疾病负担研究（GBD）-如何优雅的展示发病率数据

文章首发于微信公众号：“小明学习室”

本文是GBD的第三篇推文，今天我们就以已经发表的高分GBD文章来看下如何展示GBD数据，本文案例文章是发表在JOURNAL OF HEPATOLOGY的肝癌GBD研究，题目为The trends in incidence of primary liver cancer caused by specific etiologies: Results from the Global Burden of Disease Study 2016 and implications for liver cancer prevention.

在文中，作者用一个表格展示了1990到2016年的疾病发病数以及年龄校正后的标准发病率，同时作者估计了从1990到2016年之间的年平均发病变化率（estimated annual percentage change, EAPC）。

这个方法描述的大义就是：需要用ASR计算EAPC，同时说明了ASR以及EAPC的计算方法，但ASR在下载好的数据中已有，这个不需要我们计算，我们只需要计算EAPC即可。按照文中方法描述，我们采用线性回归方程来计算，y值是每一年对应的ln(ASR)，x值就是年份，EAPC就是把对应的x和y值根据回归方程计算出β值后，EAPC=100*（exp(β)-1）。按照这个思路我们即可计算出EAPC，如果EAPC>0，说明ASR逐年递增；EAPC<0，说明ASR逐年递减。

这次我们来制作第一个表格，就是文章的Table 1

里面数据都是现成的，除了EAPC需要计算外，我们需要做的是将数据以及95%UI的上下值整合在一个方格中即可，免去自己一个个打上去。

我们打开我们的R语言：

 

我们首先读取表格中的1990年的发病率数据

 

通过对EC限定条件取EC的子集，取的EC_1990如下：

我们再通过下述代码获取示例文中的第一列数据：需要注意的是，我们的发病数是没有除以1000的

得到的结果如下

按照相同的方法可以获取2019

 

 我们按同样的思路计算ASR

获得的其中一个ASR的数据结果如下

下面按照文章的方法学描述来计算EAPC

最后计算得到的结果如下所示：

最后我们再用同样的方法整合可信区间上下值

最后得到的结果如下：

我们再将各部分的数据整合在一起，输出到csv表格中

最后打开表格，呈现给大家的结果是这样的：

剩下的只需要大家将结果黏贴至word中，调整格式即可，这样我们的第一张表格就制作完成了，是不是很简单，大家可以操练起来

大家如果需要上述代码，关注微信公众号——小明学习室，回复“GBD”即可获取代码和数据结果