我有一个数据框架-每个人都有多次访问.我想找出那些在第一次诊断后疾病消失的患者.疾病:1=有疾病，0=无疾病.
如何创建一个新的变量"Back_to_normal"=(0，0，1，1，1，0，0，1，1，1)？
ID <- c(1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 6, 6, 6)
Visit <- c(1, 2, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 1, 2, 3)
Disease <- c(1, 1, 1, 0, 1, 0, 0, 1, 1, 0, 0, 0, 1, 0, 1, 0)
df <- data.frame(ID, Visit, Disease)
这段代码将首先标识ID(到那时为止)至少有一个Disease == 1，但当前Disease == 0的行.这必然反映了一个观察结果，即在这一点上ID已经从先前的疾病中恢复.然后它只提取唯一ID，因 for each ID只需要一次这样的恢复.
library(dplyr)
df |>
# arrange(visit) # in case data is not necessarily sorted chronologically
filter(cumsum(Disease) >= 1, Disease == 0, .by = ID) |>
distinct(ID)
ID
1 2
2 4
3 6
为了创建一个新的变量"Back_to_normal"，将1分配给疾病消失的患者，将0分配给没有消失的患者(注释中的每个问题)，您可以将代码的输出分配给-> recovered_IDs以上.然后运行
df |>
mutate(Back_to_normal = 1*(ID %in% recovered_IDs$ID))
更优雅的，正如你的 comments 所建议的:
df |>
mutate(Back_to_normal = ifelse(any(cumsum(Disease) >= 1 & Disease == 0),1,0),
.by = ID)