如何识别 R 中一列的值变化？

Question

我计划识别并提取经历过从旧药到新药的药物变化的受试者。 在下面的代码中，有两种药物：A和B，A类是老药，B类是新药，B有不同的药牌：2,3和4。
每个人随着时间的流逝，药物变化有3种模式：

11号患者将药物从A型改为B型，只有A型和B型可以，B型改为A型不算改变
患者 12 一直使用 B 型，但他从品牌 2 更改为品牌 3。

患者 13 从 A 型变为 B 型，但他再次从品牌 2 变为品牌 3。

df <- data.frame(id = c(11,11,11,11,12,12,12,12,13,13,13,13),
              drug_type = c("A","A","B","B","B","B","B","B","A","A","B","B"),
              drug_brand = c(1,1,2,2,2,3,3,3,1,1,2,3),
              date = c("2020-01-01","2020-02-01","2020-03-01","2020-03-13",
                       "2019-04-05","2019-05-02","2019-06-03","2019-08-04",
                       "2021-02-02","2021-02-27","2021-03-22","2021-04-11"))
 df$date <- as.Date(df$date)

那么我应该如何从这个数据集中筛选出换药的患者呢？
为了解决这个问题，我在两个数据框中总结了 A 类药物的最后使用日期和 B 类药物的首次使用日期。我在内部加入了 id 和过滤器，条件是类型 B 的第一个日期晚于类型 A 的最后一个日期，但这可能只能解决从类型 A 到类型 B 的变化。我不知道如何识别所有药物变化的模式。

我还没有找到任何解决方案或类似的问题，所以我真诚地希望你能与我分享你的想法。谢谢你的时间。

Answer 1

您的最终目标是否只是过滤掉任何更改了 drug_brand 或 drug_type 的主题？如果是这样，您可以使用带 dplyr::n_distinct() 的分组过滤器来删除具有 >1 个品牌或 >1 类型的主题：

library(dplyr)

df %>%
  group_by(id) %>%
  filter(
    n_distinct(drug_type) == 1,
    n_distinct(drug_brand) == 1
  ) %>%
  ungroup()

Answer 2

也许您可以查看 drug_type 从“A”到“B”的过渡，或者包括不同 drug_brand 的数量大于 1 的地方？

library(tidyverse)

df %>%
  group_by(id) %>%
  filter(any(drug_type == "B" & lag(drug_type) == "A") |
           n_distinct(drug_brand) > 1)

如何识别 R 中一列的值变化？

How to identify value change in one column in R?

r

database

medical