J'ai une question pour laquelle je pensais avoir trouvé une solution, mais si je vérifie à la main, j'obtiens des chiffres. J'ai cherché dans d'autres citations, mais je n'ai pas pu obtenir exactement ce que je recherchais.
J'ai une base de données avec des agents pharmaceutiques. Chaque ligne est un sujet et jusqu'à 20 colonnes stockent un agent chacune. Ensuite, j'ai une liste d'agents qui peuvent être regroupés dans un seul but. Par exemple. bêta-bloquants. Ce que je voudrais faire, c'est parcourir chaque ligne pour compter si et combien, par exemple. bêta-bloquants ou statines qu'un sujet prend.
J'ai essayé avec:
> dat$betablock[1] [1] 0
Je ne reçois pas d'avertissement mais cela ne compte pas les nombre correct d'occurrences.
Voici quelques exemples de données:
Med1 Med2 Med3 Med4 Med5 Med6 Med7 Med8 Med9 Med10 Med11 Med12 Med13 Med14 Med15
1 AMLODIPIN RAMIPRIL METOPROLOL
2 PLAVIX SIMVASTATIN MIRTAZAPIN
3 BISOPROLOL AMLODIPIN ASS VALSARTAN CHLORALDURAT Doxozosin TAMSULOSIN CIPRAMIL
4 ASS ENALAPRIL L-THYROXIN LITALIR LITALIR AMLODIPIN CETIRIZIN HCT NACL CARMEN PROTEIN 88 NOVALGIN
5 ASS ATORVASTATIN FOSAMAX CALCIUM PANTOZOL NOVAMINSULFON
6 ASS FRAGMIN TORASEMID SPIRONOLACTON LORZAAR PROTECT VESIKUR ROCALTROL ATORVASTATIN PREDNISOLON LACTULOSE MIRTAZAPIN LANTUS ACTRAPID PANTOZOL SALBUTAMOL
Med16 Med17 Med18 Med19 Med20
1
2
3
4
5
6 AMPHO MORONAL
Comme vous pouvez le voir dans la première ligne, troisième colonne, la chaîne 'METOPROLOL' est répertoriée . Mais quand j'appelle le résultat de ma boucle for pour le premier sujet, cela donne «0».
BETA = c("METOPROLOL", "BISOPROLOL", "NEBILET", "METOHEXAL", "SOTALEX",
"QUERTO", "NEBIVOLOL", "CARVEDILOL", "METOPROLOLSUCCINAT", "BELOC")
for (i in 1:202) {
dat$betablock[i] <- sum(str_count(meds[i,], BETA ))
}
Des suggestions?
3 Réponses :
Supposons que les données sur les éléments pharamcuétiques se trouvent dans un agents data.frame. Traduire les éléments des agents en valeurs logiques, avec TRUE présent lorsque l'élément est dans BETA
> agents = data.frame(x = c("a", "b", "c"), y = c("b", "c", "d")
> stringr::str_count(agents[1,], c("a", "b"))
[1] 0 0
> agents = data.frame(x = c("a", "b", "c"), y = c("b", "c", "d"), stringsAsFactors=FALSE)
> stringr::str_count(agents[1,], c("a", "b"))
[1] 1 1
Ensuite, le nombre de bêta-bloquants dans chaque ligne (sujet) est
> stringr::str_count(c("a", "aa", "ab"), "a")
[1] 1 2 1
À titre d'exemple de jouet, voici quelques agents et bêta-bloquants
> agents
x y
1 a b
2 b c
3 c d
> found = agents
> found[] = unlist(agents) %in% beta
> found
x y
1 TRUE TRUE
2 TRUE FALSE
3 FALSE FALSE
> rowSums(found)
[1] 2 1 0
> agents$beta_blockers = rowSums(found)
> agents
x y beta_blockers
1 a b 2
2 b c 1
3 c d 0
Merci beaucoup. Avez-vous des suggestions pour expliquer pourquoi mon code n'a pas fonctionné?
@Torsten J'ai ajouté quelques commentaires à la fin sur ce qu'aurait pu être le problème avec votre approche.
Dans le code suivant, vous pouvez calculer la somme de chaque bêta-bloquant en BÊTA et la somme de tous les bêta-bloquants pour chaque individu (ligne).
Créé le 16/01/2020 par le package reprex (v0.3.0)
Si je comprends bien, l'OP a plusieurs listes d'agents qui peuvent être regroupées dans un seul but pas seulement une liste de bêta-bloquants. L'OP mentionne les statines, par ex. Le PO veut compter combien d'agents différents appartenant à chaque cluster sont pris par chaque sujet. Les décomptes pour chaque cluster d'agents doivent être ajoutés à chaque ligne.
Je suggère de calculer les sommes pour tous les clusters à la fois plutôt que de le faire manuellement liste par liste.
Pour cela, nous devons d'abord configurer un bloc de données avec le clustering:
dat <- structure(list(Med1 = c("AMLODIPIN", "PLAVIX", "BISOPROLOL",
"ASS", "ASS", "ASS"), Med2 = c("RAMIPRIL", "SIMVASTATIN", "AMLODIPIN",
"ENALAPRIL", "ATORVASTATIN", "FRAGMIN"), Med3 = c("METOPROLOL",
"MIRTAZAPIN", "ASS", "L-THYROXIN", "FOSAMAX", "TORASEMID"), Med4 = c("",
"", "VALSARTAN", "LITALIR", "CALCIUM", "SPIRONOLACTON"), Med5 = c("",
"", "CHLORALDURAT", "LITALIR", "PANTOZOL", "LORZAAR PROTECT"),
Med6 = c("", "", "Doxozosin", "AMLODIPIN", "NOVAMINSULFON",
"VESIKUR"), Med7 = c("", "", "TAMSULOSIN", "CETIRIZIN", "",
"ROCALTROL"), Med8 = c("", "", "CIPRAMIL", "HCT", "", "ATORVASTATIN"
), Med9 = c("", "", "", "NACL", "", "PREDNISOLON"), Med10 = c("",
"", "", "CARMEN", "", "LACTULOSE"), Med11 = c("", "", "",
"PROTEIN 88", "", "MIRTAZAPIN"), Med12 = c("", "", "", "NOVALGIN",
"", "LANTUS"), Med13 = c("", "", "", "", "", "ACTRAPID"),
Med14 = c("", "", "", "", "", "PANTOZOL"), Med15 = c("",
"", "", "", "", "SALBUTAMOL"), Med16 = c("", "", "", "",
"", "AMPHO MORONAL")), class = "data.frame", row.names = c(NA,
-6L))
cluster[taken, on = .(Agent)][
, dcast(.SD, ID ~ Purpose, length)][
dat, on = "ID"][
, "NA" := NULL][]
Le cluster peut être créé, par exemple, par
ID BETA STATIN Med1 Med2 Med3 Med4 Med5 Med6 Med7 Med8 1: 1 1 0 AMLODIPIN RAMIPRIL METOPROLOL 2: 2 0 1 PLAVIX SIMVASTATIN MIRTAZAPIN 3: 3 1 0 BISOPROLOL AMLODIPIN ASS VALSARTAN CHLORALDURAT Doxozosin TAMSULOSIN CIPRAMIL 4: 4 0 0 ASS ENALAPRIL L-THYROXIN LITALIR LITALIR AMLODIPIN CETIRIZIN HCT 5: 5 0 1 ASS ATORVASTATIN FOSAMAX CALCIUM PANTOZOL NOVAMINSULFON 6: 6 0 1 ASS FRAGMIN TORASEMID SPIRONOLACTON LORZAAR PROTECT VESIKUR ROCALTROL ATORVASTATIN
Pour compter les occurrences, nous devons rejoindre ou fusionner cette table avec la liste des agents que chaque sujet prend dat après que dat a été remodelé du format large au format long.
Alors que les données sont au format grand format de feuille de calcul , c'est-à-dire avec une ligne par sujet et de nombreuses colonnes, conviennent souvent à la saisie et à l'inspection des données, le format long de style base de données est souvent plus adapté au traitement des données.
taken <- unique(taken, by = c("ID", "Agent"))
ID variable Agent 1: 4 Med5 LITALIR
dat est modifié en ajoutant un numéro de ligne qui identifie chaque sujet, puis il est remodelé au format long en utilisant melt () . Les entrées manquantes ou vides sont supprimées et les noms des agents sont convertis en majuscules pour des raisons de cohérence.
Modifier Dans le format long, il est également facile de vérifier les agents en double par sujet
XXX
taken[duplicated(taken, by = c("ID", "Agent"))]
et supprimez les doublons:
ID variable Agent
1: 1 Med1 AMLODIPIN
2: 2 Med1 PLAVIX
3: 3 Med1 BISOPROLOL
4: 4 Med1 ASS
5: 5 Med1 ASS
6: 6 Med1 ASS
7: 1 Med2 RAMIPRIL
8: 2 Med2 SIMVASTATIN
9: 3 Med2 AMLODIPIN
10: 4 Med2 ENALAPRIL
11: 5 Med2 ATORVASTATIN
12: 6 Med2 FRAGMIN
13: 1 Med3 METOPROLOL
14: 2 Med3 MIRTAZAPIN
15: 3 Med3 ASS
16: 4 Med3 L-THYROXIN
17: 5 Med3 FOSAMAX
18: 6 Med3 TORASEMID
19: 3 Med4 VALSARTAN
20: 4 Med4 LITALIR
21: 5 Med4 CALCIUM
22: 6 Med4 SPIRONOLACTON
23: 3 Med5 CHLORALDURAT
24: 4 Med5 LITALIR
25: 5 Med5 PANTOZOL
26: 6 Med5 LORZAAR PROTECT
27: 3 Med6 DOXOZOSIN
28: 4 Med6 AMLODIPIN
29: 5 Med6 NOVAMINSULFON
30: 6 Med6 VESIKUR
31: 3 Med7 TAMSULOSIN
32: 4 Med7 CETIRIZIN
33: 6 Med7 ROCALTROL
34: 3 Med8 CIPRAMIL
35: 4 Med8 HCT
36: 6 Med8 ATORVASTATIN
37: 4 Med9 NACL
38: 6 Med9 PREDNISOLON
39: 4 Med10 CARMEN
40: 6 Med10 LACTULOSE
41: 4 Med11 PROTEIN 88
42: 6 Med11 MIRTAZAPIN
43: 4 Med12 NOVALGIN
44: 6 Med12 LANTUS
45: 6 Med13 ACTRAPID
46: 6 Med14 PANTOZOL
47: 6 Med15 SALBUTAMOL
48: 6 Med16 AMPHO MORONAL
ID variable Agent
La dernière étape crée ce que je crois être le résultat attendu:
taken <- melt(setDT(dat)[, ID := .I], "ID", value.name = "Agent", na.rm = TRUE)[
Agent != ""][
, Agent := toupper(Agent)][]
Veuillez noter les colonnes supplémentaires avec les décomptes par cluster (en raison de l'espace limité, toutes les colonnes du résultat ne sont pas affichées ici). Ceci est créé par
library(data.table)
library(magrittr)
cluster <- list(
BETA = c("METOPROLOL", "BISOPROLOL", "NEBILET", "METOHEXAL", "SOTALEX",
"QUERTO", "NEBIVOLOL", "CARVEDILOL", "METOPROLOLSUCCINAT", "BELOC"),
STATIN = c("ATORVASTATIN", "SIMVASTATIN", "LOVASTATIN", "PRAVASTATIN",
"FLUVASTATIN", "PITAVASTIN")
) %>%
lapply(data.table) %>%
rbindlist(idcol = "Purpose") %>%
setnames("V1", "Agent")
en utilisant les opérations suivantes:
cluster et pris pour ajouter Purpose dat Purpose Agent 1: BETA METOPROLOL 2: BETA BISOPROLOL 3: BETA NEBILET 4: BETA METOHEXAL 5: BETA SOTALEX 6: BETA QUERTO 7: BETA NEBIVOLOL 8: BETA CARVEDILOL 9: BETA METOPROLOLSUCCINAT 10: BETA BELOC 11: STATIN ATORVASTATIN 12: STATIN SIMVASTATIN 13: STATIN LOVASTATIN 14: STATIN PRAVASTATIN 15: STATIN FLUVASTATIN 16: STATIN PITAVASTIN
C'est absolument ce que je voulais avoir à la fin. Belle voie directe. Seulement, je dois admettre que mes connaissances en R ne sont pas assez étendues pour comprendre votre code. Mais merci beaucoup. J'ai remarqué qu'il y avait des doublons dans certains des sujets. Existe-t-il un moyen d'implémenter la vérification des doublons sur les données d'origine 'dat'? J'ai également remarqué que lorsque j'ajoutais plus de listes d'agents après la sixième liste, le nom de la liste n'était plus inclus dans le fichier «cluster». Y at-il une raison à cela?
Par défaut, print () limitera le nombre de lignes affichées à l'écran. Vous pouvez vérifier l'exhaustivité en regardant les dernières lignes avec tail (cluster) ou en comptant le nombre d'agents dans chaque groupe cluster [ .N, by = Purpose] .
Vous devrez peut-être effectuer une boucle dans l'autre sens ou utiliser
paste (BETA, collapse = "|")