2

Tenho duas bases de dados, uma base de cirurgias, com o prontuário do paciente e a data de realização da cirurgia e uma base de movimentações. Movimentações tem uma coluna de prontuário e data de internação do paciente, e data da alta, preciso juntar essas bases, mas como um mesmo prontuário pode ter mais de um valor nas duas bases, não tenho nenhum identificador único, então a estratégia é a seguinte, Tenho que pegar a data de realização da cirurgia na base de cirurgia e com essa data verificar, se essa data está no intervalo da base de movimentações, que é entre data da alta - data de internação do paciente, se a data da cirurgia estiver nesse intervalo, preciso contabilizar o valor da qtde de cirurgias no data frame movimentações(cada linha em cirurgias é uma cirurgia realizada naquela data, alguém pode me ajudar como fazer isso em R? a base de dados tem 400 mil registros. aqui está um exemplo simplificado para um paciente.

dados <- c(
  50000, "2016-09-29 13:39:00", "2016-09-30 16:00:00",
  50000, "2016-10-06 14:50:00", "2016-10-08 09:00:00",
  50000, "2017-08-02 16:27:00", "2017-08-03 11:30:00",
  50000, "2017-08-08 08:52:00", "2017-08-09 20:10:00",
  50000, "2017-09-05 14:17:00", "2017-09-11 08:20:00",
  50000, "2018-05-21 17:46:00", "2018-05-24 17:50:00"
)


matriz <- matrix(dados, ncol = 3, byrow = TRUE)


movimentacoes <- as.data.frame(matriz)


colnames(movimentacoes) <- c("Prontuario", "DataInternacao", "HoraAlta")

movimentacoes$Prontuario <- as.integer(movimentacoes$Prontuario)
movimentacoes$DataInternacao <- as.POSIXct(movimentacoes$DataInternacao)
movimentacoes$HoraAlta <- as.POSIXct(movimentacoes$HoraAlta)



cirurgias = 
  data.frame(
    prontuario = rep(50000,3),
    data_realiza = as.Date(c('2017-09-07','2016-09-29','2017-09-11')))

2 Respostas 2

1

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
0

Aqui está uma maneira em SQL com o pacote sqldf.

library(sqldf)
#> Loading required package: gsubfn
#> Loading required package: proto
#> Loading required package: RSQLite

# primeiro transformar as data/hora em data só
tmp <- movimentacoes
tmp$DataInternacao <- as.Date(tmp$DataInternacao)
tmp$HoraAlta <- as.Date(tmp$HoraAlta)

# fazer o join
sql <- "
select 
  tmp.Prontuario,
  tmp.DataInternacao DataInternacao,
  tmp.HoraAlta HoraAlta,
  cirurgias.data_realiza data_realiza
from tmp, cirurgias
where tmp.Prontuario = cirurgias.prontuario
  and data_realiza between DataInternacao and HoraAlta"

sqldf(sql)
#>   Prontuario DataInternacao   HoraAlta data_realiza
#> 1      50000     2016-09-29 2016-09-30   2016-09-29
#> 2      50000     2017-09-05 2017-09-11   2017-09-07
#> 3      50000     2017-09-05 2017-09-11   2017-09-11

Created on 2023-09-01 with reprex v2.0.2

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .