Question

如果在同一PATIENT_ID中，第二个ADMISSION_DATE与第一个ADMISSION_DATE和第一个DISCHARGE_DATE相同，我希望将行计为1行。 / p>

这些是我在数据集中遇到的各种情况：

[问题的主要部分] 案例1 ：如果患者被同一INSITUTION_CODE内的其他ADMISSION_DATE所接受（即患者被转移），我们将此视为1次录取，并将录取归因于该机构的出院日期较晚。对于PATIENT_ID1，他被录取到A，然后在同一天后来进入D。当我们进行计数时，他的ADMISSIONS_NUMBER_TOTAL为1，他的ADMISSIONS_NUMBER_D为1，他的平均停留时间（即ADMISSIONS_AVE_LOS）为3/1 = 3
情况2 ：如果患者被收治并在同一天出院，我们将其视为1次收治。对于PATIENT_ID3，他被录入B，然后在同一天出院。因此，这将算作1次入场。他后来改天被录入B。当我们进行计数时，他的ADMISSIONS_NUMBER_TOTAL为2，他的ADMISSIONS_NUMBER_B为2，他的平均LOS（即ADMISSIONS_AVE_LOS）为（0 + 7）/ 2 = 3.5
第3种情况：如果患者第一次入院的DISCHARGE_DATE与第二次入院的ADMISSION_DATE相同（即患者回家并再次入院再次入院），我们将其视为单独的招生。对于PATIENT_ID4，他被准许进入C一段时间，然后出院，然后再次被接纳。当我们进行计数时，他的ADMISSIONS_NUMBER_TOTAL为2，他的ADMISSIONS_NUMBER_C为2，他的平均LOS（即ADMISSIONS_AVE_LOS）为（3 + 7）/ 2 = 5

数据：

df <- read.table(text = "
PATIENT_ID  VISIT_TYPE_DESCRIPTION  INSITUTION_CODE ADMISSION_DATE  DISCHARGE_DATE  LENGTH_OF_STAY  CASE_NO
PATIENT_ID1 Inpatient   A   20130225    20130225    0   CASE_NO1
PATIENT_ID1 Inpatient   D   20130225    20130228    3   CASE_NO2
PATIENT_ID2 Inpatient   A   20130604    20130604    0   CASE_NO3
PATIENT_ID3 Inpatient   B   20130503    20130503    0   CASE_NO4
PATIENT_ID3 Inpatient   B   20130508    20130515    7   CASE_NO5
PATIENT_ID4 Inpatient   C   20130628    20130701    3   CASE_NO6
PATIENT_ID4 Inpatient   C   20130701    20130708    7   CASE_NO7", header = TRUE, stringsAsFactors = FALSE)

代码： 我写了一段代码来处理这些数据，但它仅有助于解决案例2和3，而不能解决案例1。

library(dplyr)
df %>% 
  group_by(PATIENT_ID) %>%
  mutate(ADMISSIONS_NUMBER_TOTAL= n(),
         ADMISSIONS_NUMBER_A  = sum(INSITUTION_CODE == "A"),
         ADMISSIONS_NUMBER_B  = sum(INSITUTION_CODE == "B"),
         ADMISSIONS_NUMBER_C  = sum(INSITUTION_CODE == "C"),
         ADMISSIONS_NUMBER_D  = sum(INSITUTION_CODE == "D"),
         ADMISSIONS_NUMBER_E  = sum(INSITUTION_CODE == "E"),
         ADMISSIONS_AVE_LOS   = sum(LENGTH_OF_STAY)/n()) %>%
  slice(1) %>% ungroup() %>%
  select(PATIENT_ID, ADMISSIONS_NUMBER_TOTAL:ADMISSIONS_AVE_LOS)

所需数据：

df <-  read.table(text = "
PATIENT_ID  ADMISSIONS_NUMBER_TOTAL ADMISSIONS_NUMBER_A ADMISSIONS_NUMBER_B ADMISSIONS_NUMBER_C ADMISSIONS_NUMBER_D ADMISSIONS_NUMBER_E ADMISSIONS_AVE_LOS
PATIENT_ID1 1   0   0   0   1   0   3
PATIENT_ID2 1   1   0   0   0   0   0
PATIENT_ID3 2   0   2   0   0   0   3.5
PATIENT_ID4 2   0   0   2   0   0   5", header = TRUE, stringsAsFactors = FALSE)

Answer 1

这是我使用tidyverse软件包套件（包括dplyr，但我还需要tidyr和purrr中的函数）来解决的方法。

第一步：解决“案例1”问题：

library(tidyverse)
tmp_df <- df %>%
  split(., interaction(.$PATIENT_ID, .$ADMISSION_DATE)) %>% # from base R
  map_df(~ arrange(.x, DISCHARGE_DATE) %>% tail(1)) %>% # from `purrr`
  group_by(PATIENT_ID)

第2步：计算一般摘要：

df_general <- tmp_df %>% 
    summarize(
      ADMISSIONS_NUMBER_TOTAL= n(),
      ADMISSIONS_AVE_LOS = mean(LENGTH_OF_STAY)
    )

第3步：计算机构特定的摘要：

df_inst <- tmp_df %>% 
  mutate(val = 1) %>%
  spread(INSITUTION_CODE, val, fill = 0) %>%  # from tidyr
  summarize_at(vars(A:D), sum) %>%
  select(PATIENT_ID, A:D) %>%
  rename_at(vars(A:D), ~paste0("ADMISSIONS_NUMBER_", .x))

第4步：将其合并在一起：

df_output <- full_join(df_general, df_inst)

这时，如果顺序重要，则可以使用select重新排列列。

如果2行共享相同的值，如何将2行计为1行？

1 个答案: