基于R语言绘制标准化平均差（Standardized mean difference SMD）可视化图（1）

最近收到粉丝投稿要求我出个画个标准化平均差SMD可视化图的教程，就是下面这样的图,还给我推荐了2篇论文。



相关的论文是：
https://www.mdpi.com/2075-4426/11/11/1132/htm
https://sci-hub.se/10.1007/s10742-020-00222-8

看了粉丝推荐我的那篇文章，那老外满屏都在秀操作，看得头晕眼花，不过基本上算是看懂了，首先来看看标准化平均差SMD是什么

这个SMD的图怎么看，下图为例，主要是看协变量之间的平衡程度，我们看绿色的是没有经过调整的时候，各个协变量偏离得很大，但是经过花式操作，偏离得明显减少，特别是红色这个CBPS IPTW，几乎没有什么偏移，很多文章就会说调整了基线资料，有明显可比性。

那么SMD怎么计算呢，以我早产数据为例，假设我要计算早产和没有早产之间年龄（age）的SMD，先算出早产组年龄的平均值和没有早产组年龄的平均值，在算出两组之间的标准差（SD）,然后早产组平均值减去非早产组平均值，再除以两组之间的标准差，就是SMD了。这里要注意一下，分类变量和连续变量的计算是不一样的，分类变量中的变量名只是代表一个类别，而不是数字，不能直接拿来加减，要先转成哑变量矩阵，可不是我们平时说的因子哦。
OK，废话不多说，我们现在开始，先导入数据和R包，这里需要两个R包，MatchIt包和cobalt包

library("MatchIt")
library("cobalt")
bc<-read.csv("E:/r/test/zaochan.csv",sep=',',header=TRUE)

这是一个关于早产低体重儿的数据（公众号回复：早产数据，可以获得该数据），低于2500g被认为是低体重儿。数据解释如下：low 是否是小于2500g早产低体重儿，age 母亲的年龄，lwt 末次月经体重，race 种族，smoke 孕期抽烟，ptl 早产史（计数），ht 有高血压病史，ui 子宫过敏，ftv 早孕时看医生的次数
bwt 新生儿体重数值。
我们先把分类变量转成因子

bc <- na.omit(bc)
bc$race<-ifelse(bc$race=="black",1,ifelse(bc$race=="white",2,3))
bc$smoke<-ifelse(bc$smoke=="nonsmoker",0,1)
bc$low<-factor(bc$low)
bc$race<-factor(bc$race)
bc$ht<-factor(bc$ht)
bc$ui<-factor(bc$ui)

我们先来介绍一下matchit函数，这个是平衡协变量的函数，使用前要先建立一个方程

formula1<-low ~ age + lwt + race + smoke + ptl + ht + ui + ftv

使用matchit函数中，method有多种算法，默认的就是nearest就是倾向得分匹配，full是完全匹配，distance中如果使用倾向得分匹配默认是glm, ratio是设置一条参考线，caliper是设置卡钳，也就是它的宽度

formula1<-low ~ age + lwt + race + smoke + ptl + ht + ui + ftv
m.out<-matchit(formula1, data =bc, method = "nearest",
               distance="glm", m.order= 
                 "random",ratio=1,caliper=0.03,replace=FALSE)

如果使用full，部分参数就不需要设置了

m.out2<-matchit(formula1, data =bc, method = "full",
               distance="glm",caliper=0.03)

解析函数

summary(m.out)

绘图，这样，一个简单标准化平均差（SMD）可视化图就绘制好了

plot(summary(m.out))

这样的图不够美观，cobalt包登场了，男女搭配，干活不累呀，cobalt也挺有意思的，管这叫这做爱情节点图，函数也叫爱情函数

love.plot(m.out, binary = "std")

还可以同时或多个图

love.plot(m.out, stats = c("m", "ks"), poly = 2, abs = TRUE,
          weights = list(nn = m.out2),
          drop.distance = TRUE, thresholds = c(m = .1),
          var.order = "unadjusted", binary = "std",
          shapes = c("triangle", "square", "circle"), 
          colors = c("blue", "darkgreen", "red"),
          sample.names = c("Full Matching", "NN Matching", "Original"),
          position = "bottom")

还可以画成这样连线的图，是不是感觉经过经过评分匹配后，协变量的平衡好很多，threshold = c(.1)表示设置0.1为阈值，虚线表示，mean.diffs是平均差异的意思。

love.plot(m.out,binary = "std",stats = c("mean.diffs"),
                  threshold = c(.1), var.order = "unadjusted", line = TRUE)

这是另一种画风，在这里stars设置为“std”或“raw”都可以，grid = F表示不要网格，shapes为设置形状，line = TRUE是添加连接线

love.plot(m.out, thresholds = c(m = .1), 
          var.order = "unadjusted", abs = TRUE,
          shapes = c("triangle filled", "circle"), 
          colors = c("red", "blue"), line = TRUE,
          grid = FALSE, sample.names = c("Original", "Weighted"),
          stars = "raw", position = "top")

cobalt包还有个bal.plot函数，也能制作出很多很棒的图

bal.plot(m.out, "age", which = "both")

bal.plot(m.out, "age", which = "both", type = "ecdf")

bal.plot(m.out, "race", which = "both")

bal.plot(m.out, "distance", which = "both", mirror = TRUE,
         type = "histogram", colors = c("white", "black"))

在文章：settings Open AccessArticle Machine Learning Consensus Clustering Approach for Patients with Lactic Acidosis in Intensive Care Units中，标准化平均差（SMD）可视化图有了新的用法

通过机器学习将数据分为3类，观察标准化平均差（SMD）可视化图了解每个集群的数据特征，从而了解集群特点和目标结果的关系，有点潜类别分析的味道。


这种3个分类的绘图，以上两个包做不出来这样的图（只能做两组的），这需要了解它的绘图逻辑，先要算出SMD，然后绘图，

本部分内容属于粉丝投稿，图片相对小众，原创不易，需要上图这部分代码的朋友，请把本公众号文章转发朋友圈集10个赞，截图发给我，嫌麻烦的给我打赏5元截图发给我也可以。
OK，本章内容结束，觉得有用的话请多多分享哟。