在R中如何合并基线与随访数据集并处理失访个体？

首先确保你已经安装并加载了dplyr包：

# 安装（如果没装过）
install.packages("dplyr")
# 加载包
library(dplyr)

你的需求正好对应dplyr里的left_join()函数——它会保留左表（这里就是你的基线数据集）的所有行，然后按指定的ID列匹配右表（随访数据集）的记录，匹配不上的行（也就是失访个体），随访相关的列会自动填充NA，完全符合你的要求。

示例操作步骤 #

假设你的基线数据集叫baseline_data，随访数据集叫follow_up_data，两者都有唯一标识列ID：

# 执行左连接合并
merged_data <- baseline_data %>%
  left_join(follow_up_data, by = "ID")

关键说明 #

• left_join()的第一个参数是左表（基线数据），第二个是右表（随访数据），by = "ID"指定用ID列做匹配依据。
• 如果两个数据集里的ID列名字不一样（比如基线叫subject_id，随访叫id），可以写成by = c("subject_id" = "id")来对应列名。

验证结果 #

可以用下面的代码检查失访个体的情况（也就是随访列全为NA的行）：

# 筛选失访个体
lost_to_follow_up <- merged_data %>%
  filter(is.na(某随访列名)) # 把"某随访列名"换成你实际的随访列，比如follow_up_status

# 查看失访人数
nrow(lost_to_follow_up)

这样就能得到合并后的数据集，既保留了所有基线个体，又自动给失访个体的随访列填充了NA。

内容的提问来源于stack exchange，提问作者awastus