映射函数以迭代 t.test

Question

感谢 StackOverflow 的一位同事，我的数据库比原来的更整洁了，我真的很感激

数据框由一个患者 ID 组成，该 ID 具有多个随时间推移的测量值（00 = 基础，66 = 6 个月，01 = 12 个月）。我知道我把数据框没有按时间顺序排列

df1<-data.frame(pacient<- c(6430, 6430, 6430, 6494, 6494, 6494, 6165, 6165, 6165),
                time<- c(00, 01, 66, 00, 01, 66, 00, 01, 66),
                weight <- c(115, 112, 110, 98, 95, 94, 88, 87, 86),
                waist <- c(123, NA, 112, 115, 112, 113, 112, 110, NA),
                p14_total<- c(7, NA, 4, 12, 5, NA, 15, 12, 13))

• t.test

我正在尝试在不同时间点之间的测量值之间进行比较，而不是配对。例如，00 岁时体重与 66 岁时体重/00 岁时体重与 01 岁时体重/66 岁时体重与 01 岁时体重 我正在寻找一个数据框或 data.table 来导出统计数据（t、pvalue、mean..）

• 创建一个列，其中包含每位患者的不同时间测量值之间的差异。 例如：患者 ID：6430 Weight_6months = Weight01 - Weight66 Weight_12months= Weight01 - Weight00

我真的想用 purrr::map 函数来执行此操作，但我没有达到目标

Answer 1

如果我理解了这个问题，那么一个简单的解决方案是更广泛地旋转数据，然后执行年份之间的差异：

注意如果有很多年，则使用 mutate() 和 across()，允许选择列，而无需指定它们。

library(tidyverse)

df1<-data.frame(pacient = c(6430, 6430, 6430, 6494, 6494, 6494, 6165, 6165, 6165),
                time = c(00, 01, 66, 00, 01, 66, 00, 01, 66),
                weight = c(115, 112, 110, 98, 95, 94, 88, 87, 86),
                waist = c(123, NA, 112, 115, 112, 113, 112, 110, NA),
                p14_total = c(7, NA, 4, 12, 5, NA, 15, 12, 13)) %>% 
  as_tibble()

df2 <- df1 %>% 
  group_by(pacient) %>% 
  pivot_wider(names_from = time, values_from = c(weight, waist, p14_total)) %>% 
  rowwise() %>% 
  mutate(weight_diff_1 = weight_66 - weight_1, weight_diff_2 = weight_1 - weight_0)

# A tibble: 3 x 12
# Rowwise:  pacient
  pacient weight_0 weight_1 weight_66 waist_0 waist_1 waist_66 p14_total_0 p14_total_1 p14_total_66 weight_diff_1 weight_diff_2
    <dbl>    <dbl>    <dbl>     <dbl>   <dbl>   <dbl>    <dbl>       <dbl>       <dbl>        <dbl>         <dbl>         <dbl>
1    6430      115      112       110     123      NA      112           7          NA            4            -2            -3
2    6494       98       95        94     115     112      113          12           5           NA            -1            -3
3    6165       88       87        86     112     110       NA          15          12           13            -1            -1

以及列上的 t.test

t.test(df2$waist_0, df2$weight_1)   

Welch Two Sample t-test

data:  df2$waist_0 and df2$weight_1
t = 2.3133, df = 2.7634, p-value = 0.1112
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -8.302625 45.635958
sample estimates:
mean of x mean of y 
 116.6667   98.0000