Cursorでデータハンドリング実践（縦持ちデータ→生存時間解析）

write.csv(df, "long_format_data.csv", row.names = FALSE)

保存したlong_format_data.csvは、後ほどAIに参照させるため作業用フォルダに配置しておいてください。

このサンプルデータには下記のような変数が含まれています。

実際のデータの先頭10行は下記のようになります。

同じ被験者について、複数の時点で取得されたデータが複数の行に格納されています。

生存時間解析用のデータフォーマットについて

ここから、生存時間解析用のデータフォーマットに変換する必要があります。

生存時間解析で必要なデータは、生存期間と、イベントの発生状況を示す変数の2つです。

具体的な手順は下記の通りです。

生存時間解析用データセット作成手順

step 1. 日付データの変換:

「初回来院日」と「死亡日」を、計算可能な日付形式（例：2020年09月02日 → 2020-09-02）に変換します。

step 2. 死亡日の確認:

死亡日の値に基づいて、イベント発生の有無を判断します。

• 死亡日がNAの場合：生存中（打ち切りデータ）
• 死亡日が存在する場合：死亡イベント発生

step 3. 生存期間(surv_time)の計算:

各患者の生存期間を日数で計算します。

• 死亡した患者：初回来院日から死亡日までの日数
• 生存中の患者：初回来院日から観察終了日までの日数
• 計算式: surv_time = 終了日 - 初回来院日

step 4. イベント発生状態(status)の決定:

イベント（死亡）の発生有無を二値変数で表現します。

• 死亡日がある患者: status = 1（イベント発生）
• 死亡日がの患者: status = 0（打ち切り）

step 5. 最終データセットの作成:

計算したsurv_timeとstatusを元のデータに追加し、1患者1行のデータセットを作成します。

AIドリブンなデータハンドリングの実践

それでは、実際にAIに質問してみましょう。

ここでは、生存時間解析に必要なデータの形式を含めて、CursorのCHAT機能 (ctrl+L)で質問してみます。

正確な回答を得るために重要なのは下記の2点です。

• 1. 手持ちのデータセットの中身を理解してもらう
  • 今回は手持ちのlong_format_data.csvを参照させます。参照機能の使い方はこちらの記事をご覧ください。
  • 下記画像のように、Chat上部に@long_format_data.csvと表示されていれば参照機能が働いています。

  
  

• 2. 解析したい内容を具体的に提示する
  • 具体的な解析方法（例：カプランマイヤー曲線を作成）や使用する関数名（例：coxph関数）を提示することで、AIがより的確な回答を出すことができます。

では、AIからの回答を見てみましょう。

# 必要なパッケージの読み込み
library(tidyverse)
library(survival)
library(lubridate)
library(survminer)

# データ読み込み
data <- read_csv("long_format_data.csv")

# 1. 生存時間データの作成
surv_data <- data %>%
  group_by(ID) %>%
  mutate(
    # 日付の変換
    初回来院日 = ymd(初回来院日),
    死亡日 = ymd(死亡日),
    
    # 生存時間の計算（月単位）
    surv_time = ifelse(is.na(死亡日), 
                     as.numeric(difftime(max(初回来院日 %m+% days(90)), 初回来院日, units = "days")/30),
                     as.numeric(difftime(死亡日, 初回来院日, units = "days")/30)),
    
    # イベント指標（死亡=1、生存=0）
    status = ifelse(is.na(死亡日), 0, 1)
  ) %>%
  # 患者ごとに1行に集約
  slice(1) %>%  # 基本情報は同じなので最初の行を保持
  ungroup() %>%
  # 必要な列の選択
  select(ID, 年齢, 性別, 既往歴, 治療レジメン, surv_time, status)

# 2. 治療レジメンで群分け
# 因子化で治療群を明確化
surv_data <- surv_data %>%
  mutate(治療レジメン = factor(治療レジメン))

# 3. 共変量の前処理（例: 既往歴のダミー変数化）
surv_data <- surv_data %>%
  mutate(
    高血圧 = str_detect(既往歴, "高血圧") %>% as.integer(),
    糖尿病 = str_detect(既往歴, "糖尿病") %>% as.integer(),
    心疾患 = str_detect(既往歴, "心疾患") %>% as.integer()
  )

主な処理ステップの解説：

  
日付処理: lubridateパッケージで日付を正式なDate型に変換
  
生存時間計算: 死亡日がある場合は初回来院日からの経過時間、ない場合は最終観測日（90日後）をcensoring時間として計算
  
イベント指標: 死亡の有無を0/1で表現
  
治療レジメンの因子化: カテゴリカル変数として扱うため
  
既往歴の分解: 疾患の有無をダミー変数化（Cox回帰で使用可能に）

ハンドリング後のデータ

上記のコードを実行後のsurv_dataは下記のようになっています。

1回で正しく縦持ちデータから生存時間解析用のデータに変換することができました。

CHAT機能では、Composerで使用できない推論が得意なAiモデルを使用できるメリットがあります。

今回は推論力が高いAIモデルdeepseek-r1を使用しました。少し余談ですがCursorでAIを使用する際の情報セキュリティに関してはこちらの記事をご覧ください。