如何计算 R 矩阵中所有条件对的相对风险？答案

【问题标题】：How can I calculate the relative risk for all pairs of conditions in a matrix in R?如何计算 R 矩阵中所有条件对的相对风险？
【发布时间】：2017-07-27 07:19:30
【问题描述】：

我在 R 中有一个数据框，其中每一行是一个个体，每一列是一个疾病代码。每个单元格包含 1 或 0，以指示个体是否患有疾病。对于每个疾病代码 X，我想将患有疾病 X 的个体与未患有疾病 X 的个体区分开来。然后我想计算患有疾病 X 的患者同时患有疾病 Y 或疾病 Z 的相对风险。这是样本数据和我的方法：

# generate reproducible dataframe with disease diagnoses
set.seed(2)
ID = c(0:19)
disease0 = c(rbinom(10, 1, 0.0), rbinom(10, 1, 1.0))
disease1 = c(rbinom(10, 1, 0.1), rbinom(10, 1, 0.9))
disease2 = c(rbinom(10, 1, 0.5), rbinom(10, 1, 0.5))
disease3 = c(rbinom(10, 1, 0.9), rbinom(10, 1, 0.1))
disease4 = c(rbinom(10, 1, 1.0), rbinom(10, 1, 0.0))
(disease.df = data.frame(cbind(ID, disease0, disease1, disease2, disease3, disease4)))
row.names(disease.df) = disease.df[ ,1]
disease.df[ ,1] = NULL
disease.df

   disease0 disease1 disease2 disease3 disease4
0         0        0        1        0        1
1         0        0        0        1        1
2         0        0        1        1        1
3         0        0        0        1        1
4         0        1        0        0        1
5         0        1        0        1        1
6         0        0        0        0        1
7         0        0        0        1        1
8         0        0        1        1        1
9         0        0        0        1        1
10        1        1        0        0        0
11        1        1        0        0        0
12        1        1        1        0        0
13        1        1        1        1        0
14        1        1        1        0        0
15        1        1        1        0        0
16        1        0        1        0        0
17        1        1        0        1        0
18        1        1        1        0        0
19        1        1        0        0        0

我可以使用以下代码来计算患有疾病 0 的个体同时患有疾病 1 到 4 的相对风险。

colMeans(filter(disease.df, disease0 == 1))/colMeans(filter(disease.df, disease0 != 1))

 disease0  disease1  disease2  disease3  disease4 
      Inf 4.5000000 2.0000000 0.2857143 0.0000000

我的问题是，有没有一种方法可以使用矢量化操作或应用函数来针对所有 5 种疾病执行此操作，同时避免 for 循环。理想情况下，它会生成这样的表格：

         disease0  disease1  disease2  disease3  disease4
diease0       Inf 4.5000000 2.0000000 0.2857143 0.0000000
diease1 7.3636364       Inf 1.0227273 0.4090909 0.2045455
diease2 1.8333333 1.0185185       Inf 0.6111111 0.5238095
diease3 0.3055556 0.4583333 0.6111111       Inf 2.8518519
diease4 0.0000000 0.2222222 0.5000000 3.5000000       Inf

【问题讨论】：

在看到来自 Ronak 的以下评论之前，我保存了上述编辑。很抱歉有任何混淆。

标签： r statistics vectorization

【解决方案1】：

不是最佳解决方案，但它可以帮助您摆脱重复的代码行。

t(apply(df[-1], 2, function(x) {
   temp = lapply(split(df[-1], x), colMeans)
  temp[[2]]/temp[[1]]
 })
)

#          disease0  disease1  disease2  disease3  disease4
#disease0       Inf 4.5000000 2.0000000 0.2857143 0.0000000
#disease1 7.3636364       Inf 1.0227273 0.4090909 0.2045455
#disease2 1.8333333 1.0185185       Inf 0.6111111 0.5238095
#disease3 0.3055556 0.4583333 0.6111111       Inf 2.8518519
#disease4 0.0000000 0.2222222 0.5000000 3.5000000       Inf

如果我对您的理解正确，我们可以通过 apply 和 lapply 调用的组合来做到这一点。

对于每一列，我们 split 将数据框分为两部分（带有 1 的部分和带有 0 的部分），并使用 colMeans 找到每列的平均值，然后按元素划分两个子列表。

【讨论】：