pytho统计csv列不同次数_几十个变量统计描述和统计推断，快速完成（compareGroups包上）...

朴灿烈づ我的快乐病毒、 2023-01-03 12:58 48阅读 0赞

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。

![c8c075bf0fd4143552828502662908cd.png][]

**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**？

今天介绍一个新的绘制基线表的包——`compareGroups`。

--------------------

**目  录**

*  1. 安装和加载R包
 *  2. 加载数据集
 *  3. 描述总研究人群(overall列)
 *  4. 选择研究人群
    
     *  4.1 选择分组变量
     *  4.2 选择部分变量
     *  4.3 选择亚组人群
 *  5. 连续变量的统计检验
 *  6. 绘制分层基线特征表
 *  7. 导出基线特征表
    
     *  7.1 导出csv文件
     *  7.2 导出Excel文件
     *  7.3 导出Word文件
     *  7.4 导出PDF文件

--------------------

## **1. 安装和加载R包** ##

`compareGroups`包可以通过分组变量来创建单变量分析结果的基线特征表，在创建出表格后可以导出各种格式用于报告。

在使用之前先安装和加载R包。

install.packages("compareGroups")  # 安装包
    library(compareGroups)  # 加载包

## **2. 加载数据集** ##

PREDIMED研究是一项随机、多中心队列研究，共7000余名研究对象，选取**其中部分数据**进行演示说明。

研究人群在纳入研究前时没有心血管疾病，但是有心血管风险。

将研究人群随机分为3组，每组采用不同的饮食(**对照组+低脂饮食、橄榄油+地中海饮食、坚果+地中海饮食**)，然后随访观察主要不良心血管事件的发生率。

data(predimed) # 加载数据集
    View(predimed) # 预览数据集

![92fd4cf13a6a04a0fb8a8e328e566713.png][]

数据集中变量介绍：

group # 分组变量，不同的饮食方式(Control; MedDiet + Nuts; MedDiet + VOO)
    sex # 性别，男性和女性 
    age # 年龄
    smoke # 吸烟，三个水平Never、Current、Former
    bmi # 体重指数
    waist # 腰围
    wth # 腰高比
    htn # 因子，是否为高血压，No和Yes
    diab # 因子，是否为糖尿病，No和Yes
    hyperchol # 因子，是否为高血脂，No和Yes
    famhist # 因子，是否有冠心病家族史，No和Yes
    hormo # 因子，是否使用激素替代疗法，No和Yes
    p14 # MeDiet坚持得分
    toevent # 主要结局的随访时间(年)。
    event # 因子，是否发生感兴趣结局，No和Yes

看下数据集各变量信息。

str(predimed) # 查看数据集结构

![79ccabaf62388683c3615a698e3bdf84.png][]

从上面我们可以看到，数据集中的分类变量都显示为因子，并且都添加了标签。

在使用`compareGroups`包前需要注意下：

1.  需要知道数据集中哪些变量是分类变量，将其编码为因子，并注意是不是有序分类变量；
2.  给分类变量添加标签属性，默认情况下输出的基线特征表会包含变量标签。

今天用来绘制基线特征表的主要是`compareGroups`包的`descrTable()`函数。

## **3. 描述总研究人群(overall列)** ##

先不分组，描述下总样本人群。

descrTable( ~ ., data = predimed)

*  ~ 的左边为分组变量或不填变量，不填变量则计算总研究人群的基线特征，并且不进行统计检验；
 *  ~ 的右边为基线特征表中需要统计分析的变量，如果没填变量仅出现一个`.`，则默认数据集的全部变量进行统计。

![68f0886e305ee5410e38a110e0340174.png][]

从上面可以看出，基线表结果显示的很清楚，虽然大部分变量都没有缺失值，但是hormo变量存在缺失值。

## **4. 选择研究人群** ##

### **4.1 选择分组变量** ###

在上面我们简单的统计描述了下总样本人群的基线特征，下面可以**添加分组变量**分析看看。

`group`为分类变量，也是基线表的y变量，表示不同的饮食方式。

descrTable(group ~ ., data = predimed)

![3d244868cdabb397d740a90dc52df317.png][]

### **4.2 选择部分变量** ###

上面我们简单统计描述了下总研究人群以及**添加分组变量后**研究人群的基线特征，但是我们纳入的是数据集中的所有变量，有时我们不需要这么多的变量进行统计分析。

下面我们**只纳入数据集中的部分变量**进行统计分析。

比如我只纳入五个变量进行分析。

descrTable(group ~ age + sex + smoke + waist + hormo,  # 左边为分组变量，右边为基线表行变量
               data = predimed)  # 数据集

![e98916290901518743d20f8e301b727b.png][]

如果基线表纳入的变量较多，也可以选择**移除数据集中变量**的形式来绘制基线特征表。

可以通过`-`号的形式移除下面这四个变量。

descrTable(group ~ . - toevent - event - diab - p14, 
               data = predimed)

![a4b0bdfe34b8c480ae9368ea5c92ad05.png][]

### **4.3 选择亚组人群** ###

除了选择部分变量进行统计分析外，我们还可以**选择亚组人群**进行分析，比如说**只选取女性**进行分析。

descrTable(group ~ age + smoke + waist + hormo + toevent + event + diab + p14, 
               data = predimed,                     
               subset = sex == "Female")

![d981a74fa6846f0dc697f856078c2776.png][]

除了选择亚组人群外，还可以在**亚组人群基础上选取特定变量**进行研究。

descrTable(group ~ age + sex + smoke + waist + hormo, 
               data = predimed, 
               selec = list(hormo = sex == "Female", waist = waist > 20))

![4b5c5a4571bd8819d35c1fac3db4fb27.png][]

基线特征表中的变量可以在公式中出现两次，比如说bmi：

descrTable(group ~ age + sex + bmi + bmi + waist + hormo, 
               data = predimed, 
               selec = list(bmi.1 = !is.na(hormo)))

![60248604f5fac4c449649a66a58c69e6.png][]

输出的基线表中会报告两次bmi的统计结果，第一个bmi表示所有患者的bmi结果，第二个bmi是报告hormo变量中排除缺失值时研究患者的bmi结果。

## **5. 连续变量的统计检验** ##

默认情况下，连续变量认为是正态分布变量，在生成基线特征表时，将使用`均值+标准差`描述连续变量。

如果要指定某一连续变量为非正态分布变量，比如说指定`waist`为非正态分布变量，则：

descrTable(group ~ age + smoke + waist + hormo, 
               data = predimed,               
               method = c(waist = 2))

![ece72212082f79d8df6a940f33ed120f.png][]

上面的结果中`waist`变量被描述为中位数+四分位数。

> method中的数字：1表示正态分布；2表示连续非正态；3表示分类变量；NA表示执行Shapiro-Wilks检验来确定是正态还是非正态分布。

如果参数method使用的是NA，还可以使用alpha参数来指定统计学意义的阈值。

## **6. 绘制分层基线特征表** ##

有时我们需要绘制分层后的基线特征表，绘制分层基线特征表的函数为`strataTable()`函数。

绘制很简单，先使用descrTable()函数绘制一个基线表，在使用strataTable()函数绘制分层基线表。

restab                      data = predimed)  
    strataTable(restab, "sex")

![30ac50319cfdde36433c1e080641cfac.png][]

如上图所示，我们就绘制好了分层基线特征表了。

## **7. 导出基线特征表** ##

在绘制好基线特征表后，就是输出表格了。

R包支持输出的格式有很多(`如CSV/HTML/LaTeX/PDF/Markdown/Word/Excel`)，我们一般常用csv/xls/word/PDF格式，所以就演示输出这几种格式文件。

## 先绘制一个基线特征表
    restab                      data = predimed)  
    restab

![ffac2998e028434b63ee67d7b5e6188c.png][]

### **7.1 导出csv文件** ###

export2csv(restab, file='table1.csv')

![c9691e759e8a352add390b949878db4f.png][]

### **7.2 导出Excel文件** ###

export2xls(restab, file='table1.xlsx')

![1ec2d7b33d28cb885bfa3be9c01e93e4.png][]

### **7.3 导出Word文件** ###

export2word(restab, file='table1.docx')

![386350b1b700c98cc7472463b52616da.png][]

### **7.4 导出PDF文件** ###

export2pdf(restab, file='table1.pdf')

![1fceb7ff3edb0b05693b79326ccc507f.png][]

上面的四种导入方式各有各的优点，自己看情况输出自己需要的格式。

参考资料

1.  compareGroups包帮助文件

文章推荐 R语言做生存分析：绘制 Kaplan-Meirer生存曲线和实现Log-rank检验 导师再也不担心我的科研作图了 工作科研学习，效率太低，是因为浏览器没这么用 【预测模型】Logistic回归模型校准图(Calibration plot)绘制 统计这么难学，有什么好方法没？

![64989870eb8b26d381cbb7d8399de1ce.png][]

[c8c075bf0fd4143552828502662908cd.png]: /images/20221119/2b217d63c8bb4a56b5b36dd832c4fbe9.png
[92fd4cf13a6a04a0fb8a8e328e566713.png]: /images/20221119/dfb8c5a7f3ce43f490cddafb2aeb29c0.png
[79ccabaf62388683c3615a698e3bdf84.png]: /images/20221119/9dfcbd9798874740884396740b11fb2d.png
[68f0886e305ee5410e38a110e0340174.png]: /images/20221119/1bd4703113e04fe8a916a5fdcf4db6c7.png
[3d244868cdabb397d740a90dc52df317.png]: /images/20221119/36065981d481447080577a6b8da86424.png
[e98916290901518743d20f8e301b727b.png]: /images/20221119/9c3cca42f6f6476593d8e7a523f4e66d.png
[a4b0bdfe34b8c480ae9368ea5c92ad05.png]: /images/20221119/d2e1626117fa469490c19518741afa88.png
[d981a74fa6846f0dc697f856078c2776.png]: /images/20221119/df806117dbe946d493574ff3167fe48e.png
[4b5c5a4571bd8819d35c1fac3db4fb27.png]: /images/20221119/f3e8ca21f7d54d77aa2cae053758a55f.png
[60248604f5fac4c449649a66a58c69e6.png]: /images/20221119/553287edf42a4cad8c648a153ed11c97.png
[ece72212082f79d8df6a940f33ed120f.png]: /images/20221119/dcd8dd48396c40e19f27f546018d9277.png
[30ac50319cfdde36433c1e080641cfac.png]: /images/20221119/d807352eefa641c2bf8e7aa9d99eacb1.png
[ffac2998e028434b63ee67d7b5e6188c.png]: /images/20221119/86c8ef29c277455db262ffbe17d485ce.png
[c9691e759e8a352add390b949878db4f.png]: /images/20221119/fb0b815fca424a5d9a50538b7a977dfb.png
[1ec2d7b33d28cb885bfa3be9c01e93e4.png]: /images/20221119/ef24fc1764784068887fc95747402c85.png
[386350b1b700c98cc7472463b52616da.png]: /images/20221119/363022f10d29420d8c7a5c10c82a8e90.png
[1fceb7ff3edb0b05693b79326ccc507f.png]: /images/20221119/c360b1a66a364f238174dab5c9d685cd.png
[64989870eb8b26d381cbb7d8399de1ce.png]: /images/20221119/02ec7dc0e2cd448196489e45e8561ac9.png