R语言多日期变量筛选：生成符合特定时间条件的精神病病例子集

需求回顾 #

需要从包含隔离记录的精神病患者病例数据集中筛选两类病例：

• 无任何隔离记录的病例
• 首次隔离日期seclusion_date1晚于2019-06-30，且所有隔离结束日期（seclusion_enddate1、seclusion_enddate2…）早于2020-05-01的病例

现有代码问题分析 #

1. 自定义函数报错：any_of()和starts_with()是dplyr包中tidyselect语法的选择函数，必须在select()、across()等dplyr函数内部使用，不能直接和数据集拼接，因此你的自定义函数写法会触发错误。
2. 循环代码无效：循环中每次都重新赋值cohort_2_before，且用paste0()生成的字符串无法直接作为变量在subset()的条件中引用，导致筛选逻辑失效，最终得到0行结果。

解决方案 #

推荐使用dplyr包处理多列筛选逻辑，代码更简洁易读，适合新手：

步骤1：加载包并转换日期类型 #

首先确保日期列是Date类型（字符类型的日期比较会出错）：

library(dplyr)

# 转换所有隔离日期和结束日期列为Date类型
WMdata <- WMdata %>%
  mutate(
    across(starts_with("seclusion_date"), as.Date),
    across(starts_with("seclusion_enddate"), as.Date)
  )

步骤2：筛选符合条件的子集 #

cohort_2_before <- WMdata %>%
  filter(
    # 条件1：无隔离记录（假设无隔离时seclusion_date1为NA）
    is.na(seclusion_date1) |
    # 条件2：首次隔离日期符合，且所有隔离结束日期符合要求
    (seclusion_date1 >= as.Date("2019-07-01") &
     across(starts_with("seclusion_enddate"), ~ is.na(.) | . <= as.Date("2020-04-30")))
  )

• across(starts_with("seclusion_enddate"), ...)会对所有以seclusion_enddate开头的列应用条件
• is.na(.)是为了兼容只有n次隔离、后续结束日期列为空的情况，这类空值不影响筛选

如果你偏好Base R写法 #

# 获取所有隔离结束日期列的列名
enddate_cols <- grep("^seclusion_enddate", colnames(WMdata), value = TRUE)
date_cols <- c(grep("^seclusion_date", colnames(WMdata), value = TRUE), enddate_cols)

# 转换日期列为Date类型
WMdata[, date_cols] <- lapply(WMdata[, date_cols], as.Date)

# 定义筛选条件
no_seclusion <- is.na(WMdata$seclusion_date1)
valid_seclusion <- !is.na(WMdata$seclusion_date1) & 
  WMdata$seclusion_date1 >= as.Date("2019-07-01") &
  apply(WMdata[, enddate_cols], 1, function(row) all(is.na(row) | row <= as.Date("2020-04-30")))

# 生成子集
cohort_2_before <- WMdata[no_seclusion | valid_seclusion, ]

内容的提问来源于stack exchange，提问作者Iokaste