Hvordan tilrettelegge data for overlevelsesanalyse

Det er flere måter å beregne «tid» (antall tidsenheter fra start på måleperiode frem til en spesifikk hendelse skjer) i overlevelsesanalyse. Vi vil demonstrere to metoder her:

a) Forløpsimport og bruk av startdateringsvariabler

b) Ferdige dateringsvariabler med faste verdier per enhet/individ

Skriptet under demonstrerer hvordan man gjør tilretteleggingen ved de to alternativene. Det er noen likhetstrekk, men også noen forskjeller:

 require no.ssb.fdb:23 as ds

textblock
A) Bruk av hendelsesvariabler og collapse(min)
----------------------------------------------
endblock

//Lager datasett med relevant hendelsesvariabel og definerer måleperiode
create-dataset arbeidsledige
import-event ds/ARBSOEK2001FDT_HOVED 2010-01-01 to 2019-12-15 as astatus

//Beholder alle hendelser hvor arbeidssøkerstatus = helt arbeidsledig og dato >= 2010
keep if astatus == '1' & START@astatus > date(2010,01,01)

//Trekker ut første forekomst av hendelse og aggregerer opp til individnivå
collapse (min) START@astatus, by(PERSONID_1)

//Kjører analysen på et lite tilfeldig utvalg (valgfritt)
sample 10000 3245

//Beregner antall dager fra start på måleperiode til første gang hendelse skjer
generate dager = START@astatus - date(2010,01,01)
replace dager = 0 if dager < 0
summarize dager
histogram dager

textblock
Lager variabelen hendelse som tar verdien 1 for alle med verdi på antall dager. De som ikke har 
verdi for antall dager eller som har hendelsesdato etter at måleperioden er passert, 
får verdien 0 (personer med verdien 0 kalles sensurerte tilfeller på fagspråket).
endblock

generate hendelse = 1 if sysmiss(dager) == 0
replace hendelse = 0 if sysmiss(dager) | START@astatus > date(2019,12,15)

textblock
Setter antall dager til maksverdi for personer der hendelsen ikke har skjedd i løpet av 
måleperioden. Dette er altså personer som har gått gjennom hele måleperioden uten at hendelsen 
har skjedd. Disse får dessuten hendelse = 0 satt gjennom steget over.
endblock

replace dager = date(2019,12,15) - date(2010,01,01) if sysmiss(dager)

tabulate hendelse, summarize(dager) mean freq

//Lager en årsvariabel for å kunne bruke antall år i stedet for antall dager
generate år = int(dager/365.24)
tabulate år, missing
histogram år, discrete
summarize år hendelse
histogram dager

textblock
Henter diverse tilleggsvariabler for å kunne sammenlikne overlevelsesrater mellom grupper 
av befolkningen
endblock

import ds/BEFOLKNING_KJOENN as kjønn
import ds/BEFOLKNING_INVKAT as invkat
import ds/BEFOLKNING_FOEDSELS_AAR_MND as fdato

generate alder2010 = 2010 - int(fdato/100)
generate aldersgruppe = 1
replace aldersgruppe = 2 if alder2010 > 30
replace aldersgruppe = 3 if alder2010 > 50
define-labels alderslabel 1 "Alder 0-30 år" 2 "Alder 31-50 år" 3 "Alder 51 år ->"
assign-labels aldersgruppe alderslabel

generate norsk = 0
replace norsk = 1 if invkat == 'A'

kaplan-meier hendelse år
kaplan-meier hendelse dager

kaplan-meier hendelse år, by(kjønn)
kaplan-meier hendelse dager, by(kjønn)

kaplan-meier hendelse år, by(aldersgruppe)
kaplan-meier hendelse dager, by(aldersgruppe)

summarize norsk
tabulate hendelse norsk
tabulate år norsk

define-labels norsklabel 0 "Utenlandsk opprinnelse" 1 "Norsk opprinnelse"
assign-labels norsk norsklabel

kaplan-meier hendelse år, by(norsk)
kaplan-meier hendelse dager, by(norsk)

kaplan-meier hendelse år, by(invkat)
kaplan-meier hendelse dager, by(invkat)
tabulate år invkat

cox hendelse år norsk alder2010 i.kjønn
cox hendelse år norsk alder2010 i.kjønn, hazard
cox hendelse dager norsk alder2010 i.kjønn
cox hendelse dager norsk alder2010 i.kjønn, hazard


textblock
B) Tverrsnittsdatasett med dateringer som faste variabler
---------------------------------------------------------
endblock

//Lager datasett bestående av personer over 70 år som er bosatt i Norge per 2010-01-01
create-dataset eldre
import ds/BEFOLKNING_FOEDSELS_AAR_MND as fdato
import ds/BEFOLKNING_STATUSKODE 2010-01-01 as regstat
generate alder = 2010 - int(fdato/100)
keep if alder > 70 & regstat == '1'

textblock
Henter en ferdig dateringsvariabel (fast opplysning): Dødsdato. Gjør noen operasjoner for 
å kunne lage standard UnixTime-format på datoer gjennom funksjonen date()
endblock

import ds/BEFOLKNING_DOEDS_DATO as dødsdato
summarize dødsdato
replace dødsdato = string(dødsdato)
generate yyyy = substr(dødsdato,1,4)
generate mm = substr(dødsdato,5,2)
generate dd = substr(dødsdato,7,2)
destring yyyy
destring mm
destring dd
generate dødsdato2 = date(yyyy,mm,dd)
summarize dødsdato2

//Regner ut antall dager frem til dødsdato målt fra 2010-01-01
generate dager = dødsdato2 - date(2010,01,01)
replace dager = 0 if dager < 0 

textblock
Setter hendelse = 1 dersom dødsdato har en verdi som er større enn 2010-01-01. 
Bruker 2023-01-01 som max måledato. Andre får hendelse = 0.
endblock

generate hendelse = 0
replace hendelse = 1 if sysmiss(dødsdato) == 0 & dødsdato2 >= date(2010,01,01) & dødsdato2 <= date(2023,01,01)

textblock
Setter antall dager til maksverdi dersom ingen dødsdato eller dødsdato skjer etter siste måletidspunkt
endblock

replace dager = date(2023,01,01) - date(2010,01,01) if sysmiss(dager) | dødsdato2 > date(2023,01,01)

tabulate hendelse, summarize(dager) mean freq

//Lager en årsvariant til måling av antall år
generate år = int(dager/365.24)
tabulate år

kaplan-meier hendelse år
kaplan-meier hendelse dager

//Henter kjønn for å kunne sammenlikne overlevelsesrate mellom kjønn
import ds/BEFOLKNING_KJOENN as kjønn

kaplan-meier hendelse år, by(kjønn)
kaplan-meier hendelse dager, by(kjønn)

cox hendelse år alder i.kjønn
cox hendelse år alder i.kjønn, hazard
cox hendelse dager alder i.kjønn
cox hendelse dager alder i.kjønn, hazard