如何合并数据集并保留手术日期前最近的各类型血压测量记录？

数据集定义 #

手术日期数据集（data1） #

data1 <- tribble(
  ~MRN, ~date_in_room,
  1, "2015-01-02"
) %>% mutate(date_in_room = as.Date(date_in_room))

术前血压测量数据集（data2） #

library(dplyr)

data2 <- tribble(
  ~MRN, ~event, ~date, ~value,
  1, "sbp", "2014-12-31", 120,
  1, "sbp", "2015-01-01", 119,
  1, "sbp", "2015-01-02", 125,
  1, "dbp", "2015-01-01", 80,
  1, "dbp", "2015-01-02", 84,
  1, "mean", "2015-01-01", 100
) %>% mutate(date = as.Date(date))

需求说明 #

合并两个数据集，仅保留每个患者（MRN）下每种血压测量类型（event：sbp/dbp/mean）中，日期早于手术日期且最接近手术日的记录。

初始代码（待补充） #

data1 |> 
  group_by(MRN, event) |> 
  left_join(data2, by=MRN) |>
...?

完整实现代码 #

data1 |> 
  left_join(data2, by = "MRN") |> 
  # 筛选手术日期之前的血压记录
  filter(date < date_in_room) |> 
  # 按患者ID和血压类型分组
  group_by(MRN, event) |> 
  # 组内按测量日期降序排列，最接近手术日的记录排首位
  arrange(desc(date), .by_group = TRUE) |> 
  # 提取每组第一条记录
  slice_head(n = 1) |> 
  # 取消分组
  ungroup() |> 
  # 调整列顺序以匹配预期结果
  select(MRN, event, date, value, date_in_room)

代码说明 #

1. left_join(data2, by = "MRN")：按患者ID合并两个数据集，确保所有手术记录都被保留；注意by参数需要用引号包裹列名。
2. filter(date < date_in_room)：剔除手术当日及之后的血压数据，只保留术前记录。
3. group_by(MRN, event)：按患者和血压类型分组，保证每种血压类型单独筛选最接近手术日的记录。
4. arrange(desc(date), .by_group = TRUE)：在每个分组内按测量日期降序排序，这样最接近手术日的记录会排在组内第一位。
5. slice_head(n = 1)：提取每组的第一条记录，也就是符合要求的目标数据。
6. ungroup()：取消分组状态，避免后续数据操作受到分组限制。
7. select(...)：调整列的顺序，和预期结果的列顺序保持一致。

运行上述代码后，输出结果与预期的desired数据集完全一致。

内容的提问来源于stack exchange，提问作者John Ryan