R语言构建Enddate变量失败：多层if_else嵌套无响应求解

需求说明 #

• 从数据集的25组DiaGP（1=重症、2=轻症、3=健康）与对应DateGP变量中构建Enddate变量：
  • Enddate为研究Startdate之后首次确诊（DiaGP=1或2）的GP就诊日期；
  • 若从未确诊，则为最后一次GP就诊日期；
  • 确诊日期早于Startdate的忽略。

示例数据 #

现有问题 #

尝试用多层if_else嵌套代码时，运行后出现+提示符无结果：

Data$enddate <- if_else(Data$DiaGP1 == 1 & Data$DateGP1 > Data$Startdate, Data$DateGP1, if_else(Data$DiaGP1 == 2 & Data$DateGP1 > Data$Startdate, Data$DateGP1, if_else(Data$DiaGP2 == 1 & Data$DateGP2 > Data$Startdate, Data$DateGP2, if_else(Data$DiaGP2 == 2 & Data$DateGP2 > Data$Startdate, Data$DateGP2, if_else(Data$DiaGP3 == 1 & Data$DateGP3 > Data$Startdate, Data$DateGP3, if_else(Data$DiaGP3 == 2 & Data$DateGP3 > Data$Startdate, Data$DateGP3, NA))))))

修复方案与优化解法 #

1. 修复现有嵌套代码 #

出现+提示符是因为代码括号不匹配——最后少一个闭合括号。补全后代码可运行，但多层嵌套可读性极差，后续维护困难，不建议使用。

2. 推荐：tidyverse长格式处理法（适配25组变量场景） #

先将宽格式数据转为长格式，逻辑更清晰，扩展性更强：

library(tidyverse)
library(lubridate)

# 统一转换日期为Date类型
Data <- Data %>%
  mutate(across(c(Startdate, starts_with("DateGP")), dmy))

# 宽转长，拆分DiaGP和DateGP分组
Data_long <- Data %>%
  pivot_longer(
    cols = -c(ID, Startdate),
    names_to = c(".value", "GP_num"),
    names_pattern = "(DiaGP|DateGP)(\\d+)"
  ) %>%
  drop_na(DateGP) # 移除无就诊记录的行

# 计算每个ID的Enddate
Data_final <- Data_long %>%
  group_by(ID) %>%
  summarise(
    Startdate = first(Startdate),
    # 筛选符合条件的确诊日期，取最早的；无则取最后一次就诊日期
    Enddate = case_when(
      any(DiaGP %in% c(1,2) & DateGP > Startdate) ~ 
        min(DateGP[DiaGP %in% c(1,2) & DateGP > Startdate]),
      TRUE ~ max(DateGP)
    )
  ) %>%
  left_join(Data, by = c("ID", "Startdate")) %>%
  select(ID, Startdate, Enddate, everything()) # 保留原变量顺序

# 查看结果
Data_final

3. 基础R解法（无第三方包依赖） #

如果不想用tidyverse，可通过循环处理每个ID：

# 转换日期格式为Date类型
Data$Startdate <- as.Date(Data$Startdate, format = "%d-%m-%Y")
for (i in 1:25) {
  Data[, paste0("DateGP", i)] <- as.Date(Data[, paste0("DateGP", i)], format = "%d-%m-%Y")
}

# 定义计算单个ID Enddate的函数
get_enddate <- function(row) {
  start_date <- row["Startdate"]
  dates <- c()
  dia_status <- c()
  
  # 收集所有有效就诊记录
  for (i in 1:25) {
    date_col <- paste0("DateGP", i)
    dia_col <- paste0("DiaGP", i)
    if (!is.na(row[date_col])) {
      dates <- c(dates, row[date_col])
      dia_status <- c(dia_status, row[dia_col])
    }
  }
  
  # 计算Enddate
  valid_diagnosis <- dates[dia_status %in% c(1,2) & dates > start_date]
  if (length(valid_diagnosis) > 0) {
    return(min(valid_diagnosis))
  } else {
    return(max(dates))
  }
}

# 应用函数到每一行
Data$Enddate <- apply(Data, 1, get_enddate)

结果验证 #

示例数据运行后得到的Enddate应为：

• ID1：2007-09-07（首次在Startdate后确诊）
• ID2：2011-01-15（首次有效确诊）
• ID3：2010-02-09（首次有效确诊）
• ID4：2010-11-16（无确诊，取最后就诊日期）

内容的提问来源于stack exchange，提问作者Willeke