如何用group_by结合条件语句处理患者生死状态DataFrame

可以使用dplyr包的分组与条件判断功能实现需求，具体步骤如下：

1. 加载依赖包 #

先确保安装并加载dplyr：

install.packages("dplyr") # 首次使用需执行安装
library(dplyr)

2. 分组汇总数据 #

通过group_by按患者ID分组，结合case_when条件语句生成最终的死亡状态与死亡日期：

df_summary <- df %>%
  group_by(ID) %>%
  summarize(
    # 按优先级判断死亡状态：入组死亡优先，其次随访死亡，否则存活
    death = case_when(
      any(death_inclusion == "Yes") ~ "Yes",
      any(death_followup == "Yes") ~ "Yes",
      TRUE ~ "No"
    ),
    # 匹配对应死亡日期
    date_death = case_when(
      any(death_inclusion == "Yes") ~ first(date_death_inc[death_inclusion == "Yes"]),
      any(death_followup == "Yes") ~ first(date_death_followup[death_followup == "Yes"]),
      TRUE ~ as.Date(NA)
    )
  )

3. 查看结果 #

运行代码后，df_summary即为目标汇总数据：

print(df_summary)

输出结果：

# A tibble: 4 × 3
  ID    death date_death
  <chr> <chr> <date>    
1 1     Yes   2004-08-15
2 2     Yes   2011-10-16
3 3     No    NA        
4 4     Yes   2013-05-03

代码说明 #

• group_by(ID)：将数据按患者ID分组，保证每个患者仅生成一条汇总记录。
• case_when：按逻辑优先级判断状态：
  1. 若入组时已死亡，直接标记为死亡并取入组死亡日期；
  2. 若入组未死亡但随访中出现死亡，标记为死亡并取随访死亡日期；
  3. 无死亡记录则标记为存活，死亡日期设为NA。
• first()：确保在多条随访记录中仅取首次出现的死亡日期（死亡事件只会发生一次）。

内容的提问来源于stack exchange，提问作者lM__3