使用mutate、case_when、if_any处理ICD10代码生成新列报错求解

需求说明 #

需要创建新列injury，规则如下：

• 搜索目标列（dx1、dx2、dx3、ecode）中符合ICD10代码模式的内容：属于T36-T50范围且第5位字符为2（示例：T3602）
• 只要任一目标列匹配该模式，injury标记为1；否则标记为0

示例数据 #

df <- data.frame (dx1 = c('K5039','T215','C219861','T36002'),
                  dx2 = c('T38022','X72001','X55124','T36022'),
                  dx3 = c('X80011','X790122','X55124','T36022'),
                  pcode = c('R41','R44','R98','R99'),
                  ecode = c('X79','X81012','X44015','X83012'),
                  stringsAsFactors = FALSE)

错误原因分析 #

1. 最初使用across的错误：
   across的作用是对多列执行相同操作并返回多列结果，但case_when的每个条件需要单个布尔值，无法直接将across作为case_when的判断条件。

2. 改用if_any后报错的原因：
   正则表达式被拆分为多行书写，导致~后的表达式语法不完整，R无法将其解析为有效的函数。

正确实现代码 #

方法1：用as.integer简化转换 #

library(dplyr)
library(stringr)

df_new <- df %>%
  mutate(
    injury = as.integer(
      if_any(
        c(dx1:dx3, ecode),
        ~ str_detect(., regex('(T36|T37|T38|T39|T40|T41|T42|T43|T44|T45|T46|T47|T48|T49|T50).{1}2.*'))
      )
    )
  )

方法2：用case_when显式判断 #

df_new <- df %>%
  mutate(
    injury = case_when(
      if_any(c(dx1:dx3, ecode), ~ str_detect(., regex('(T36|T37|T38|T39|T40|T41|T42|T43|T44|T45|T46|T47|T48|T49|T50).{1}2.*')) ~ 1,
      TRUE ~ 0
    )
  )

正则说明 #

• (T36|T37|...|T50)：匹配T36到T50的ICD10前缀
• .{1}：匹配任意单个字符（对应第4位字符）
• 2：匹配第5位必须为2的规则
• .*：匹配后续任意长度的字符（兼容更长的ICD10编码）

输出结果 #

dx1     dx2      dx3 pcode   ecode injury
1  K5039 T38022   X80011   R41     X79      1
2   T215 X72001  X790122   R44  X81012      0
3 C219861 X55124   X55124   R98  X44015      0
4 T36002 T36022   T36022   R99  X83012      1

内容的提问来源于stack exchange，提问作者Jenny Mercado