使用 R 进行复杂表分析

Question

我有以下数据：

Group           Subject           Lab               LabValue          Visit         Baseline    Count
1               001               Lab1              10                Day 1         Y           1
1               001               Lab1              11                Day 2                     2
1               001               Lab1              12                Day 30                    3
1               002               Lab1              11                Day 1         Y           1
1               002               Lab1              12                Day 30                    2
2               005               Lab1               9                Day 1         Y           1
2               005               Lab1              16                Day 2                     2
2               005               Lab1              11                Month 1                   3
2               006               Lab1              18                Day 1         Y           1
2               006               Lab1              10                Day 2                     2

我想创建两个表：

第一个表格显示 Lab1 的基线值变化，计算访问时的平均值，并使用该特定访问的新患者子集重新计算基线：

   Visit        NumberSubjects     VisitMean     BaselineMean    MeanChangeFromBaseline
   Baseline     4                  12            12              .
   Day 2        3                  12.3          13              -0.67
   Day 30       2                  12            10.5            +1.5
   Month 1      1                  11            9               +2

第二个表允许选择将第 1 个月没有访问的所有受试者的最后访问“推送”到第 1 个月的行（即受试者 001、002 和 005）：

   Visit        NumberSubjects     VisitMean     BaselineMean    MeanChangeFromBaseline
   Baseline     4                  12            12              .
   Month 1      4                  11.25         12              -0.75

（对于科目 001 和 002，第 30 天的值成为第 1 个月的值；对于科目 006，第 2 天的值成为第 1 个月的值）。

这很复杂，但我想看看是否有使用 dplyr 的方法。

我相信我可以使用以下代码为每个主题选择最后一个值：

do.call("rbind", 
        by(df, INDICES=df$Subject, FUN=function(DF) DF[which.max(DF$count), ]))

任何关于我如何创建这两个表的见解将不胜感激。

Answer 1

这是我可能的处理方法。

编辑要解决给定Subject 缺少Baseline 值的问题，如OP 在评论中建议的那样，请使用第一个可用的LabValue（假设按Visit 排序）。此外，要解决给定Subject 的每个Visit 多个LabValue 的问题，请添加group_by(Visit, Subject) 和slice(1) 以使用第一个可用值。代码已更新，输出应与原始示例相同。

对于表1，您可以group_by(Subject)，然后在每个主题的基线处添加LabValue 的附加列。这将使通过访问计算统计数据变得更加容易。

library(tidyverse)

# Table 1
df %>%
  group_by(Subject) %>%
  mutate(Baseline = first(LabValue)) %>%
  group_by(Visit, Subject) %>% 
  slice(1) %>%
  group_by(Visit) %>%
  summarise(NumberSubjects = n(),
            VisitMean = mean(LabValue),
            BaselineMean = mean(Baseline),
            MeanChangeFromBaseline = VisitMean - BaselineMean)

输出

# A tibble: 4 x 5
  Visit   NumberSubjects VisitMean BaselineMean MeanChangeFromBaseline
  <chr>            <int>     <dbl>        <dbl>                  <dbl>
1 Day_1                4   12           12                         0  
2 Day_2                3   12.3333      12.3333                    0  
3 Day_30               2   12           10.5                       1.5
4 Month_1              1   11            9                         2 

对于表 2，我建议使用 complete 之类的内容添加未针对每个主题进行的数据收集访问的空行，然后使用 fill 执行“最后一次观察结果”向前”。然后最新可用的LabValue 将结转到第 1 个月。

# Table 2
df %>%
  group_by(Subject) %>%
  mutate(Baseline = first(LabValue)) %>%
  ungroup() %>%
  complete(Subject, Visit) %>%
  group_by(Subject) %>%
  fill(LabValue, Baseline, .direction = "down") %>%
  filter(Visit == "Day_1" | Visit == "Month_1") %>%
  group_by(Visit, Subject) %>% 
  slice(1) %>%
  group_by(Visit) %>%
  summarise(NumberSubjects =sum(!is.na(LabValue)),
            VisitMean = mean(LabValue, na.rm = TRUE),
            BaselineMean = mean(Baseline, na.rm = TRUE),
            MeanChangeFromBaseline = VisitMean - BaselineMean)

输出

# A tibble: 2 x 5
  Visit   NumberSubjects VisitMean BaselineMean MeanChangeFromBaseline
  <chr>            <int>     <dbl>        <dbl>                  <dbl>
1 Day_1                4     12              12                   0   
2 Month_1              4     11.25           12                  -0.75