Question

如果我有数据集

[]

ID是患者的地方
出生日期是他们的出生日期
STARTDATE是他们进入研究的时间
ENDDATE是他们离开研究的时间
失败是他们是否死亡

某些人有多个开始日期

我正在尝试对其进行操作，以使我们在DOB之后的10年和20年（直到到达ENDDATE）有一个新的STARTDATE条目。所以

ID     DOB         STARTDATE     ENDDATE     FAILURE
1      10/10/75    5/10/84       15/5/03     0
2      15/9/76     10/3/84       19/6/92     0
2      15/9/76     22/2/93       15/1/99     0
2      15/9/76     15/4/99       15/1/03     0

ID = 1保持不变，因为DOB到STARTDATE的差值已经小于10
ID = 2保留三个当前行，并添加两个新行。 DOB之后的10年和DOB之后的20年

到目前为止，我已经尝试通过添加一个新列来解决此问题，该列用于计算进入年龄（STARTDATE-DOB）：

ID     DOB         STARTDATE     ENDDATE     FAILURE
1      10/10/75    5/10/84       15/5/03     0
2      15/9/76     10/3/84       19/6/92     0
2      15/9/76     14/9/86       19/6/92     0
2      15/9/76     22/2/93       15/1/99     0
2      15/9/76     15/9/96       15/1/99     0
2      15/9/76     15/4/99       15/1/03     0

然后像这样运行library(eeptools) AGEENTRY <- age_calc(DOB, STARTDATE, units = "years")

survSplit

我知道在STATA中它可以很好地完成 survSplit(DATA, cut = c(10, 20), end = "AGEENTRY", event = "FAILURE", start = "START")

但是，这并没有完全按照我希望的那样进行。我已经在这个问题上停留了一天多，因此我们将不胜感激！

Answer 1

其中一种方法可能是

library(tidyverse)
library(lubridate)
library(anytime)

#convert character columns of sample data to date columns    
df <- df %>% 
  mutate_if(grepl("/", .), ~ as.Date(., format = "%d/%m/%Y")) 

#identify STARTDATE + 10 (20, 30 ...) years and then process data to have the desired result
df %>%
  group_by(ID, DOB) %>%
  mutate(temp = paste(seq.Date(unique(DOB), max(STARTDATE), by = "10 year")[-1], collapse = ',')) %>%
  separate_rows(temp, sep = ',') %>%
  group_by(STARTDATE, add = T) %>%
  filter(anydate(temp) == min(anydate(temp)[anydate(temp) > STARTDATE])) %>%
  ungroup() %>%   #STARTDATE + 10 (20, 30 ...) years are identified here
  right_join(df) %>%
  mutate(STARTDATE = ifelse(!is.na(temp), paste(STARTDATE, temp, sep = ','), as.character(STARTDATE))) %>%
  separate_rows(STARTDATE, sep = ',') %>%
  select(-temp)

给出

     ID DOB        STARTDATE  ENDDATE    FAILURE
1     1 1975-10-10 1984-10-05 2003-05-15       0
2     2 1976-09-15 1984-03-10 1992-06-19       0
3     2 1976-09-15 1986-09-15 1992-06-19       0
4     2 1976-09-15 1993-02-22 1999-01-15       0
5     2 1976-09-15 1996-09-15 1999-01-15       0
6     2 1976-09-15 1999-04-15 2003-01-15       0

示例数据

df <- structure(list(ID = c(1L, 2L, 2L, 2L), DOB = c("10/10/1975", 
"15/9/1976", "15/9/1976", "15/9/1976"), STARTDATE = c("5/10/1984", 
"10/3/1984", "22/2/1993", "15/4/1999"), ENDDATE = c("15/5/2003", 
"19/6/1992", "15/1/1999", "15/1/2003"), FAILURE = c(0L, 0L, 0L, 
0L)), .Names = c("ID", "DOB", "STARTDATE", "ENDDATE", "FAILURE"
), class = "data.frame", row.names = c(NA, -4L))

#  ID        DOB STARTDATE   ENDDATE FAILURE
#1  1 10/10/1975 5/10/1984 15/5/2003       0
#2  2  15/9/1976 10/3/1984 19/6/1992       0
#3  2  15/9/1976 22/2/1993 15/1/1999       0
#4  2  15/9/1976 15/4/1999 15/1/2003       0

在R中使用survSplit多个开始日期

1 个答案: