基于R语言从NIS数据多诊断列筛选指定ICD码观测

你之前的代码是用来查询ICD-10诊断标签并生成表格的，和你筛选数据集的需求完全不匹配，自然无法得到想要的结果。以下是两种可行的解决方案，帮你从合并后的2018-2019年NIS数据中，筛选出任意诊断列（I10_DX1至I10_DX40，对应第18至57列）包含J80的观测：

方法1：使用dplyr（tidyverse生态） #

这是tidyverse用户常用的简洁写法，需要先加载dplyr包：

library(dplyr)

# 假设你的合并后数据集名为nis_data
# 方式A：通过列名前缀匹配诊断列
new_nis_data <- nis_data %>%
  filter(across(starts_with("I10_DX"), ~ .x == "J80") %>% rowSums() > 0)

# 方式B：直接指定列位置（第18到57列）
new_nis_data <- nis_data %>%
  filter(across(18:57, ~ .x == "J80") %>% rowSums() > 0)

• across(starts_with("I10_DX"), ~ .x == "J80")：对所有以I10_DX开头的列，检查单元格值是否等于J80，返回一个布尔值矩阵
• rowSums()：计算每行中匹配成功的次数，>0表示该行至少有一个诊断列包含J80，从而保留该观测

方法2：使用Base R #

如果不想依赖tidyverse包，用原生R代码也能实现：

# 方式A：通过列名匹配诊断列
dx_col_indices <- grep("^I10_DX", colnames(nis_data))
new_nis_data <- nis_data[rowSums(sapply(nis_data[, dx_col_indices], function(x) x == "J80")) > 0, ]

# 方式B：直接指定列位置
new_nis_data <- nis_data[rowSums(sapply(nis_data[, 18:57], function(x) x == "J80")) > 0, ]

• grep("^I10_DX", colnames(nis_data))：匹配所有以I10_DX开头的列，返回它们的索引
• sapply(...)：对每个诊断列执行值匹配检查，rowSums()统计每行的匹配次数，大于0的行被保留

注意事项 #

• 确保诊断列是字符类型：如果你的诊断列是因子型，需要先转换为字符型，否则匹配会失败：

  # dplyr写法
  nis_data <- nis_data %>% mutate(across(starts_with("I10_DX"), as.character))
  # Base R写法
  nis_data[, dx_col_indices] <- lapply(nis_data[, dx_col_indices], as.character)
  

• 处理大小写问题：如果数据中J80的大小写不统一（比如出现j80），可以统一转换后匹配：

  # dplyr写法示例
  filter(across(starts_with("I10_DX"), ~ toupper(.x) == "J80") %>% rowSums() > 0)
  

内容的提问来源于stack exchange，提问作者user44441111