对两个变量执行匹配风险集抽样发生率密度抽样而不进行替换匹配

编程问答 2022-04-22

问题描述

我有一个如下例所示的数据框：

### Packages needed for reproducible example
library(lubridate)
library(dplyr)

### Create data frame:
Person_IDs <- seq(1,1000000,1)
Example_DF <- as.data.frame(Person_IDs)

### Sex and age for matching:
set.seed(2021)
Example_DF$Sex <- sample(c("Male","Female"),size = 1000000,replace = T)
set.seed(2021)
Example_DF$Age <- sample(c(1:100),replace = T)

### Study start and end date (just for clarity):
Example_DF$Start_Date <- as.Date("2020-01-01")
Example_DF$End_Date <- as.Date("2021-05-01")

### Study outcome (85% not experiencing the outcome,15% experiencing the outcome):
set.seed(2021)
Example_DF$Outcome <- sample(c(0,1),replace = TRUE,prob = c(0.85,0.15))

### Timestamp for outcome (either as exposed (Outcome = 1) or censored (Outcome = 0):
Example_DF$Timestamp_Outcome <- as.Date("1900-01-01") 
set.seed(2021)
Example_DF$Timestamp_Outcome[Example_DF$Outcome == 1] <- Example_DF$Start_Date[Example_DF$Outcome == 1] + days(sample (c(45:295),size=length(unique(Example_DF$Person_IDs[Example_DF$Outcome == 1])),replace =T)) 
set.seed(2021)
Example_DF$Timestamp_Outcome[Example_DF$Outcome == 0] <- Example_DF$Start_Date[Example_DF$Outcome == 0] + days(sample (c(275:340),size=length(unique(Example_DF$Person_IDs[Example_DF$Outcome == 0])),replace =T)) 

### Arrange data by timestamp outcome:
Example_DF <- Example_DF %>% arrange(Timestamp_Outcome)

### Show first rows of data frame:
head(Example_DF)

如您所见，有：

  1. 1000000 个唯一个体 (Person_ID)，共同开始日期为 2020-01-01（即所有个体的 Start_Date 列设置为 2020-01-01”）和共同结束日期 (End_Date) 为“2021-05-01”。

  2. 提供了有关性别和年龄的信息，这些信息将用于将 Outcome == 1 的 ID 与控件“匹配”。

  3. 所有个人都有一个结果的日期（结果是结果 == 0 或结果 == 1）。

**我现在要执行的操作称为风险集抽样（或发生率密度抽样）。数据帧按结果时间戳排列，现在：

  1. 每次“算法”遇到 Outcome == 1 的行时，随机选择三 (3) 个具有相同性别、相同年龄和较晚时间戳的 Person_ID（即 Timestamp_Outcome 至少为一天后，无论结果 == 0 还是结果 == 1) 都应该执行。

  2. 这 4 个个体（1 个暴露的个体和 3 个未暴露的个体）然后应该从数据框中删除（即替换 = FALSE），因此不能再次选择（称为无替换采样）。* *

为了在需要时更清楚，请考虑以下示例：

head(Example_DF)

如您所见，Person_ID 1030、1269、3180、4245 等都在 2020-02-15 体验结果。以Person_ID 1030为例，这是一位86岁的女性。因此，她应该与三名在 2020 年 2 月 15 日未暴露的 86 岁女性相匹配（她们可能在 2020 年 2 月 16 日、2020 年 2 月 20 日或以后的任何时间暴露）。如果这不可能，则应选择尽可能多的匹配个体（从 0 到 3 个匹配个体）。

知道如何执行此操作吗？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

exposurelubridaterrsample