第28天 學(xué)習(xí)R語言的最大理由：利用R快速成文

30天R語言已經(jīng)接近尾聲，我們進(jìn)行了R語言的介紹、對(duì)數(shù)據(jù)的導(dǎo)入、整理、統(tǒng)計(jì)分析、繪制統(tǒng)計(jì)圖表，現(xiàn)在我們?cè)撔纬烧撐牧恕?/span>

學(xué)習(xí)R語言一個(gè)最大的理由是快速成文！我們都知道無論是SPSS，還是SAS數(shù)據(jù)分析結(jié)果，呈現(xiàn)出來的統(tǒng)計(jì)表實(shí)在是慘不忍睹。但是，論文寫作，必須繪制出合格的三線表！怎么辦，SPSS和SAS分析出結(jié)果后，我們只能一個(gè)一個(gè)抄錄，將分析數(shù)據(jù)逐個(gè)復(fù)制黏貼到已經(jīng)繪制好的表格中，實(shí)在是頭大。

但是R語言不同，現(xiàn)在它有很多靈活的工具，這里介紹的是一個(gè)包，叫做tableone，它可以幫助我們快速形成統(tǒng)計(jì)分析的三線表，而且極其規(guī)范。

今天我們率先介紹的是，利用R語言快速形成第27天所介紹的生存分析。

1. 案例

我們一個(gè)真實(shí)世界臨床研究，通過隊(duì)列隨訪獲得胰腺癌患者的生存結(jié)局，探討術(shù)中放化療等因素對(duì)胰腺癌生存的影響。結(jié)局變量包括時(shí)間（time）和結(jié)局（censor），結(jié)局中刪失意味著生存。影響因素包括年齡、trt（術(shù)中放化療）、sex（性別）、bui（占位處）、ch（胰膽管浸潤程度）、P（有無腹膜轉(zhuǎn)移）、stage（TNM分類）。

2. 一般論文的統(tǒng)計(jì)分析策略

對(duì)于這樣的案例，我們應(yīng)該如何去分析？

這一案例，一般如果寫一篇論文，可以從2個(gè)角度來分析。第一個(gè)角度，就側(cè)重于感興趣的因素，比如術(shù)中放化療，其他因素作為混雜因素處理；第二角度，所有的因素地位相同，可以探討各個(gè)因素的影響。我們本論文按照第一角度為例，看看R語言如何一氣呵成。

以下是論文的統(tǒng)計(jì)分析策略與預(yù)計(jì)結(jié)果

題目：術(shù)中放化療對(duì)胰腺癌患者生存結(jié)局的影響研究

統(tǒng)計(jì)分析策略：一般論文分析套路是，統(tǒng)計(jì)描述、差異比較、回歸分析。

1）首先，要開展基本情況的描述，描述患者的基本特征和相應(yīng)的結(jié)局。

2）我們可能需要比較下采取術(shù)中放化療和不采取術(shù)中放化療人群的特征差異性，看分組是否均衡。

3）了解了分組均衡后，我們把分組不均衡的因素和術(shù)中放療因素（trt）一起構(gòu)建COX回歸方程，這就是常見的分析三個(gè)過程。

最終結(jié)果：最基本的就包括以下幾個(gè)結(jié)果:對(duì)于本題的的內(nèi)容和目標(biāo)，統(tǒng)計(jì)分析最終得到以下三張非常重要，但需要花大量精力、大量時(shí)間去整理規(guī)范的統(tǒng)計(jì)表。

1)統(tǒng)計(jì)描述的結(jié)果

2）差異性比較結(jié)果

 3）COX回歸分析結(jié)果

3. 如何利用R語言出口成章？

要完成上述3張表格的規(guī)范性問題，我們可以結(jié)合tableone和broom包共同完成。

1）準(zhǔn)備工作

安裝和導(dǎo)入R語言兩個(gè)重要的包survival、tableone、此外還有一個(gè)非常重要的包broom，等下也非常有用，導(dǎo)入數(shù)據(jù)

install.packages("survival")

install.packages("tableone")

library(tableone)  

library(survival)

library(broom)

pancer<-read.csv("pancer.csv")

2）進(jìn)行數(shù)據(jù)的整理

pancer數(shù)據(jù)庫總的來說結(jié)構(gòu)相對(duì)簡(jiǎn)單，無序進(jìn)行復(fù)雜的操作。這里主要要進(jìn)行的是，對(duì)部分變量進(jìn)行因子化的操作。

fvars<-c(“sex”,”trt”,”bui”,”ch”,”p”,”stage”)

pancer[fvars] <- lapply(pancer[fvars], factor)

3）首先進(jìn)行統(tǒng)計(jì)描述

tableone包的CreateTableOne（）就是核心的函數(shù)了，他可以幫助我們創(chuàng)建規(guī)范的三線表，如果其中的變量是 因子，它就計(jì)算比例，如果是數(shù)值變量，它就計(jì)算均數(shù)和標(biāo)準(zhǔn)差；如果是偏態(tài)分布，則可以通過“nonnormal = ”注明，可以計(jì)算M(P25，P75)了。

vars <- c("age","sex","trt","bui","ch","p","stage","censor","time")

tableOne <- CreateTableOne(vars = vars,  data = pancer)

table1<-print(tableOne,nonnormal = c("time"),showAllLevels = TRUE)

write.csv(table1,file="table1.csv")  #形成統(tǒng)計(jì)分析的excel表

上圖左側(cè)是excel表格，然后可以將Excel結(jié)果復(fù)制到word并形成三線表。我們發(fā)現(xiàn)，無論是正態(tài)分布的數(shù)據(jù)（age），偏態(tài)分布數(shù)據(jù)（time），分類數(shù)據(jù)，都是按照數(shù)據(jù)的特征形成不同的結(jié)果，均數(shù)、中位數(shù)或者構(gòu)成比。迅不迅速？神不神奇？

4）接著進(jìn)行分組比較

通過以下R語言即可完成執(zhí)行，同樣是CreateTableOne（）函數(shù)看，在參數(shù)設(shè)置中增加了”strata = ”，就可以分組進(jìn)行分析了。

vars1 <- c("age","sex","bui","ch","p","stage")

tabletwo <- CreateTableOne(vars = vars1, strata = c("trt"), data = pancer)

table2<-print(tabletwo,nonnormal = c( ),showAllLevels = TRUE)

write.csv(table2,file="table2.csv")  #形成統(tǒng)計(jì)分析的excel表

可以看出，三行R語言就完成了我們所有變量的比較，有定量的age，也有其它的分類數(shù)據(jù)，如果你是偏態(tài)數(shù)據(jù)，它還可以進(jìn)行秩和檢驗(yàn)幫你算出。真是出口成章。

5）接著進(jìn)行COX回歸分析

resCox<-coxph(Surv(time,censor)~age+sex+bui+ch+p+stage+trt,data=p1) #進(jìn)行COX回歸

table31<-ShowRegTable(resCox, exp = TRUE, digits = 2, pDigits = 3,

        printToggle = TRUE, quote = FALSE, ciFun = confint)

table32<-tidy(resCox)

table3<-cbind(table31,table32) #table31 table32是兩個(gè)結(jié)果，現(xiàn)在合并成一個(gè)總表

write.csv(table7,file="table3.csv") # 數(shù)據(jù)導(dǎo)出

我們可以看出，常見需要的回歸系數(shù)、標(biāo)準(zhǔn)誤、p值都在，最令人驚奇的是HR及95CI%置信區(qū)間完美合并到一起。若按傳統(tǒng)的spss方法，這些數(shù)據(jù)合并整理成一張表格是非常損耗時(shí)間和精力的事情。真是太棒了！

4.總結(jié)

一般的臨床研究，統(tǒng)計(jì)分析就三把斧：統(tǒng)計(jì)描述、差異性比較和回歸建模，顯然R語言完美解決了統(tǒng)計(jì)分析結(jié)果整理形成規(guī)范三線表的麻煩。在統(tǒng)計(jì)描述上，可以根據(jù)不同數(shù)據(jù)的特征給出不同的統(tǒng)計(jì)描述方法，在差異性比較方面，可以給出不同數(shù)據(jù)比較的不同差異性比較方法，包括t、F、卡方、fisher法和秩和檢驗(yàn)；在回歸分析上，不僅是Cox回歸。線性回歸、logistic回歸都同樣可以形成規(guī)范的表格。這些表格，如果人工來整理，不僅慢，而且不規(guī)范！

開玩笑說，R語言可以批量制造論文了！現(xiàn)在R語言對(duì)你吸引力是不是很大了？你覺得是不是值得你學(xué)習(xí)了呢？

如果你這樣的方法值得我們大家學(xué)習(xí)，請(qǐng)幫助朋友圈轉(zhuǎn)發(fā)吧。非常感謝

DAY28的內(nèi)容就介紹到這里！