如何将日期格式数据转换为R时间依赖生存分析所需格式？

核心逻辑 #

把日期记录转换为以研究起始日为基准的天数区间，每个区间对应一段观察期，仅在事件发生的最后一行标记death=1。

具体步骤（R语言实现） #

• 1. 加载数据并转换日期类型
  先把字符格式的日期转为R可识别的Date类型，指定格式为dd-mm-yyyy：

  # 模拟原始数据
  df <- data.frame(
    subject = c(5,5,5,5),
    date = c("01-01-2022", "01-04-2022", "01-05-2022", "05-07-2022"),
    death = c(0,0,0,1),
    creatinine = c(0.9,1.5,1.2,1.2)
  )
  
  # 转换日期格式
  df$date <- as.Date(df$date, format = "%d-%m-%Y")
  

• 2. 计算基准天数
  以第一条记录的日期为时间原点（time=0），计算每条记录对应的天数：

  df$time <- as.numeric(df$date - df$date[1])
  

• 3. 生成time1和time2列
  通过移位操作生成区间的起始和终止时间，同时调整death列（仅最后一行保留1）：

  # 生成time1：前一行的time值，第一行设为0
  df$time1 <- c(0, df$time[-nrow(df)])
  # 生成time2：当前行的time值
  df$time2 <- df$time
  # 调整death列：仅最后一行保留1，其余设为0
  df$death <- c(rep(0, nrow(df)-1), 1)
  

• 4. 整理最终格式
  保留需要的列，得到目标格式：

  final_df <- df[, c("subject", "time1", "time2", "death", "creatinine")]
  

转换后结果 #

subject time1 time2 death creatinine
      5     0    90     0        0.9
      5    90   120     0        1.5
      5   120   151     0        1.2
      5   151   185     1        1.2

内容的提问来源于stack exchange，提问作者Mark