如何用dplyr按时间间隔拆分数据行并更新协变量

原始数据 #

患者随访数据框p如下，每行对应一名患者的随访记录：

p <- structure(list(id = 1:3, treatment = structure(c(1L, 1L, 1L), levels = c("SSTR", 
                                                                             "SSA", "Control"), class = "factor"), age = c(31.3, 36.9, 44.6
                                                                             ), sex = structure(c(1L, 1L, 2L), levels = c("0", "1"), class = "factor"), 
               progression = c(0L, 1L, 1L), pfs = c(15.6, 8.9, 25.5)), row.names = c(NA, 
                                                                                   3L), class = "data.frame")

打印后的数据结构：

id treatment  age sex progression  pfs
1  1      SSTR 31.3   0           0 15.6
2  2      SSTR 36.9   0           1  8.9
3  3      SSTR 44.6   1           1 25.5

需求说明 #

需按每12个月的随访间隔拆分每行数据：

• 不变协变量：id、treatment、sex（及其他同类变量）
• 需更新的变量：
  • age：每个时间间隔增加1岁（每12个月增长1岁）
  • 将pfs拆分为start和stop，标识每个12个月间隔的起止时间
  • 新增interval字段，标识间隔序号（0-12月为1，12-24月为2，以此类推）
• 仅在患者最后一个随访间隔保留原progression值，其余间隔该字段设为0

解决方案（dplyr实现） #

library(dplyr)
library(tidyr)

p_processed <- p %>%
  # 计算每个患者需要拆分的间隔总数
  mutate(n_intervals = ceiling(pfs / 12)) %>%
  # 按id拆分成多行长格式，生成间隔序号
  uncount(n_intervals, .id = "interval") %>%
  # 计算每个间隔的起止时间、更新年龄和进展状态
  mutate(
    start = (interval - 1) * 12,
    stop = pmin(interval * 12, pfs),
    age = age + (interval - 1),
    progression = ifelse(stop == pfs, progression, 0)
  ) %>%
  # 调整列顺序匹配预期输出
  select(id, treatment, sex, age, progression, start, stop, interval)

print(p_processed)

输出结果 #

id treatment sex  age progression start stop interval
1  1      SSTR   0 31.3           0     0 12.0        1
2  1      SSTR   0 32.3           0    12 15.6        2
3  2      SSTR   0 36.9           1     0  8.9        1
4  3      SSTR   1 44.6           0     0 12.0        1
5  3      SSTR   1 45.6           0    12 24.0        2
6  3      SSTR   1 46.6           1    24 25.5        3

内容的提问来源于stack exchange，提问作者cmirian