如何处理含日期的复杂变量：计算眼部影像随访年数

问题描述 #

我有一个tibble，每行代表一张眼部影像，包含变量：patientId、laterality（左/右）、date、imageId。需要将其处理为另一个tibble，展示每只眼睛（按patientId、laterality分组）的followUpYears，规则如下：

• 要满足某一年的随访要求，该年度内必须有两个不同的影像日期：第1年为基线日起0-365天，第2年为366-730天，以此类推，followUpYears为整数。
• 同一日期仅计一次影像。
• 一旦某一年不满足“两个影像日期”的要求，随访即终止：若第1年仅1个影像日期，无论后续有多少影像，followUpYears均为0。
• 眼睛拥有n年随访，不要求首次与末次影像日期间隔至少n年。

示例数据：

data <- tibble(patientId = c('A','A','A','A','A','A','B','B','B','B','B','B','B'),
               laterality = c('L','L','L','L','L','L','R','R','R','R','L','L','L'),
               date = as.Date(c('2000-05-05','2000-05-05','2001-05-06','2001-05-07','2002-05-06','2002-05-07','2000-09-08','2001-09-07','2001-09-09','2001-09-10','2000-09-08','2001-09-07','2001-09-10')),
               imageId = 1:13)

期望输出：

expected_output <- tibble(patientId = c('A','B','B'),
                 laterality = c('L','R','L'),
                 followUpYears = c(0, 2, 1)) 

患者A左眼followUpYears为0（符合规则2、3）；患者B右眼为2（符合规则4）；患者B左眼为1（第2年未满足要求）。熟悉基础dplyr动词，但不知如何构建该变量，患者可能单眼/双眼纳入，部分随访超10年，忽略闰年按每年365天计算，求解决方案。

解决方案 #

可以通过分组去重、计算随访年份区间、逐年份验证条件，最终确定连续满足要求的最大随访年份数。代码如下：

library(dplyr)
library(tidyr)

result <- data %>%
  # 按患者+眼别分组，去除同一日期的重复影像
  group_by(patientId, laterality) %>%
  distinct(date, .keep_all = TRUE) %>%
  # 计算每个日期与基线（本组最早日期）的间隔天数
  mutate(baseline = min(date),
         days_since_baseline = as.numeric(date - baseline)) %>%
  # 划分该日期所属的随访年份（第1年=0-365天，以此类推）
  mutate(year = floor(days_since_baseline / 365) + 1) %>%
  # 统计每个年份的不同日期数量
  count(year) %>%
  # 补全连续的年份序列，避免遗漏中间未满足要求的年份
  complete(year = seq(1, max(year, na.rm = TRUE)), fill = list(n = 0)) %>%
  # 标记年份是否满足要求，并找到第一个不满足的年份位置
  mutate(meets_requirement = n >= 2,
         first_fail = which(!meets_requirement)[1] %||% (n() + 1)) %>%
  # 根据规则计算最终随访年份
  summarise(followUpYears = ifelse(first_fail == 1, 0, first_fail - 1)) %>%
  ungroup()

# 查看结果
result

代码说明 #

1. 日期去重：使用distinct(date, .keep_all = TRUE)去掉同一日期的重复影像，符合规则2。
2. 基线与天数计算：以每组最早日期为基线，计算各日期到基线的间隔天数，为划分年份做准备。
3. 随访年份划分：通过floor(days_since_baseline / 365) + 1将日期映射到对应的随访年份。
4. 年份日期数统计：用count(year)统计每个年份的有效日期数，再通过complete补全连续年份，确保不会漏掉中间未满足要求的年份。
5. 结果计算：标记每个年份是否满足“至少2个不同日期”的要求，找到第一个不满足的年份位置：
   • 若第一个不满足的是第1年，followUpYears为0；
   • 否则，followUpYears为第一个不满足年份减1，即连续满足要求的最大年份数。

运行代码后结果与期望输出一致：

# A tibble: 3 × 3
  patientId laterality followUpYears
  <chr>     <chr>              <dbl>
1 A         L                      0
2 B         L                      1
3 B         R                      2

内容的提问来源于stack exchange，提问作者Mark