…C44 0
#>6100-…SEER…Fema…Black 1990…种族。1黑人对1米…C50 0
#>6200-…SEER…Fema…Black 1990…种族。1黑人对1米…C540
#>63 00-…SEER…Fema…Black 1990…种族。1黑人对1米…C64 0
#>64 00-…SEER…Fema…Black 1990…种族。1黑人对1米…C80 0
#>65 00-…SEER…Fema…黑色1990…种族。1黑色0.0833…C14 0
#>6600-…SEER…Fema…Black 1990…种族。1黑人0.0833…C18 0
#>67 00-…SEER…Fema…Black 1990…种族.1黑色0.0833…C34 0
#>68 00-…SEER…Fema…Black 1990…种族。1黑人0.0833…C44 0
#>69 00-…SEER…Fema…Black 1990…种族。1黑人0.0833…C50 0
#>70 00-…SEER…Fema…Black 1990…种族。1黑人0.0833…C54 0
#>71 00-…SEER…Fema…Black 1990…种族.1黑色0.0833…C64 0
#>72 00-…SEER…Fema…Black 1990…种族.1黑色0.0833…C80 0
#>7300-…SEER…Fema…Black 1990…种族.1黑色0.167-…C14 0
#>74 00-…SEER…Fema…黑色1990…种族。1黑色0.167-…C18 0
#>75 00-…SEER…Fema…Black 1990…种族.1黑色0.167-…C34 0
#>76 00-…SEER…Fema…Black 1990…种族.1黑色0.167-…C44 0
#>77 00-…SEER…Fema…黑色1990…种族。1黑色0.167-…C50 0
#>78 00-…SEER…Fema…Black 1990…种族.1黑色0.167-…C54 0
#>7900-…SEER…Fema…Black 1990…种族.1黑色0.167-…C64 0
#>80 00-…SEER…Fema…Black 1990…种族.1黑色0.167-…C80 0
#>81 00-…SEER…Fema…Black 1990…种族。1黑人1-5岁…C14 0
#>8200-…SEER…Fema…黑色1990…种族。1黑色1-5 ye…C18 0
#>83 00-…SEER…Fema…Black 1990…种族。1黑人1-5岁…C34 0
#>84 00-…SEER…Fema…Black 1990…种族。1黑人1-5岁…C44 0
#>85 00-…SEER…Fema…Black 1990…种族。1黑人1-5岁…C50 0
#>86 00-…SEER…Fema…Black 1990…种族。1黑人1-5岁…C54 0
#>8700-…SEER…Fema…Black 1990…种族。1 Black 1-5 ye…C64 0
#>88 00-…SEER…Fema…Black 1990…种族。1黑人1-5岁…C80 0
#>89 00-…SEER…Fema…Black 1990…种族。1黑人5-10岁…C14 0
#>90 00-…SEER…Fema…Black 1990…种族.1黑人5-10岁…C18 0
#>91 00-…SEER…Fema…Black 1990…种族.1黑人5-10岁…C34 0
#>92 00-…SEER…Fema…Black 1990…种族.1黑人5-10岁…C44 0
#>93 00-…SEER…Fema…Black 1990…种族。1黑人5-10岁…C50 0
#>94 00-…SEER…Fema…Black 1990…种族。1黑人5-10岁…C54 0
#>95 00-…SEER…Fema…Black 1990…种族.1黑人5-10岁…C64 0
#>96 00-…SEER…Fema…Black 1990…种族.1黑人5-10岁…C80 0
#>97 00-…SEER…Fema…Black 1990…种族。1黑人10+ye…C14 0
#>9800-…SEER…Fema…Black 1990…种族。1黑人10+ye…C18 0
#>99 00-…SEER…Fema…Black 1990…种族.1黑人10+ye…C34 1
#>100 00-…SEER…Fema…Black 1990…种族。1黑人10+ye…C44 0
#> # ℹ 421330多行
#> # ℹ 还有12个变量：预期<dbl>、sir<dbl]、sirlci<dbl>siruci<dbl、，
#>#pyar<dbl>，n_base<dbl]，ref_inc_cases<dbl>，ref_population_pyar<dbl，
#>#ref_inc_crude_rate<dbl>，fu_time_sort<int>，yvar_sort<int>，
#>#警告<chr>

步骤9-总结SIR结果

#摘要功能是多功能的。例如，输出最小的摘要

sircalc结果%>%
  #总结不同地区、年龄、年份和地点的结果
  汇总_最终结果(.,
                        summarize_groups（摘要组）= c(“地区”,“年龄”,“年”,“比赛”),
                        摘要_站点= 真的,
                        输出= “长”,输出信息= “最小”,
                        添加总计行= “仅”,加总fu= “否”,
                        塌陷_ci= 错误的,shorten_total_cols（缩短总计颜色）= 真的,
                        fubreak变量名称= “定时（_T）”,ybreak变量名称= “yvar_name”,
                        xbreak变量名称= “无”,站点变量名称= “t_site”,
                        阿尔法= 0.05
)%>%
数字播放器::选择(-区域，-年龄，-年，-比赛，-性别，-yvar_name）
#>警告：结果文件“sir_df”包含i_observed中观察到的案例，这些案例在refrates_df（ref_inc_cases）中没有出现。
#>因此，变量n_base和ref_population_pyar的计算是不明确的。
#>我们取每个变量的第一个值。预计跨地层计算n_base、ref_population_pyar和ref_inc_crude_rate时会出现小的不一致。
#> ! 如果您想了解更多信息，请查看`sir_df`的`warnings`列。
#>#A整理表：7×8
#>yvar_label fu_time fu_time_stort t_site观测到预期sirci
#><chr><chr><int><chr><dbl><dbl><chr
#>1总计1个月1总计306 20.6 14.9 13.25…
#>2总计0.0833-0.167年…2总计74 20.4 3.62 2.84年…
#>3总计0.167-1年3总计717 196年。3.65 3.39 …
#>4总体1-5年4总体2995 760。3.94 3.8 -…
#>5总共5-10年5总共3113 605年。5.14 4.96 …
#>6总计10年以上6总计4254 502。8.47 8.22 …
#>7总计0至Inf…7总计11459 2105。5.44 5.34 …

使用构建

sessionInfo（会话信息）()
#>R版本4.3.2（2023-10-31 ucrt）
#>平台：x86_64-w64-mingw32/x64（64位）
#>运行于：Windows 11 x64（内部版本22631）
#>
#>矩阵产品：默认
#>
#>
#>区域设置：
#>[1]LC_COLLATE=C
#>[2]LC_CTYPE=英语_美国.utf8
#>[3]LC_MONETARY=英语_美国.utf8
#>[4]LC_NUMERIC=C
#>[5]LC_TIME=英语_美国.utf8
#>
#>时区：欧洲/柏林
#>tzcode源：内部
#>
#>附加的基本包：
#>[1]stats graphics grDevices utils datasets方法库
#>
#>其他附加包：
#>[1]msSPChelpR_0.9.1磁头_2.0.3 dplyr_1.1.4
#>
#>通过命名空间加载（未附加）：
#>[1]jsonlite_1.8.8编译器4.3.2 tidyselect_1.2.0字符串_1.5.1
#>[5]tidytable_0.10.2 tidyr_1.3.0 jquerylib_0.1.4 yaml_2.3.8
#>[9]fastmap_1.1.1 R6_2.5.1一般_0.1.3标记_1.2.0
#>[13]knitr_1.45 for cats_1.0.0 tibble_3.2.1洞察力_0.19.7
#>[17]杂交_1.9.3 bslib_0.6.1柱_1.9.0 rlang_1.1.3
#>[21]utf8_1.2.4字符串_1.8.3缓存_1.0.8 xfun_0.41
#>[25]sass_0.4.8 timechange_0.2.0 cli_3.6.2 withr_3.0.0
#>[29]消化_0.6.34 rstudioapi_0.15.0 haven_2.5.4 hms_1.1.3
#>[33]生命周期_1.0.4 vctrs_0.6.5数据表_1.14.10评估_0.23
#>[37]胶_1.7.0风扇_1.0.6 rmarkdown_2.25 purr_1.0.2
#>[41]工具_4.3.2 pkgconfig_2.0.3 htmltools_0.5.7

msSPChelpR包简介-从长数据集到SIR分析

玛丽安·埃贝尔

2020年10月26日

介绍

建议的工作流

计算随访时间

计算标准化发病率（SIR）

SIR背后的理论

示例

SEER肺癌

步骤1-长数据集

步骤2-筛选长数据集

第3步-重新编号`时间id`

步骤4-重塑宽数据集

步骤5-重新计算`p_spc`

步骤6-在FU结束时确定患者状态

步骤6b-根据地位

步骤7-计算FU时间

步骤8-计算SIR

步骤9-总结SIR结果

使用构建

msSPChelpR包简介-从长数据集到SIR分析

玛丽安·埃贝尔

2020年10月26日

介绍

建议的工作流

计算随访时间

计算标准化发病率（SIR）

SIR背后的理论

示例

SEER肺癌

步骤1-长数据集

步骤2-筛选长数据集

第3步-重新编号时间id

步骤4-重塑宽数据集

步骤5-重新计算p_spc

步骤6-在FU结束时确定患者状态

步骤6b-根据地位

步骤7-计算FU时间

步骤8-计算SIR

步骤9-总结SIR结果

使用构建

第3步-重新编号`时间id`

步骤5-重新计算`p_spc`