Всем привет! Возник небольшой вопрос по анализу выживаемости в подгруппах (аналогично графику).

https://www.nejm.org/na101/home/literatum/publisher/mms/journals/content/nejm/2013/nejm_2013.368.issue-13/nejmoa1301228/20130322/images/img_xlarge/nejmoa1301228_f2.jpeg

Я разобрался, как сделать похожий forest plot с текстом и т.п. Вопросы скорее по статистике:
1. Правильно ли я понимаю, что для каждой подгруппы (давайте для примера возьмем возраст и пол) нужно сделать сабсет и сравнить терапии?

У меня Overall модель для всех пациентов такого типа:

coxph(Surv(TIME, EVENT) ~ group, data =  df)

Cоответственно, для каждой категории каждой подгруппы модель остается та же, но датасет сабсетится по-разному:

coxph(Surv(TIME, EVENT) ~ group, data =  df[df["Sex"] == "M" ])
coxph(Surv(TIME, EVENT) ~ group, data =  df[df["Sex"] == "F" ])

и т.д.

ппздще2 :)

Что за либа так отрисовывает красиво?

Дамы и господа. Есть датафрейм, в котором последовательно некто гениальный сделал данные такого вида:

tibble(first = c(1, 1, NA, NA),
       second = c(NA, NA, 1, 1),
       third = c(1, NA, 1, NA),
       fourth = c(NA, 1, NA, 1))

На самом деле там 500 таких переменных. =) Как мне автоматически соединить каждые две переменные в одну по типу: true_first = ifelse(is.na(first), second, first)? Reduce не подходит тут, я так понял. Циклами глупо, всяческие векторизации просто не работают в моих руках.

Хотел ответить, но не было времени. Можно сделать так, внутри ДТ, функциональный стиль.

library(data.table)

dt <-
    data.table(
         first = c(1, 1, NA, NA),
           second = c(NA, NA, 1, 1),
           third = c(1, NA, 1, NA),
           fourth = c(NA, 1, NA, 1)
         )

dt_clean <-
    dt[
         , Map(
              function(X, Y) ifelse(is.na(X), Y, X)
              , X = .SD[, seq(1, ncol(dt), 2), with = F]
              , Y = .SD[, seq(2, ncol(dt), 2), with = F]
         )
    ]

Ого, классно! Спасибо.

о. впервые вижу, как кто-то Map() использует %)