R语言伤病统计代码错误排查：基于0.25年间隔的次数计算

问题需求 #

针对包含ID和19个伤病时间列的数据集，需新增两列：

• Multiple_Injuries：二元变量（Yes/No），标记受试者是否存在多次独立伤病（两次伤病时间间隔超过0.25年即为独立）
• Number_of_injuries：统计受试者的独立伤病次数

原代码的核心错误 #

1. 未对伤病时间排序：原代码直接对原始列的非NA值计算diff()，但伤病时间列的顺序并非按时间先后排列，导致差值计算无意义，间隔判断完全错误。
2. 计数逻辑完全偏离规则：原代码将非NA值的数量直接作为独立伤病次数，忽略了“间隔>0.25年才算独立”的核心规则——比如同一时段内的多次记录应算作1次独立伤病，而非记录数。

修正后的解决方案 #

# 定义函数：计算单一行的独立伤病次数
count_independent_injuries <- function(x) {
  # 提取非NA伤病时间并按时间排序
  sorted_times <- sort(na.omit(x))
  n_times <- length(sorted_times)
  
  if (n_times == 0) {
    return(0)  # 无伤病记录
  } else if (n_times == 1) {
    return(1)  # 仅1次伤病
  } else {
    # 计算相邻伤病的时间间隔
    time_diffs <- diff(sorted_times)
    # 独立伤病数 = 初始1次 + 间隔超过0.25年的次数
    independent_count <- 1 + sum(time_diffs > 0.25)
    return(independent_count)
  }
}

# 生成独立伤病次数列
data$Number_of_injuries <- apply(data[, grepl("^X", colnames(data))], 1, count_independent_injuries)
# 生成是否多次独立伤病的二元列
data$Multiple_Injuries <- ifelse(data$Number_of_injuries > 1, "Yes", "No")

关键修正点 #

• 强制排序：先对每行的非NA伤病时间排序，确保差值是真实的时间先后间隔，符合规则逻辑。
• 正确计数逻辑：以1次为基础，每出现一个超过0.25年的间隔，就新增1次独立伤病，完全匹配需求。
• 边界场景覆盖：处理了无伤病、仅1次伤病的极端情况，避免逻辑漏洞。

内容的提问来源于stack exchange，提问作者DW1310