使用R tidyverse筛选首测Test B一年内的Test A数据

需求说明 #

现有数据集包含受试者Id、访视编码VISIT、访视时间Time、Score_A、Score_B字段：

• Test A从研究启动即开展，但并非每次访视都进行；
• Test B开展时间较晚（通常在第5次访视，部分受试者为其他访视）。

需要构建一个截面数据集：

1. 提取每位受试者首次完成Test B的记录（即首次非缺失Score_B的行）；
2. 为该记录匹配对应的Score_A：取该Test B时间点±1年范围内，最近的非缺失Score_A值。

现有尝试代码未考虑±1年的时间范围限制，导致受试者2的Score_A为缺失值，需完善代码。

示例数据 #

mydata <- data.frame(Id=c(1,1,1,1,1,1,1,1, 2,2,2,2,2,2,2,2, 3,3,3,3,3,3,3,3),
VISIT=c(1,2,3,4,5,6,7,8, 1,2,3,4,5,6,7,8, 1,2,3,4,5,6,7,8),
Time=c(0,1.1,1.9,3,4,5.1,6.1,6.9, 0,.9,2.1,3.1,4.1,5,6.1,7.2, 0,1,2.1,3.2,3.9,5.1,6,7.1),
Score_A=c(10,9,9,8,7,10,10,8, 5,9,4,3,NA,13,14,18, 9,9,10,11,NA,14,12,13),
Score_B=c(NA,NA,NA,NA,100,NA,90,NA, NA,NA,NA,NA,80,NA,99,NA, NA,NA,NA,NA,75,NA,97,NA) )

期望输出 #

desired_output <- data.frame(Id=c(1,2,3), Score_A=c(7,13,11), Score_B=c(100,80,75))

尝试的代码（未考虑±1年范围） #

Q <- mydata %>% 
group_by(Id) %>% 
arrange(Time, .by_group = T) %>% 
filter(!is.na(Score_B)) %>% 
slice(1)

完善后的代码 #

library(tidyverse)

result <- mydata %>%
  # 按受试者分组，提取首次Test B的记录，保留关键信息
  group_by(Id) %>%
  filter(!is.na(Score_B)) %>%
  arrange(Time, .by_group = TRUE) %>%
  slice(1) %>%
  select(Id, Time_B = Time, Score_B) %>%
  ungroup() %>%
  # 关联原数据集，筛选同一受试者下Time在Test B时间±1年内的记录
  inner_join(mydata %>% select(Id, Time, Score_A), by = "Id") %>%
  filter(Time >= Time_B - 1, Time <= Time_B + 1) %>%
  filter(!is.na(Score_A)) %>%
  # 计算时间差，取最近的非缺失Score_A
  group_by(Id) %>%
  mutate(time_diff = abs(Time - Time_B)) %>%
  arrange(time_diff, .by_group = TRUE) %>%
  slice(1) %>%
  # 保留目标字段
  select(Id, Score_A, Score_B) %>%
  ungroup()

验证结果 #

运行上述代码后，result与desired_output完全一致：

> result
# A tibble: 3 × 3
     Id Score_A Score_B
  <dbl>   <dbl>   <dbl>
1     1       7     100
2     2      13      80
3     3      11      75

内容的提问来源于stack exchange，提问作者inprogress123