自动生成临床三线表

按照流行病学和相关领域的标准做法是，期刊文章的第一张表格，我们通常称为“表1”，是一份表，列出按暴露程度分层的研究人群基线特征的描述性统计数据。这个包使得使用R生成这样一个表相当简单。输出格式是html(它的优点是很容易复制到Word文档中；Chrome浏览器工作得很好)。

实际上这个包还能够对表格有更多定制的功能，但这样用起来爽是需要代价的，更多的代码与CSS知识

官方文档参考资料(https://benjaminrich.github.io/table1/vignettes/table1-examples.html)

R包table1

if(!require(table1)) install.packages("table1",ask=F,update=F)

## Loading required package: table1

## Warning: package 'table1' was built under R version 3.6.1

##

## Attaching package: 'table1'

## The following objects are masked from 'package:base':

##

##     units, units

require(table1)

Example1

使用boot包中的自带数据

melanoma数据集

library(boot)

## Warning: package 'boot' was built under R version 3.6.1

melanoma2

head(melanoma)

##   time status sex age year thickness ulcer

## 1   10      3   1  76 1972      6.76     1

## 2   30      3   1  56 1968      0.65     0

## 3   35      2   1  41 1977      1.34     0

## 4   99      3   0  71 1968      2.90     0

## 5  185      1   1  52 1965     12.08     1

## 6  204      1   1  28 1971      4.84     1

dim(melanoma)

## [1] 205   7

## input melanoma是一个数据框

## 对我们感兴趣的变量因子化

melanoma2$status

factor(melanoma2$status,

levels=c(2,1,3),

labels=c("Alive", # 第一个作为参考组

"Melanoma death",

"Non-melanoma death"))

可以来绘制一个表格试试，意思就是以感兴趣的因子作为分类status，同理这个status可以是任意大家感兴趣的变量。

格式为~感兴趣的基线变量|感兴趣的分类变量,data

table1(~ factor(sex) + age + factor(ulcer) + thickness | status, data=melanoma2)

image.png

这样的表格已经可以了，但仍然可以改进

基线分类变量sex，ulcer没有很好的label，基线的连续型变量可以指定单位units,下面来improve

## 给分类变量sex指定标签

melanoma2$sex

factor(melanoma2$sex, levels=c(1,0),

labels=c("Male",

"Female"))

## 给分类变量ulcer指定标签

melanoma2$ulcer

factor(melanoma2$ulcer, levels=c(0,1),

labels=c("Absent",

"Present"))

## 给变量名指定标签

label(melanoma2$sex)

label(melanoma2$age)

label(melanoma2$ulcer)

label(melanoma2$thickness)

## 给连续型变量指定单位

units(melanoma2$age)

units(melanoma2$thickness)

## 再增加overall统计量

table1(~ sex + age + ulcer + thickness | status, data=melanoma2, overall="Total")

image.png

细节控制

labels

variables=list(sex="Sex",

age="Age (years)",

ulcer="Ulceration",

thickness="Thickness (mm)"),

groups=list("", "", "Death"))##表格上的第一级Death

# 重新给status命名标签，death放到上面去

levels(melanoma2$status)

#按想要的顺序顺序设置分组或列，

#Total放第一列,split分开status

strata

# 添加渲染风格-连续型变量与分类变量展示不同

# 连续型渲染风格函数

my.render.cont

with(stats.apply.rounding(stats.default(x), digits=2), c("",

"Mean (SD)"=sprintf("%s (± %s)", MEAN, SD)))

}

# 分类变量渲染风格

my.render.cat

c("", sapply(stats.default(x), function(y) with(y,

sprintf("%d (%0.0f %%)", FREQ, PCT))))

}

## 结果

## groupsapn为分组的个数,1为Total, 1为Alive，以及2为Death

## 增加了Death的亚组

table1(strata, labels, groupspan=c(1, 1, 2),

render.continuous=my.render.cont, render.categorical=my.render.cat)

image.png

Example2

自己模拟一个数据

函数式编程

…把其余参数全部传递，…的参数传递到了sample函数

f

set.seed(427)

## 构造数据框

n

dat

dat$treat

dat$age

dat$sex

dat$wt

dat$wt[sample.int(n, 5)]

head(dat)

##   id   treat age    sex    wt

## 1  1 Treated  18 Female  62.6

## 2  2 Treated  50   Male  57.4

## 3  3 Treated  37   Male 104.6

## 4  4 Treated  25 Female  55.5

## 5  5 Placebo  60 Female  58.4

## 6  6 Treated  44 Female  41.9

标签命名

单位

## 分类变量

label(dat$age)

label(dat$sex)

label(dat$wt)

label(dat$treat)

## 连续型变量

units(dat$age)

units(dat$wt)

## 绘制默认表格

table1(~ age + sex + wt | treat, data=dat)

image.png

删除overall

table1(~ age + sex + wt | treat, data=dat, overall=F)

image.png

轻松进行多个变量分类，一键定制

table1(~ age + wt | treat*sex, data=dat)

image.png

改变顺序

table1(~ age + wt | treat*sex, data=dat)

image.png

无感兴趣变量统计表格

table1(~ treat + age + sex + wt, data=dat)

image.png

更复杂的定制

## 给原数据增加一个dose列

dat$dose

## 给dose加标签

dat$dose

## strata定制

## split指定按dose分亚组

strata

list("All treated"=subset(dat, treat=="Treated")), ## all treated组

list(Overall=dat))## overall

labels

variables=list(age=render.varlabel(dat$age),

sex=render.varlabel(dat$sex),

wt=render.varlabel(dat$wt)),

groups=list("", "Treated", ""))## 一级分组标签

## groupspan二级分组告诉你标题栏的线包括几个变量

## 对应groups

table1(strata, labels, groupspan=c(1, 3, 1))

image.png

显示不同变量的不同统计数据

例如下面的渲染风格

age展示Median

wt展示mean

rndr

if (!is.numeric(x)) return(render.categorical.default(x))

what

age = "Median [Min, Max]",

wt  = "Mean (SD)")

parse.abbrev.render.code(c("", what))(x)

}

table1(~ age + sex + wt | treat, data=dat,

render=rndr)

改变表格的样式

内置了多个渲染风格

zebra: alternating shaded and unshaded rows (zebra stripes)

grid: show all grid lines

shade: shade the header row(s) in gray

times: use a serif font

center: center all columns, including the first which contains the row labels

## 更换表格风格，用topclass参数设置

## zebra似乎不错

table1(~ age + sex + wt | treat, data=dat, topclass="Rtable1-zebra")

image.png

增加一列pvalue

实际上这个功能本身是没有的，但是可以通过添加一个渲染来实现

library(MatchIt)

## Warning: package 'MatchIt' was built under R version 3.6.1

data(lalonde)

head(lalonde)

##      treat age educ black hispan married nodegree re74 re75       re78

## NSW1     1  37   11     1      0       1        1    0    0  9930.0460

## NSW2     1  22    9     0      1       0        1    0    0  3595.8940

## NSW3     1  30   12     1      0       0        0    0    0 24909.4500

## NSW4     1  27   11     1      0       0        1    0    0  7506.1460

## NSW5     1  33    8     1      0       0        1    0    0   289.7899

## NSW6     1  22    9     1      0       0        1    0    0  4056.4940

## 分类变量

lalonde$treat

lalonde$black

lalonde$hispan

lalonde$married

lalonde$nodegree

lalonde$black

lalonde$hispan

lalonde$married

lalonde$nodegree

##连续变量

label(lalonde$black)

label(lalonde$hispan)

label(lalonde$married)

label(lalonde$nodegree)

label(lalonde$age)

label(lalonde$re74)

label(lalonde$re75)

label(lalonde$re78)

units(lalonde$age)

rndr

if (length(x) == 0) {

y

s

if (is.numeric(y)) {

p

} else {

p

}

s[2]

s

} else {

render.default(x=x, name=name, ...)

}

}

rndr.strat

ifelse(n==0, label, render.strat.default(label, n, ...))

}

## 绘图

table1(~ age + black + hispan + married + nodegree + re74 + re75 + re78 | treat,

data=lalonde, droplevels=F, render=rndr, render.strat=rndr.strat, overall=F)

image.png

本期内容就到这里，我是白介素2，下期再见。

相关阅读：