一、Tableone包的核心功能
Tableone包主要用于生成“Table 1”表格，描述研究样本的基线特征，包括连续变量和分类变量的描述统计信息。具体功能包括：
CreateTableOne：创建包含连续和分类变量的描述性统计表对象，可以按特定分组变量进行统计对比，是使用最广泛的函数。
CreateCatTable\CreateContTable：分别用于生成仅包含分类变量和连续变量的描述性统计表对象。
svyCreateTableOne：适用于加权数据的表格生成，特别是在复杂抽样设计的研究中使用。
summary.TableOne：用于输出生成的TableOne对象的详细信息，包括每个变量的描述统计和组间比较结果。
其主要功能包括：
- 支持连续变量和分类变量的统计描述；
- 提供组间比较结果，包括 p 值和标准化均值差异（SMD）；
- 可按指定变量进行分层分析，方便地生成分组基线表；
- 结合
flextable和officer包，可以将表格导出为 Word 格式，便于撰写报告。
默认检验方法
在生成基线表时，tableone 包自动选择适合的数据检验方法：
- 分类变量：
- 默认使用卡方检验（
chisq.test()）比较分类变量在不同组间的分布差异。 - 当分类变量样本量较小或单元格频数较低时，推荐使用 Fisher 精确检验（
fisher.test()）。
- 默认使用卡方检验（
- 连续变量：
- 对于正态分布的连续变量，使用方差分析（
oneway.test()），在两组比较时等同于 t 检验。 - 对于非正态分布的连续变量，使用非参数检验（
kruskal.test()），当比较两组时等效于 Mann-Whitney U 检验（wilcox.test()）。
- 对于正态分布的连续变量，使用方差分析（
二、Tableone包的扩展功能
Tableone包不仅仅可以生成基础的统计表格，还具备许多实用的扩展功能：
ExtractSmd：提取标准化均值差异（SMD），用于评估不同组间的变量平衡情况。SMD常用于倾向性评分匹配等研究，衡量匹配前后变量的平衡性。kableone：可以将生成的TableOne对象导出为Markdown格式，使表格结果可以直接用于报告和论文的撰写。print.TableOne、print.CatTable、print.ContTable：用于格式化输出表格，使结果更加清晰易读。ShowRegTable：以更加整齐的格式展示回归结果，适合直接用于学术报告中。
三、Tableone包的应用场景
Tableone包在以下场景中尤为实用：
临床研究中的基线特征描述：在临床试验或回顾性研究中，研究人员需要描述不同治疗组或对照组的基线特征，生成类似于“Table 1”的表格。
倾向性评分匹配后的平衡性评估：在倾向性评分匹配（PSM）等方法中，研究人员常使用SMD来评估匹配前后组间的平衡性。
复杂抽样设计的数据分析：对于具有加权数据的研究，Tableone包的加权表格生成函数（如svyCreateTableOne）非常实用，可以生成考虑样本权重的统计结果。
四、示例代码
下面是一个使用 tableone 包生成基线特征表的完整代码示例：
# 加载必要的库
library(tableone)
library(dplyr)
library(tidyverse)
library(flextable)
library(officer)
# 设置工作目录
setwd("D:/科研/3-绘图/数据")
# 读取数据
data <- read.csv("depression_survey.csv")
# 将分类变量转换为因子类型
categorical_vars <- c("Gender", "Education_Level", "Marital_Status",
"Depression_Status", "Chronic_Illness", "Family_History_Depression")
data[categorical_vars] <- lapply(data[categorical_vars], factor)
# 定义分析的变量
vars <- c("Age", "Gender", "Education_Level", "Sleep_Hours",
"Weekly_Activity_Hours", "Depression_Status", "Depression_Score",
"Chronic_Illness", "Social_Support_Score", "Family_History_Depression", "Income")
# 创建按 Marital_Status 分层的 TableOne 对象
table1 <- CreateTableOne(vars = vars, strata = "Marital_Status", data = data,
factorVars = categorical_vars, test = TRUE)
# 打印出包含所有水平的三线表（markdown 格式）
print(table1, showAllLevels = TRUE)
# 将 TableOne 对象转换为数据框格式
table1_df <- as.data.frame(print(table1, showAllLevels = TRUE))
# 如果需要保留原始的行名，可以将行名作为一列
table1_df$Variable <- rownames(table1_df)
rownames(table1_df) <- NULL
# 调整列顺序，将 'Variable' 列放在最前面
table1_df <- table1_df[, c("Variable", setdiff(names(table1_df), "Variable"))]
# 使用 flextable 转换并导出为 Word
table1_flex <- flextable(table1_df)
table1_flex <- autofit(table1_flex)
# 创建 Word 文档并保存
doc <- read_docx()
doc <- body_add_flextable(doc, table1_flex)
print(doc, target = "Complete_Table1_Summary.docx")五、总结
Tableone包是生成“Table 1”表格的强大工具，适用于各种临床和流行病学研究，当然也有其他生成“Table 1”表格的工具，我们可以根据自己的需要自由选择。
特别申明：本文为转载文章，转载自峰林 敲冰煮茗录，不代表贪吃的夜猫子立场，如若转载，请注明出处：https://mp.weixin.qq.com/s/0kRZKD5VZdIe9miKsc1k7w
微信扫一扫 
支付宝扫一扫 