R脚本需求：按ID提取首次连续全注册年份的最后一行（Cox回归）

背景与需求 #

正在为Cox回归模型整理数据，数据集记录了参与者在本省的所有注册年份，包含每年的注册天数变量。需要确定两个关键时间点：

• 参与者首次全注册（≥365天）的起始年份
• 首次连续全注册阶段的最后年份

注：部分参与者曾离开本省后又返回并完成至少一年全注册，但本次分析中，随访需在首次离开时结束——因为无法追踪其在外期间的健康结局。

已完成的预处理步骤 #

• 已按ID、年份对数据集排序
• 已移除注册天数不足365天的观测

测试数据集与现有代码 #

测试数据集 #

df <- data.frame(
  ID = c(1,1,1,1,1,2,2,2,2,2,2,3,3,3,3), 
  values = c(1996,1998,1999,2000,2001,2001,2002,2003,2004,2007,2008,2004,2005,2006,2007)
)

已实现的功能代码 #

1. 获取首次全注册年份（代码运行正确）：

df_inc <- df %>% 
  group_by(ID) %>% 
  filter(row_number(values)==1)

2. 获取所有全注册记录的最后年份（未考虑年份连续性）：

df_lastoverall <- df %>% 
  group_by(ID) %>% 
  filter(row_number(values)==n())

该代码返回结果：ID1最后年份为2001，ID2为2008，ID3为2007——不符合需求。

目标与失败尝试 #

需要识别从起始年份开始的首次连续全注册阶段的最后年份，预期结果：

• ID1：1996（首次注册后就离开，无后续连续年份）
• ID2：2004（2001-2004连续，2007-2008属于返回后的阶段，不计入）
• ID3：2007（2004-2007全程连续）

尝试了以下代码但未成功：

df_last <- df %>% 
  group_by(ID) %>% 
  filter(row_number(values)[cumsum(c(1, diff(values)!=1))])
# OR
df_last <- df %>% 
  group_by(ID) %>% 
  filter(row_number(values)==max(values[cumsum(c(1, diff(values)!=1))]))

内容的提问来源于stack exchange，提问作者Jac