如何在R语言Data Frame中按首次给药时间排除指定Creatinine值

问题背景 #

现有如下结构的DataFrame：

每个患者对应多行记录，每行仅记录一种类型的变量数据。需求为：

• 针对每个PatientID，移除首次给药日期之前的肌酐值（每个患者最多存在1个此类值）
• 计算各患者剩余肌酐值的均值

例如：患者101需移除第一条肌酐值，患者102的肌酐值与首次给药日期同一天，需保留。

解决方案（使用dplyr包） #

步骤1：加载依赖包并构建示例数据 #

如果未安装dplyr，先执行安装命令：

install.packages("dplyr")
library(dplyr)

构建示例DataFrame：

df <- data.frame(
  PatientID = c(101, 101, 101, 101, 102, 102),
  Date = c("02.08.23", "03.08.23", "04.08.23", "04.08.23", "10.09.23", "10.09.23"),
  Dose = c(NA, 1000, 1000, NA, NA, 1000),
  Creatinine = c(65, NA, NA, 68, 89, NA)
)

步骤2：数据处理与筛选计算 #

result <- df %>%
  # 将字符型日期转为可比较的Date类型（格式匹配原数据的日.月.年）
  mutate(Date = as.Date(Date, format = "%d.%m.%y")) %>%
  # 按患者分组处理
  group_by(PatientID) %>%
  # 提取每个患者的首次给药日期：取Dose非NA记录中的最小日期
  mutate(first_dose_date = min(Date[!is.na(Dose)], na.rm = TRUE)) %>%
  # 筛选有效肌酐记录：肌酐值非空，且日期不早于首次给药日期
  filter(!is.na(Creatinine) & Date >= first_dose_date) %>%
  # 计算每个患者的剩余肌酐均值
  summarise(mean_creatinine = mean(Creatinine, na.rm = TRUE)) %>%
  # 取消分组状态
  ungroup()

# 查看最终结果
print(result)

输出结果 #

# A tibble: 2 × 2
  PatientID mean_creatinine
      <dbl>           <dbl>
1       101              68
2       102              89

代码关键逻辑说明 #

• mutate(Date = as.Date(...))：将字符格式的日期转换为R可识别的Date类型，确保日期能进行大小比较
• first_dose_date = min(Date[!is.na(Dose)], na.rm = TRUE)：精准定位每个患者第一次给药的日期
• filter(!is.na(Creatinine) & Date >= first_dose_date)：过滤掉首次给药前的无效肌酐记录，保留符合要求的数据
• summarise(mean_creatinine = mean(...))：基于筛选后的数据计算每个患者的肌酐均值

内容的提问来源于stack exchange，提问作者Anna-Kristina