r 累积和函数，条件

Question

我在 R 中有一个数据框，相当大 600 rows/observations

一列 patientId 不是数字形式，例如 ju89、ju87，所以它是一个因子列

一栏是remission 1/0，其中1表示缓解0表示未缓解

一栏是timefromdiagnosis

现在，从诊断开始，患者从 1 到 0、0 到 0、0 到 1 或 1 到 1

我想在数据框中添加一列

1 当患者有 0 个缓解
2 当恰好患者有 1 个缓解并且他最后一次有 0 或有 1 个缓解并且他最后一次有 1 个缓解或有 1 个缓解并且这是他的第一次观察
3 当患者有 1 次缓解并且最近 2 次或更多次有 1 次缓解时

我在 plyr 中研究过用 cum sum 来做这个，但它不适合我想做的或者不太清楚如何适应

数据框已经排序，因此患者 ID 彼此相邻，并且随着您向下阅读数据框，每个患者的诊断时间都会增加

由于保密原因，我无法提供数据框，但在这里可以澄清一些事情

remission timefromdiag patientid ...(other variables)

这是我开始使用的数据：

patientId  timefromdiagnosis  remission
ju67       1.2                1
ju67       1.6                0
ju67       3                  0
ju88       1.5                1
ju88       2                  1
ju23       1.9                1
ju23       5                  0

这是我想要得到的，疾病阶段是我想要的栏目：

patientId  timefromdiagnosis  remission  disease stage
ju67       1.2                1          2
ju67       1.6                0          1
ju67       3                  0          1
ju88       1.5                1          2
ju88       2                  1          2
ju23       1.9                1          2
ju23       5                  0          1
ju38       1.7                1          2
ju38       1.9                1          2 
ju38       3                  1          3
ju38       4                  1          3
ju38       5                  0          1

注意患者 ju38 是如何达到 3 的，因为他已经连续 3 次缓解，包括现在的时间（缓解过去两次和现在），然后他保持在 3，因为他只是有另一个缓解，然后他去了到疾病 1 期，因为他的缓解率为 0。

患者 ju88 在 t=2 时缓解，并且在上次 t=1.5 时缓解，但这只是连续两次缓解，包括 t=2，所以他处于疾病阶段 2

患者 ju23 在 t=1.9，缓解为 1，这是对他的第一次观察，因此他满足疾病阶段 2 的标准，如果他的缓解为 0，他将处于疾病状态第一阶段

Answer 1

您正在使用患者处于缓解期的连续周期数，并在患者缓解后重置该计数器。因此，我认为缓解变量的运行长度编码很有意义。您可以使用 rle 函数计算它：

dat$diseaseStage <- ave(dat$remission, dat$patientId, FUN=function(x) {
  ret <- unlist(lapply(rle(x)$length, function(y) c(rep(2, min(2, y)), rep(3, max(0, y-2)))))
  ret[x == 0] <- 1
  ret
})
dat
#    patientId timefromdiagnosis remission diseaseStage
# 1       ju67               1.2         1            2
# 2       ju67               1.6         0            1
# 3       ju67               3.0         0            1
# 4       ju88               1.5         1            2
# 5       ju88               2.0         1            2
# 6       ju23               1.9         1            2
# 7       ju23               5.0         0            1
# 8       ju38               1.7         1            2
# 9       ju38               1.9         1            2
# 10      ju38               3.0         1            3
# 11      ju38               4.0         1            3
# 12      ju38               5.0         0            1

请注意，这适用于患者多次进入和退出缓解的更复杂的情况：

dat2 <- data.frame(patientId=rep("x", 12), remission=rep(c(1, 0, 1, 0), each=3))

使用相同的函数，我们得到：

#    patientId remission diseaseStage
# 1          x         1            2
# 2          x         1            2
# 3          x         1            3
# 4          x         0            1
# 5          x         0            1
# 6          x         0            1
# 7          x         1            2
# 8          x         1            2
# 9          x         1            3
# 10         x         0            1
# 11         x         0            1
# 12         x         0            1

请注意，在这种情况下，使用 cumsum 是不够的，因为它不会接受我们在第 4-6 行中已经康复的事实。

r 累积和函数，条件

r cumulative sum function, conditions

r

cumsum