R语言实现：同ID受试者疾病状态变化时的密度差值计算

实现逻辑说明 #

处理流程完全匹配需求规则：

• 按受试者ID分组，对随访记录按检测日期升序排列
• 仅识别同一受试者相邻随访节点的疾病状态变化，跳过连续相同疾病状态的非变化节点
• 仅对状态发生跳转的相邻两条记录计算密度差值，自动排除全程无状态变化的受试者
• 最终输出字段包含受试者ID、跳转前疾病状态、跳转后疾病状态、密度变化值

依赖包 #

使用dplyr处理分组数据，lubridate做标准日期格式转换，未安装可先运行安装命令：

install.packages(c("dplyr", "lubridate"))
library(dplyr)
library(lubridate)

示例数据构造 #

先构造和需求描述一致的3位受试者测试数据，方便验证效果：

# 构造示例随访数据集
follow_up_data <- data.frame(
  `Subject ID` = c(1,1,1, 2,2, 3,3,3),
  Density = c(32,35,37, 28,41, 22,25,39),
  Disease = c("Healthy","Healthy","Healthy", "Healthy","Mild", "Mild","Mild","Severe"),
  Date = c("2021/1/5","2021/6/10","2021/12/3", "2021/2/2","2021/8/15", "2020/9/12","2021/3/8","2021/9/21"),
  check.names = FALSE
)

测试集对应规则验证点：

• Subject 1全程为Healthy状态，无变化，最终会被自动排除
• Subject 2从Healthy转为Mild，计算对应两次记录的密度差
• Subject 3前两次随访都是Mild状态，仅在2021/9/21转为Severe，仅计算2021/3/8和2021/9/21的密度差

核心处理代码 #

result <- follow_up_data %>%
  # 把字符串格式日期转为标准日期格式，避免字符排序错误
  mutate(Date = ymd(Date)) %>%
  # 按受试者ID分组
  group_by(`Subject ID`) %>%
  # 组内按检测日期从早到晚排序
  arrange(Date, .by_group = TRUE) %>%
  # 提前每条记录相邻下一条随访的疾病状态、密度值
  mutate(
    next_disease = lead(Disease, n = 1),
    next_density = lead(Density, n = 1)
  ) %>%
  # 仅保留相邻节点疾病状态发生变化的记录，过滤无变化、最后一条无后续随访的记录
  filter(!is.na(next_disease), Disease != next_disease) %>%
  # 计算密度差，整理为要求的输出字段
  transmute(
    `Subject ID` = `Subject ID`,
    `Original Disease` = Disease,
    `New Disease` = next_disease,
    `Change in density` = next_density - Density
  ) %>%
  # 解除分组返回普通数据框
  ungroup()

结果验证 #

运行代码后输出的result内容如下，完全符合需求规则：

注：如果需要调整密度差计算方向（如下降为负、上升为正的反向逻辑），把密度差计算语句改为Density - next_density即可；如果存在同一天多次检测的场景，可在arrange步骤增加排序维度调整记录优先级。

内容的提问来源于stack exchange，提问作者corey