限制模糊连接计算

Question

我正在尝试执行一项事件研究，评估特定个体在经历特定治疗（治疗 E）后是否参与特定事件（事件 P）。我这样做是通过对事件 E 的观察，并尝试与对事件 P 的观察合并，然后我将创建一个区间并对其进行评估，如下例所示：

library(tidyverse)
library(fuzzyjoin)

Event_E <- tibble::tribble(
  ~id, ~category,       ~date,
  1L,       "a",  "7/1/2000",
  2L,       "b", "11/1/2000",
  3L,       "c",  "7/1/2002"
) %>%
  mutate(date = as.Date(date, format = "%m/%d/%Y"))

Event_P <- tibble::tribble(
  ~category, ~other_info,     ~start,         ~end,
  "a",         "x", "7/30/2000", "12/31/2000",
  "b",         "y", "11/12/2000", "12/31/2001",
  "b",         "z", "8/1/2002", "12/31/2002"
) %>%
  mutate_at(vars(start, end), as.Date, format = "%m/%d/%Y")


fuzzy_left_join(
  Event_E, Event_P,
  by = c(
    "category" = "category",
    "date" = "start"
  ),
  match_fun = list(`==`, `<=`)
) %>%select(id, category = category.x, date,start)%>%
  group_by(category)%>%slice_min(start)%>%mutate(
  two_weeks=interval(start=date,end=date+weeks(2)),
  P_within=case_when(start%within%two_weeks~"Yes",TRUE~"No"))

除了两个问题外，这个过程非常有效：1) 我的实际数据太大，无法通过 fuzzy_left_join() 进行复制（我只需要事件 P 的最快实例相对于特定事件 E，不是经历事件 E 的个人的所有事件 P 实例），2) 我需要保留没有事件 P 的观察（个人 3/类别 c 经历事件 E，但从不跟进事件P，由于 NA 而被删掉）。

有什么建议吗？我有信心我可以通过额外的合并解决问题 2，但在问题 1 上遇到了障碍。

Answer 1

如果您知道最快的时间总是在 30 天内，那么设置 max_dist=30 可能会有所帮助。或者您可以将事件 E 分成 10 个块，用 fuzzy_left_join 循环遍历它们，然后 bind_rows 之后。

限制模糊连接计算

Limiting fuzzy join calculations

r

fuzzyjoin