发帖
雷达卡
临床研究中常需要绘制两组或多组患者(如非AKI组和AKI组)的基线特征表。
下图就是临床中常见的基线特征表，从下图我们可以看出，第1列为两组患者需要比较的变量；第2列为所有患者的基线特征，这一列在论文中可有可不有；第3列和第4列分别为非AKI组和AKI组的基线特征；第5列比较两组基线特征有没有统计学差异。
在上图中，分类变量表示为计数(百分比)，连续变量若呈正态分布表示为均值±标准差，呈非正态分布表示为中位数和四分位数。
那么在R中怎么快速绘制绘制临床论文中的基线特征表1？
可以使用tableone包来绘制。
1. 绘制基线表前的准备
安装需要用到的R包
install.packages("tableone") # 安装tableone包，绘制基线表需要
install.packages("survival") # 安装需要内置数据集的包
加载数据集和包
library(tableone) # 加载包
library(survival) # 加载包，需要使用survival包的colon数据
data(colon) # 加载数据集
View(colon) # 预览数据集
本次用来演示的数据集为survival包的colon数据。
2. 单组汇总数据
CreateTableOne(data = colon) # 汇总整个数据集特征
从上面可以看出，colon数据集中共有1858例患者，但由于没有将分类变量转化为因子，所以分类变量显示的也是均值＋标准差。
3. 分类变量处理
在数据处理中，大多数分类变量是采用数字编码，二分类变量常表示为0和1，多分类变量表示为0、1和2等。
有两种方法可以将分类变量转化为因子：一是先在数据集中将分类变量转化为因子，然后再使用tableone包进行汇总，二是在tableone包中直接指定哪些变量属于因子(使用factorVars参数进行转换)，然后在进行汇总。
dput(names(colon)) # 输出colon数据集变量名称
输出变量名称：
c("id", "study", "rx", "sex", "age",
"obstruct", "perfor", "adhere",
"nodes", "status", "differ", "extent",
"surg", "node4", "time", "etype")
从数据集介绍中，我们知道 "rx"、"sex"、"obstruct"、"perfor"、"adhere"、"status"、"differ"、"extent"、"surg"、"node4"、"etype"都是分类变量。
指定基线表中需要比较的变量
排除一些不需要比较的变量，如id、study之类的变量
myVars <- c("rx", "sex", "age", "obstruct", "perfor",
"adhere", "nodes", "status", "differ",
"extent", "surg", "node4", "time", "etype")
指定基线表中哪些变量是分类变量
catVars <- c("rx", "sex","obstruct", "perfor", "adhere", "status",
"differ","extent", "surg", "node4","etype")
4. 优化单组汇总
tab2 <- CreateTableOne(vars = myVars,
data = colon,
factorVars = catVars);tab2
# 通过vars参数指定哪些变量是基线表中需要汇总的变量
# 通过factorVars参数指定哪些变量是分类变量
# data参数指定变量的数据来源
从上图可以看出，在指定基线表的汇总变量、分类变量，排除掉无关变量后，基线表的结果显示比前面好很多。
二分类变量显示为第2水平的计数(百分比)，比如分类变量为0和1，则显示1的结果；如果为多分类变量，则显示出所有水平数据。
如果在表中要显示所有水平的数据，则输入：
print(tab2, showAllLevels = TRUE)
注意：分类变量的百分比数据是在排除缺失值后计算的。
5. 显示基线表所有数据信息
如果需要显示所有数据信息，包括分类变量和连续变量的缺失值信息，对结果对象使用summary()函数，先输出连续变量数据信息，在输出分类变量数据信息。
summary(tab2)
6. 指定非正态分布变量
从前面的表中可以看到，连续变量都表示为均数＋标准差，这是认为连续变量都呈正态分布。但是实际上有些数据呈非正态分布，需要用中位数（四分位数）表示。
假设数据集中"time"和"nodes"两个连续变量呈非正态分布。
nonvar <- c("time","nodes") # 指定哪些变量是非正态分布变量
print(tab2, nonnormal = nonvar) # 输出基线表数据信息
可以看出"time"和"nodes"这两个连续变量都用中位数(四分位数)表示了。
如果在print()函数中输入的是nonnormal = TRUE，则所有连续变量都按非正态分布进行分析。
7. 多组汇总数据
在前面，我们对数据集信息进行了单组汇总。但是通常，我们需要比较两组患者之间的基线特征，如比较AKI组和非AKI组。
在本数据集中，我们需要对"status"生存状态（1为死亡，0为删失）进行分组汇总。
tab3 <- CreateTableOne(vars = myVars,
strata = "status",
data = colon,
factorVars = catVars); tab3
# strata参数表示分层，指定需要分层的变量，这里我们指定status变量
# 通过vars参数指定哪些变量是基线表中需要汇总的变量。
# 通过factorVars参数指定哪些变量是分类变量
# data参数指定变量的数据来源
从图上我们可以看出，我们已经分组总结好了，并且在表右边已经自动进行了统计检验，输出了检验p值。
但是呈非正态分布的连续变量并没有输出中位数和四分位数，检验方法也需要调整。
别急，后面进行调整。
8. 统计检验
如上表所示，当进行两组或多组分层汇总时，两组或多组间比较的p值会自动随着基线表一起输出，如果p值很小，则显示为＜0.001。
tableone默认的检验方法为：分类变量使用卡方检验(chisq.test()，连续性校正)；连续变量使用方差分析(oneway.test()，假设等方差)，两组间方差分析相当于t检验。
但是在基线表中，有些连续变量是非正态分布变量，有些分类变量中单元格期望值较小，这些变量的统计方法不能使用默认的统计方法。
kruskal.test()函数可以用于呈非正态分布的连续变量，fisher.test()可以指定分类变量进行fisher精确检验。在两组间比较时，kruskal.test()和wilcox.test()等效。
基线表的test列会显示哪些变量是使用非默认检验方法来计算p值。
假设"extent"变量需要使用fisher精确检验。
print(tab3, # 前面的tab3对象
nonnormal = nonvar, # 指定哪些连续变量是非正态分布变量
exact = "extent") # 指定哪些变量需要使用fisher精确检验
9. 添加overall列
如最前面的举例所示，基线表中可以添加overall列，表示所有患者的特征。
在CreateTableOne()函数中使用addOverall = TRUE就可以添加overall列了。
tab4 <- CreateTableOne(vars = myVars,
strata = "status",
data = colon,
factorVars = catVars,
addOverall = TRUE) # 增加overall列
print(tab4, nonnormal = nonvar, exact = "extent")
# strata表示分层，指定需要分层的变量，这里我们指定status变量
# 通过vars参数指定哪些变量是基线表中需要汇总的变量。
# 通过factorVars参数指定哪些变量是分类变量
# data参数指定变量的数据来源
可以看到overall列添加成功了。
10. 输出基线特征表
到了这一步，R中基线特征表就基本绘制完成了。接下来就要将表格导出到Excel中进行调整，然后导入到Word中绘制三线表。
简单粗暴的方法：就是复制粘贴，使用quote = TRUE显示引号，使用noSpaces = TRUE删除用于在R控制台中对齐文本的空格，然后直接复制基线表整个内容并将其粘贴到Excel电子表格即可。
print(tab4, # 前面的tab4对象
nonnormal = nonvar, # 指定非正态分布变量
exact = "extent", # 指定哪些变量需要使用fisher精确检验
quote = TRUE, # 显示引号
noSpaces = TRUE) # 删除用于在R控制台中对齐文本的空格
另一种方式：
如果您不喜欢复制和粘贴，则可以通过以下方式自动导出。
tab4Mat <- print(tab4, nonnormal = nonvar, exact = "extent",
quote = FALSE, # 不显示引号
noSpaces = TRUE, # 删除用于在R控制台中对齐文本的空格
printToggle = FALSE)
## 保存为 CSV 格式文件，并命名为 myTable。
write.csv(tab4Mat, file = "myTable.csv")
注意：quote参数选FALSE，noSpaces参数可选TRUE。
基本和前面的举例差不多了，在自己微调下数据就行。
11. 后续
仅输出分类变量
tab3$CatTable
仅输出连续变量
print(tab3$ContTable, nonnormal = nonvar)
12. CreateTableOne()函数
CreateTableOne()是创建基线特征表的函数，可以汇总所有基线变量信息（包括连续变量和分类变量），并可按一个变量或多个变量进行分层汇总，并进行统计检验。
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)
函数参数解释说明
vars # 字符向量；指定哪些变量是基线特征表需要汇总的变量
# 数据集中的因子视为分类变量，数字型变量视为连续变量
# vars参数为空，则指定数据集中所有变量进行汇总
strata # 字符向量；指定分组汇总的变量，为空则进行单组汇总(也就是Overall列)
data # 变量来源的数据集名称，所有汇总变量都要在数据集里面
factorVars # 字符向量；指定哪些变量为分类变量，指定的变量应是vars参数中的变量
includeNA = FALSE # 逻辑词；为TRUE则将缺失值作为因子处理，仅对分类变量有效
test = TRUE # 逻辑词；默认为TRUE，当有2个或多个组时，自动进行组间比较
testApprox = chisq.test # 默认卡方检验；当分类变量的单元格期望值较低(如<5）时，不建议使用
argsApprox = list(correct = TRUE) # 进行chisq.test的连续校正。
testExact = fisher.test # 进行精确检验的函数，默认为fisher.test。
argsExact = list(workspace = 2*10^5) # 指定fisher.test分配的内存空间
testNormal = oneway.test # 连续变量为正态分布进行的检验
# 默认为oneway.test，两组时相当于t检验
argsNormal = list(var.equal = TRUE) # 假设为等方差分析
testNonNormal = kruskal.test # 连续变量为非正态分布变量进行的检验，非参数检验
# 默认为Kruskal-Wallis秩和检验
# 当只有两个组时，与wilcox.test(Man-Whitney U检验)等效
argsNonNormal = list(NULL) #传递给testNonNormal中指定的函数的参数的命名列表
# 默认list(NULL)，它只是一个占位符
smd = TRUE # 默认为TRUE；当有两个以上的组时，则将自动计算组间比较的标准化均值差
addOverall = FALSE # 仅在分组汇总中使用，将overall列添加到基线表中
# smd和p值仅在分组汇总中使用。
参考资料：tableone包帮助文件
京公网安备 11010802022788号
