Блог

У меня есть большой набор данных идентификаторов пациентов с задержками в днях между сеансами хирургии и лучевой терапии (RT). У некоторых пациентов может быть два или три курса лечения РТ. Чтобы идентифицировать этих пациентов, я считаю, что задержка превышает 91 день (3 месяца). Эта задержка в 91 день соответствует окончанию одной обработки RT и началу другой. Для целей анализа он может быть установлен на 61 день (2 месяца). Как соотнести задержку выше 91 дня между двумя значениями с новой обработкой RT и добавить соответствующий порядок в новый столбец? Моя база данных выглядит следующим образом:

 df1 <- data.frame (
id = c("a","a","a","a","b","b","b","b","b","b","b","b","b","b","b","b","b", "c","c","c","c"), 
delay = c(2,3,5,6, 3,5,7,9, 190,195,201,203,205, 1299,1303,1306,1307, 200,202,204,205))

        > df1
   id delay
1   a     2
2   a     3
3   a     5
4   a     6
5   b     3
6   b     5
7   b     7
8   b     9
9   b   190
10  b   195
11  b   201
12  b   203
13  b   205
14  b  1299
15  b  1303
16  b  1306
17  b  1307
18  c   200
19  c   202
20  c   204
21  c   205
  

Мне не удалось создать что-то подобное, учитывая, что время между первым набором задержек превышает 100 дней.

 df2 <- data.frame (
id = c("a","a","a","a","b","b","b","b","b","b","b","b","b","b","b","b","b", "c","c","c","c"), 
delay = c(2,3,5,6, 3,5,7,9, 190,195,201,203,205, 1299,1303,1306,1307, 200,202,204,205),
tt_order = c("1st","1st","1st","1st"," 1st","1st","1st","1st"," 2nd","2nd","2nd","2nd","2nd"," 3rd","3rd","3rd","3rd"," 1st","1st","1st","1st"))

        > df2
   id delay tt_order
1   a     2      1st
2   a     3      1st
3   a     5      1st
4   a     6      1st
5   b     3      1st
6   b     5      1st
7   b     7      1st
8   b     9      1st
9   b   190      2nd
10  b   195      2nd
11  b   201      2nd
12  b   203      2nd
13  b   205      2nd
14  b  1299      3rd
15  b  1303      3rd
16  b  1306      3rd
17  b  1307      3rd
18  c   200      1st
19  c   202      1st
20  c   204      1st
21  c   205      1st
  

Я буду благодарен за любую помощь, которую вы можете предоставить.

Одним из способов было бы разделить delay на 100, а затем использовать match и unique для последовательного получения уникального индекса для каждого id .

 library(dplyr)
df2 %>%
  group_by(id) %>%
  mutate(n_tt = floor(delay/100), 
         n_tt = match(n_tt, unique(n_tt)))

#   id    delay tt_order  n_tt
#   <chr> <dbl>    <dbl> <int>
# 1 a         2        1     1
# 2 a         3        1     1
# 3 a         5        1     1
# 4 a         6        1     1
# 5 b         3        1     1
# 6 b         5        1     1
# 7 b         7        1     1
# 8 b         9        1     1
# 9 b       150        2     2
#10 b       152        2     2
#11 b       155        2     2
#12 b       159        2     2
#13 b      1301        3     3
#14 b      1303        3     3
#15 b      1306        3     3
#16 b      1307        3     3
#17 c       200        1     1
#18 c       202        1     1
#19 c       204        1     1
#20 c       205        1     1
  

Создан новый столбец n_tt для целей сравнения с tt_order в df2 .

@CharlesLDN — возможно, это может быть то, что вы ищете. Здесь будут рассмотрены различия в задержке внутри каждого id , и промежутки > 90 дней будут считаться новым лечением.

 library(tidyverse)

df1 %>%
  group_by(id) %>%
  mutate(tt_order = cumsum(c(0, diff(delay)) > 90)   1)
  

Вывод

    id    delay tt_order
   <chr> <dbl>    <dbl>
 1 a         2        1
 2 a         3        1
 3 a         5        1
 4 a         6        1
 5 b         3        1
 6 b         5        1
 7 b         7        1
 8 b         9        1
 9 b       190        2
10 b       195        2
11 b       201        2
12 b       203        2
13 b       205        2
14 b      1299        3
15 b      1303        3
16 b      1306        3
17 b      1307        3
18 c       200        1
19 c       202        1
20 c       204        1
21 c       205        1