计算一种疾病在R
我试图计算一种疾病（比如心肌梗死（MI）“心脏病发作”）的首次发生率，但我很难在R（base或tidyverse）中实现这一点。感谢您的帮助 谢谢大家。这很有效。我意识到我的例子不清楚。 这些方法总体上效果很好，但我想找到一种方法 按时间段划分的发病率和患病率。 发病率是在特定时间发生的新病例的比例除以未感染该疾病的人数计算一种疾病在R,r,dplyr,tidyverse,R,Dplyr,Tidyverse,我试图计算一种疾病（比如心肌梗死（MI）“心脏病发作”）的首次发生率，但我很难在R（base或tidyverse）中实现这一点。感谢您的帮助 谢谢大家。这很有效。我意识到我的例子不清楚。 这些方法总体上效果很好，但我想找到一种方法 按时间段划分的发病率和患病率。 发病率是在特定时间发生的新病例的比例除以未感染该疾病的人数 n_id <- 5 # five individuals n_time <- 4 # four time pints id <- rep(1:n_id, e
n_id <- 5 # five individuals
n_time <- 4 # four time pints
id <- rep(1:n_id, each = n_time)
time <- rep(1:n_time,times = n_id)
MI <- c(0,0,1,1,
0,1,1,1,
0,0,0,1,
0,0,0,0,
0,0,0,0)
dsn <- data.frame(id, time, MI)
MI2 <- c(0,0,1,NA,
0,1,NA,NA,
0,0,0,1,
0,0,0,0,
0,0,0,0)
dsn2 <- data.frame(id, time, MI, MI2)
library(dplyr)
arrange(dsn2, time)
dsn2
#> id time MI MI2
#> 1 1 1 0 0
#> 2 2 1 0 0
#> 3 3 1 0 0
#> 4 4 1 0 0
#> 5 5 1 0 0
#> 6 1 2 0 0
#> 7 2 2 1 1
#> 8 3 2 0 0
#> 9 4 2 0 0
#> 10 5 2 0 0
#> 11 1 3 1 1
#> 12 2 3 1 NA
#> 13 3 3 0 0
#> 14 4 3 0 0
#> 15 5 3 0 0
#> 16 1 4 1 NA
#> 17 2 4 1 NA
#> 18 3 4 1 1
#> 19 4 4 0 0
#> 20 5 4 0 0
#in the example above, it can be calculated as below
#For the incidence at each time point (proportion of new cases that occur at a particular time divided by the number of people who did not get the disease)
#time 1 = 0/5 =0
#time 2 = 1/5 =0.2
#time 3 = 1/4 =0.25
#time 4 = 1/3 =0.33
##For the prevalence at each time point (the proportion of new and old cases divided by total population)
#time 1 = 0/5 =0
#time 2 = 1/5 =0.2
#time 3 = 2/5 =0.4
#time 4 = 3/5 =0.6
time <- 1:4
incidence <- c(0/5, 1/5, 1/4, 1/3)
prevalence <- c(0/5, 1/5, 2/5, 3/5)
results <- cbind(time, incidence, prevalence)
results
#> time incidence prevalence
#> [1,] 1 0.0000000 0.0
#> [2,] 2 0.2000000 0.2
#> [3,] 3 0.2500000 0.4
#> [4,] 4 0.3333333 0.6
n_id 7 2 1
#> 8 3 2 0 0
#> 9 4 2 0 0
#> 10 5 2 0 0
#> 11 1 3 1 1
#>12 2 3 1 NA
#> 13 3 3 0 0
#> 14 4 3 0 0
#> 15 5 3 0 0
#>16141NA
#>17241NA
#> 18 3 4 1 1
#> 19 4 4 0 0
#> 20 5 4 0 0
#在上面的例子中，它可以按如下方式计算
#每个时间点的发病率（特定时间发生的新病例比例除以未感染该疾病的人数）
#时间1=0/5=0
#时间2=1/5=0.2
#时间3=1/4=0.25
#时间4=1/3=0.33
##每个时间点的患病率（新旧病例比例除以总人口）
#时间1=0/5=0
#时间2=1/5=0.2
#时间3=2/5=0.4
#时间4=3/5=0.6
时间[3，]30.2500000.4
#> [4,] 4 0.3333333 0.6
非常感谢您的编辑，这里有一个计算发病率的解决方案。如果疾病发生在时间1，它也会返回正确的结果
library(dplyr)
dsn %>%
group_by(id) %>%
mutate(neg = MI == 1 & !duplicated(MI)) %>%
group_by(time) %>%
summarise(d = sum(MI != 1),
prevalence = mean(MI),
n = sum(neg)) %>%
transmute(time,
incidence = n / lag(d, default = n_distinct(dsn$id)),
prevalence)
time incidence prevalence
<int> <dbl> <dbl>
1 1 0 0
2 2 0.2 0.2
3 3 0.25 0.4
4 4 0.333 0.6
库（dplyr）
dsn%>%
分组依据（id）%>%
变异（neg=MI==1&！重复（MI））%>%
分组单位（时间）%>%
总结（d=总和（MI！=1），
患病率=平均值（MI），
n=总和（负））%>%
转化（时间，
发生率=n/滞后（d，默认值=n_不同（dsn$id）），
流行率）
时间发病率
1 1 0 0
2 2 0.2 0.2
3 3 0.25 0.4
4 4 0.333 0.6
idlibrary(dplyr)
dsn2 <- dsn %>%
group_by(id) %>%
slice(n())
sum(dsn2$MI)/nrow(dsn2)
# [1] 0.6
库（dplyr）
dsn2%
分组依据（id）%>%
切片（n（））
总额（dsn2$MI）/nrow（dsn2）
# [1] 0.6
tidyverselibrary(tidyverse)
dsn2 %>%
#Group by time
group_by(time) %>%
#Get the sum of positives and negatives, as well as total ID number
summarize(pos = sum(MI ==1),
neg = sum(MI ==0),
totalID = n_distinct(id)) %>%
#add lagged entry of positives
mutate(poslag = lag(pos)) %>%
#Replace NA (first row) with zero
replace_na (list(poslag = 0)) %>%
#Get the number of new cases using pos and poslag
mutate(news = pos - poslag) %>%
#Get incidence and prevalence
mutate(incidence = news/neg,
prevalence = pos/totalID) %>%
#Stay only with the time, incidence and prevalence columns
select(time, incidence, prevalence)
# A tibble: 4 x 3
# time incidence prevalence
# <int> <dbl> <dbl>
#1 1 0 0
#2 2 0.25 0.2
#3 3 0.333 0.4
#4 4 0.5 0.6
库（tidyverse）
dsn2%>%
#按时间分组
分组单位（时间）%>%
#获取正数和负数之和，以及总ID号
汇总（pos=sum（MI=1），
负=和（MI==0），
totalID=n_distinct（id））%>%
#添加滞后的正项
突变（poslag=lag（pos））%>%
#将NA（第一行）替换为零
替换_na（列表（poslag=0））%>%
#使用pos和poslag获取新案例的数量
突变（news=pos-poslag）%>%
#了解发病率和流行率
突变（发病率=新闻/阴性，
患病率=pos/totalID）%>%
#只关注时间、发病率和患病率列
选择（时间、发病率、患病率）
#一个tibble:4x3
#时间发病率
#
#1 1 0 0
#2 2 0.25 0.2
#3 3 0.333 0.4
#4 4 0.5 0.6
关联值与您报告的值不同；然而，我认为它们的计算是错误的，因为在时间2中有1个新的阳性和4个阴性，所以发病率应该是1/4=0.25，这同样适用于以下时间。谢谢你@Jonathan。事实上，对于发病率，你必须将新病例与没有疾病的人数分开。因此，在时间1（5-0=5人没有疾病）、时间2（5-0=5人没有疾病）、时间3（5-1=4人没有疾病）和时间4（4-1=3人没有疾病）。我修改了代码，得到了正确的代码。我不确定这是最有效的，但它在这里
library(tidyverse)
dsn2 %>%
#Group by time
group_by(time) %>%
#Get the sum of positives and negatives, as well as total ID number
summarise(pos = sum(MI ==1),
neg = sum(MI ==0),
totalID = n_distinct(id)) %>%
#add lagged entry of positives
mutate(poslag = lag(pos),
neglag = lag(neg)) %>%
#Replace NA with zero in poslag and 1 in neglag (because of the division)
mutate(poslag = case_when(is.na(poslag) ~ 0, TRUE ~ as.double(poslag)),
neglag = case_when(is.na(neglag) ~ 1, TRUE ~ as.double(neglag))) %>%
#Get the number of new cases using pos and poslag
mutate(news = pos - poslag) %>%
#Get incidence and prevalence
mutate(incidence = news/neglag,
prevalence = pos/totalID) %>%
#Stay only with the time, incidence and prevalence columns
select(time, incidence, prevalence)
#> # A tibble: 4 x 3
#> time incidence prevalence
#> <int> <dbl> <dbl>
#> 1 1 0 0
#> 2 2 0.2 0.2
#> 3 3 0.25 0.4
#> 4 4 0.333 0.6
库（tidyverse）
dsn2%>%
#按时间分组
分组单位（时间）%>%
#获取正数和负数之和，以及总ID号
总结（pos=总和（MI=1），
负=和（MI==0），
totalID=n_distinct（id））%>%
#添加滞后的正项
突变（poslag=滞后（pos），
负滞后=滞后（负））%>%
#将NA替换为poslag中的零，neglag中的1（因为除法）
当（is.na（poslag）~0，TRUE~as.double（poslag）），mutate（poslag=case_，
neglag=当（is.na（neglag）~1，TRUE~as.double（neglag））%>%
#使用pos和poslag获取新案例的数量
突变（news=pos-poslag）%>%
#了解发病率和流行率
突变（发病率=新闻/负滞后，
患病率=pos/totalID）%>%
#只关注时间、发病率和患病率列
选择（时间、发病率、患病率）
#>#tibble:4 x 3
#>时间发病率
#>
#> 1 1 0 0
#> 2 2 0.2 0.2
#> 3 3 0.25 0.4
#> 4 4 0.333 0.6
这有意义吗？还有别的办法吗？非常感谢谢谢@H1。为了清晰起见，我编辑了这个示例。关于每个时间点如何进行的任何建议？谢谢@www。为了清晰起见，我编辑/澄清了示例（见上文）。关于如何在每个时间点进行这项工作，有什么建议吗？谢谢@Jonathan。为了清晰起见，我编辑/澄清了示例（见上文）。对于如何在每个时间点进行治疗，有什么建议吗？如果在时间1发生该疾病，这不会返回正确的结果。我已经发布了一个解决方案。