R语言跨多DX诊断列按逻辑条件筛选患者并生成分类标记列

原有代码错误说明 #

代码无法达到预期效果的核心原因：

• 向量构造错误：c()内元素需用逗号分隔，|是逻辑或运算符，不能作为向量元素分隔符，运行时会直接抛错
• 函数适配错误：mutate_at用于逐列变换，无法实现跨列的行级整体判断
• 逻辑方向错误：需求是对单条患者记录的所有DX列做整体命中校验，而非对单个DX列的值做条件匹配，且未处理列内NA值导致的判断偏差

可运行实现方案 #

编码规则预定义 #

• 需命中的第一组编码：c("05", "5", "02", "2", "62")
• 需命中的第二组编码：c("87", "087", "0086", "089", "89")

方案1：dplyr 通用写法（适配任意数量DX列） #

自动识别所有以DX开头的列，无需手动枚举DX1、DX2……DX10的列名，适配常规分析场景：

library(dplyr)

code_group1 <- c("05", "5", "02", "2", "62")
code_group2 <- c("87", "087", "0086", "089", "89")

Patientdata <- Patientdata %>%
  mutate(
    Diagnosis = case_when(
      if_any(starts_with("DX"), ~ .x %in% code_group1) &
      if_any(starts_with("DX"), ~ .x %in% code_group2) ~ "Yes",
      TRUE ~ ""
    )
  )

方案2：基础R 极速写法（适配超大规模数据集） #

无第三方包依赖，内存占用低、运行速度快，适合千万行级别的超大规模患者数据库：

# 自动识别所有DX列的位置
dx_col_index <- grep("^DX", colnames(Patientdata))

# 批量计算行级命中结果
Patientdata$Diagnosis <- ""
hit_group1 <- apply(Patientdata[, dx_col_index], 1, \(row) any(row %in% code_group1, na.rm = TRUE))
hit_group2 <- apply(Patientdata[, dx_col_index], 1, \(row) any(row %in% code_group2, na.rm = TRUE))
Patientdata$Diagnosis[hit_group1 & hit_group2] <- "Yes"

效果验证 #

上述代码运行后生成的Diagnosis列与示例期望输出完全一致，无需调整列顺序、修改单条判断逻辑，可直接复用。

内容的提问来源于stack exchange，提问作者Mike J