R: Функция поиска предметов, потерянных для контроля?

Question

У меня есть большой вторичный кадр данных с данными наблюдения за выживанием (несколько записей для каждого идентификатора объекта). Я пытаюсь выяснить, какие субъекты имели свои последние данные наблюдений, записанные до конца периода наблюдения (например, до 100-й недели в случае этого исследования). По сути, я пытаюсь выяснить, кто был потерян, чтобы следить. Есть ли функция, которая делает это? Прошу прощения, если на тот же вопрос уже был дан ответ, но я не мог придумать технически конкретные условия, чтобы найти что-либо в веб-поиске. У меня есть базовая грамотность в R, но у меня нет действительно сильного технического фона. Спасибо за ваше время и помощь!

В выдержке из приведенного ниже информационного фрейма. Существует один случай, когда последнее наблюдение составляет менее 105 недель (104).

structure(list(ID = c(140L, 140L, 141L, 142L, 142L, 143L, 143L, 
144L, 144L, 144L, 144L), WEEK = c(40L, 105L, 105L, 11L, 105L, 
103L, 104L, 37L, 48L, 65L, 105L), OBSDATE = structure(c(40L, 
107L, 107L, 11L, 107L, 105L, 106L, 37L, 48L, 65L, 107L), .Label = c("2002-12-29", 
"2003-01-05", "2003-01-12", "2003-01-19", "2003-01-26", "2003-02-02", 
"2003-02-09", "2003-02-16", "2003-02-23", "2003-03-02", "2003-03-09", 
"2003-03-16", "2003-03-23", "2003-03-30", "2003-04-06", "2003-04-13", 
"2003-04-20", "2003-04-27", "2003-05-04", "2003-05-11", "2003-05-18", 
"2003-05-25", "2003-06-01", "2003-06-08", "2003-06-15", "2003-06-22", 
"2003-06-29", "2003-07-06", "2003-07-13", "2003-07-20", "2003-07-27", 
"2003-08-03", "2003-08-10", "2003-08-17", "2003-08-24", "2003-08-31", 
"2003-09-07", "2003-09-14", "2003-09-21", "2003-09-28", "2003-10-05", 
"2003-10-12", "2003-10-19", "2003-10-26", "2003-11-02", "2003-11-09", 
"2003-11-16", "2003-11-23", "2003-11-30", "2003-12-07", "2003-12-14", 
"2003-12-21", "2003-12-28", "2004-01-04", "2004-01-11", "2004-01-18", 
"2004-01-25", "2004-02-01", "2004-02-08", "2004-02-15", "2004-02-22", 
"2004-02-29", "2004-03-07", "2004-03-14", "2004-03-21", "2004-03-27", 
"2004-03-28", "2004-04-04", "2004-04-11", "2004-04-18", "2004-04-25", 
"2004-05-02", "2004-05-09", "2004-05-16", "2004-05-23", "2004-05-30", 
"2004-06-06", "2004-06-10", "2004-06-13", "2004-06-20", "2004-06-27", 
"2004-07-04", "2004-07-11", "2004-07-18", "2004-07-25", "2004-08-01", 
"2004-08-08", "2004-08-15", "2004-08-22", "2004-08-29", "2004-09-05", 
"2004-09-12", "2004-09-19", "2004-09-26", "2004-10-03", "2004-10-10", 
"2004-10-17", "2004-10-24", "2004-10-31", "2004-11-07", "2004-11-14", 
"2004-11-21", "2004-11-28", "2004-12-05", "2004-12-12", "2004-12-19", 
"2004-12-26", "2005-11-24", "2006-11-02", "2007-02-26", "2009-05-18", 
"2010-08-11", "2011-01-29", "2013-09-06", "2017-04-23", "2017-05-13", 
"2019-05-01", "2022-11-22", "2026-03-20", "2026-08-15", "2028-09-26", 
"2030-02-08", "2034-08-30", "2035-01-22", "2035-10-14", "2037-09-20", 
"2038-05-09", "2043-01-31", "2043-08-19", "2045-03-29", "2046-05-15", 
"2050-03-06", "2053-10-15", "2054-05-22", "2056-06-09", "2060-03-13", 
"2061-04-15", "2061-08-30", "2062-07-10"), class = "factor")), .Names = c("ID", 
"WEEK", "OBSDATE"), row.names = 231:241, class = "data.frame") 

Answer 1

Один из способов приблизиться к этому - использование старой функции, которую я использую для анализа контролируемых исследований трассировки.

followup <- function (id, time) { 
if(length(id) !=length(time)) stop("The length of these two variables must be equal") 
if(any(duplicated(paste(id,time)))) stop("The combination of id and time must be unique") 
original.order <- 1:length(id) 
if(any(data.frame(id, time) != data.frame(id[order(id, time)], time[order(id,time)]))){ 
    new.order <- original.order[order(id,time)] 
    id <- id[order(id,time)] 
    time <- time[order(id,time)] 
} 
list1 <- rle(as.vector(id)) 
unlist(sapply(X=list1$lengths, FUN=function(x) 1:x, simplify=FALSE)) -> visit 
visit[order(original.order)] 
} 

Как вы не давали никакого понятия о вас данных, здесь я имитируя некоторые:

data=as.data.frame(list(ID=sample(LETTERS, 50, rep=TRUE),variable=rnorm(50,50,10))) 

rand.date=function(start.day,end.day,data){ 
    size=dim(data)[1]  
    days=seq.Date(as.Date(start.day),as.Date(end.day),by="day") 
    pick.day=runif(size,1,length(days)) 
    date=days[pick.day] 
} 
data$date=rand.date("2010-01-01","2015-07-18",data) 

> data 
    ID variable  date 
1 L 52.75080 2010-12-28 
2 W 51.36106 2011-11-24 
3 S 46.52550 2011-06-19 
4 S 64.37270 2013-06-18 
5 X 68.47047 2015-03-17 
6 Y 44.52643 2010-11-18 
7 O 51.61603 2015-04-13 
.....   ...... 

# Executing the function: 
data$follow<- followup(data$ID, data$date) 
> data 
    ID variable  date follow 
1 L 52.75080 2010-12-28  1 
2 W 51.36106 2011-11-24  2 
3 S 46.52550 2011-06-19  1 
4 S 64.37270 2013-06-18  2 
5 X 68.47047 2015-03-17  3 
6 Y 44.52643 2010-11-18  1 
7 O 51.61603 2015-04-13  2 
8 C 60.06102 2014-06-22  3 

Таким образом, все, что вам нужно сделать, это разобраться в data.frame по follow и посмотреть, когда был последний раз, когда предмет был замечен в исследовании.

library(dplyr) 
> data %>% group_by(ID) %>% arrange(follow) 
Source: local data frame [50 x 4] 
Groups: ID 

    ID variable  date follow 
1 A 61.75308 2014-06-28  1 
2 A 32.19119 2015-05-15  2 
3 B 45.40385 2011-09-07  1 
4 B 52.31812 2014-12-24  2 
5 C 50.75906 2014-06-09  1 
6 C 34.27607 2012-10-29  2 
7 C 60.06102 2014-06-22  3 
8 D 61.69071 2014-06-17  1 
9 D 51.49701 2014-05-22  2 
.. ..  ...  ... ... 

Answer 2

Используя Ваши предоставленные данные (и назвав его dat):

library(dplyr) 
group_by(dat, ID) %>% 
    summarize(censored = max(WEEK) < 105) 

# Source: local data frame [5 x 2] 
# 
# ID censored 
# 1 140 FALSE 
# 2 141 FALSE 
# 3 142 FALSE 
# 4 143  TRUE 
# 5 144 FALSE 

Если вы хотите, чтобы индекс в исходных данных идентификаторов при условии, что Цензурируются:

cens_id = group_by(dat, ID) %>% 
     summarize(censored = max(WEEK) < 105) %>% 
     filter(censored) 

which(dat$ID %in% cens_id$ID) 
# [1] 6 7