基于指定条件为每个病例匹配最多3个专属对照样本的技术需求

核心匹配规则 #

为每个病例（case）匹配最多3个对照样本（control），需满足以下3项条件：

• 年龄相差±3岁
• 性别（gender）一致
• pracid一致

额外约束 #

• 对照样本不可被多个病例共享，每个对照的patid仅能对应单个病例
• 最终输出需新增两个字段：
  • matched_id：标注该对照匹配的病例ID
  • match_eventdate：将对应病例的eventdate复制为该字段值（作为后续疾病诊断统计的索引日期）

示例输入数据 #

#> dat
# A tibble: 14 x 6
   patid   age gender status  pracid eventdate
   <dbl> <dbl>  <chr> <chr>   <dbl> <date>    
 1     1    10     M case       100 2020-05-23
 2     2    20     F case       200 2020-01-12
 3     3    44     M case       300 2020-02-21
 4     4    11     F case       100 2020-01-14
 5   111    12     M control    100 NA        
 6   222    11     M control    100 NA        
 7   333     8     M control    100 NA        
 8   444    12     F control    200 NA        
 9   555    11     M control    100 NA        
10   666    22     F control    100 NA        
11   777    21     F control    100 NA        
12   888    18     M control    200 NA        
13   999    21     M control    200 NA        
14  1000    18     M control    100 NA        

单病例匹配示例（以病例1为例） #

符合匹配条件的候选对照样本如下：

patid   age gender  status  pracid   
111     12  M       control 100
222     11  M       control 100
333     8   M       control 100
555     11  M       control 100

注：实际匹配时需从中选取最多3个未被其他病例占用的对照

最终输出格式示例 #

patid   age gender  status    pracid  matched_id match_eventdate
1       10      M   case      100     1          2020-05-23
111     12      M   control   100     1          2020-05-23
222     11      M   control   100     1          2020-05-23
333     8       M   control   100     1          2020-05-23

内容的提问来源于stack exchange，提问作者Someone