阿越1229

V1

2022/08/20阅读:31主题:自定义主题1

临床三线表/基线资料表一行代码绘制

临床研究中基线资料表必不可少,通常也是你文章中的第一张表!

一般我们会通过Word或者Excel进行绘制基线资料表,但是这种方法很麻烦,需要不停的复制粘贴。。。

今天介绍的这个tableone,就是专门为这个基线资料表而生的!和之前介绍过的comparegroups有点像哦~ 但是功能不止于基线资料表,还可以做非常多统计描述的工作!

支持连续性变量及分类变量,支持自动标注P值,加权数据也是支持的,真的是一步到位了!

安装

目前不在cran上,只能通过github安装。

# install.packages("devtools")
devtools::install_github(repo = "kaz-yos/tableone", ref = "develop")

R包安装有问题的小伙伴可以加我微信或者评论区留言~

使用

为了方便比较,还是使用之前用过的predimed数据集。

PREDIMED 是在西班牙进行的一项多中心试验,将具有血管风险,但在参加试验时没有心血管疾病的参与者,随机分配到以下三种饮食中的一种:地中海饮食加特级初榨橄榄油 (MedDiet+VOO), 地中海饮食补充混合坚果(MedDiet+Nuts),或控制饮食(建议减少饮食脂肪)。主要终点是心血管事件(心肌梗死、中风或心血管原因死亡)的发生。

library(compareGroups)
library(tableone)

data("predimed")
str(predimed)
## 'data.frame': 6324 obs. of  15 variables:
##  $ group    : Factor w/ 3 levels "Control","MedDiet + Nuts",..: 1 1 3 2 3 1 3 3 1 1 ...
##   ..- attr(*, "label")= chr "Intervention group"
##  $ sex      : Factor w/ 2 levels "Male","Female": 1 1 2 1 2 1 2 1 1 1 ...
##   ..- attr(*, "label")= chr "Sex"
##  $ age      : num  58 77 72 71 79 63 75 66 71 76 ...
##   ..- attr(*, "label")= chr "Age"
##  $ smoke    : Factor w/ 3 levels "Never","Current",..: 3 2 3 3 1 3 1 1 3 2 ...
##   ..- attr(*, "label")= chr "Smoking"
##  $ bmi      : num  33.5 31.1 30.9 27.7 35.9 ...
##   ..- attr(*, "label")= chr "Body mass index"
##  $ waist    : num  122 119 106 118 129 143 88 85 90 79 ...
##   ..- attr(*, "label")= chr "Waist circumference"
##  $ wth      : num  0.753 0.73 0.654 0.694 0.806 ...
##   ..- attr(*, "label")= chr "Waist-to-height ratio"
##  $ htn      : Factor w/ 2 levels "No","Yes": 1 2 1 2 2 2 1 2 2 2 ...
##   ..- attr(*, "label")= chr "Hypertension"
##  $ diab     : Factor w/ 2 levels "No","Yes": 1 2 2 1 1 2 2 2 1 2 ...
##   ..- attr(*, "label")= chr "Type-2 diabetes"
##  $ hyperchol: Factor w/ 2 levels "No","Yes": 2 1 1 2 2 2 2 1 2 1 ...
##   ..- attr(*, "label")= chr "Dyslipidemia"
##  $ famhist  : Factor w/ 2 levels "No","Yes": 1 1 2 1 1 1 1 2 1 1 ...
##   ..- attr(*, "label")= chr "Family history of premature CHD"
##  $ hormo    : Factor w/ 2 levels "No","Yes": 1 1 1 1 1 NA NA 1 1 1 ...
##   ..- attr(*, "label")= chr "Hormone-replacement therapy"
##  $ p14      : num  10 10 8 8 9 9 8 9 14 9 ...
##   ..- attr(*, "label")= chr "MeDiet Adherence score"
##  $ toevent  : num  5.37 6.1 5.95 2.91 4.76 ...
##   ..- attr(*, "label")= chr "follow-up to main event (years)"
##  $ event    : Factor w/ 2 levels "No","Yes": 2 1 1 2 1 2 1 1 2 1 ...
##   ..- attr(*, "label")= Named chr "AMI, stroke, or CV Death"
##   .. ..- attr(*, "names")= chr "varlabel"

基本描述功能

首先是基本的统计描述功能,使用CreateTableOne()函数可以给出数据的基本情况:

(tab <- CreateTableOne(data = predimed))
##                      
##                       Overall       
##   n                     6324        
##   group (%)                         
##      Control            2042 (32.3) 
##      MedDiet + Nuts     2100 (33.2) 
##      MedDiet + VOO      2182 (34.5) 
##   sex = Female (%)      3645 (57.6) 
##   age (mean (SD))      67.01 (6.17) 
##   smoke (%)                         
##      Never              3892 (61.5) 
##      Current             858 (13.6) 
##      Former             1574 (24.9) 
##   bmi (mean (SD))      29.97 (3.82) 
##   waist (mean (SD))   100.36 (10.59)
##   wth (mean (SD))       0.63 (0.07) 
##   htn = Yes (%)         5235 (82.8) 
##   diab = Yes (%)        3002 (47.5) 
##   hyperchol = Yes (%)   4578 (72.4) 
##   famhist = Yes (%)     1429 (22.6) 
##   hormo = Yes (%)         97 ( 1.7) 
##   p14 (mean (SD))       8.68 (1.94) 
##   toevent (mean (SD))   4.36 (1.69) 
##   event = Yes (%)        252 ( 4.0)

选择变量&指定变量类型

通过vars()函数指定保留哪些变量,通过factorVars()函数指定哪些是分类变量。

但其实predimed这个数据集已经把分类变量因子化了,因此这里不用factorVars()也是可以的。

CreateTableOne(data = predimed,
               vars = c("group","sex","bmi","waist","wth"),
               factorVars = c("group","sex")
               )
##                    
##                     Overall       
##   n                   6324        
##   group (%)                       
##      Control          2042 (32.3) 
##      MedDiet + Nuts   2100 (33.2) 
##      MedDiet + VOO    2182 (34.5) 
##   sex = Female (%)    3645 (57.6) 
##   bmi (mean (SD))    29.97 (3.82) 
##   waist (mean (SD)) 100.36 (10.59)
##   wth (mean (SD))     0.63 (0.07)

显示所有水平

在第一个表中我们可以发现很多分类变量被折叠了,都只显示了yes的一部分,比如sex/htn/diab等,我们在print()中添加showAllLevels = T显示所有分类!

print(tab, showAllLevels = T)
##                      
##                       level          Overall       
##   n                                    6324        
##   group (%)           Control          2042 (32.3) 
##                       MedDiet + Nuts   2100 (33.2) 
##                       MedDiet + VOO    2182 (34.5) 
##   sex (%)             Male             2679 (42.4) 
##                       Female           3645 (57.6) 
##   age (mean (SD))                     67.01 (6.17) 
##   smoke (%)           Never            3892 (61.5) 
##                       Current           858 (13.6) 
##                       Former           1574 (24.9) 
##   bmi (mean (SD))                     29.97 (3.82) 
##   waist (mean (SD))                  100.36 (10.59)
##   wth (mean (SD))                      0.63 (0.07) 
##   htn (%)             No               1089 (17.2) 
##                       Yes              5235 (82.8) 
##   diab (%)            No               3322 (52.5) 
##                       Yes              3002 (47.5) 
##   hyperchol (%)       No               1746 (27.6) 
##                       Yes              4578 (72.4) 
##   famhist (%)         No               4895 (77.4) 
##                       Yes              1429 (22.6) 
##   hormo (%)           No               5564 (98.3) 
##                       Yes                97 ( 1.7) 
##   p14 (mean (SD))                      8.68 (1.94) 
##   toevent (mean (SD))                  4.36 (1.69) 
##   event (%)           No               6072 (96.0) 
##                       Yes               252 ( 4.0)

对于二分类变量,还可以使用cramVars参数达到类似的效果,但要注意,此时不同类别是显示在一行中的:

print(tab, cramVars = c("sex","htn","diab"))
##                        
##                         Overall               
##   n                          6324             
##   group (%)                                   
##      Control                 2042 (32.3)      
##      MedDiet + Nuts          2100 (33.2)      
##      MedDiet + VOO           2182 (34.5)      
##   sex = Male/Female (%) 2679/3645 (42.4/57.6) 
##   age (mean (SD))           67.01 (6.17)      
##   smoke (%)                                   
##      Never                   3892 (61.5)      
##      Current                  858 (13.6)      
##      Former                  1574 (24.9)      
##   bmi (mean (SD))           29.97 (3.82)      
##   waist (mean (SD))        100.36 (10.59)     
##   wth (mean (SD))            0.63 (0.07)      
##   htn = No/Yes (%)      1089/5235 (17.2/82.8) 
##   diab = No/Yes (%)     3322/3002 (52.5/47.5) 
##   hyperchol = Yes (%)        4578 (72.4)      
##   famhist = Yes (%)          1429 (22.6)      
##   hormo = Yes (%)              97 ( 1.7)      
##   p14 (mean (SD))            8.68 (1.94)      
##   toevent (mean (SD))        4.36 (1.69)      
##   event = Yes (%)             252 ( 4.0)

非正态分布变量

对于正态分布的变量使用的是均值±标准差的方式进行展示,对于非正态变量则通过中位数(四分位距)表示。可以通过nonnormal参数指定。

print(tab, 
      showAllLevels = T,
      nonnormal = c("p14","toevent")
      )
##                         
##                          level          Overall             
##   n                                       6324              
##   group (%)              Control          2042 (32.3)       
##                          MedDiet + Nuts   2100 (33.2)       
##                          MedDiet + VOO    2182 (34.5)       
##   sex (%)                Male             2679 (42.4)       
##                          Female           3645 (57.6)       
##   age (mean (SD))                        67.01 (6.17)       
##   smoke (%)              Never            3892 (61.5)       
##                          Current           858 (13.6)       
##                          Former           1574 (24.9)       
##   bmi (mean (SD))                        29.97 (3.82)       
##   waist (mean (SD))                     100.36 (10.59)      
##   wth (mean (SD))                         0.63 (0.07)       
##   htn (%)                No               1089 (17.2)       
##                          Yes              5235 (82.8)       
##   diab (%)               No               3322 (52.5)       
##                          Yes              3002 (47.5)       
##   hyperchol (%)          No               1746 (27.6)       
##                          Yes              4578 (72.4)       
##   famhist (%)            No               4895 (77.4)       
##                          Yes              1429 (22.6)       
##   hormo (%)              No               5564 (98.3)       
##                          Yes                97 ( 1.7)       
##   p14 (median [IQR])                      9.00 [7.00, 10.00]
##   toevent (median [IQR])                  4.79 [2.86, 5.79] 
##   event (%)              No               6072 (96.0)       
##                          Yes               252 ( 4.0)

分层显示

但是在实际写论文的时候,经常需要分组显示,分别展示不同组间的统计资料,然后计算组间有没有差别!

可以通过strata参数实现,自动给出P值。

tab_s <- CreateTableOne(data = predimed, vars = colnames(predimed)[-1] , strata = "group")

全部展开展示:

print(tab_s, showAllLevels = T)
##                      Stratified by group
##                       level   Control        MedDiet + Nuts MedDiet + VOO 
##   n                             2042           2100           2182        
##   sex (%)             Male       812 (39.8)     968 (46.1)     899 (41.2) 
##                       Female    1230 (60.2)    1132 (53.9)    1283 (58.8) 
##   age (mean (SD))              67.34 (6.28)   66.68 (6.02)   67.02 (6.21) 
##   smoke (%)           Never     1282 (62.8)    1259 (60.0)    1351 (61.9) 
##                       Current    270 (13.2)     296 (14.1)     292 (13.4) 
##                       Former     490 (24.0)     545 (26.0)     539 (24.7) 
##   bmi (mean (SD))              30.28 (3.96)   29.69 (3.77)   29.94 (3.71) 
##   waist (mean (SD))           100.84 (10.77) 100.19 (10.56) 100.08 (10.44)
##   wth (mean (SD))               0.63 (0.07)    0.62 (0.06)    0.63 (0.06) 
##   htn (%)             No         331 (16.2)     362 (17.2)     396 (18.1) 
##                       Yes       1711 (83.8)    1738 (82.8)    1786 (81.9) 
##   diab (%)            No        1072 (52.5)    1150 (54.8)    1100 (50.4) 
##                       Yes        970 (47.5)     950 (45.2)    1082 (49.6) 
##   hyperchol (%)       No         563 (27.6)     561 (26.7)     622 (28.5) 
##                       Yes       1479 (72.4)    1539 (73.3)    1560 (71.5) 
##   famhist (%)         No        1580 (77.4)    1640 (78.1)    1675 (76.8) 
##                       Yes        462 (22.6)     460 (21.9)     507 (23.2) 
##   hormo (%)           No        1811 (98.3)    1835 (98.4)    1918 (98.2) 
##                       Yes         31 ( 1.7)      30 ( 1.6)      36 ( 1.8) 
##   p14 (mean (SD))               8.44 (1.94)    8.81 (1.90)    8.77 (1.97) 
##   toevent (mean (SD))           4.09 (1.74)    4.31 (1.70)    4.64 (1.60) 
##   event (%)           No        1945 (95.2)    2030 (96.7)    2097 (96.1) 
##                       Yes         97 ( 4.8)      70 ( 3.3)      85 ( 3.9) 
##                      Stratified by group
##                       p      test
##   n                              
##   sex (%)             <0.001     
##                                  
##   age (mean (SD))      0.003     
##   smoke (%)            0.444     
##                                  
##                                  
##   bmi (mean (SD))     <0.001     
##   waist (mean (SD))    0.045     
##   wth (mean (SD))     <0.001     
##   htn (%)              0.249     
##                                  
##   diab (%)             0.017     
##                                  
##   hyperchol (%)        0.423     
##                                  
##   famhist (%)          0.581     
##                                  
##   hormo (%)            0.850     
##                                  
##   p14 (mean (SD))     <0.001     
##   toevent (mean (SD)) <0.001     
##   event (%)            0.064     
## 

但是tableone并没有提供直接导出到Word的途径,只能导入到csv文件中,这是有点差劲的地方。

导出

tab_sv <- print(tab_s,showAllLevels = T,printToggle = F)

write.csv(tab_sv,file = "tab_sv.csv")

不同包的比较

可以看到tableone做出一张表需要2行代码:

tab_s <- CreateTableOne(data = predimed,vars = colnames(predimed)[-1], strata = "group")
print(tab_s,showAllLevels = T)
##                      Stratified by group
##                       level   Control        MedDiet + Nuts MedDiet + VOO 
##   n                             2042           2100           2182        
##   sex (%)             Male       812 (39.8)     968 (46.1)     899 (41.2) 
##                       Female    1230 (60.2)    1132 (53.9)    1283 (58.8) 
##   age (mean (SD))              67.34 (6.28)   66.68 (6.02)   67.02 (6.21) 
##   smoke (%)           Never     1282 (62.8)    1259 (60.0)    1351 (61.9) 
##                       Current    270 (13.2)     296 (14.1)     292 (13.4) 
##                       Former     490 (24.0)     545 (26.0)     539 (24.7) 
##   bmi (mean (SD))              30.28 (3.96)   29.69 (3.77)   29.94 (3.71) 
##   waist (mean (SD))           100.84 (10.77) 100.19 (10.56) 100.08 (10.44)
##   wth (mean (SD))               0.63 (0.07)    0.62 (0.06)    0.63 (0.06) 
##   htn (%)             No         331 (16.2)     362 (17.2)     396 (18.1) 
##                       Yes       1711 (83.8)    1738 (82.8)    1786 (81.9) 
##   diab (%)            No        1072 (52.5)    1150 (54.8)    1100 (50.4) 
##                       Yes        970 (47.5)     950 (45.2)    1082 (49.6) 
##   hyperchol (%)       No         563 (27.6)     561 (26.7)     622 (28.5) 
##                       Yes       1479 (72.4)    1539 (73.3)    1560 (71.5) 
##   famhist (%)         No        1580 (77.4)    1640 (78.1)    1675 (76.8) 
##                       Yes        462 (22.6)     460 (21.9)     507 (23.2) 
##   hormo (%)           No        1811 (98.3)    1835 (98.4)    1918 (98.2) 
##                       Yes         31 ( 1.7)      30 ( 1.6)      36 ( 1.8) 
##   p14 (mean (SD))               8.44 (1.94)    8.81 (1.90)    8.77 (1.97) 
##   toevent (mean (SD))           4.09 (1.74)    4.31 (1.70)    4.64 (1.60) 
##   event (%)           No        1945 (95.2)    2030 (96.7)    2097 (96.1) 
##                       Yes         97 ( 4.8)      70 ( 3.3)      85 ( 3.9) 
##                      Stratified by group
##                       p      test
##   n                              
##   sex (%)             <0.001     
##                                  
##   age (mean (SD))      0.003     
##   smoke (%)            0.444     
##                                  
##                                  
##   bmi (mean (SD))     <0.001     
##   waist (mean (SD))    0.045     
##   wth (mean (SD))     <0.001     
##   htn (%)              0.249     
##                                  
##   diab (%)             0.017     
##                                  
##   hyperchol (%)        0.423     
##                                  
##   famhist (%)          0.581     
##                                  
##   hormo (%)            0.850     
##                                  
##   p14 (mean (SD))     <0.001     
##   toevent (mean (SD)) <0.001     
##   event (%)            0.064     
## 

comparegroups只需要1行:

descrTable(group ~ ., data = predimed)
## 
## --------Summary descriptives table by 'Intervention group'---------
## 
## ____________________________________________________________________________________ 
##                                    Control    MedDiet + Nuts MedDiet + VOO p.overall 
##                                     N=2042        N=2100        N=2182               
## ˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉ 
## Sex:                                                                        <0.001   
##     Male                         812 (39.8%)   968 (46.1%)    899 (41.2%)            
##     Female                       1230 (60.2%)  1132 (53.9%)  1283 (58.8%)            
## Age                              67.3 (6.28)   66.7 (6.02)    67.0 (6.21)    0.003   
## Smoking:                                                                     0.444   
##     Never                        1282 (62.8%)  1259 (60.0%)  1351 (61.9%)            
##     Current                      270 (13.2%)   296 (14.1%)    292 (13.4%)            
##     Former                       490 (24.0%)   545 (26.0%)    539 (24.7%)            
## Body mass index                  30.3 (3.96)   29.7 (3.77)    29.9 (3.71)   <0.001   
## Waist circumference               101 (10.8)    100 (10.6)    100 (10.4)     0.045   
## Waist-to-height ratio            0.63 (0.07)   0.62 (0.06)    0.63 (0.06)   <0.001   
## Hypertension:                                                                0.249   
##     No                           331 (16.2%)   362 (17.2%)    396 (18.1%)            
##     Yes                          1711 (83.8%)  1738 (82.8%)  1786 (81.9%)            
## Type-2 diabetes:                                                             0.017   
##     No                           1072 (52.5%)  1150 (54.8%)  1100 (50.4%)            
##     Yes                          970 (47.5%)   950 (45.2%)   1082 (49.6%)            
## Dyslipidemia:                                                                0.423   
##     No                           563 (27.6%)   561 (26.7%)    622 (28.5%)            
##     Yes                          1479 (72.4%)  1539 (73.3%)  1560 (71.5%)            
## Family history of premature CHD:                                             0.581   
##     No                           1580 (77.4%)  1640 (78.1%)  1675 (76.8%)            
##     Yes                          462 (22.6%)   460 (21.9%)    507 (23.2%)            
## Hormone-replacement therapy:                                                 0.850   
##     No                           1811 (98.3%)  1835 (98.4%)  1918 (98.2%)            
##     Yes                           31 (1.68%)    30 (1.61%)    36 (1.84%)             
## MeDiet Adherence score           8.44 (1.94)   8.81 (1.90)    8.77 (1.97)   <0.001   
## follow-up to main event (years)  4.09 (1.74)   4.31 (1.70)    4.64 (1.60)   <0.001   
## AMI, stroke, or CV Death:                                                    0.064   
##     No                           1945 (95.2%)  2030 (96.7%)  2097 (96.1%)            
##     Yes                           97 (4.75%)    70 (3.33%)    85 (3.90%)             
## ˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉˉ

而且还能直接导出到Word,直接变成三线表!

该用谁,不用我说了吧?

分类:

其他

标签:

医学

作者介绍

阿越1229
V1

黄金矿工。