如何计算有条件的Intervarls的病例？小插曲

编程问答 2022-06-11

问题描述

所以我希望我能表达我的问题，在这里，我有以下示例：

result <- c(1,1,1)
con1 <- c(1,2,2)
con2 <- c(2,1)
con3 <- c(2,1)
con4 <- c(2,2)
con5 <- c(1,1)
a <- tibble(Result=result,Con1=con1,Con2=con2,Con3=con3,Con4=con4,Con5=con5)

上面的代码给我下面的小标题，其中每一行都是一个病人：

> a
# A tibble: 10 x 6
   Result  Con1  Con2  Con3  Con4  Con5
    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
 1      1     1     2     2     2     1
 2      1     2     1     2     1     2
 3      1     2     2     1     2     2
 4      1     2     2     1     2     2
 5      1     1     1     1     1     1
 6      1     1     1     2     1     2
 7      1     2     2     2     2     2
 8      1     2     2     2     1     2
 9      1     2     2     2     1     2
10      1     2     1     1     2     1

结果是市长病阳性的病例（这就是为什么全为1的情况），而Con_i对患者是是还是否的问题，其中1 =是，2 =否，我想获得对0个问题，1个问题，2-3个问题和4个或更多问题说“是”。

到目前为止，我已经尝试这样做：

a1 <-a %>% add_column(X=1) 
a1$X <- case_when(a$Con1==2 & a$Con2==2 & a$Con3==2 & a$Con4==2 & a$Con5==2 ~ 0,a$Con1==1 & a$Con2==2 & a$Con3==2 & a$Con4==2 & a$Con5==2 |
                    a$Con1==2 & a$Con2==1 & a$Con3==2 & a$Con4==2 & a$Con5==2|
                    a$Con1==2 & a$Con2==2 & a$Con3==1 & a$Con4==2 & a$Con5==2|
                    a$Con1==2 & a$Con2==2 & a$Con3==2 & a$Con4==1 & a$Con5==2|
                    a$Con1==2 & a$Con2==2 & a$Con3==2 & a$Con4==2 & a$Con5==1 ~ 1)
table <- a1 %>% group_by(X) %>% count(X,Result)
table
> table
# A tibble: 3 x 3
# Groups:   X [3]
      X Result     n
  <dbl>  <dbl> <int>
1     0      1     1
2     1      1     4
3    NA      1     5

但是我知道这不是最有效的方法，再加上我需要针对2-3种情况和4种以上情况进行所有组合，并且无法扩展，因此我正在寻找一种更简单的方法来实现扩展它，希望我能得到您的帮助并提前致谢！

解决方法

也许是最简单的：

table(rowSums(a[,-1] < 2))
# 0 1 2 3 5     <--- counts of "1" in each row
# 1 4 2 2 1     <--- number of patients with that count

由于您需要将2-3和4+分组，所以

table(cut(rowSums(a[,-1] < 2),c(0,1,2,4,Inf),include.lowest = TRUE))
#   [0,1]   (1,2]   (2,4] (4,Inf] 
#       5       2       2       1

虽然逻辑使用< 2，但检查== 1L或类似的相等性也很容易。

逐步解决此问题：

a[,-1] == 1
#        Con1  Con2  Con3  Con4  Con5
#  [1,]  TRUE FALSE FALSE FALSE  TRUE
#  [2,] FALSE  TRUE FALSE  TRUE FALSE
#  [3,] FALSE FALSE  TRUE FALSE FALSE
#  [4,] FALSE FALSE  TRUE FALSE FALSE
#  [5,]  TRUE  TRUE  TRUE  TRUE  TRUE
#  [6,]  TRUE  TRUE FALSE  TRUE FALSE
#  [7,] FALSE FALSE FALSE FALSE FALSE
#  [8,] FALSE FALSE FALSE  TRUE FALSE
#  [9,] FALSE FALSE FALSE  TRUE FALSE
# [10,] FALSE  TRUE  TRUE FALSE  TRUE
rowSums(a[,-1] == 1)
#  [1] 2 2 1 1 5 3 0 1 1 3

最后一个是每个“患者”（行）的1的数目。

据此，我计算一个0，四个1，两个2和两个3，零个4和一个{{ 1}}。这应该总共是5、2、2、1 ...，所以@andrew_reece是正确的，让我们使用5：

cut(...,right=FALSE)

我应该早早发现table(cut(rowSums(a[,right = FALSE)) # [0,1) [1,2) [2,4) [4,Inf) # 1 4 4 1 （先前的答案），表示0和1是封闭式的，这意味着0和1都包含在同一个bin中。

,

带有Reduce和table的选项

table(Reduce(`+`,lapply(a[-1],`<`,2)))

# 0 1 2 3 5 
#1 4 2 2 1
,

透视数据，使所有Con变量都为一列，每个Con的yes / no值位于单独的列中。然后，您可以使用group_by和summarise操作进行分组：

a %>%
  mutate(patient = letters[row_number()]) %>%
  pivot_longer(starts_with("Con")) %>%
  group_by(patient) %>%
  summarise(yes = sum(value == 1),no = sum(value == 2)) %>%
  group_by(yes) %>%
  summarise(yes_ct = n()) %>%
  mutate(yes_grp = case_when(
    yes %in% 2:3 ~ "2-3",yes >= 4 ~ "ge4",TRUE ~ as.character(yes)
  )) %>%
  group_by(yes_grp) %>%
  summarise(ct = sum(yes_ct))

# A tibble: 4 x 2
  yes_grp    ct
  <chr>   <int>
1 0           1
2 1           4
3 2-3         4
4 ge4         1

我制作了一个明确的patient变量（基本上只是行号），以简化数据透视和分组操作。

,

尝试一下：

library(data.table)
df <- setDT(a) - 1

df$sum <- 5 - rowSums( df[,2:6] )
freq <- data.table(table(df$sum))
names(freq) <- c('Questions_Yes','Patients')

freq <- freq[,`:=`(
  Questions_Yes = case_when(
    Questions_Yes %in% c(2:3) ~ "2-3",Questions_Yes >= 4 ~ "4+",TRUE ~ as.character(Questions_Yes)
  ))
][,.(Patients = sum(Patients)),by = Questions_Yes] 


  Questions_Yes Patients
1:             0        1
2:             1        4
3:           2-3        4
4:            4+        1
dplyrrrtibble