基于死亡、转院和数据收集日期在R中创建研究结束日期变量

示例数据 #

实现方案 #

第一步：转换日期格式

先确保所有日期列是R可识别的日期类型（假设原数据日期格式为日/月/年）：

# Base R 写法
df$death_date <- as.Date(df$death_date, format = "%d/%m/%Y")
df$transfer_date <- as.Date(df$transfer_date, format = "%d/%m/%Y")
df$data_collection_end_date <- as.Date(df$data_collection_end_date, format = "%d/%m/%Y")

# tidyverse 写法
library(dplyr)
df <- df %>%
  mutate(across(c(death_date, transfer_date, data_collection_end_date), ~as.Date(., format = "%d/%m/%Y")))

第二步：生成end_date变量

方法1：Base R

利用apply按行计算三个日期的最小值（自动忽略NA）：

df$end_date <- apply(df[, c("death_date", "transfer_date", "data_collection_end_date")], 1, function(x) min(x, na.rm = TRUE))

方法2：tidyverse（rowwise写法）

按行处理，逻辑更直观：

df <- df %>%
  rowwise() %>%
  mutate(end_date = min(c(death_date, transfer_date, data_collection_end_date), na.rm = TRUE)) %>%
  ungroup()

方法3：tidyverse（pmap写法）

适合批量处理场景：

library(purrr)
df <- df %>%
  mutate(end_date = pmap_dbl(list(death_date, transfer_date, data_collection_end_date), min, na.rm = TRUE) %>% as.Date(origin = "1970-01-01"))

以上三种方法都能实现需求：当death_date和transfer_date存在有效值时，取三者中的最早日期；当两者均为NA时，自动取data_collection_end_date的值。

内容的提问来源于stack exchange，提问作者abrar_r