R语言如何按州、年龄组分组计算病例7天累计发病率

数据集结构说明 #

当前使用的数据集包含德国各州、统计日期、不同年龄组的每日COVID新增病例数，样例结构如下：

原有代码问题 #

原有参考代码仅按7天时间窗口做单一维度分组，未加入州、年龄组分隔逻辑，运行时会合并所有州、所有年龄组的病例数据统计，无法满足分维度计算需求：

library(dplyr)

df %>%
  group_by(group = cut(date_entered, '7 days')) %>%
  summarise(date_range = paste(min(date_entered), min(date_entered) + 6, sep = '-'), 
            sum_new = sum(new)) %>%
  select(-group)

修改后可直接运行的代码 #

首先需要将日期列转换为R标准Date格式，再将州、年龄段两个维度和7天时间窗口共同作为分组依据，即可实现分维度独立统计：

library(dplyr)

df %>%
  # 转换日期格式，匹配样例中日-月-年的格式
  mutate(日期 = as.Date(日期, format = "%d-%m-%Y")) %>%
  # 三个分组维度：州、年龄段、7天统计窗口
  group_by(`州`, `年龄段`, time_window = cut(日期, breaks = "7 days")) %>%
  summarise(
    统计周期 = paste(min(日期), min(日期) + 6, sep = " 至 "),
    7天累计病例数 = sum(`病例数`, na.rm = TRUE),
    .groups = "drop" # 统计完成后取消分组，避免后续操作出错
  ) %>%
  select(-time_window)

补充说明 #

• 分组时将州、年龄段放在时间窗口变量前，会对每个州的每个年龄组独立划分7天统计窗口，不会出现跨州、跨年龄组合并数据的问题
• 如果需要计算标准的每10万人口7天发病率，只需提前在数据集中加入对应州、对应年龄组的人口基数字段，在summarise步骤新增发病率计算逻辑即可：7天发病率 = 7天累计病例数 / 对应人口数 * 100000
• 如果需要对齐法定传染病报告的周统计规则（比如从周一开始算一周起始），可以在cut函数中加入start.on.monday = TRUE参数调整窗口起始点

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