从R中的两个数据帧中选择参考日期之后的最近日期

Question

我使用R，我有两个数据集，一个包含参考日期(癌症诊断日期)，另一个包含扫描日期。一些患者在诊断前和诊断后进行了多次扫描。我需要在确诊后做第一次扫描。然后，我计划合并数据集，以便我们可以分析数据帧中的附加数据(未描述)。

我使用lubridate、tidyverse和dplyr。

第一个数据集"a1“的结构是：

patient_id      diagnosis_date
1               2018-06-26
2               2014-10-15
3               2016-02-19
4               2018-06-30

第二个数据"a2“集合的结构：

patient_id      mri_date
1               2018-04-19
1               2018-07-12
1               2018-08-11
2               2014-11-01
3               2016-02-25
3               2018-10-07

我想为每个patient_id选择诊断mri_date>=diagnosis_date日期之后的第一次扫描。例如，患者1的mri_date 2018-07-12。

我尝试过合并数据集combined<-merge(a1,a2,by="patient_id",all.x=TRUE)，然后计划进行过滤和切片。然而，这删除了每个患者的多个mri_date值，只取了第一个值。

我试着寻找答案，但似乎找不到。

如果你能帮忙，我将不胜感激。

Answer 1

使用dplyr的一种方法是通过"patient_id"连接a1和a2，基于mri_date对它们执行arrange操作，然后选择mri_date大于diagnosis_date的第一行。

library(dplyr)

inner_join(a1, a2, by = 'patient_id') %>%
  arrange(patient_id, mri_date) %>%
  group_by(patient_id) %>%
  slice(which.max(mri_date > diagnosis_date))

#  patient_id diagnosis_date mri_date  
#       <int> <date>         <date>    
#1          1 2018-06-26     2018-07-12
#2          2 2014-10-15     2014-11-01
#3          3 2016-02-19     2016-02-25

data

a1 <- structure(list(patient_id = 1:4, diagnosis_date = structure(c(17708, 
16358, 16850,17712), class = "Date")), row.names = c(NA, -4L), class = "data.frame")

a2 <- structure(list(patient_id = c(1L, 1L, 1L, 2L, 3L, 3L), mri_date = 
structure(c(17640, 17724, 17754, 16375, 16856, 17811), class = "Date")), 
row.names = c(NA,-6L), class = "data.frame")