如何在R数据框中按规则对治疗疗程进行连续计数？

需求概述 #

需要基于患者的就诊记录，按照以下规则标记治疗疗程：

• 疗程起始：当月有效就诊（出勤为Yes）≥4次
• 疗程延续：起始月之后的每个月，有效就诊≥1次
• 疗程终止：起始后任意一月有效就诊<1次，该疗程结束
• 新疗程触发：再次出现月有效就诊≥4次时，开启新疗程（计数递增）
• 不符合上述模式的记录标记为0

示例输入数据 #

期望输出数据 #

R解决方案（面向新手） #

我们使用tidyverse工具集（包含dplyr用于数据操作，lubridate用于日期处理）来实现需求，步骤清晰易懂：

1. 准备工作：加载包与导入数据 #

首先安装并加载必要的包，然后导入你的数据集：

# 安装包（首次运行时执行）
install.packages(c("tidyverse", "lubridate"))

# 加载包
library(tidyverse)
library(lubridate)

# 导入示例数据（替换为你的实际数据路径）
df <- tibble(
  `Patient ID` = c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2),
  `就诊日期` = c("01/01/2023","01/02/2023","01/03/2023","01/04/2023",
                 "02/01/2023","03/01/2023","04/01/2023","05/01/2023",
                 "06/01/2023","07/01/2023","07/02/2023","07/03/2023",
                 "07/04/2023","08/01/2023","01/01/2023","02/01/2023",
                 "03/01/2023","03/02/2023","03/03/2023","03/04/2023",
                 "04/01/2023","05/01/2023","07/01/2023"),
  `出勤情况` = c("Yes","Yes","Yes","Yes","Yes","Yes","No","Yes","No",
                 "Yes","Yes","Yes","Yes","Yes","Yes","Yes","Yes","Yes",
                 "Yes","Yes","Yes","Yes","Yes")
)

2. 数据预处理：日期转换与月度就诊统计 #

将字符串格式的就诊日期转换为日期类型，提取年份和月份，并计算每个患者每月的有效就诊次数：

df_processed <- df %>%
  # 转换日期格式（日/月/年格式用dmy函数）
  mutate(就诊日期 = dmy(就诊日期),
         # 提取年月（用于按月份分组统计）
         year_month = floor_date(就诊日期, "month")) %>%
  # 按患者和年月分组，统计当月有效就诊次数
  group_by(`Patient ID`, year_month) %>%
  mutate(monthly_yes = sum(`出勤情况` == "Yes")) %>%
  ungroup()

3. 标记疗程状态与生成Tx Episode #

按患者分组，识别疗程的起始、延续和终止状态，最终生成Tx Episode列：

final_df <- df_processed %>%
  group_by(`Patient ID`) %>%
  # 按年月排序，确保时间顺序正确
  arrange(year_month, .by_group = TRUE) %>%
  mutate(
    # 标记是否为疗程起始月（有效就诊≥4）
    is_start = monthly_yes >= 4,
    # 标记是否为疗程延续月（前一个月在疗程中，且当月有效就诊≥1）
    is_continue = lag(in_episode, default = FALSE) & monthly_yes >= 1,
    # 标记当前是否处于疗程中
    in_episode = is_start | is_continue,
    # 若前一个月在疗程但当月有效就诊<1，终止疗程
    in_episode = ifelse(lag(in_episode, default = FALSE) & monthly_yes < 1, FALSE, in_episode),
    # 累计疗程起始次数，生成唯一疗程编号
    episode_num = cumsum(is_start & !lag(in_episode, default = FALSE))
  ) %>%
  # 生成最终Tx Episode列：疗程中用编号，否则为0
  mutate(`Tx Episode` = ifelse(in_episode, episode_num, 0)) %>%
  # 移除中间辅助列，保留原字段和结果列
  select(`Patient ID`, `就诊日期`, `出勤情况`, `Tx Episode`) %>%
  ungroup()

4. 查看与导出结果 #

运行上述代码后，final_df就是符合要求的数据集，可以查看或导出：

# 查看结果
print(final_df)

# 导出为CSV文件
write_csv(final_df, "疗程标记结果.csv")

代码关键说明 #

• floor_date(就诊日期, "month")：将日期统一转换为当月第一天，方便按自然月分组统计
• monthly_yes：统计每个患者每月的有效就诊次数，是判断疗程的核心依据
• is_start/is_continue：分别标记疗程的起始和延续条件，明确疗程的边界
• episode_num：通过累计新疗程的起始次数，自动生成递增的疗程编号

内容的提问来源于stack exchange，提问作者Noah Wolkowicz