解析R中包含多个数据点的Excel单元格中的数据

Question

我有一张病人信息的Excel表格。其中一列的标题是“出院诊断”，问题是一些患者出院时有多个诊断，因此在一些细胞中有多个诊断，用"/“分隔。

我正在使用R来分析数据。我正在尝试找出任何给定的出院诊断的频率。

我如何才能让R查找诊断结果，不管它在单元中是如何呈现的？

例如，我想知道出院诊断为“流感”的频率。一些患者被诊断为“流感”，而另一些患者则被诊断为“流感/肺炎”。我怎样才能让R识别出这两个都包含“流感”呢？

Answer 1

您没有提供样例数据集，所以我编造了一个。我假设您可以从Excel中获取数据，因为您并没有特别询问过这一点。

library(tidyverse)
library(stringr)
pts <- tribble(~Pt, ~Diag, 
               "Bob", "Flu/Pneumonia", 
               "Cathy", "Flu/Explosive Diarrhea", 
               "Carol", "Pneumonia/Syphilis")

接下来，我要做的是用/字符拆分Diag列，然后使用unnest创建一个数据框，每个患者都可以在其中获得每个诊断的记录。

pts <- pts %>% 
  mutate(Diags = str_split(Diag, "/")) %>% 
  unnest() 

# A tibble: 6 x 3
  Pt    Diag                   Diags             
  <chr> <chr>                  <chr>             
1 Bob   Flu/Pneumonia          Flu               
2 Bob   Flu/Pneumonia          Pneumonia         
3 Cathy Flu/Explosive Diarrhea Flu               
4 Cathy Flu/Explosive Diarrhea Explosive Diarrhea
5 Carol Pneumonia/Syphilis     Pneumonia         
6 Carol Pneumonia/Syphilis     Syphilis 

以下是诊断频率表：

pts %>% count(Diags)

# A tibble: 4 x 2
  Diags                  n
  <chr>              <int>
1 Explosive Diarrhea     1
2 Flu                    2
3 Pneumonia              2
4 Syphilis               1