R-论文三线表快速实现-update

经常在报道基线资料时候，会设计表格，需要摘录统计结果，非常麻烦的调整表格。
今天本文章利用compareGroups就解决这样的问题。

今天就来介绍一个简单有效的数据整理成表格的包。直接上效果图

image.png

Tableone包

之前介绍过一期利用 Tableone包实现三线表，最终的展现效果很好。但是有些功能不好实现。譬如OR与RR值的展示。具体操作见：R:绘制临床三线表 -https://www.jianshu.com/p/bfb038bd55cd

compareGroups包

同样是实现数据的汇总描述，compareGroups包有以下有点。

• 可支持多种数据导入，如haven、readxl、readr等，也接受Tibble类型数据集。
• 内置descrTable的新函数，只需一步就可以构建描述性表。
• 支持R-markdown文档，支持HTML的分层表。
• 内置strataTable的新功能，可以按层(变量的值或级别)构建描述性表。
• 日期变量被视为连续非正态，执行中位数、四分位数和非参数检验。
• 在compareGroups和descrTable中添加新的参数var.equal。这允许在比较两组以上的比较。

官网文档见： compareGroups 4.0: Descriptives by groups

案例展示

所有数据均来自于data(predimed)。

image.png

根据age、sex、smoke、waist、hormogroup五个因素，进行组间比较。我们可以看到res的输出结果，包含每个变量的组间p值及使用的统计方法。

我们可以直接输出全部的表格汇总，或者根据分组变量进行展示：

library(compareGroups)
library(tidyverse)
data(predimed)
head(predimed)
# ALL data
descrTable( ~ ., data = predimed)

# ALL data by group
descrTable(group ~ ., data = predimed)

1.三线表展示

但是，这不是我们想要的。我们要一个描述性的表格。

res <- compareGroups(group ~ age + sex + smoke + waist + hormo, 
    data = predimed)
res

-------- Summary of results by groups of 'Intervention group'---------


  var                         N    p.value  method            selection
1 Age                         6324 0.003**  continuous normal ALL      
2 Sex                         6324 <0.001** categorical       ALL      
3 Smoking                     6324 0.444    categorical       ALL      
4 Waist circumference         6324 0.045**  continuous normal ALL      
5 Hormone-replacement therapy 5661 0.850    categorical       ALL      
-----
Signif. codes:  0 '**' 0.05 '*' 0.1 ' ' 1 

只需要增加一个createTable(res)函数，即可实现描述性表格的展示

createTable(res)

image.png

2.非正态数据指定

那如果有非正态分布；我们需要对非正态分布进行指定，使用下面方法进行指定。

• 这里method 变量=1表示比较使用正态分布，
• 变量=2表示使用四分位间距，
• 变量=3表示使用分类变量比较，
• 变量=NA表示自动根据Shapiro-Wilks检测，做出是正态还是非正态方法

我们这里的案例，展示age跟waist都用非正态分布。

createTable(res)
## add non-normal test
res=compareGroups(group ~ age + smoke + waist + hormo, data = predimed, 
                  method = c(waist = 2, age = 2))

createTable(res)

image.png

更多参数调试，见官方网站 https://cran.r-project.org/web/packages/compareGroups/vignettes/compareGroups_vignette.html

3.图形展示

compareGroups还有更多的功能，譬如对res进行summary会获得更多的信息。

另外，compareGroups还提供绘图功能。为此我们进一步对三线表的内容进行可视化。这也是compareGroups的一个优点。但是仅作为探索性分析的展示。

summary(res) 
plot(res)

image.png

如果用做论文发表，这个图还是算了吧。

4.OR或HR的展示

compareGroups这一功能是比较优秀的。也是这里所要介绍给大家的。因为Tableone不能汇总OR跟RR的信息，需要单独计算，然后排列。

我们的因变量y必须是二分类或者生存数据，才会产生OR与HR的比值比。

这里我们还是用predimed数据，但是因变量转成htn 二分类变量。当然，自变量分类等级的参考也可以进行更改。这里默认是第一个。如果需要更改，见https://cran.r-project.org/web/packages/compareGroups/vignettes/compareGroups_vignette.html#subsetting

res1 <- compareGroups(htn ~ age + sex + bmi + smoke, data = predimed, 
    ref = 1)
createTable(res1, show.ratio = TRUE)

image.png

接下来是HR的展示。这里面比OR要多一步，就是指定结局变量及利用Sur模型，先建立生存分析的模型。

library(survival)
predimed$tmain <- with(predimed, Surv(toevent, event == "Yes"))

createTable(compareGroups(tmain ~ group + age + sex, data = predimed), 
            show.ratio = TRUE)

image.png

5.表格的输出

计算的结果可以导出各种各样的格式结果：Tables can be exported to CSV, HTML, LaTeX, PDF, Markdown, Word or Excel；这里我们只展示Excel格式。

• export2csv(restab, file='table1.csv'), exports to CSV format
• export2html(restab, file='table1.html'), exports to HTML format
• export2latex(restab, file='table1.tex'), exports to LaTeX format (to be included in Swaeave documents R chunks)
• export2pdf(restab, file='table1.pdf'), exports to PDF format
• export2md(restab, file='table1.md'), to be included inside Markdown documents R chunks
• export2word(restab, file='table1.docx'), exports to Word format
• export2xls(restab, file='table1.xlsx'), exports to Excel format

export2xls(createTable(res), file='table1.xlsx')

image.png

6.compareGroups包缺点

主要是compareGroups的结果不能用DT::datatable展示，就是他的结果可以print，也可以保存本地csv、excel。

DT::datatable(createTable(res1, show.ratio = TRUE))

这里要实现Tableone的结果，就导出csv文件，然后再读入进来。即可对compareGroups的结果用DT::datatable展示。

library(tidyverse)
export2csv(x, file='table1.csv')
xa=read.csv('table1.csv',header=T)
DT::datatable(xa)

image.png

7.compareGroups自动识别正态性非正态性

mename=paste0(colnames(df)[-11],"=NA")
toString(mename)

ti=paste0("compareGroups(group~ .,data = df,",
          "method = c(",toString(mename),"))")
x=eval(parse(text=ti))
tablenew=createTable(x,show.all = TRUE)
print(tablenew)


export2xls(tablenew,file = "table1.xls")

当然compareGroups还有更多功能，分层展示，小数点调整，但是这些都是细节。我们先出一个总的三线表。然后慢慢在去研究细节问题。