根据R中的间隔[start，stop]数据估算密度 描述

这个问题的动机来自临床/流行病学研究，其中的研究通常招收患者，然后跟踪他们不同的时间长度

研究开始时的年龄分布通常令人感兴趣，且易于评估，但在研究期间的任何时候，人们偶尔会对年龄分布感兴趣

我的问题是，是否有一种方法可以根据区间数据（如[age_start，age_stop]）估算这样的密度，而无需对以下数据进行扩展？长格式方法似乎不雅观，更不用说它的内存使用了

使用生存包数据的可复制示例

#####准备数据###
图书馆（生存）
图书馆（GG2）
图书馆（dplyr）
数据（冒号，包='survival'）
#使用生存包中的冒号数据集的示例
死亡百分比
#使用死亡时间数据（不重复）
过滤器（etype==2）%>%
#随访结束时的年龄（死亡或审查）
变异（年龄=年龄+（时间/365.25））
####单值分布####
#入学年龄
ggplot（死亡，不良事件（x=年龄））+
几何密度（）+
实验室（title=“图1”，
x=“入职年龄（年）”，
y=“密度”）
####使用人月级数据####
#创建计数过程/人员时间数据集
ccdeath_cp您只需保存特定年龄段患者数量的累积计数，而不必计算越来越精细的时间间隔

setDT(ccdeath)
x <- rbind(
  ccdeath[, .(age = age, num_patients = 1)],
  ccdeath[, .(age = age_last, num_patients = -1)]
)[, .(num_patients = sum(num_patients)), keyby = age]

cccdeath <- x[x[, .(age = unique(age))], on = 'age']
cccdeath[, num_patients := cumsum(num_patients)]
ggplot(cccdeath, aes(x = age, y = num_patients)) + geom_step()

我将沿着以下思路继续：

如果您有兴趣了解研究中
t
天后的年龄分布，那么年龄将只是注册时的年龄加上
t
天。你需要处理那些已经死亡或被正确审查的人的例外情况。在你的例子中，你似乎在人们离开研究时将他们的年龄“冻结”。就我个人而言，我认为未经审查的幸存者的年龄分布在生存分析中更为有用，但我将坚持你在这个例子中的设置

如果
t
小于随访时间，则每个患者在
t
时的两种可能性是登记时的年龄加上
t
。否则，年龄将为登记时的年龄加上随访时间

如果你将其包装在一个函数中，你可以看到在整个研究过程中年龄分布是如何变化的。为完整起见，我们将始终绘制登记时的年龄密度图，以及一条表示当前平均年龄的线：

年龄分布%
突变（年龄t=age+ifelse（时间>t，t，time）/365.25）%>%
ggplot（）+
几何密度（aes（年龄），线型=2，颜色=“灰色50”）+
几何密度（aes（年龄）+
几何线（aes（xintercept=平均值（年龄）），color=“red”，线型=2）+
实验室（x=粘贴（“日龄”，t，“研究范围”），
y=“密度”，
标题=粘贴（“研究中的年龄分布”，t，“天数”））
}

例如：

年龄分布（死亡人数，0）


1年后：

年龄分布（死亡人数，365人）

5年后：

年龄分布（死亡人数，5*365.25）

为了完整性，删除审查/死亡患者的等效功能如下：

年龄分布%
过滤器（时间>t）%>%
突变（年龄t=年龄+t/365.25）%>%
ggplot（）+
几何密度（数据=df，aes（年龄），线型=2，颜色=“灰色50”）+
几何密度（aes（年龄）+
几何线（aes（xintercept=平均值（年龄）），color=“red”，线型=2）+
实验室（x=粘贴（“日龄”，t，“研究范围”），
y=“密度”，
标题=粘贴（“研究中的年龄分布”，t，“天数”））
}

因此，我们可以看到在5年的随访后，分布的形状如何变化：

年龄分布（死亡人数，5*365.25）

---

这更清楚地表明，在最初的队列中，老年人的损失是不成比例的。

虽然这是一个精心设计的问题，但缺乏所使用的数据集或示例数据集。此外，“研究期间任何时间的年龄分布”，这似乎不是您目前正在分析的问题。你现在看到的是年龄分布越来越大。你正在缩短

cut

中的距离，而不是（正如你的问题所暗示的）不同时间间隔中的年龄。@Oliver——你不能重现它吗？当您加载生存库时，冒号数据集应该对您可用。啊，对不起，代码示例中不清楚这一点。在示例开头添加

数据（冒号）

将使每个用户（包括我）都清楚地了解这一点在本例中使用已处理数据的问题是，用于生成数据的日期丢失。由于注册是交错的，并且年龄并非都在同一日历时间收集，因此您无法在任何给定的“实时”时间点准确确定年龄。您只能评估在“合成”时间点（参考神话时间=0）的年龄分布情况。

setDT(ccdeath)
x <- rbind(
  ccdeath[, .(age = age, num_patients = 1)],
  ccdeath[, .(age = age_last, num_patients = -1)]
)[, .(num_patients = sum(num_patients)), keyby = age]

cccdeath <- x[x[, .(age = unique(age))], on = 'age']
cccdeath[, num_patients := cumsum(num_patients)]
ggplot(cccdeath, aes(x = age, y = num_patients)) + geom_step()

smooth_param <- 12
x <- rbindlist(lapply(
  (1:smooth_param-0.5)/smooth_param,
  function(s) {
    rbind(
      ccdeath[, .(age = age+s, num_patients = 1/smooth_param)],
      ccdeath[, .(age = age_last+s, num_patients = -1/smooth_param)]
    )
  }
))[, .(num_patients = sum(num_patients)), keyby = age]

cccdeath <- x[x[, .(age = sort(unique(age)))], on = 'age']
cccdeath[, num_patients := cumsum(num_patients)]
ggplot(cccdeath, aes(x = age, y = num_patients)) + geom_step()