根据参考表确定百分位数

Question

我从最近的一篇文章中标准化了儿童心率和呼吸频率的正常值。我将它们复制到 csv 中用作 R 中的数据集。数据只是不同的年龄范围（例如 3 个月到 6 个月，或 1 年到 2 岁），然后是第 1 个百分位数、第 10 个、第 25 个百分位数的心率，该年龄范围的第 50、75、90、99 个百分位。

我想将患者数据与此参考表进行比较，以告诉我他们所处的百分位数。由于这是一个完全正态分布，我不认为这是一项非常艰巨的任务，但它超出了我的 R 范围，我似乎找不到任何关于如何完成此任务的好信息。

Answer 1

根据您的解释，我可以建议这个简单的函数，该函数将输入患者的心率和年龄范围，并根据此特定范围的正常密度返回百分位数。

my.quantile = function(myrange, heart.rate){
  table <- data.frame('range'= c("range1", "range2", "range3"),
             'mean' = c(120, 90, 60),
             'sd'   = c(12, 15, 30))
  res <- pnorm(q    = heart.rate,
               mean = subset(table, range==myrange)$mean,
               sd   = subset(table, range==myrange)$sd)
  return(res*100)
}

### my.quantile("range1", 140) 
### [1] 95.22096

根据您所说的，如果它完全正常，您只需要每个范围的均值和方差，对吗？您可以根据呼吸频率对其进行调整。

编辑：为了从您的分位数表中检索正态分布参数，假设您获得的分位数相当精确：

i/ 你的平均参数正好是第 50 个百分位

ii/ 您可以通过取任何其他百分位数来找到标准差，例如，假设您的第 90 个百分位数是 73 拍，第 50 个百分位数是 61 拍：

(73-61)/qnorm(0.90)
### [1] 9.36365

9.36 是您的标准差。从这里开始自动化它应该不是很难。

注意：如果您的百分位数据不是很精确，您可能需要对每个百分位值重复操作并取平均值。