R 如何分组求差分

数据data有如下变量：
id为患者编号，disease为病种，time1为入院时间，time2为出院时间。现在要新建一列outcome，指代患者是否治疗有效。规则是：若患者t天内(后次住院的出院时间与前次住院的出院时间之间的间隔)因同样病种住院，则判断前次住院治疗无效。
尝试了很多方法，都没有成功，不知道论坛有没有高手能指点下。希望尽量避免循环，如果必须循环实现也可以。 sample_211.xlsx (31.97 KB)

2017-2-11 23:59:00 上传

样本数据

梦孟小宝 发表于 2017-2-12 08:31
arrange 那个问题是我自己弄错了，不好意思~

我理解和表达可能有点错乱。是这样的：
需要分n=1 和 n > 1然后再合并，是肯定的。
n=1的全部赋予good，也是对的。
n>1的部分，应该改为time3 = lead(time1) - time2，这样可以使得good 和 bad 对应着前一次治疗。
另外rbind避免出错，需要确保两个data列数是对应的，你可以给前一个加个全是NA的time3列，也可以后一个去掉time3这一列。应该表达完整了吧，望采纳，祝成功。

如果用stata软件很好处理：
以id，disease分组，对每一行求上次同患者同病因住院的出院时间，计算这次入院和上次出院的时间间隔，若时间间隔大于t，则对outcome赋值1。 bysort id disease: gen last_time2=time2[_n-1]; gen interval=time1-last_time2; gen outcome=0; replace outcome=1 if interval>30
但是不知道R应该怎么写程序

能不能提供一下作为例子的数据？

初步想法是这样的，
library(tidyverse)
data %>% group_by(id,disease) %>% #是按患者和病种分组
  filter(n() > 1) %>%  #某患者同病种只入院一次的，就没有“有效无效”一说了对不对
  arrange(id,disease,time1) %>%  #按入院时间排序，后面的入院肯定比前一次出院时间靠后对不对
  mutate(time3 = time1 - lag(time2)) %>% #lag应该就是本问题核心了，用入院时间减去上一次出院时间，所得结果作为time3列
  mutate(outcome = ifelse(time3 < t, "bad", "good")) #根据time3与t的大小比较做outcome列，完成


当然啦你的日期需要是可以加减计算的格式而不是字符串，推荐lubridate包。

zerofung 发表于 2017-2-11 19:56
初步想法是这样的，
library(tidyverse)
data %>% group_by(id,disease) %>% #是按患者和病种分组

谢谢回复！！非常感谢你在我只言片语中能完全弄清楚我的问题！
样本数据（sample_211.xls)已经上传到本帖中，但是只是一小部分样本，有可能没有同患者因同病种多次住院的情况，但是对于您了解数据情况和编写程序应该够了。
还有几个问题想请教：
1. arrange(id,disease,time1) 时间数据可以arrange排序吗？我运行的时候总是报错“Error in UseMethod("arrange_") :   no applicable method for 'arrange_' applied to an object of class "function"”
2. filter之后是相当于新生成了一个数据集，还是在原始数据的基础上进行了更改呢？若患者同病种只入院一次，那暂且判断患者治疗有效，也就是对应的outcome的值是good。outcome的数据（包括有效和无效的病例）是要在后续分析中使用的，所以需要在原始数据data中进行更改，而不是生成一个只包含n>2的数据集。
3. 日期数据as.Date 之后不能直接加减运算吗？如果用lubridate包，能不能说具体点怎么用呢？是要跟mutate函数和lag函数整合使用吗？
我也是最近刚学习R，有很多不明白的地方，请多多指点，谢谢啦！终于看到可行的曙光了~谢谢~

梦孟小宝 发表于 2017-2-12 00:11
谢谢回复！！非常感谢你在我只言片语中能完全弄清楚我的问题！
样本数据（sample_211.xls)已经上传到本帖 ...

arrange 那个问题是我自己弄错了，不好意思~

梦孟小宝 发表于 2017-2-12 08:31
arrange 那个问题是我自己弄错了，不好意思~

跑了一下你的数据没有成功，因为你给的数据里没有患者因同病种二次入院的。
另外里面很多一整行完全重复的，你首先需要用filter(!duplicated(id,disease,time1,time2))来去掉重复的。
然后是lubridate包，很好学的。你的数据就加载包后data$time1 <- dmy(data$time1)，time2同理，就好了，具体网上很多教程。lubridate包使R里的时间处理变得简单，不一定跟mutate整合使用的，怎么用都行。lag也是R自带的，怎么用都行，不依赖其他包。
filter的确是生成了新的数据集，但是你要清楚，同病种第一次住院，outcome不可能有good还是bad的（毕竟是对比出来的），所以肯定会有些记录的outcome是NA。所以如果按照你的意思，你可以把n=1的先提出来，都赋予good，其他的按照上面算，然后两个合并（rbind）就好啦。

zerofung 发表于 2017-2-12 10:55
跑了一下你的数据没有成功，因为你给的数据里没有患者因同病种二次入院的。
另外里面很多一整行完全重复 ...

非常感谢！！！！我明天试试！希望成功！！

1. library(tidyverse)
   
2. library(lubridate)
   
3. 
   
4. # 需要专门针对本应用设计一个函数
   
5. judge <- function(vec1, vec2, date, t) { #vec1和vec2对应time1和time2，date指数据统计截止的日期（等下有用了）,t指阈值（单位是天）
   
6.     stopifnot(is.Date(vec1) && is.Date(vec2)) # 确保两个向量是日期格式
   
7.     n <- length(vec1)
   
8.     out <- c(ifelse(vec1[-1] - vec2[-n] > t, "Success", "Failure"),
   
9.              ifelse(date - vec2[n] > t, "Success", "Unkown"))
   
10.     #最近的一次出院日期（包括只有一个记录的情况）应该和统计截止日对比，如果差距大于t说明治疗成功；如果差距小于t，应该是“不确定”。
    
11.     out
    
12. }
    
13. 
    
14. data %>%
    
15.     group_by(id, disease) %>%
    
16.     arrange(time1) %>%
    
17.     mutate(SoF = judge(time1, time2, ymd(20151130), 30))
    
18. Source: local data frame [491 x 5]
    
19. Groups: id, disease [484]
    
20. 
    
21.                                  id disease      time1      time2     SoF
    
22.                               <chr>   <chr>     <date>     <date>   <chr>
    
23. 1  02051870a0a314e4bca5fa3a122d2be0    K635 2015-11-04 2015-11-08  Unkown
    
24. 2  02350b503a0a1269a2f4e94088d60079    K635 2015-10-27 2015-11-01  Unkown
    
25. 3  04245b4515128dc7292fe3d589502f80    K635 2015-05-18 2015-05-22 Success
    
26. 4  045bcde962545ede2f103d7a127cc594    K635 2015-04-13 2015-04-16 Success
    
27. 5  04876f0cb057d51d18ec09b1436f26c8    K635 2015-06-16 2015-06-19 Success
    
28. 6  04d569d8a6a48795c49e030777bfc832    K635 2015-05-06 2015-05-13 Success
    
29. 7  058d6006bc601aa15fed3f8cd7f06fdc    K635 2015-07-27 2015-07-30 Success
    
30. 8  062ed5071ab25773f79c4c8aa1dbf517    K635 2015-12-09 2015-12-10  Unkown
    
31. 9  072c54726572c1b63d407d3690da62ad    K635 2015-05-26 2015-06-02 Success
    
32. 10 0771c5a2f35ea9fee01716a44546fb25    K635 2015-10-09 2015-10-15 Success
    
33. # ... with 481 more rows

复制代码