在R中基于指定日期筛选最接近的HIV病毒载量日期及对应结果

实现思路 #

把宽格式的病毒载量数据转为长格式，按个体计算每条病毒载量记录与妊娠日期的差值，筛选出差值最小的记录后，再合并回原数据，就能高效得到目标结果。

代码实现 #

# 加载所需工具包
library(dplyr)
library(tidyr)

# 1. 批量转换日期列为日期格式（原数据是字符型，无法计算差值）
df <- df %>%
  mutate(across(c(starts_with("HIV_VL_result_date"), preg_date), as.Date))

# 2. 将宽格式数据转为长格式，整合6组病毒载量日期和结果
df_long <- df %>%
  pivot_longer(
    cols = starts_with(c("HIV_VL_result_date", "VL_results")),
    names_to = c(".value", "num"),
    names_pattern = "(HIV_VL_result_date|VL_results)_(\\d+)"
  ) %>%
  rename(vl_date = HIV_VL_result_date, vl_result = VL_results) %>%
  filter(!is.na(vl_date))  # 剔除无有效病毒载量记录的行

# 3. 计算日期差，筛选每个个体最接近的记录
closest_vl <- df_long %>%
  mutate(date_diff = abs(vl_date - preg_date)) %>%
  group_by(subject_id) %>%
  slice_min(date_diff, n = 1, with_ties = FALSE) %>%  # 取差值最小的1条，若有多个相同差值取第一条
  ungroup() %>%
  select(subject_id, vl_closest_date = vl_date, vl_results_closest = vl_result)

# 4. 把筛选结果合并回原数据
df_final <- df %>%
  left_join(closest_vl, by = "subject_id")

# 查看最终结果
print(df_final)

关键步骤说明 #

• 日期转换：用across批量处理所有日期列，确保后续能正常计算日期差值。
• 长格式转换：通过names_pattern自动拆分原列名的数字后缀，把分散的6组日期和结果整合为统一的两列，大幅简化按个体的批量处理逻辑。
• 筛选逻辑：slice_min可以直接按分组筛选出差值最小的记录，避免手动比较多列差值的繁琐操作。
• 数据合并：用left_join保留原数据的所有字段，同时新增目标列，不破坏原有数据结构。

结果示例 #

处理后的数据会新增vl_closest_date和vl_results_closest两列，例如：

• 个体232-5467的妊娠日期为2022-03-04，最接近的病毒载量记录日期是2022-03-07，结果为LDL
• 个体232-6784的妊娠日期为2022-08-13，最接近的记录日期是2022-08-15，结果为375

内容的提问来源于stack exchange，提问作者Thandi