Se para cada número de prontuário os períodos de internação são únicos (i.e., sem sobreposição), pode usar a combinação Prontuario
e DataInternacao
ou DataAlta
como identificadores. Com isso:
- Usar um non-equi join (rolling ou condicional) para incluir a data de internação ou alta nos dados de cirurgia (para referência, Rui Barradas propôs uma união condicional usando sqldf);
- Contar o número de ocorrências (cirurgias) por período de internação para cada prontuário;
- Juntar essa informação aos dados de movimentações.
Vou modificar seu exemplo para ter mais de um código de prontuário e para facilitar a visualização. No caso dos seus dados originais, faça os ajustes necessários (padronizar o nome da coluna "Prontuario" nos dois data.frames e converter/criar colunas de internação e alta apenas com a data (p.e. com as.Date
).
movimentacoes <- read.csv(text =
"Prontuario, DataInternacao, DataAlta
50000, 2016-09-29, 2016-09-30
50000, 2017-08-08, 2017-08-09
50000, 2017-09-05, 2017-09-11
50000, 2018-05-21, 2018-05-24
61111, 2016-10-18, 2016-10-29
61111, 2017-03-14, 2017-04-01
61111, 2018-06-21, 2018-07-02",
colClasses = c("integer", "Date", "Date"))
cirurgias <- read.csv(text =
"Prontuario, DataCirurgia
50000, 2016-09-29
50000, 2017-09-07
50000, 2017-09-11
61111, 2016-10-20
61111, 2017-03-18
61111, 2017-03-25
61111, 2017-03-29",
colClasses = c("integer", "Date"))
Com dplyr
library(dplyr)
resultado <- cirurgias %>%
left_join(movimentacoes,
join_by(Prontuario == Prontuario,
DataCirurgia >= DataInternacao,
DataCirurgia <= DataAlta)) %>%
summarize(n.cirurgias = n(),
.by = c("Prontuario", "DataInternacao")) %>% # ou DataAlta; como cada combinação é única, não faz diferença
right_join(movimentacoes) %>%
mutate(n.cirurgias = ifelse(is.na(n.cirurgias), 0, n.cirurgias)) %>% # se quiser substituir os NAs dos períodos de internação sem cirurgias por 0
relocate(c("Prontuario", "DataInternacao", "DataAlta", "n.cirurgias")) %>% # se quiser as colunas na mesma ordem de movimentacoes
arrange(Prontuario, DataInternacao) # se quiser ordenar as linhas
resultado
#> Prontuario DataInternacao DataAlta n.cirurgias
#> 1 50000 2016-09-29 2016-09-30 1
#> 2 50000 2017-08-08 2017-08-09 0
#> 3 50000 2017-09-05 2017-09-11 2
#> 4 50000 2018-05-21 2018-05-24 0
#> 5 61111 2016-10-18 2016-10-29 1
#> 6 61111 2017-03-14 2017-04-01 3
#> 7 61111 2018-06-21 2018-07-02 0
Com data.table
Potencialmente mais eficiente do que usar dplyr para bases de dados muito grandes (não necessariamente mais rápido, mas com menor uso de memória).
Aqui usei rolling join, para tirar proveito da indexação interna de data.tables com chaves. Os dados precisam estar ordenados e faz diferença usar DataInternacao
ou DataAlta
, dependendo da direção da rolagem.
library(data.table)
# Seta como data.table e define chaves (ordena e indexa):
setDT(movimentacoes, key = c("Prontuario", "DataInternacao", "DataAlta"))
setDT(cirurgias, key = c("Prontuario", "DataCirurgia"))
resultado <- movimentacoes[cirurgias, roll = TRUE][
, .(n.cirurgias = .N), .(Prontuario, DataAlta)][
movimentacoes, on = .(Prontuario, DataAlta)]
# Muda ordem das colunas
setcolorder(resultado, c("Prontuario", "DataInternacao", "DataAlta", "n.cirurgias"))
# Substitui NAs por 0
resultado[is.na(n.cirurgias), n.cirurgias := 0]
resultado
#> Prontuario DataInternacao DataAlta n.cirurgias
#> 1: 50000 2016-09-29 2016-09-30 1
#> 2: 50000 2017-08-08 2017-08-09 0
#> 3: 50000 2017-09-05 2017-09-11 2
#> 4: 50000 2018-05-21 2018-05-24 0
#> 5: 61111 2016-10-18 2016-10-29 1
#> 6: 61111 2017-03-14 2017-04-01 3
#> 7: 61111 2018-06-21 2018-07-02 0