按条件从长格式数据集中提取特定行/采用长格式数据进行生存分析

Question

背景：

我有一个正在准备用于生存分析的数据集，它最初是一个长格式的纵向数据集。我有一个分隔参与者的 ID 变量、一个时间变量（月）和我的二进制 0/1 事件变量（是否有人在赌博时达到“每月损失限额”）。

Problem/goal:

我正在尝试为生存分析创建必要的变量，然后删除 excess/unnecessary 行。在整个研究期间，我的事件（达到损失限额）在技术上可以为每个参与者多次发生，但我只对参与者的第一次发生感兴趣。我制作了一个持续时间变量并尝试使用 if-else 语句对其进行修改，以便满足损失限制的参与者将该特定月份作为他们的终点。

问题是我似乎无法以只保留所需行的方式进行过滤。我尝试了一些带有 if-else 语句的代码，但出现错误。对于满足一个或多个损失限制的参与者，我想提取满足其第一个损失限制的行，因为修改后的持续时间也包含在该行中。对于从未达到损失限额的参与者我无所谓，任何行都可以，因为他们都有必要的信息。

我该如何完成？

示例数据框和代码：

library(dplyr)
# Example variables and data frame in long form
# Includes id variable, time variable and example event variable
id <- c(1, 1, 1, 1, 2, 2, 2, 3, 3, 3, 3, 3 )
time <- c(2, 3, 4, 7, 3, 5, 7, 1, 2, 3, 4, 5)
metLimit <- c(0, 0, 0, 0, 0, 1, 1, 0, 1, 0, 0, 1)

dfLong <- data.frame(id = id, time = time, metLimit = metLimit)

# Making variables, time at start, finish and duration variable 
dfLong <- dfLong %>% 
  group_by(id) %>% 
  mutate(startTime = first(time),
         lastTime = last(time))
dfLong <- dfLong %>% 
  group_by(id) %>% 
  mutate(timeDuration = ifelse(metLimit == "1", c(time - startTime), 
                               lastTime - startTime))
# My failed attempt at solving the problem
dfLong <- dfLong %>% 
  group_by(id) %>% 
  ifelse(metLimit == "1", filter(first(metLimit)), filter(last(time)

Answer 1

您可以对 idgroups 进行排序：

dfLong %>% 
  group_by(id) %>% 
  arrange(desc(metLimit),time,.by_group=TRUE) %>%
  # This one is critical, order by metlimit descending first
  # (MetLimit==1 will be in the first rows of the group if it exists for this
  # particular id) then order by time:
  # Within every Group of id,MeTlimit , put the lowest tim in the upper row
  # of the id Group
  slice_head(n=1) # get the first row for each id-group

这导致：

# A tibble: 3 x 6
# Groups:   id [3]
     id  time metLimit startTime lastTime timeDuration
  <dbl> <dbl>    <dbl>     <dbl>    <dbl>        <dbl>
1     1     2        0         2        7            5
2     2     5        1         3        7            2
3     3     2        1         1        5            1

因为你不关心从未达到极限的参与者的样本点，这应该足够了。

Answer 2

如何将最后一步替换为：

dfLong <- dfLong %>%
  group_by(id) %>%
  dplyr::filter(metLimit == ifelse(sum(metLimit), 1, 0)) %>%
  dplyr::slice_head(n = 1)

> # A tibble: 3 x 6
> # Groups:   id [3]
>      id  time metLimit startTime lastTime timeDuration
>   <dbl> <dbl>    <dbl>     <dbl>    <dbl>        <dbl>
> 1     1     2        0         2        7            5
> 2     2     5        1         3        7            2
> 3     3     2        1         1        5            1

filter() 步骤获取 metLimit 为 1 的行，除非它们全为 0（sum == 0 == false）。然后你得到第一行。

按条件从长格式数据集中提取特定行/采用长格式数据进行生存分析

Extracting specific rows from long format dataset by conditions / adopting long format data to survival analysis

if-statement

r

data-manipulation

survival-analysis

背景：

Problem/goal:

示例数据框和代码：