Udtræk variable

Udtræk udfald og covariater - filtreret til netop din kohorte

Published

July 2, 2026

Du har bygget din kohorte (Fase 10) - en tabel med pnr og index_date per person. Nu udtrækker du de variable du skal bruge: udfald og covariater.

Note

Sådan er arbejdsgangen: Du udtrækker de variable du skal bruge fra hvert register - saml fx alt det du skal bruge fra BEF i ét udtræk, alt fra LPR i ét, osv. - og gemmer hvert udtræk som sin egen .rds-fil. Til sidst, i Fase 12 - Saml & klargør datasættet, kobler du alle udtrækkene sammen til ét stort, færdigt analysedatasæt.

Important

Filtrér altid til din kohorte - før collect(). Du skal kun bruge data på de personer du har bygget. Filtrér derfor hvert udtræk til din kohorte, mens det stadig er dovent (i Arrow/DuckDB), så du ikke henter hele befolkningen ind i R:

kohort      <- readRDS("sti/til/full_cohort.rds")
kohort_pnrs <- unique(kohort$pnr)          # vektor med ALLE pnr (eksponerede + sammenligningskohorte)

register <- open_dataset("sti/til/register/") %>%
  rename_with(tolower) %>%
  semi_join(tibble(pnr = kohort_pnrs), by = "pnr") %>%   # behold kun kohortens rækker - skubbes ned i DuckDB, se Fase 5
  select(pnr, ...) %>%                       # vælg kun de kolonner du skal bruge
  collect()                                  # FØRST nu hentes data ind i R

Filtrér og select() før collect() - det er den vigtigste regel for hastighed og hukommelse (se Fase 5).

Hvilke variable?

Type Side Kilde
Udfald (event-dato, censurering) Udfald LPR (diagnoser), DODSAARS (død), VNDS (emigration)
Socioøkonomi (uddannelse, indkomst, beskæftigelse) Socioøkonomiske variable UDDA, FAIK, AKM
Komorbiditet (multimorbiditets-score) Komorbiditet LPR + færdig algoritme (NMI)
Medicin (ATC-eksponering) Medicin (ATC) LMDB
Demografi (alder, køn) dækket i Fase 6 BEF

Hver side viser samme mønster: åbn registret → filtrér til kohorten → udvælg/beregn variablen → collect() → gem som .rds. Når alle variable er trukket ud, samler du dem i Fase 12 - Saml & klargør datasættet.

Se også

Back to top