如何在R中使用AACT数据库筛选TP53相关研究的facility_investigators列表

核心逻辑是AACT数据库的studies表和facility_investigators表通过共有字段nct_id（临床试验唯一编号）关联，可直接在数据库侧完成关联过滤，避免全量拉取数据占用资源。

完整实现代码 #

library(dplyr)
library(RPostgreSQL)

# 建立AACT数据库连接
aact <- src_postgres(
  dbname = "aact",
  host = "aact-db.ctti-clinicaltrials.org",
  user = "aact",
  password = "aact"
)

# 关联两个表，直接过滤得到TP53相关研究的研究者列表
tp53_investigators <- tbl(aact, "studies") %>%
  # 筛选TP53相关研究，可按需添加更多筛选条件（如brief_title等）
  filter(official_title %like% "%TP53%") %>%
  # 通过nct_id关联研究者表，保留匹配到的研究者信息
  inner_join(tbl(aact, "facility_investigators"), by = "nct_id") %>%
  # 按需选择需要保留的字段，这里仅示例常用字段，可自行调整
  select(nct_id, official_title, facility_name, investigator_role, 
         first_name, middle_name, last_name, degrees) %>%
  # 将结果拉取到本地R环境
  collect()

关键说明 #

• 关联时使用inner_join可确保仅保留同时存在于TP53研究列表和研究者表中的记录，若需要保留无研究者信息的TP53研究可替换为left_join
• 筛选条件可按需扩展，例如增加brief_title %like% "%TP53%"可以扩大匹配范围，覆盖摘要标题中含TP53的研究
• 代码中select步骤仅保留常用字段，可根据需求删除或新增字段，也可直接去掉select步骤返回全量字段

内容的提问来源于stack exchange，提问作者BR27