У меня есть два кадра данных следующим образом. Они имеют неравную длину:Определить наличие и степень перекрытия диапазонов дат по идентификационному номеру - два кадра данных
library(lubridate)
id <- c(1, 2, 2, 2, 2, 3, 4, 4, 6, 7, 7, 7, 7, 7, 8, 8, 8, 8, 8, 8, 8, 8, 8, 8, 8, 8, 8, 9, 9, 9, 9,
10, 10, 10, 11, 11, 12, 13, 14, 15, 15, 5451396, 5451396, 5451396, 5451396, 5451396)
admDt <- ymd(c("2000-02-24", "2000-04-30", "2000-06-06", "2001-01-29", "2004-06-10", "2001-05-21",
"2000-01-25", "2000-04-18", "2000-01-14", "1991-10-06", "1992-02-25", "2000-05-17",
"2003-06-06", "2009-02-16", "2000-01-23", "2000-03-10", "2000-04-05", "2000-06-16",
"2000-07-04", "2000-07-27", "2001-01-19", "2002-08-16", "2002-09-19", "2004-04-17",
"2005-08-02", "2005-09-21", "2006-07-10", "2000-02-24", "2000-05-05", "2000-08-29",
"2001-01-24", "2000-01-27", "2000-03-09", "2000-04-15", "2000-03-20", "2002-11-13",
"2000-06-28", "2000-07-02", "2000-06-13", "1999-12-27", "2008-09-10", "2000-04-09",
"2000-06-01", "2002-11-25", "2006-08-04", "2006-10-07"))
sepDt <- ymd(c("2000-02-25", "2000-05-25", "2000-06-06", "2001-02-15", "2004-07-12", "2001-06-01",
"2000-01-31", "2000-04-20", "2000-01-31", "1991-11-07", "1992-03-26", "2000-05-31",
"2003-06-17", "2009-02-23", "2000-03-06", "2000-03-17", "2000-04-06", "2000-06-28",
"2000-07-17", "2000-07-31", "2002-04-19", "2002-09-11", "2003-05-06", "2004-05-03",
"2005-08-31", "2006-05-29", "2009-06-19", "2000-03-09", "2000-05-06", "2000-09-12",
"2001-01-24", "2000-02-15", "2000-03-17", "2000-04-16", "2000-04-20", "2002-12-05",
"2000-07-27", "2000-08-15", "2000-06-22", "2000-02-12", "2008-09-17", "2000-05-26",
"2000-08-29", "2003-02-24", "2006-09-22", "2006-11-10"))
adm <- data.frame(id, admDt, sepDt)
id <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 5451396)
birthDt <- ymd(c("1971-07-22", "1982-08-09", "1976-01-30", "1972-02-03", "1958-05-26", "1979-05-24",
"1971-11-03", "1980-02-05", "1978-06-08", "1969-10-14", "1962-01-01", "1977-03-09",
"1952-01-24", "1974-12-16", "1956-05-05", "1963-07-16"))
dxDt <- ymd(c("2000-02-24", "2000-04-30", "2000-03-03", "2000-01-31", "2000-06-20", "2000-12-13",
"2000-05-14", "2000-01-23", "2000-03-09", "2000-02-15", "2000-05-01", "2000-06-30",
"2000-08-15", "2000-06-22", "2000-01-27", "2000-06-01"))
admPreDx <- c("No", "No", "No", "Yes", "No", "No", "No", "No", "Yes", "Yes","Yes", "Yes", "Yes",
"Yes", "Yes", "Yes")
admPreDxNbr <- c(0, 0, 0, 1, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1)
admPreDxDur <- c(0, 0, 0, 6, 0, 0, 0, 0, 14, 19, 20, 2, 31, 9, 31, 25)
admPostDx <- c("Yes", "Yes", "No", "No", "No", "No", "Yes", "Yes", "No", "Yes", "No", "Yes", "No",
"No", "Yes", "Yes")
admPostDxNbr <- c(1, 1, 0, 0, 0, 0, 1, 1, 0, 1, 0, 1, 0, 0, 1, 3)
admPostDxDur <- c(1, 25, 0, 0, 0, 0, 14, 31, 0, 6, 0, 27, 0, 0, 16, 31)
admDx <- data.frame(id, birthDt, dxDt, admPreDx, admPreDxNbr, admPreDxDur, admPostDx, admPostDxNbr,
admPostDxDur)
> head(adm)
id admDt sepDt
1 1 2000-02-24 2000-02-25
2 2 2000-04-30 2000-05-25
3 2 2000-06-06 2000-06-06
4 2 2001-01-29 2001-02-15
5 2 2004-06-10 2004-07-12
6 3 2001-05-21 2001-06-01
> head(admDx)
id birthDt dxDt admPreDx admPreDxNbr admPreDxDur admPostDx admPostDxNbr admPostDxDur
1 1 1971-07-22 2000-02-24 No 0 0 Yes 1 1
2 2 1982-08-09 2000-04-30 No 0 0 Yes 1 25
3 3 1976-01-30 2000-03-03 No 0 0 No 0 0
4 4 1972-02-03 2000-01-31 Yes 1 6 No 0 0
5 5 1958-05-26 2000-06-20 No 0 0 No 0 0
6 6 1979-05-24 2000-12-13 No 0 0 No 0 0
Фактические наборы данных составляют от 10 000 до 1 000 000+ строк.
Каждый ряд в adm
относится к дискретному госпитализации. Примечание: id
- идентификационный номер пациента, а admDt
и sepDt
относятся к датам поступления и выписки, соответственно. У некоторых пациентов есть множественные поступления.
Каждая строка в admDx
относится к одному пациенту: id
это идентификационный номер пациента (в соответствии с информацией, представленной в adm
), в то время как birthDt
и dxDt
являются роды и диагностика даты пациента, соответственно.
Я проводил анализ продольных/временных рядов и хотел бы определить, были ли пациенты или не были госпитализированы в разные периоды времени до и после диагностики. Для краткости этот вопрос касается одного месяца до и после постановки диагноза. В идеале, я хотел бы:
- Создать дихотомичный переменную («Да»/«Нет»), что указывает на потраченный ли данный пациент время в больнице в течение периода времени (то есть, меня не беспокоит, если они были допускается до наступления периода времени или если они были выписаны после смещения периода времени)
- Рассчитать количество случаев, когда каждый пациент находился в больнице в течение периода времени
- Рассчитать продолжительность (количество дней) каждого пациент находился в больнице в течение периода времени
Я рассмотрел несколько сообщений за несколько дней (например, R Time periods overlapping, Join dataframes by id and overlapping date range, how to show an event happened between two dates in R); однако ни один из них, кажется, не объединяет три аспекта, которые меня интересуют (расчет времени между перекрывающимися датами, несколькими кадрами данных, «группой» [или отдельным человеком]).
Я новичок в R и у меня мало опыта с циклами и более продвинутыми формулами. Похоже, что можно использовать foverlaps
, lubridate
или %overlaps%
от "DescTools"
; однако я не уверен, как построить соответствующие формулы.
Любая помощь была бы принята с благодарностью!
EDIT # 1:
Хотя @ sirallen-х предложений работал на определенный период времени, в приведенном примере, sum(pmin(dxDt, sepDt) - pmax(admDt, dxDt)), by = "id"
вернулся неточные значения в моем реальных данных (например, у больных с множественными госпитализаций длительностью один день [» 2000-01-25 "-" 2000-01-26 "], как сообщается, провел в больнице нулевые дни. Мне это кажется странным, поскольку код, похоже, используется для ответа на подобные примеры. Означает ли этот вопрос тот факт, что У меня есть несколько перекрывающихся диапазонов дат для этих пациентов? Кроме того, как отметил @sirallen, код не выделял, когда пациенты имели одно или более одного приема в течение периода времени.
ниже код предоставляется более прямой путь к первым двум частям моего вопроса, путем определения) ли провел пациент время в больнице, и б) число госпитализаций:
library(data.table)
setDT(adm)
setDT(admDx)[, (4:9) := NULL]
#Period bounds
admDx[, `:=`(dxDtN1 = dxDt %m-% months(1), dxDtP1 = dxDt %m+% months(1))]
#Hospitalised in the month preceding diagnosis
admDx <- adm[admDx, on = .(id, admDt < dxDt, sepDt > dxDtN1), .N, by = .EACHI]
admDx[, `:=` (admPreDx = factor(ifelse(N > 0, "Yes", "No")))]
Однако, рмин код/ртах все еще не работает, возвращая отрицательные значения:
admDx[, `:=` (birthDt = birthDt, dxDt = dxDt, dxDtN1 = dxDt %m-% months(1), dxDtP1 = dxDt %m+% months(1))]
admDx[, `:=` (admPreDxDur=as.numeric(sum(pmin(dxDt, adm$sepDt) - pmax(dxDtN1, adm$admDt)))), by = "id"]
admDx <- select(admDx, admPreDx, N, admPreDxDur)
> head(admDx)
admPreDx N admPreDxDur
1: No 0 -28573
2: No 0 -27160
3: No 0 -28366
4: Yes 1 -29357
5: No 0 -26701
6: No 0 -28044
EDIT # 2
После проверки что вопрос re: pmin/pmax может относиться к использованию >
против >=
: когда используется >
, возвращается правильное значение Dur
; однако, когда используется >=
, Dur
возвращает значение 0.
Как этот код можно настроить, чтобы я мог рассчитать количество дней до даты диагноза и включая дату диагноза?
Вместо описания вашего ожидаемого результата, показывают его (убедитесь, что он отражает ваши примеры) – Sotos
@Sotos Спасибо за обратную связь , Я включил ожидаемый результат во второй кадр данных. –
Если вы хотите включить дату диагностики, просто добавьте '+ (dxDt <= sepDt)' для preDx ('+ (dxDt> = admDt)' для postDx) – sirallen