R 中的超前/滞后，但仅适用于满足是/否条件的行

Question

我有一个患者就诊数据集，如下所示：

   visit infection treatment
1      1  negative         1
2      2  negative         1
3      3  positive         1
4      4  negative         0
5      5  positive         1
6      6  positive         0
7      7  positive         1
8      8  negative         0
9      9  negative         1
10    10  negative         1
11    11  negative         0
12    12  positive         1
13    13  positive         1

我想创建一个列， treatment_second_neg_visit ，它告诉我患者是否在手头就诊后的第二次感染阴性就诊中接受了治疗（如果两次感染阴性就诊未在手头就诊之后进行，则为NA ）。 基本上，领先/落后，但仅在满足特定条件时。

注意：即使对于感染阳性的行，我仍然对随后的第二次感染阴性访问感兴趣。

示例 1：对于第一次访问（第 1 行），下一次否定访问是第 2 行，第二次否定访问是第 4 行，其中治疗 = 0。 因此，对于第 1 行， treatment_second_neg_visit的值应为 0。

示例 2：对于第二次访问（第 2 行），下一次否定访问是第 4 行，第二次否定访问是第 8 行，其中治疗 = 0。 因此，对于第 2 行， treatment_second_neg_visit的值应为 0。

最终的 output 应该是：

visit    infection  treatment treatment_second_neg_visit
    1     negative          1                          0
    2     negative          1                          0
    3     positive          1                          0
    4     negative          0                          1
    5     positive          1                          1
    6     positive          0                          1
    7     positive          1                          1
    8     negative          0                          1
    9     negative          1                          0
    10    negative          1                          NA
    11    negative          0                          NA
    12    positive          1                          NA
    13    positive          1                          NA

创建数据集的代码：

dat <- data.frame(visit = 1:13, infection = c("negative", "negative", "positive", "negative", "positive", "positive", "positive", "negative", "negative", "negative", "negative", "positive", "positive"), treatment = c(1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 0, 1, 1))

基础 R 或 dplyr 是理想的，但对任何正确的解决方案都持开放态度。

Answer 1

1）首先创建一个列neg ，它给出了到目前为止的否定数，然后在指定的条件下执行左自连接。

library(sqldf)

dat2 <- transform(dat, neg = cumsum(infection == 'negative'))

sqldf("select a.visit, a.infection, a.treatment, b.treatment second
  from dat2 a
  left join dat2 b on a.neg + 2 = b.neg and b.infection = 'negative' ")

给予：

   visit infection treatment second
1      1  negative         1      0
2      2  negative         1      0
3      3  positive         1      0
4      4  negative         0      1
5      5  positive         1      1
6      6  positive         0      1
7      7  positive         1      1
8      8  negative         0      1
9      9  negative         1      0
10    10  negative         1     NA
11    11  negative         0     NA
12    12  positive         1     NA
13    13  positive         1     NA

或者我们可以在一个 sql 语句中完成所有操作：

sqldf("with dat2 as (
  select *, sum(infection = 'negative') over (rows unbounded preceding) neg
  from dat
)
select a.visit, a.infection, a.treatment, b.treatment second
  from dat2 a
  left join dat2 b on a.neg + 2 = b.neg and b.infection = 'negative' ")

2) dplyr dat2是带有附加列的dat ，它给出了当前行（包括当前行）的负数。 然后我们执行指示的左连接。

library(dplyr)

dat2 <- dat %>%
  mutate(neg = cumsum(infection == 'negative'))
   
dat2 %>%
  mutate(neg = neg + 2) %>% 
  left_join(filter(dat2, infection == 'negative'), "neg", suffix = c("", ".y")) %>%
  select(visit, infection, treatment, second = treatment.y)