基于聚合值透视列：实现流感疫苗数据单患者一行的宽表转换

问题描述 #

现有患者疫苗接种数据集，包含变量：

• ptid：患者ID
• time：时间（0=RCT前，1=RCT后）
• type：流感疫苗类型（有效值为0、1、3，注意原数据中type因子水平为"0"、"1"、"2"，实际值需对应转换）
• num：接种次数（因子型）
• volume：接种剂量（连续变量）

需将数据转换为每个患者一行的宽表，包含以下衍生变量：

1. 剂量汇总变量：
   • totalvol：患者总接种剂量（不计疫苗类型）
   • voltype0、voltype1、voltype3：按患者+疫苗类型汇总的总剂量
2. 接种指示变量：
   • totalyn：患者是否接种过任意疫苗（是=1，否=0）
   • type0yn、type1yn、type3yn：患者是否接种过对应类型疫苗（是=1，否=0）

原尝试代码存在问题：多次pivot_wider导致生成值列表，且无法重复利用type变量透视，无法得到每行对应单个患者的结果。

解决方案代码 #

library(dplyr)
library(tidyr)

# 加载原始数据集
df <- structure(list(ptid = c("30000", "30000", "30000", "30000", "30000", 
"30001", "30002", "30002", "30002", "30003", "30003", "30003", 
"30004", "30004", "30004", "30005", "30005", "30005", "30006", 
"30006", "30006", "30007", "30007", "30007", "30007", "30008", 
"30008", "30008", "30008", "30008"), num = structure(c(1L, 2L, 
3L, 4L, 5L, 1L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 
1L, 2L, 3L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 5L), levels = c("1", 
"2", "3", "4", "5", "6", "7"), class = "factor"), type = structure(c(3L, 
3L, 3L, 1L, 1L, 3L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 3L, 1L, 1L, 3L, 3L, 3L, 1L, 1L, 1L, 1L, 1L), levels = c("0", 
"1", "2"), class = "factor"), time = structure(c(2L, 2L, 2L, 
2L, 2L, 2L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 
2L, 2L, 1L, 2L, 2L, 2L, 1L, 1L, 2L, 2L, 2L), levels = c("0", 
"1"), class = "factor"), volume = c(694L, 745L, 415L, 201L, 446L, 
589L, 99L, 887L, 266L, 261L, 188L, 391L, 240L, 221L, 578L, 296L, 596L, 204L, 703L, 113L, 370L, 922L, 419L, 168L, 879L, 856L, 800L, 736L, 386L, 912L)), row.names = c(NA, 30L), class = "data.frame")

# 核心转换代码
wide_data <- df %>%
  # 修正疫苗类型值：原因子水平"2"对应业务中的类型3
  mutate(type = case_when(
    type == "0" ~ "0",
    type == "1" ~ "1",
    type == "2" ~ "3"
  )) %>%
  # 按患者+疫苗类型分组，计算各类型总剂量、标记接种状态
  group_by(ptid, type) %>%
  summarise(
    vol_type = sum(volume),
    type_yn = 1,
    .groups = "drop"
  ) %>%
  # 按患者分组，计算总剂量和整体接种状态
  group_by(ptid) %>%
  mutate(
    totalvol = sum(vol_type),
    totalyn = 1
  ) %>%
  ungroup() %>%
  # 一次透视完成宽表转换，未接种类型填充0
  pivot_wider(
    id_cols = ptid,
    names_from = type,
    values_from = c(vol_type, type_yn),
    names_glue = "{.value}{type}",
    values_fill = list(vol_type = 0, type_yn = 0)
  ) %>%
  # 重命名变量匹配需求
  rename(
    voltype0 = vol_type0,
    voltype1 = vol_type1,
    voltype3 = vol_type3,
    type0yn = type_yn0,
    type1yn = type_yn1,
    type3yn = type_yn3
  ) %>%
  # 补全总剂量和总接种状态（兼容无接种记录的患者）
  mutate(
    totalvol = rowSums(select(., starts_with("voltype"))),
    totalyn = ifelse(totalvol > 0, 1, 0)
  ) %>%
  # 按患者ID排序
  arrange(ptid)

代码说明 #

1. 修正类型值：解决原数据中因子水平与实际业务类型不匹配的问题，避免后续命名混乱。
2. 分组汇总：先按ptid+type分组，计算单患者单类型的剂量总和与接种标记，减少后续透视的冗余数据。
3. 单次透视成型：用pivot_wider一次性完成剂量和指示变量的宽表转换，通过names_glue自动生成规范变量名，values_fill对未接种类型填充0，避免NA值。
4. 变量补全：通过行求和确保totalvol的准确性，同时兼容无接种记录的患者场景。

内容的提问来源于stack exchange，提问作者Rstudyer