Swimmer plot by Lpierott · Pull Request #99 · Oncostat/grstat

Lpierott · 2025-11-12T13:30:52Z

Faire une fonction : regarder les autres fonctions
- Plots des grades
  
  grstat/R/ae_table_grade.R
  
  Line 189 in 8c69458
  
  ae_plot_grade = function(
- Waterfall plot
  
  grstat/R/waterfall_plot.R
  
  Line 57 in 8c69458
  
  waterfall_plot = function(data, ...,
flèche que si alive (exemple)
Essayer de réduire le nombre de data d'input pour le graphique.
Programmation défensive :
Tu pars du principe que tes données d'input ont une certaine structure (e.g. data1 a une colonne col1 qui est de type numérique), il faut faire des checks pour que les utilisateurs aient un message d'erreur clair.
Ajouter des warnings : par exemple si death avant CR, ce n'est pas normal, il faut faire un warning. Par exemple suivi_fu$first_fu devrait toujours être 0 ?

DanChaltiel

That is amazing work Livia!
Here are a few comments to improve the existing code.

DanChaltiel · 2025-11-13T10:52:13Z

+adm <- recist %>%
+  left_join(enrolres %>% select(subjid, date_inclusion), by = "subjid") %>%
+  # filter(!is.na(rcresp), rcresp != "Progressive disease") %>%
+  filter(!is.na(rcresp)) %>%


Pourquoi filtrer les réponses NA ? On peut avoir une administration quand même non ?

parce que apres pour simuler le reste des datset ca va etre difficil. Le dataset creer c est juste un example. Le statistician est censse en premier lieux preparer son final dataset avant de faire la swimmer plot.

DanChaltiel · 2025-11-13T10:53:38Z

+  # filter(!is.na(rcresp), rcresp != "Progressive disease") %>%
+  filter(!is.na(rcresp)) %>%
+  arrange(subjid, rcdt) %>%   # ensure ordered by patient and RECIST
+  group_by(subjid) %>%


tu peux utiliser l'argument .by dans mutate(), au lieu d'utiliser group_by() puis ungroup()

should be done!

DanChaltiel · 2025-11-13T10:57:01Z

+    ADMDT = if_else(
+      row_number() == 1,
+      pmin(date_inclusion + days(sample(5:15, 1)), rcdt),  # 5–15 days after inclusion but before first RECIST
+      rcdt - days(sample(21:30, 1))          # subsequent admissions: 21–30 days before each RECIST


Pas mal !
Mais je me demande si ça ne fait pas des trucs bizarres parfois.
Je l'aurais fait en 2 étapes : d'abord ADMDT0 qui vaudra pmin(date_inclusion + days(sample(5:15, 1)), rcdt), puis ADMDT qui vaudra ADMDT0 + days(sample(21:30, 1)).
De cette manière, les administrations sont un peu plus découplées des RECIST, c'est plus proche de la réalité non ?

chatgpt a un peu changer. Regarde

DanChaltiel · 2025-11-13T10:57:52Z

+#   group_by(subjid) %>%
+#   mutate(
+#     # Assign ADMYN: 99% Yes, 1% No
+#     ADMYN = sample(c("Yes", "No"), n(), replace = TRUE, prob = c(0.99, 0.01)),


Ouais, j'aime bien l'idée de ADMYN mais c'est overkill pour le moment.

oui j ai essaye et ca me donne quelque problem donc apres avoir perdu pas mal de temps decu j ai laisser tombe

DanChaltiel · 2025-11-13T11:00:07Z

+eot <- eot %>%
+  mutate(
+    # usually after last treatment date but before death
+    EOTLADDT = case_when(


Si tu pouvais ajouter des labels à tes tables simulées, ça facilitera beaucoup la lecture :
%>% apply_labels(EOTLADDT="Last treatment date")

Malheureusement, les labels de TrialMaster ne sont pas tous standardisés donc ce n'est pas toujours lisible

DanChaltiel · 2025-11-13T11:25:40Z

+
+set.seed(2025)
+
+fu <- eot %>%


Je ne suis pas sûr de ce que tu as essayé de faire ici mais ça ne fait sans doute pas ce que tu voulais.
sample(1) vaut toujours 1 donc il n'a pas d'effet, mais sample(1:10) ferait planter la fonction.
Ensuite, plutôt que de mettre à NA selon une probabilité pour filtrer les NA, tu peux utiliser la fonction slice_sample() qui fait pareil en plus court :-)
En l'état tu pourrais remplacer par :

eot %>% rowwise() %>% mutate( n_fu = sample(1), # number of follow-ups per subject FUDT = sort(EOTLADDT + days(sample(4:180, n_fu, replace = FALSE))) ) %>% ungroup() %>% slice_sample(prop=0.3)

est ce que ce code :
mutate(
FUDT = if_else(
runif(n()) < 0.7, # 80% probability
as.Date(NA), # set to missing
FUDT # keep original
)
) %>%
fait la meme chose que slice_sample(prop=0.3)? du coup je change aussi pour le dataset eot?

DanChaltiel · 2025-11-13T12:26:18Z

+  arrange(as.numeric(subjid), rcdt) %>%
+  mutate(ADMDT_first = first(ADMDT), .by = subjid) %>%
+  mutate(ADMDT_last = last(ADMDT), .by = subjid) %>%


C'est un peu dangereux de prendre first/last, il vaut mieux utiliser min/max

adm %>% mutate( ADMDT_first = min(ADMDT), ADMDT_last = max(ADMDT), group="Treatment Administration", .by = subjid )

Mais dans la plupart des cas ça fera exactement la même chose.
D'ailleurs, tu ne sélectionnes pas ADMDT_last ?

okay, j ai chnage. et oui je crois pas que j utilise ADMDT_last , mais je crois que je l"utilise pour simuler les dataset.

DanChaltiel · 2025-11-13T12:27:55Z

+  mutate(visit=ifelse(group=="Treatment Administration",1, NA)) %>%
+  mutate(visit=ifelse(group=="Recist" & rcresp=="Complete response" ,2, visit))%>%
+  mutate(visit=ifelse(group=="Recist" & rcresp=="Partial response" ,2, visit))%>%
+  mutate(visit=ifelse(group=="Recist" & rcresp=="Stable disease" ,3, visit))%>%
+  mutate(visit=ifelse(group=="Recist" & rcresp=="Progressive disease" ,4, visit))%>%
+  mutate(visit=ifelse(group=="Recist" & rcresp=="Not Evaluable" ,5, visit))%>%
+  mutate(visit=ifelse(group=="End of treatment"  ,6, visit)) %>%
+  mutate(visit=ifelse(group=="Death"  ,7, visit)) %>%
+  mutate(visit=ifelse(group=="Alive at last follow up2"  ,8, visit)) %>%
+  mutate(visit=ifelse(group=="Alive at last follow up"  ,9, visit)) %>%
+  mutate(visit=ifelse(group=="Treatment period",10,visit )) %>%


ChatGPT: "stp, transforme ce code en un seul case_when"

c vrai , parfois j'oublie ma grande amie...

DanChaltiel · 2025-11-13T12:30:15Z

+
+# Conversion de la variable visite en facteur
+
+suivi$visit2 <- factor(suivi$visit, c(1:10),


dans le mutate plutôt ?

DanChaltiel · 2025-11-13T14:23:56Z

+
+
+# Final plot --------------------------------------------------------------
+# Problems in the simulated datas I think that makes the graph a bit weird.


For each problem that you can identify, you can write a little defensive program:

if(the_thing_is_weird){ cli_abort("You did something weird") }

en fait j en ai plus besoin la mais effectivement je fais beaucoup de checks. Mais j ai du mal a utiliser ca.

Lpierott added 24 commits October 13, 2025 16:03

data-creation for plot making + gr-example

a211145

adm dataset work in progress

09042fb

Update Swimmer plot.R

18ac067

Update Swimmer plot.R

97e1ea7

Update Swimmer plot.R

4510ec5

start of the creation RCVISIT

9daef87

calcul of variable time from to ....

addd155

PROBLEM WITH THE SIMULATED ADM DATA. resolved pb

3d1f487

cleaning up

8667ea4

creation of FU dataset

a59831c

Update Swimmer plot.R

3b526e4

cleaning up

0d48f71

clean up

17edd50

Update Swimmer plot.R

a3c73b4

amost almost final dataset plot

914973d

the plot

81c4585

cleaning

b4a15b9

cleaning up

5c1e97a

plot updates

8308fa5

pb in the simulated data

fc1936a

comment

095ca1c

more pb

190e512

plot

e113c6a

change in the suivi_fu data subset

7f4dddc

DanChaltiel linked an issue Nov 12, 2025 that may be closed by this pull request

Swimerplot RECIST : implémentation #39

Open

DanChaltiel reviewed Nov 13, 2025

View reviewed changes

Lpierott added 4 commits November 13, 2025 15:47

ADMYN eliminer

cf98ffa

not sure

153336f

reduced the plot use of 2 datas instead of 3.

386636f

note on subjid_num

e6146e6

Lpierott added 7 commits November 24, 2025 11:46

test function

367f339

change names

e87d581

change name

68e0645

change names

017f4f4

updates from Dan"s comments

3b4063c

checks of the function

a45caa1

checks plus test for the help R doc

eac6612

DanChaltiel marked this pull request as draft December 8, 2025 10:53

DanChaltiel assigned Lpierott Apr 17, 2026


		# Conversion de la variable visite en facteur

		suivi$visit2 <- factor(suivi$visit, c(1:10),



		# Final plot --------------------------------------------------------------
		# Problems in the simulated datas I think that makes the graph a bit weird.

Uh oh!

Conversation

Lpierott commented Nov 12, 2025 • edited by DanChaltiel Loading Uh oh! There was an error while loading. Please reload this page.

Uh oh!

Uh oh!

DanChaltiel left a comment

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Lpierott Dec 4, 2025 • edited Loading Uh oh! There was an error while loading. Please reload this page.

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Lpierott Dec 4, 2025 • edited Loading Uh oh! There was an error while loading. Please reload this page.

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Reviewers

Assignees

Labels

Projects

Milestone

Development

Uh oh!

2 participants

Lpierott commented Nov 12, 2025 •

edited by DanChaltiel

Loading

Lpierott Dec 4, 2025 •

edited

Loading

Lpierott Dec 4, 2025 •

edited

Loading