点击蓝字关注我们
各位科研芝士的小伙伴，本站本着给大家提供科研便利的宗旨，继续给大家提供干货， 一般的临床研究，统计分析就“三把斧”：统计描述、差异性比较和回归建模。R语言完美解决了统计分析“三把斧”结果整理成规范三线表的麻烦。在统计描述上，R可以根据不同数据的特征给出不同的统计描述方法，在差异性比较方面，R可以给出不同数据比较的不同差异性比较方法，包括t、F、卡方、fisher法和秩和检验；在回归分析上，不仅是Cox回归，线性回归、logistic回归,R同样可以形成规范的表格。这些表格，如果人工来整理，不仅慢，而且不规范！今天我们就攻下这个高地，学习一下如何整理成三线表。
1. 准备工作
导入R语言两个重要的包 tableone和survival工具包，导入数据pbc（该数据来自survival包中梅奥诊所原发性胆汁性肝硬化pbc数据，共有424例PBC患者参与了10年的生存分析，具体数据描述可以在R帮助中搜索pbc查看），直接install和library即可
2. 过滤缺失值
我们发现pbc数据中含有较多的缺失值，首先我们简单统计每列的缺失值个数，对存在缺失值的行，我们进行了剔除，接着我们继续进行统计一下缺失值，如下，发现最开始一些列存在缺失值，剔除之后，缺失值个数均变为0了。
3. 数据类型
常看数据类型，发现该数据集一共20个变量，276行：
将分类变量转化为因子变量，可以看到有一些分类变量是数值型，比如status，至于为什么都需要转换，看到后面就知道了。
4.创建三线表
创建table one的函数非常简单，CreatTableOne()函数只需要指出需描述的变量（即前面的vars变量列表），strata参数说明按照trt变量分层即可。注意的是如果前面没有指定分类变量类型，tableone会以数值型变量处理你的变量，这也就是需要提前指定分类变量的原因。我们首先不填充分层变量，你会发现主要是对总体数据的统计，如下：
5. 填充分层变量
我们按照thr分层变量，进行填充，结果如下，可以看到一个非常熟悉的表格了，行分别为n(病例个数)、time、status等等需要比较的变量，列为不同分组。可以发现计量数据都是用“(mean (sd))”描述，分类变量用“ (%) ”表示，而且还神奇的算出了P值。默认情况下，tableone使用正态分布方法分析资料，因此会出现“(mean (sd))”的描述，但是像本例中的临床生化指标，属于偏态分布，用“(mean (sd))”描述是错误的，我们需要进一步矫正。
6. 指定统计分析方法
在这里我们通过nonnormal =指定对血清胆红素bili)、血清胆固醇(chol)、尿铜(copper)等临床生化非正态指标用非参检验方法，对生存状态（"status"）、临床分期（stage）用Fisher检验。同时用cramVars参数可以显示两个水平的分类变量构成比，smd参数为显示standardized mean differences。
可以看到指定的非正态资料使用“median [IQR]”来表示数据了，而且在test列也出现了P值计算使用的方法，空着的地方代表使用默认的正态分布的分析方法，最后一列为SMD数值，这一切都是我们需要的。
7. 文件导出
结果如下：
Ok，这样的话我们就可以实现三线表的绘制，是不是很简单呢！
