根据条件选择最佳数量

Question

这是我的最小数据集：

df=structure(list(ID = c(3942504L, 3199413L, 1864266L, 4037617L, 
2030477L, 1342330L, 5434070L, 3200378L, 4810153L, 4886225L), 
    MI_TIME = c(1101L, 396L, 1140L, 417L, 642L, 1226L, 1189L, 
    484L, 766L, 527L), MI_Status = c(0L, 0L, 1L, 0L, 0L, 0L, 
    0L, 0L, 1L, 0L), Stroke_status = c(1L, 0L, 1L, 0L, 0L, 0L, 
    0L, 1L, 1L, 0L), Stroke_time = c(1101L, 396L, 1140L, 417L, 
    642L, 1226L, 1189L, 484L, 766L, 527L), Arrhythmia_status = c(NA, 
    NA, TRUE, NA, NA, TRUE, NA, NA, TRUE, NA), Arrythmia_time = c(1101L, 
    356L, 1122L, 7L, 644L, 126L, 118L, 84L, 76L, 5237L)), row.names = c(NA, 
10L), class = "data.frame")

如你所见，我主要有两种类型的变量“_status”和“_time”。

我正在为生存分析准备我的数据集，“时间”是以天为单位的时间。

但是当我尝试创建一个名为“任何心血管结果”(df$CV) 的变量时，问题就出现了，我将其定义如下：

df$CV = NA
df$CV <- with(df, ifelse(MI_Status=='1' | Stroke_status=='1' | Arrhythmia_status== 'TRUE'  ,'1', '0'))              
df$CV = as.factor(df$CV)

我遇到的问题是选择最佳的活动时间。现在我有一个名为df$CV 的新变量，但有3 个不同的“_time”变量。 所以我想创建一个名为df$CV_time 的新列，其中时间是最先发生的事件的时间。 不过这个问题有一点难度，我举个例子：

如果我们有 MI_status==1、Arrythmia_status==NA、stroke_status==1 和 MI_time==200、Arrythmia_time==100、stroke_time==220 的主题 --> df$CV 的正确时间是 200，因为它是最早事件的时间。

但是，在MI_status==0、Arrythmia_status==NA、stroke_status==0 和MI_time==200、Arrythmia_time==100、stroke_time==220 的情况下，df$CV 的正确时间将是 220，因为最近的跟进时间是220天。

如何根据这些条件为 df$CV 选择最佳数量？

Answer 1

这可能是使用tidyverse 的一种方法。

首先，您可能需要确保列名与拼写和大小写一致（此处使用rename）。

然后，您可以将“心律失常”结果明确定义为TRUE 或FALSE（而不是使用NA）。

您可以使用pivot_longer 将您的数据放入长格式，然后使用group_by 您的ID。您可以在此处包括与 MI、中风和心律失常相关的特定列（其中有“时间”和“状态”列可用）。请注意，在您的实际数据集中（您使用 glimpse - 不清楚您想要什么用于心律失常 - 有一个 pif 列名称，但没有具体的时间或状态）。

您的心血管结果将包括 MI 或中风状态为 1，或心律失常状态为 TRUE。

如果有心血管结果，事件发生时间将是 min 时间，否则使用最近随访的删失时间或 max 时间。

让我知道这是否为您提供了所需的输出。

library(tidyverse)

df %>%
  rename(MI_time = MI_TIME, MI_status = MI_Status, Arrhythmia_time = Arrythmia_time) %>%
  replace_na(list(Arrhythmia_status = F)) %>%
  pivot_longer(cols = c(starts_with("MI_"), starts_with("Stroke_"), starts_with("Arrhythmia_")), 
               names_to = c("event", ".value"), 
               names_sep = "_") %>%
  group_by(ID) %>%
  summarise(
    any_cv_outcome = any(status[event %in% c("MI", "Stroke")] == 1 | status[event == "Arrhythmia"]),
    cv_time_to_event = ifelse(any_cv_outcome, min(time), max(time))
  )

输出

        ID any_cv_outcome cv_time_to_event
     <int> <lgl>                     <int>
 1 1342330 TRUE                        126
 2 1864266 TRUE                       1122
 3 2030477 FALSE                       644
 4 3199413 FALSE                       396
 5 3200378 TRUE                         84
 6 3942504 TRUE                       1101
 7 4037617 FALSE                       417
 8 4810153 TRUE                         76
 9 4886225 FALSE                      5237
10 5434070 FALSE                      1189