data-preprocessing

knitr::opts_chunk$set(echo = TRUE, warning = FALSE, message = FALSE)
library(haven)
library(dplyr)

# 從原始 SAS 檔案中讀取資料
d4_die <- read_sas("d4_die.sas7bdat")
cis_newid <- read_sas("cis_newid.sas7bdat")
bone_newid <- read_sas("bone_newid.sas7bdat")

建立 ID 清單

篩選出符合條件的對象： bone_newid：_COL3 等於 0 (滿65歲)。 cis_newid：所有出現過的對象。 主群體：原本就在 d4_die 中的所有人。 我們將這三個來源的 ID 取「聯集 (Union)」並去除重複，確保每個人只會出現一次。

# 保留滿 65 歲的人，並轉化欄位名稱以利對接
bone65 <- bone_newid %>%
  filter(`_COL3` == 0) %>%
  select(newid = newidno2) %>%
  distinct()

# 提取 CIS 資料的唯一 ID
cis_id <- cis_newid %>%
  select(newid = newidno2) %>%
  distinct()

# 建立總目標群體：將三個來源合併， distinct 確保唯一
all_target_ids <- bind_rows(
  bone65, 
  cis_id,
  d4_die %>% select(newid)) %>%
  distinct(newid)
cat("篩選後總唯一 ID 人數:", nrow(all_target_ids), "\n")

## 篩選後總唯一 ID 人數: 29163

合併與變項清理

以 d4_die 為主體進行合併，並僅保留符合上述 ID 清單的人員。 篩選：僅保留屬於上述目標 ID 清單的人。

去重複：先按 newid 與 Screen_date 排序，保留每個人「最近一次（最晚）」的篩檢紀錄。

final_base <- d4_die %>%
  filter(newid %in% all_target_ids$newid) %>%
  arrange(newid, desc(Screen_date)) %>%
  distinct(newid, .keep_all = TRUE) %>%
  mutate(death = ifelse(!is.na(D_date) & nchar(as.character(D_date)) == 8, 1, 0)) #D_date 不為空值且字元數等於 8 為死亡 (1)，其餘為存活 (0)

cat("d4_die 去重後總人數:", nrow(final_base), "\n")

## d4_die 去重後總人數: 8222

合併外部變項 (Bone & CIS)

將 bone_newid (滿65歲) 與 cis_newid 的特定欄位併入主表。

# 以 final_base 為主體，進行左合併 (Left Join)
final_dataset <- final_base %>%
  left_join(
    bone_newid %>% 
      select(newid = newidno2, `_COL1`, `_COL2`, `_COL3`, `_COL4`, `_COL5`, `_COL6`, `_COL17`, `_COL19`) %>%
      distinct(newid, .keep_all = TRUE), 
    by = "newid"
  ) %>%
  left_join(
    cis_newid %>% 
      select(newid = newidno2, bir_y) %>%
      distinct(newid, .keep_all = TRUE), 
    by = "newid"
  )

篩選分析變項

將 bone、cis、d4_die 所需的變項整理成分析資料集。

# 定義欲保留的變項清單
bone_vars <- c("_COL1","_COL2","_COL3","_COL4",
               "_COL5","_COL6","_COL17","_COL19")

cis_vars <- c("bir_y")

d4_vars <- c(
  "gender","residence","marriage","edu",
  "go_out","visit","helpful","conversation","memory",
  "depressed_mood","anxiety","stress",
  paste0("PHQ_", 1:9), "PHQ_total",
  paste0("AD_", 1:8), "AD_total",
  "BH","BW","BW_loss_year","stand_up","Not_energetic",
  "grip","walk_4s",
  paste0("ADL_", 1:10), "ADL_total",
  "e1","e2","e3","e4","e5","e8","e21",
  "smoke","Drinkhabbit","chewnut","coffee","Exercise"
)

analysis_dataset <- final_dataset %>%
  select(
    newid, Screen_date, D_date, death,
    all_of(bone_vars),
    all_of(cis_vars),
    all_of(d4_vars)
  )
cat("最終資料集維度 (列, 欄):", dim(analysis_dataset), "\n")

## 最終資料集維度 (列, 欄): 8222 74