如何基于多字符串条件筛选指定的多个诊断码列？

1. 仅指定诊断码列进行筛选 #

你的数据集里诊断码列均以dx开头（dx1到dx15），用starts_with("dx")替代everything()，就能精准定位诊断码列，避免误检patient_id等非诊断字段：

filter(if_any(starts_with("dx"), ~ str_detect(., "O99019")))

starts_with("dx")会自动匹配所有以dx开头的列，无需手动列出dx1到dx15，既高效又能适配列数变化。

2. 检测多个目标诊断码 #

要同时识别O99019和0909这类多诊断码，有两种简洁实现方式：

方式1：直接编写正则表达式

用正则的|（逻辑或）拼接目标码：

filter(if_any(starts_with("dx"), ~ str_detect(., "O99019|0909")))

方式2：用向量管理目标码（更易维护）

如果后续需要添加更多诊断码，先定义向量再拼接成正则模式，便于修改：

target_codes <- c("O99019", "0909")
pattern <- stringr::str_c(target_codes, collapse = "|")

filter(if_any(starts_with("dx"), ~ str_detect(., pattern)))

完整示例 #

结合两种需求的最终代码：

library(dplyr)
library(stringr)

# 定义目标诊断码集合
target_codes <- c("O99019", "0909")
pattern <- str_c(target_codes, collapse = "|")

# 筛选符合条件的患者数据
filtered_data <- your_data %>%
  filter(if_any(starts_with("dx"), ~ str_detect(., pattern)))

补充说明 #

• 若需要精确匹配（比如避免误判包含"O99019X"的诊断码），可在正则前后添加^和$，修改为：pattern <- str_c("^", target_codes, "$", collapse = "|")。
• 诊断码列的NA值不会影响筛选逻辑，if_any会自动忽略NA，仅当至少有一列匹配时返回TRUE。

内容的提问来源于stack exchange，提问作者sebastian.mendoza