长格式纵向数据筛选求助：基于多时间点分数过滤案例

针对你的长格式纵向数据筛选需求，以下是基于dplyr的可行实现方案：

需求1：筛选至少2个时间点score≥6的案例 #

通过按id分组，统计每个案例中满足score≥6的时间点数量，保留数量≥2的案例：

library(dplyr)

# 筛选符合需求1的案例（保留该案例的所有行）
filtered_df1 <- df %>%
  group_by(id) %>%
  filter(sum(score >= 6, na.rm = TRUE) >= 2) %>%
  ungroup()

# 查看筛选后的唯一id
filtered_df1 %>% distinct(id)

逻辑说明：

• group_by(id)：按案例id分组，对每个案例单独计算
• sum(score >= 6, na.rm = TRUE)：统计当前案例中score≥6的时间点数量，na.rm=TRUE避免缺失值干扰
• filter(...)：保留满足条件的分组，最后ungroup()取消分组恢复数据结构

需求2：筛选完成Baseline到Visit4全部时间点且score均<6的案例 #

先定义需要的时间点集合，再验证每个案例是否完成全部随访，同时检查对应时间点的score是否都低于6：

# 定义需要的随访时间点（不含Visit5）
required_visits <- c("Baseline", "Visit1", "Visit2", "Visit3", "Visit4")

# 筛选符合需求2的案例（保留该案例的所有行）
filtered_df2 <- df %>%
  group_by(id) %>%
  filter(
    # 验证是否完成全部必需的随访时间点
    all(required_visits %in% visit),
    # 验证这些时间点的score均低于6
    all(score[visit %in% required_visits] < 6)
  ) %>%
  ungroup()

# 查看筛选后的唯一id
filtered_df2 %>% distinct(id)

逻辑说明：

• all(required_visits %in% visit)：检查当前案例的随访记录是否包含所有必需的时间点，排除未完成全部随访的案例
• all(score[visit %in% required_visits] < 6)：仅针对必需时间点的score，验证是否全部低于6

内容的提问来源于stack exchange，提问作者jonandet