使用开始日期和结束日期的两个变量绘制时间上的数据

Question

我有一个大约有2000行的数据集。每一排都是重症监护室入院时的一次医院聚会。这是五年来收集的数据。

感兴趣的变量有:相遇次数、诊断类别、入院日期、出院日期。

我想要做的是，在这5年里，试着画出ICU每天的入住率。示例：

相遇号码: 786786诊断类别:结核病入院日期: 2022-01-20出院日期: 2022-01-30

因此，这个病人从01.20到01.30在ICU呆了10天。

另一次诊断相遇号: 786786诊断类别:癌症入院日期: 2022-01-21出院日期: 2022-01-28

最终目标是根据诊断类别，从最早的入院日和最近的出院日(x轴)开始，绘制每个日期的ICU占用率。对于x轴上的每一个5年的时间周期，将有一个诊断类别的酒吧。

我该怎么做呢？

谢谢(：

Answer 1

我自己也曾多次遇到这个问题。计算入住率的算法基本上是创建一个你想要绘制的天数的向量，然后为每一天，计算当天之前有多少人被接纳，并在那天之后出院。

我们需要一些真实的数据。假设你在5年内有2000名住院患者，而ICU的平均住院时间通常为3.5天，且具有伽玛或对数正态分布，我们可以创建一些合理的模拟数据，如下所示：

# Make data reproducible
set.seed(1)

df <- data.frame(Admit_date = sample(seq(as.POSIXct("2015-01-01"),
                                         as.POSIXct("2020-01-01"), "day"),
                                     2000, TRUE),
                 Diagnosis_category = sample(c("Respiratory",
                                               "Infective",
                                               "Post-op",
                                               "Trauma"), 2000, TRUE),
                 Encounter_number = 56789123 + 1:2000)

df$Discharge_date <- df$Admit_date + 86400 * rgamma(2000, sh = 2, scale = 1.75)
df$Discharge_date <- as.Date(df$Discharge_date)
df$Admit_date <- as.Date(df$Admit_date)
df <- df[order(df$Admit_date), c(3, 1, 4, 2)]
rownames(df) <- NULL

head(df)
#>   Encounter_number Admit_date Discharge_date Diagnosis_category
#> 1         56790418 2015-01-01     2015-01-02            Post-op
#> 2         56789614 2015-01-05     2015-01-10            Post-op
#> 3         56790100 2015-01-05     2015-01-12            Post-op
#> 4         56790644 2015-01-07     2015-01-07             Trauma
#> 5         56789943 2015-01-08     2015-01-09        Respiratory
#> 6         56790066 2015-01-08     2015-01-13             Trauma

假设这与您自己的数据相似，我们现在可以像这样计算每天的占用率：

library(tidyverse)

# Create vector of all dates you wish to plot
days <- seq(as.Date("2015-01-01"), as.Date("2020-01-01"), "day")

plot_df <- df %>%
  group_by(Diagnosis_category) %>%
  summarize(date = days, count = sapply(days, function(x) {
              sum(Admit_date <= x & Discharge_date >= x)
  }))

现在我们准备好阴谋了。在我的示例中，我们只有4个诊断类别，试图在一个面板上绘制超过1600列已经是一项挑战。如果你试图把你所有的诊断类别都放在一个单独的面板上，你就会被弄得一团糟。更糟糕的是，在每个诊断类别中只有少数患者( Covid高峰期间除外)，因此图中只会有几个离散的步骤。我认为最好在这种情况下使用方面：

ggplot(plot_df, aes(date, count, fill = Diagnosis_category,
                    color = Diagnosis_category)) +
  geom_col() +
  facet_wrap(.~Diagnosis_category) +
  theme_minimal(base_size = 16) +
  theme(legend.position = "none")

​

​

除非有一个特定的点，您希望您的数据与这类地块(如在科维德高潮期间的巨大占用率)，你可能想要一个不同的总结衡量。您可以尝试按诊断类别和月份对plot_df进行分组，然后计算每月平均占用率。