【发布时间】:2020-07-23 22:37:26
【问题描述】:
目标
我目前正在尝试获取charttime 中的所有唯一日期,并检查是否有日期charttime.repletion 出现在图表时间后24 小时内。如果是这样,我想标记它以供以后分析。重要的是我保留不符合此标准的charttimes。问题是,如果在给定的 24 小时窗口内有多个日期,我只想为每个图表时间(以及随后的每个 valuenum)获取第一个 charttime.repletion。
背景
charttime 日期与实验室值 (valuenum) 以及相应的 subject_id 和 hadm_id 相关联。 charttime.repletion 列也是如此,您也可以在下表中看到它。问题是,据我所知,因为有很多 valuenums,charttimes 和 charttime.repletions 分别对应 hadm_id 和 subject_id,它创建了一个包含近 15,000,000 行的巨大表(行在加入之前的数十万)。
到目前为止我做了什么
这是我正在合作的能力:
subject_id hadm_id icustay_id itemid.repletion charttime.repletion cgid linkorderid itemid charttime valuenum valueuom label flag fluid category
<int> <int> <int> <int> <dttm> <int> <int> <int> <dttm> <dbl> <chr> <chr> <chr> <chr> <chr>
1 11 194540 229441 30026 2178-04-17 00:00:00 15805 11400165 50971 2178-04-15 00:00:00 3.8 mEq/L Potassium NA Blood Chemistry
2 11 194540 229441 30026 2178-04-17 00:00:00 17701 11825098 50971 2178-04-15 00:00:00 3.8 mEq/L Potassium NA Blood Chemistry
3 11 194540 229441 30026 2178-04-17 00:00:00 15805 11400165 50971 2178-04-15 00:00:00 3.8 mEq/L Potassium NA Blood Chemistry
4 11 194540 229441 30026 2178-04-17 00:00:00 15805 11400165 50971 2178-04-15 00:00:00 3.8 mEq/L Potassium NA Blood Chemistry
5 11 194540 229441 30026 2178-04-17 00:00:00 15805 11400165 50971 2178-04-15 00:00:00 3.8 mEq/L Potassium NA Blood Chemistry
6 11 194540 229441 30026 2178-04-17 00:00:00 17701 11825098 50971 2178-04-15 00:00:00 3.8 mEq/L Potassium NA Blood Chemistry
7 11 194540 229441 30026 2178-04-17 00:00:00 17701 11400165 50971 2178-04-15 00:00:00 3.8 mEq/L Potassium NA Blood Chemistry
8 11 194540 229441 30026 2178-04-17 00:00:00 15805 11400165 50971 2178-04-15 00:00:00 3.8 mEq/L Potassium NA Blood Chemistry
9 11 194540 229441 30026 2178-04-17 00:00:00 17701 11400165 50971 2178-04-15 00:00:00 3.8 mEq/L Potassium NA Blood Chemistry
10 11 194540 229441 30026 2178-04-17 00:00:00 17701 11400165 50971 2178-04-15 00:00:00 3.8 mEq/L Potassium NA Blood Chemistry
# … with 15,494,874 more rows
这是我对这个问题的尝试:
dfPotassiumMethod2 %>%
mutate(pre.replete = if_else(condition = (charttime.repletion > charttime) &
(charttime.repletion <= (charttime + 24*3600 )),
true = "yes", false = "no")) %>%
group_by(charttime.repletion) %>%
slice_max(order_by = charttime) -> pre_repetionK
当我这样做时,我的输出是这样的:
12001 173927 222148 30026 2100-06-14 00:00:00 17478 3120908 50971 2100-06-25 00:00:00 4 mEq/L Potassium NA Blood Chemistry no
2 12001 173927 222148 30026 2100-06-14 00:00:00 17454 3120908 50971 2100-06-25 00:00:00 4 mEq/L Potassium NA Blood Chemistry no
3 12001 173927 222148 30026 2100-06-14 00:00:00 19610 3120908 50971 2100-06-25 00:00:00 4 mEq/L Potassium NA Blood Chemistry no
4 12001 173927 222148 30026 2100-06-14 00:00:00 17478 3120908 50971 2100-06-25 00:00:00 4 mEq/L Potassium NA Blood Chemistry no
5 12001 173927 222148 30026 2100-06-14 00:00:00 17478 3120908 50971 2100-06-25 00:00:00 4 mEq/L Potassium NA Blood Chemistry no
6 12001 173927 222148 30026 2100-06-14 00:00:00 17454 3120908 50971 2100-06-25 00:00:00 4 mEq/L Potassium NA Blood Chemistry no
7 12001 173927 222148 30026 2100-06-14 00:00:00 17454 3120908 50971 2100-06-25 00:00:00 4 mEq/L Potassium NA Blood Chemistry no
8 12001 173927 222148 30026 2100-06-14 00:00:00 17454 3120908 50971 2100-06-25 00:00:00 4 mEq/L Potassium NA Blood Chemistry no
9 12001 173927 222148 30026 2100-06-14 00:00:00 17478 3120908 50971 2100-06-25 00:00:00 4 mEq/L Potassium NA Blood Chemistry no
10 12001 173927 222148 30026 2100-06-14 00:00:00 17478 3120908 50971 2100-06-25 00:00:00 4 mEq/L Potassium NA Blood Chemistry no
我知道charttime.repletion 列中的时间戳记为零,但我相信 tibble 只是由于某种原因未能显示这些,它们实际上都是不同的时间值。我只是感到困惑,因为我应该只有一个valuenum (4mEq/L),对应于valuenum 在charttime 中最接近它的任何东西。
这是一个好的方法吗?无论如何,我将如何验证我的结果?
感谢您就此事提供的任何意见。
准备数据的过程
这是我目前创建数据的过程。
到目前为止,我是从这张表开始的:
subject_id hadm_id icustay_id itemid.repletion charttime.repletion cgid linkorderid
<int> <int> <int> <int> <dttm> <int> <int>
1 21842 174955 250436 30026 2140-11-24 17:00:00 21570 8594378
2 21857 173189 269052 30026 2116-11-05 18:00:00 20963 11951770
3 19339 126827 261452 30297 2114-01-08 16:00:00 18197 3512345
4 25438 169622 240384 30297 2107-01-31 16:00:00 18708 2133610
5 9175 148433 218471 30026 2194-12-20 10:00:00 14973 11207445
6 18605 173380 264352 30026 2188-12-13 10:00:00 14597 592655
7 6960 178048 298934 30026 2120-11-24 00:00:00 19050 109745
8 18605 173380 264352 30026 2188-12-14 00:00:00 19050 592655
9 21842 174955 250436 30026 2140-11-21 02:00:00 15690 6813841
10 18028 160399 204739 30026 2131-01-22 02:00:00 15928 5325139
# … with more rows
我在这张桌子上的 subject_id 和 hadm_id 列左加入了它:
subject_id hadm_id itemid charttime valuenum valueuom label flag fluid category
<int> <int> <int> <dttm> <dbl> <chr> <chr> <chr> <chr> <chr>
1 3 NA 50971 2101-10-13 03:00:00 4.3 mEq/L Potassium NA Blood Chemistry
2 3 NA 50971 2101-10-13 15:47:00 4 mEq/L Potassium NA Blood Chemistry
3 3 NA 50971 2101-10-14 03:00:00 3.7 mEq/L Potassium NA Blood Chemistry
4 3 NA 50971 2101-10-15 03:30:00 4 mEq/L Potassium NA Blood Chemistry
5 3 NA 50971 2101-10-15 12:15:00 4.2 mEq/L Potassium NA Blood Chemistry
6 3 NA 50971 2101-10-16 04:00:00 3.5 mEq/L Potassium NA Blood Chemistry
7 3 NA 50971 2101-10-16 15:30:00 4.9 mEq/L Potassium NA Blood Chemistry
8 3 NA 50971 2101-10-18 05:25:00 4.4 mEq/L Potassium NA Blood Chemistry
9 3 145834 50971 2101-10-20 16:40:00 5.4 mEq/L Potassium abnormal Blood Chemistry
10 3 145834 50971 2101-10-22 04:00:00 4.3 mEq/L Potassium NA Blood Chemistry
# … with more rows
使用此功能:
tbl_mimic(inputevents_cv) %>%
semi_join(kCVSearch, by = "itemid") %>%
select(subject_id, hadm_id, icustay_id, itemid, charttime, cgid, linkorderid) %>%
rename(itemid.repletion = itemid, charttime.repletion = charttime) %>%
left_join(labEventsK, by=c("subject_id", "hadm_id")) %>%
collect() -> dfPotassiumMethod2
编辑:
其中tbl_mimic 是一个从 postgres 后端检索给定表的函数。
tbl_mimic <- function(table) {
table <- as.character(substitute(table))
tbl(con, dbplyr::in_schema("mimiciii", table))
}
【问题讨论】:
-
您想要 SQL 解决方案还是 dplyr 解决方案?
-
@Mousa 。 . .我删除了 SQL 标记。这看起来像一个 R 问题。如果数据确实在数据库中,那么请明确说明数据库和表的外观。
-
抱歉,无意误导。我正在使用 R 与 Postgres 后端和 dbplyr @GordonLinoff
-
@GMB 我更喜欢 dplyr 解决方案
-
@r2evans 这是一个很好的观点,我同意!感谢您的反馈。