R语言：基于患者重复入院记录创建新变量

用tidyverse工具链可以轻松实现你的需求，核心思路是先给每个患者的就诊记录按时间排序并编号，再将长表转为宽表，自动完成字段重命名、合并二次入院信息并删除重复行的操作：

步骤说明 #

• 先将字符型的入院/出院时间转为datetime格式，方便排序和后续处理
• 按patient_id分组，对每组内的记录按adm_time升序排序，生成就诊序号（visit_num）
• 通过pivot_wider将同一患者的多次就诊记录转为一行，自动生成adm_time_1、dc_time_1（首次）和adm_time_2、dc_time_2（二次）字段
• 最终每个患者仅保留一行记录，天然完成了“删除二次入院行”的需求

完整代码 #

library(tidyverse)
library(lubridate)

# 处理示例数据
df <- 
  tibble(
    patient_id = c(1, 2, 2, 3),
    sex = c("M", "F", "F", "M"),
    adm_time = c("2022-01-03 14:00:00", "2022-01-09 16:42:00", "2022-01-23 22:30:00", "2022-01-10 12:10:00"),
    dc_time = c("2022-01-12 09:09:00", "2022-01-21 10:08:00", "2022-01-27 09:12:00", "2022-01-14 09:36:00")
  )

# 核心处理逻辑
result_df <- df %>%
  # 转换时间字段为datetime类型
  mutate(across(c(adm_time, dc_time), ymd_hms)) %>%
  # 按患者分组，按入院时间排序，生成就诊序号
  group_by(patient_id) %>%
  arrange(adm_time, .by_group = TRUE) %>%
  mutate(visit_num = row_number()) %>%
  ungroup() %>%
  # 转宽表，将多次就诊的时间字段展开
  pivot_wider(
    id_cols = c(patient_id, sex),
    names_from = visit_num,
    names_glue = "{.name}_{visit_num}",
    values_from = c(adm_time, dc_time)
  )

# 查看结果
print(result_df)

输出结果 #

# A tibble: 3 × 6
  patient_id sex   adm_time_1         dc_time_1          adm_time_2         dc_time_2         
       <dbl> <chr> <dttm>              <dttm>              <dttm>              <dttm>             
1          1 M     2022-01-03 14:00:00 2022-01-12 09:09:00 NA                  NA                
2          2 F     2022-01-09 16:42:00 2022-01-21 10:08:00 2022-01-23 22:30:00 2022-01-27 09:12:00
3          3 M     2022-01-10 12:10:00 2022-01-14 09:36:00 NA                  NA                

原代码问题说明 #

你用duplicated只能标记重复的行，但无法将二次入院的时间值映射到首次入院的行中。而通过分组排序+转宽表的方式，能直接将同一患者的多次就诊信息整合到一行，完美匹配你的所有需求：

• 自动识别了有二次入院的患者（patient_id=2）
• 首次入院/出院时间已重命名为adm_time_1/dc_time_1
• 新增了二次入院/出院时间字段adm_time_2/dc_time_2
• 自动删除了二次入院的冗余行，每个患者仅保留一行记录

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