嘿，我完全懂你不想动全表、只处理那几十条无效行的想法——毕竟动辄千万行的健康数据表，全表更新不仅没必要，还容易出意外。咱们把你用R dplyr写的逻辑，转换成SQL Server里精准的更新操作就行：

首先，一定要先验证目标行，避免误更新！先跑这条SELECT语句，确认要改的确实是那不到100条符合条件的记录：

-- 先核对要更新的行，确认数量和数据匹配预期
SELECT 
  drug_exposure_id,
  drug_exposure_start_date,
  drug_exposure_end_date,
  drug_exposure_end_datetime,
  days_supply
FROM your_table_name  -- 替换成你的实际表名
WHERE 
  drug_exposure_end_date IS NULL
  AND drug_exposure_end_datetime IS NULL
  AND days_supply IS NULL;

确认没问题后，再执行这条UPDATE语句，仅针对这些无效行设置结束日期（和你R代码里的+ ddays(29L)逻辑完全对应）：

-- 执行精准更新，只修改符合条件的无效行
UPDATE your_table_name
SET drug_exposure_end_date = DATEADD(day, 29, drug_exposure_start_date)
WHERE 
  drug_exposure_end_date IS NULL
  AND drug_exposure_end_datetime IS NULL
  AND days_supply IS NULL;

简单解释下对应关系： #

• R里的filter(is.na(drug_exposure_end_date) & ...) → SQL里的WHERE子句，精准过滤出需要修改的行
• R里的mutate(drug_exposure_end_date = ... + ddays(29L)) → SQL里的SET语句，用DATEADD函数给起始日期加29天，直接赋值给结束日期

额外提醒：如果你的drug_exposure_start_date是datetime类型也没关系，DATEADD同样适用；要是需要更严格的校验，也可以把drug_exposure_id加入WHERE条件（比如你已经拿到了这些行的ID列表），进一步缩小更新范围。

内容来源于stack exchange