tableone 是用于快速制作文章表一的工具包
优点:批量描述,根据变量自动进行组间比较以及正态性检验描述。输出结果可直接粘贴至word或excel进行微量调整即可用于发表格式。
新手上路:下载tableone及调用
install.packages("tableone")
library(tableone)
以Mayo Clinic Primary Biliary Cirrhosis Data(示例数据) 举例
先调用示例数据
library(survival)
data(pbc)
## 查看示例数据pbc的内容
head(pbc)
该示例数据中"status","ascites","hepato","spiders","edema","stage"是分类变量
本章的目标是对这些分类变量进行table1的描述及两组间比较
下面是正式运行阶段,描述数据情况,充分了解数据。
#### 创建分类变量,c(“分类变量”)
catVars <- c("status","ascites","hepato","spiders","edema","stage")
catTableOverall <- CreateCatTable(vars = catVars, data = pbc)
查看描述性结果
print(catTableOverall)#默认对二分类变量0,1只展示1的频率(百分比),对三分类及以上的变量则展示全部分层的频率(百分比)
print(catTableOverall, showAllLevels = TRUE)
##showAllLevels = TRUE是展示所有分类变量各个分层的频率(百分比)
##这里也可以替换成其他需求进行展示,例如:
print(catTableOverall, cramVars = "hepato"),#只对"hepato"这个二分类变量展示全部分层频率(百分比)
print(catTableOverall, format = "f")#只展示频率
print(catTableOverall, format = "p")#只展示百分比
summary()可展示缺失值,缺失值百分比,各分层频率百分比及累计百分比。
summary(catTableOverall)
——————————————————我是一个分隔符————————————-—————
下面进入创建列联表,strata=c("分组变量")
##创建一个由两个变量("sex","trt")分层的列联表,这里的("sex","trt")也可以换成其他目标分组变量,根据研究目的,可以是一个或多个
atTableBySexTrt <- CreateCatTable(vars = catVars,
strata = c("sex","trt"), data = pbc)
summary(catTableBySexTrt)会生成很多内容,不利于整理,此时不建议用。
直接输入catTableBySexTrt,内容更清晰
catTableBySexTrt
如果想指定某个变量用exact test,则在print时加入需求,如下:
print(catTableBySexTrt, exact = "ascites")
————————————下面是汇总成一个代码,可直接跑数据——————————————
library(tableone)
data<-read.sav("文件路径")
catVars <- c("分类变量")
catTableBySexTrt <- CreateCatTable(vars = catVars,strata = c("分组变量"), data = data)
catTableBySexTrt
print(catTableBySexTrt,pDigits=4)
## 获取变量名称 ,该代码有利于我们输入大量的变量名称
dput(names(pbc))
如果想把结果直接粘贴到excel
print(catTableBySexTrt, quote = TRUE)
如果想把结果直接粘贴到word
print(catTableBySexTrt, quote = TRUE, noSpaces = TRUE)
————————————下面内容新手可以不看,讲的不好浪费时间————————————
CreateCatTable()内可设置的调整内容如下:
CreateCatTable(
vars,##变量
strata,##分组变量
data,##数据集
pDigits=3#默认=3,是小数点后三位,如小数点后4位,则=4
smd = TRUE,##这个可以有
——————————————以下新手(我)均可默认——————————————————
includeNA = FALSE,##如果为TRUE,NA将作为常规因子级别处理,而不是缺失。NA是显示为表中的最后一个因子级别。仅对分类变量有效。我的数据集该处不要做调整,默认缺失值不参与计算即可。
test = TRUE,#默认TRUE,如果有两个以上的组,则执行逐组比较。这两种测试都需要大样本近似和精确测试。任何一个结果都可以通过print()获得。上面已做演示。
testApprox = chisq.test,#用于执行基于大样本近似的测试的函数。默认为chisq.test。当某些单元格的计数较小(如小于5)时不建议这样做。
argsApprox = list(correct = TRUE),#传递给testApprovx中指定的函数的参数的命名列表。默认值为list(correct=TRUE),打开chisq.test的连续性校正。**我理解的就是别纠结,我们这个水平默认就行,别管。我不会如果你会,能不能留言教我一下,哈哈
testExact = fisher.test,#用于执行Exact test的函数,默认为fisher.test。如果单元格的数量很大,则会由于内存限制而失败。在这种情况下,基于大样本近似的方法就足够了。
argsExact = list(workspace = 2 * 10^5),#传递给testExact中指定的函数的参数的命名列表。默认值为list(workspace=2*10^5),它指定为fisher.test分配的内存空间。
addOverall = FALSE#默认不选,如果选TRUE,则只输出p值
)