如何将患者随访时间按月拆分，每月对应一行数据？

我有一项观察性研究的数据，包含每位患者的随访起止时间，希望把时间区间按月拆分，每个月对应一行数据。

原始数据框 #

df <- data.frame(
  PATIENT = c(1,2, 3, 4),
  Start = c("2016-01-01", "2017-12-01", "2016-03-01", "2016-02-01"),
  End = c("2016-05-30","2018-01-30","2016-06-30","2016-05-30")
)

期望输出数据框 #

data.frame(
  PATIENT = c(1,1,1,1,2,2,3,3,3,3,4,4,4,4),
  PERIOD = c("2016-01-01", "2016-02-01", "2016-03-01", "2016-04-01", "2016-05-01",
              "2017-12-01","2018-01-01",
              "2016-03-01","2016-04-01","2016-05-01","2016-06-01",
              "2016-02-01","2016-03-01","2016-04-01","2016-05-01")
)

说明 #

做此处理是为了使用TrialEmulation包——一款用于观察性数据模拟试验的新工具，曾尝试使用tmerge和TimeSplitter，但均未得到预期结果。

解决方案 #

可以用tidyverse结合lubridate包实现，步骤如下：

1. 加载所需包：

library(tidyverse)
library(lubridate)

2. 数据处理代码：

df_processed <- df %>%
  # 转换为日期格式
  mutate(Start = ymd(Start), End = ymd(End)) %>%
  # 为每个患者生成从随访起始月到结束月的每月第一天序列
  mutate(PERIOD = map2(
    floor_date(Start, "month"),
    floor_date(End, "month"),
    ~seq(.x, .y, by = "month")
  )) %>%
  # 展开列表为多行
  unnest(PERIOD) %>%
  # 转换为字符格式匹配期望输出
  mutate(PERIOD = as.character(PERIOD)) %>%
  # 保留所需列
  select(PATIENT, PERIOD)

运行后得到的df_processed即为符合要求的输出。

代码解释 #

• floor_date()：将起止日期转为当月第一天，确保序列从每个月的起始点生成
• map2()：对每行的起止月份配对生成月度序列
• unnest()：将嵌套的列表列展开为多行数据，实现按月拆分的效果

内容的提问来源于stack exchange，提问作者Jilano