Question

我的问题看似简单，我希望是。

我有一个数据框，其中包含疾病的诊断日期，二进制变量，指示患者所服用的药物（或暴露和未暴露的组），药物的开始和停止日期，以及整个停止日期。

ID    Diag_date    Treatment    End.date    Drug.start    drug.end
1        NA           0         15/03/2002   01/01/2002    01/02/2002
1        NA           1         15/03/2002   01/02/2002    01/03/2002
1        NA           0         15/03/2002   01/03/2002    NA
2    01/04/2002       1         01/05/2002   01/01/2015    01/02/2002
2    01/04/2002       0         01/05/2002   01/02/2002    01/03/2002
2    01/04/2002       0         01/05/2002   01/03/2002    NA

正如您所看到的，诊断日期不是随时间变化的，但药物的开始和停止日期是。

最好我想回答两个问题：

1.。）如何将每个End.date的整体drug.end转移到最终ID？

2.。）如何创建二进制列，显示诊断日期是否发生在Drug.start和Drug.end之间的时间间隔内？

我希望我的最终数据如下所示：

ID    Diag_date    Treatment    End.Date     Drug.start    Drug.end    Event
1        NA           0         15/03/2002   01/01/2002    01/02/2002   0
1        NA           1         15/03/2002   01/02/2002    01/03/2002   0
1        NA           0         15/03/2002   01/03/2002    15/03/2002   0 
2    01/04/2002       1         01/05/2002   01/01/2015    01/02/2002   0
2    01/04/2002       0         01/05/2002   01/02/2002    01/03/2002   0
2    01/04/2002       0         01/05/2002   01/03/2002    01/05/2002   1

并非每个人都有诊断日期，因为并非样本中的每个人都患有这种疾病。我写的代码如下：

 for (i in 1:nrow(df)) {
   if ((df$Diag_date[i] >= df$Drug.start[i]) && ( df$Diag_date[i] <= df$Drug.stop[i])) {
df$Event[i] <- 1
} else {
df$Event[i] <- 0
  }
}

运行此代码时出现的错误是：

missing value where TRUE/FALSE needed

非常感谢任何帮助。

Answer 1

她可能是data.table等价物

library(data.table)

# Converting to dates
Dates <- names(df)[c(2, 4:6)]
setDT(df)[, (Dates) := lapply(.SD, as.IDate, format = "%d/%m/%Y"), .SDcols = Dates] 

# First question
df[is.na(drug.end), drug.end := End.date] 

# Second question
df[Diag_date >= Drug.start & Diag_date <= drug.end, Event := 1L]

Answer 2

你可以尝试

library(dplyr)
df1 %>%
    mutate_each(funs(as.Date(., '%d/%m/%Y')), matches('start|end|date')) %>%
     mutate(drug.end= as.Date(ifelse(is.na(drug.end), End.date, 
                         drug.end),origin='1970-01-01'),
    Event= as.integer((Diag_date >= Drug.start & Diag_date<=drug.end) & 
                        !is.na(Diag_date))) #%>%
    #mutate_each(funs(format(., '%d/%m/%Y')), matches('start|end|date'))
 #    ID  Diag_date Treatment   End.date Drug.start   drug.end Event
 #1  1       <NA>         0 2002-03-15 2002-01-01 2002-02-01     0
 #2  1       <NA>         1 2002-03-15 2002-02-01 2002-03-01     0
 #3  1       <NA>         0 2002-03-15 2002-03-01 2002-03-15     0
 #4  2 2002-04-01         1 2002-05-01 2015-01-01 2002-02-01     0
 #5  2 2002-04-01         0 2002-05-01 2002-02-01 2002-03-01     0
 #6  2 2002-04-01         0 2002-05-01 2002-03-01 2002-05-01     1

正如@David Arenburg所提到的，最好将'date'列保留为'Date'类。如果您需要“字符”格式，只需取消注释最后一行并运行它。

注意：删除了group_by，因为它不需要

Answer 3

Akrun的回答足以解决手头的问题。建议更直接的代码。

A <- read.table("clipboard", header = T)
Dates <- c("Diag_date", "End.date", "Drug.start", "drug.end")


A[,Dates] <- lapply(A[,Dates],function(x) as.Date(x, format = "%d/%m/%Y"))
A$drug.end[is.na(A$drug.end)] <- as.character(A$End.date[is.na(A$drug.end)])
A$Event <- as.numeric((A$Diag_date >= A$Drug.start & A$Diag_date<=A$drug.end) & !is.na(A$Diag_date))

如何显示R中两个日期之间发生的事件

3 个答案: