多少人收到了4种感兴趣的药物？ R

Question

我有一长串人接受使用可变ATC编码的药物。我想找出有多少人使用了4种特定药物。例如，我想计算有多少人使用了这种特殊模式的药物“ C07ABC”和“ C09XYZ”和“ C08123”和“ C03ZOO”。有些人可能不止一次使用过某些代理（例如C07或C08），没关系，我只想计算有多少独特的人拥有我感兴趣的方案。我不在乎他们有多少次拥有独特的方案毒品。但是，由于我想查找各种模式-我想使用grepl函数。为了进一步解释这一点，我对这个问题的第一次尝试是使用sum命令：

sum(df[grepl('^C07.*?'|'^C09.*?'|'^C08.*?|C03.*?', as.character(df$atc)),])

但是这不起作用，因为我认为sum命令需要一个布尔函数。另外，我认为此处的符号也不正确（我想要一个＆），但我只是在显示代码，以便您知道我在追求什么。也许我需要ave函数-但不确定如何编写此代码？

谢谢。

df
   names  fruit      dates     atc
4   john   kiwi 2010-07-01  C07ABC
7   john  apple 2010-09-01  C09XYZ
9   john banana 2010-11-01  C08123
13  john orange 2010-12-01  C03ZOO
14  john  apple 2011-01-01  C07ABC
2   mary orange 2010-05-01  C09123
5   mary  apple 2010-07-01  C03QRT
8   mary orange 2010-07-01  C09ZOO
10  mary  apple 2010-09-01  C03123
12  mary  apple 2010-11-01  C09123
1    tom  apple 2010-02-01  C03897
3    tom banana 2010-03-01 C02CAMN
6    tom  apple 2010-06-01  C07123
11   tom   kiwi 2010-08-01 C02DA12

Answer 1

除了不需要将整个数据帧行传送到sum之外，该模式中还带有额外的引号：

> sum( grepl('^C07.*|^C09.*|^C08.*|C03.*', df$atc) )
[1] 12

我认为这更容易阅读：

>  sum( grepl('^(C07|C09|C08|C03).*', df$atc) )
[1] 12

但是现在我读到您希望使用所有方法并在患者ID中进行计算。可能需要使用＆作为连接器，但我决定尝试其他路由并使用unique，然后在aggregate操作中进行操作时先计算唯一匹配的次数。

> aggregate(atc ~ names, data=df, 
                       function(drgs) length(unique(grep('^(C07|C09|C08|C03)', drgs))))
  names atc
1  john   5
2  mary   5
3   tom   2

尽管这是匹配项的数量，但不是唯一项的数量，因为我忘记在grep调用中放入value = TRUE（并且还需要使用substr以避免分别计算具有不同尾随ATC代码的同类对象）：

> aggregate(atc ~ names, data=df, function(drgs) length(unique(grep('^C0[7983]', substr(drgs,1,3), value=TRUE))))
  names atc
1  john   4
2  mary   2
3   tom   2

这有点类似于@MichaelLawrence的矩阵/表方法，但是我认为它会更好地扩展，因为创建的“表”要小得多：

 combo <- c("C07", "C09", "C08", "C03")
 tapply(df$atc, df$names, function(drgs) sum(combo %in% substr(drgs,1,3)) )
#------
john mary  tom 
   4    2    2 

Answer 2

您可能考虑避免使用正则表达式，而是从列atc派生出一组有意义的列。对于组合，您可能需要一个2人和毒品的双向表，然后在矩阵上进行计算以计算组合。

例如：

tab <- xtabs(~ names + atc, df)
combo <- c("C07ABC", "C09XYZ", "C08123", "C03ZOO")
haveCombo <- rowSums(tab[,combo] > 0) == length(combo)
sum(haveCombo)

最后两行可以很容易地变成每种组合的功能。

编辑：此方法可以应用于其他派生列，因此，如果您对前缀感兴趣，则]，>

df$agent <- substring(df$atc, 1, 3)
tab <- xtabs(~ names + agent, df)
combo <- c("C07", "C09", "C08", "C03")  
并像以前一样进行。

Answer 3

您可以尝试这个

Answer 4

这只是@Michael Lawrence回答的延续。我将药物更改为@ user2363642所需的内容，并且还对atc列加了字符串以仅使用前三个字符，我相信这也是@ user2363642想要的。另外，对于rowSums，我首先将所有非零数量更改为1，以确保我们不会对药物进行重复计数。

Answer 5

enter link description here