4. 统计描述和基线表格绘制

目录

1. 连续型变量统计描述

单变量统计描述

1.summary函数

 2.psych包中的describe()函数

3.Hmisc包中的describe()函数

4.pastecs包的stat.desc()的函数

分组统计描述

1.doBy包的summaryBy函数（重点学习）

2.函数aggregate()

 2.分类变量统计描述

3.基线表格快速绘制

（1）临床资料基线表基本概念和统计方法

（2）绘制基线表实操

---

1. 连续型变量统计描述

单变量统计描述

1.summary函数

使用summary()函数来获取描述性统计量（连续&分类变量）

最大值，最小值，四分位数和数值型变量的均值以及因子向量和逻辑向量的频数统计

summary(mtcars$mpg)

 优势：同时可以处理几个变量的计算

myvars <- c("mpg","hp","wt")
summary(mtcars[myvars])

 2.psych包中的describe()函数

可以计算非缺失值的数量，平均数，标准差，中位数，截尾均值，绝对中位差，最小值，最大值，值域，偏度，峰度和平均值的标准误差

library(psych)
describe(mtcars$mpg)
describe(mtcars[myvars]) #也可以同时处理多个变量

3.Hmisc包中的describe()函数

Hmisc包中的describe()函数可返回变量和观测的数量、缺失值和唯一值的数目、Info(关于变量的连续性的统计量)，平均值、Gmd(基尼均差)，分位数，以及五个最大的值和五个最小的值。

library(Hmisc)
Hmisc::describe(mtcars$mpg)
Hmisc::describe(mtcars[myvars]) #也可以同时处理多个变量

4.pastecs包的stat.desc()的函数

pastecs包中有一个名为stat.desc()的函数，它可以计算种类繁多的描述性统计量。

#install.packages("pastecs")
library(pastecs)
stat.desc(mtcars,basic =TRUE,desc = TRUE,norm = T,p=0.95)

（1）其中的data是一个数据框。
若basic=TRUE（默认值），则计算其中所有值、空值、缺失值的数量，以及最小值、最大值、值域，还有总和。
（2）若desc=TRUE（同样也是默认值），则计算中位数、平均数、平均数的标准误、平均数置信度为95%的置信区间、方差、标准差以及变异系数。
（3）若norm=TRUE（不是默认的），则返回正态分布统计量，包括偏度和峰度（以及它们的统计显著程度）和Shapiro–Wilk正态检验结果。这里使用了p值来计算平均数的置信区间（默认置信度为0.95）

分组统计描述

1.doBy包的summaryBy函数（重点学习）

其格式如下：
summaryBy(var1 + var2 + var3 ~ groupvar1 + groupvar2,data= ？, id=NULL,FUN= ？）

library(doBy)
summaryBy(mpg+wt+qsec~vs,data=mtcars,id=NULL,mean)
summaryBy(mpg+wt+qsec~vs+am,data=mtcars,id=NULL,mean)

~前面为需要计算的连续型变量，~后面为需要分组的分组变量，FUN=需要计算的统计量

还可以通过自定义FUN的内容来扩充每次的计算统计量。如下，

fun1 <- function(x){
  c(m=mean(x, na.rm=T), v=var(x, na.rm=T),q=quantile(x, na.rm=T), md = median(x, na.rm=T) ,l=length(x),sd = sd(x,na.rm = T))
}
summaryBy(mpg+wt+qsec~vs,data=mtcars,id=NULL,FUN=fun1)

• 2.函数aggregate()

aggregate(mtcars[myvars],by=list(am=mtcars$am),mean)
  am      mpg       hp       wt
1  0 17.14737 160.2632 3.768895
2  1 24.39231 126.8462 2.411000

 2.分类变量统计描述

参考链接内容

5.基本统计方法-分类变量的组间比较_分类变量统计方法-CSDN博客

3.基线表格快速绘制

（1）临床资料基线表基本概念和统计方法

临床资料基线表（Clinical Data Baseline Table）是一种常用于临床研究和流行病学研究中的数据表格。它是研究的起点，通常在开始进行研究时收集和记录的数据。这些数据用于描述研究参与者在研究开始前的初始状态和特征，这个初始状态被称为“基线”。

基线表通常包含以下信息：

1. 人口学特征：参与者的年龄、性别、种族等基本特征；

2. 临床特征：包括参与者的疾病状态、症状和既往病史等；

3. 生活方式和行为习惯：如吸烟史、饮酒习惯、运动频率等；

4. 生理测量值：如身高、体重、血压、生化指标等；

5. 疾病评估量表：用于评估研究参与者的疾病严重程度和症状；

临床资料基线表的描述性统计方法

在绘制临床资料基线表时，可以使用不同的描述性统计方法来总结不同类型的变量。以下是针对常见变量类型的描述性统计推荐方法：

1. 连续型变量：连续型变量是指可以取无限个值的变量，如年龄、体重、血压等。对于连续型变量，通常使用以下描述性统计：

    - 平均值（Mean）：反映变量的中心位置；

      - 标准差（Standard Deviation）：反映变量的离散程度；

      - 中位数（Median）：中间值，将数据分为两等份；

    - 最小值（Minimum）和最大值（Maximum）：描述数据的范围；

   - 四分位数（Quartiles）：分为四等份，有25%、50%、75%等。

2. 分类型变量：分类型变量是指只能取有限个离散值的变量，如性别、种族、病情等级等。对于分类型变量，通常使用以下描述性统计：

      - 计数（Count）：各类别出现的次数。

      - 百分比（Percentage）：各类别在总样本中所占的比例。

   - 众数（Mode）：出现频率最高的类别。

3. 有序型变量：有序型变量是指有一定顺序或等级的变量，但差值不具有数值意义，如疼痛程度等级、教育水平等。对于有序型变量，可以使用以下描述性统计：

   - 中位数（Median）：反映中间值，有序变量的特点是中位数有实际意义。

    - 百分位数（Percentiles）：反映数据在有序序列中的位置。

4. 二分类变量：二分类变量是一种特殊的分类型变量，只有两个类别，如是否患病、是否接受治疗等。对于二分类变量，可以使用以下描述性统计：

   - 计数（Count）：各类别出现的次数。

      - 百分比（Percentage）：各类别在总样本中所占的比例。

绘制临床资料基线表展示组间比较的p值时该如何选择合适的方法呢？

1. 连续性变量且符合正态分布、方差齐性：如果两组数据都是连续性变量，并且符合正态分布且方差齐性，可以选择使用Student's t-test（独立样本t检验）。如果有多组间比较，可以使用方差分析（ANOVA），并结合事后多重比较方法（如Tukey's HSD test）。

2. 连续性变量但不符合正态分布、方差齐性：如果两组数据都是连续性变量，但不满足正态分布和方差齐性的要求，可以考虑使用非参数检验**，如Mann-Whitney U检验（Wilcoxon秩和检验）。对于多组间比较，可以使用Kruskal-Wallis H检验，并结合适当的多重比较方法。

3. 分类变量：如果需要比较的是分类变量，如两组间的比例差异，可以使用卡方检验（χ²检验）。若分类变量有多个水平，可以使用Fisher's精确检验或拟合优度检验，并结合多重比较方法。

4. 多个连续性变量： 如果需要同时比较多个连续性变量，可以使用多重回归分析或方差分析。在这种情况下，可以绘制出适当的多个p值，或者使用Bonferroni校正来控制多重比较的错误率。

在展示p值时，通常会标明明确的检验方法和显著性水平（例如，p < 0.05），以表明组间差异是否具有统计学意义。另外，为了更全面地理解结果，也可以同时提供置信区间等统计信息。

（2）绘制基线表实操

基线表格示例:

实操：

R语言tableone包绘制临床资料基线表

示例：使用梅奥诊所原发性胆汁性肝硬化数据集进行演示：

1.加载数据

## 加载梅奥诊所原发性胆汁性肝硬化数据
library(survival)
data(pbc)
## 检查变量
head(pbc)

2. 将分类变量转换为因子变量

## 将分类变量转换为因子变量
varsToFactor <- c("status", "trt", "ascites", "hepato", "spiders", "edema", "stage")
pbc[varsToFactor] <- lapply(pbc[varsToFactor], factor)

03 创建变量列表

## 创建变量列表
dput(names(pbc))
vars <- c("time", "status", "age", "sex", "ascites", "hepato",
          "spiders", "edema", "bili", "chol", "albumin",
          "copper", "alk.phos", "ast", "trig", "platelet",
          "protime", "stage")

04  根据治疗组（trt）创建Table 1 

## 根据治疗组（trt）创建Table 1 
tableOne <- CreateTableOne(vars = vars, strata = c("trt"), data = pbc)

## 只需输入对象名称，将调用print.TableOne方法
tableOne

`CreateTableOne()`函数用于创建汇总表，用于比较不同组之间的基线特征。它有多个参数，每个参数的含义和设置方法：

CreateTableOne(
  vars,
  strata,
  data,
  factorVars,
  includeNA = FALSE,
  test = TRUE,
  testApprox = chisq.test,
  argsApprox = list(correct = TRUE),
  testExact = fisher.test,
  argsExact = list(workspace = 2 * 10^5),
  testNormal = oneway.test,
  argsNormal = list(var.equal = TRUE),
  testNonNormal = kruskal.test,
  argsNonNormal = list(NULL),
  smd = TRUE,
  addOverall = FALSE
)

1. vars:要汇总的变量，以字符向量的形式提供。因子变量将被视为分类变量，数值变量将被视为连续变量。如果为空，则使用数据集中的所有变量。

2. strata: 分层（分组）变量的名称，以字符向量的形式提供。如果省略，则返回总体结果而不进行分层。

3. data: 存放变量的数据框。所有变量（包括vars和strata中的变量）都必须在这个数据框中。

4. factorVars: 要被视为分类变量的数值变量，以字符向量的形式提供。不包括因子变量，除非需要通过删除空的水平来重新设置它们的水平。如果省略，只有因子变量被视为分类变量。在vars参数中指定的变量也必须在factorVars参数中指定。

5. includeNA: 逻辑值，如果为TRUE，则将缺失值视为常规因子水平，而不是缺失值。在汇总表中，缺失值将显示为分类变量的最后一个水平。仅对分类变量有效。

6. test: 逻辑值，如果为TRUE，并且存在多个组，则进行组间比较。

7. testApprox: 指定进行大样本近似检验的函数。默认为chisq.test，不推荐在某些单元格具有小计数（少于5）的情况下使用。

8. argsApprox: 一个带有参数名称的列表，传递给testApprox函数。默认值为list(correct = TRUE)，这对于chisq.test开启连续性校正。

9. testExact: 指定进行精确检验的函数。默认为fisher.test。如果单元格具有大量数据，可能会由于内存限制而失败。在这种情况下，应该使用基于大样本近似的方法。

10. argsExact: 一个带有参数名称的列表，传递给testExact函数。默认值为list(workspace = 2*10^5)，指定为fisher.test分配的内存空间。

11. testNormal: 指定进行基于正态假设的检验的函数。默认为oneway.test，当只有两个组时，它等同于t检验。

12. argsNormal: 一个带有参数名称的列表，传递给testNormal函数。默认值为list(var.equal = TRUE)，假定组间方差相等，用于执行普通的方差分析（ANOVA）。

13. testNonNormal: 指定执行非参数检验的函数。默认为kruskal.test（Kruskal-Wallis秩和检验）。当只有两个组时，它等同于wilcox.test（Mann-Whitney U检验）。

14. argsNonNormal: 一个带有参数名称的列表，传递给testNonNormal函数。默认值为list(NULL)，仅用作占位符。

15. smd: 逻辑值，如果为TRUE，并且存在多个组，则计算所有两两比较的标准化均值差（Standardized Mean Difference）。

16. addOverall:逻辑值，只在提供strata时使用。如果为TRUE，则在汇总表中添加一个总体列。标准化均值差和p值的计算仅基于分层列。

05 指定非正态变量

## 指定非正态变量将适当地显示变量，并显示非参数检验的p值。在exact参数中指定变量以获取精确的检验p值。cramVars可用于显示二级分类变量的两个水平。
print(tableOne, nonnormal = c("bili", "chol", "copper", "alk.phos", "trig"),
      exact = c("status", "stage"), cramVars = "hepato", smd = TRUE)

06 详细总结

## 使用summary.TableOne方法进行详细总结
summary(tableOne)

07 查看

## 只使用$操作符查看分类部分
tableOne$CatTable
summary(tableOne$CatTable)


## 只使用$操作符查看连续部分
tableOne$ContTable
summary(tableOne$ContTable)

导出到excel和word

导出到excel

## 如果您的工作流程包括在撰写稿件时复制到Excel和Word中，您可能会受益于quote参数。这将引用所有内容，以免Excel搞乱了单元格。
# 方法1
tab1Mat <- print(tableOne, nonnormal = c("bili", "chol", "copper", "alk.phos", "trig"),
      exact = c("status", "stage"), quote = TRUE)
write.csv(tab1Mat, file = "Result1_Table1.csv")
# 方法2
print(tableOne,  formatOptions = list(big.mark = ","))
tab1Mat2 <- print(tableOne, showAllLevels = TRUE, quote = FALSE, noSpaces = TRUE, printToggle = FALSE)
write.csv(tab1Mat2, file = "Result2_Table1.csv")

导出到word

## 如果您希望在Word中居中对齐值，请使用noSpaces选项。
print(tableOne, nonnormal = c("bili", "chol", "copper", "alk.phos", "trig"),
      exact = c("status", "stage"), quote = TRUE, noSpaces = TRUE)