R语言一键生成好看的Table 1？小白也能十分钟之内搞定！

vlambda
2020-06-11

R语言一键生成好看的Table 1？小白也能十分钟之内搞定！

146+72本期刊《SCI期刊分析+选刊网站》免费领

扫描下方二维码免费领取☟☟☟

地转天旋，万事开头难------白玉

大家好，我是阿琛。谈统计而色变，不知道你还记得那些年学过的统计知识吗？从变量类型，到统计描述，以及假设检验。一串一串的概念，初识之时以为大家不过萍水相逢，考试过后也便自然向往于江湖。然而，当打开SCI论文，无论是生信研究，亦或者是临床或基础研究，那熟悉的Table 1让人又爱又恨。下面，让阿琛带大家一起温故而知新，讲述一下这Table 1制作的过往历程。

SPSS经典分析方法回顾

谈及统计分析，相信所有人都不会陌生SPSS软件。不管掌握得如何，都能上来耍一耍。对于如何使用SPSS绘制基线资料表的方法，解螺旋也开设了专门的单元讲解课程，手把手拆解每个步骤。在此，阿琛借花献佛，对这一方法进行一个简单的介绍。

▲ SPSS实现单组连续变量的统计方法

▲ SPSS实现分组连续变量的统计方法

▲ SPSS实现分类变量的统计方法

对该方法感兴趣想进一步了解的小伙伴们，可以直接查看相应的单元课视频内容。

然而，该方法也有一定的缺点，相对耗时，耗力，而且极易出错。

R绘制Table1方法

正所谓，江山代有人才出，只是新人总让旧人哭。各种分析软件和分析手段的迭代更新之快，让人眼花缭乱。R的出现，以及随之而来的各种包的开发，让统计分析变得简单与快捷。下面我来介绍一下具体操作步骤：

安装和加载R包

首先，引用本次分析所需要用到的R包“tableone”，人如其名，该包可以非常简单又快捷的解决文章Table 1的统计分析和绘制问题。

#install.packages("tableone") library(tableone)

读取数据

setwd("C:\\Users\\000\\Desktop\\Table") #设置工作目录 rt <- read.table("clinical.txt",header=T,sep="\t",row.names=1) #读取表格 head(rt) #查看数据结果

此次分析的数据变量包括age，gender，grade，stage，T，M，N，Score，Albumin，以及Group。

生成所有患者的统计结果

随后，我们查看一下各种数据的类型：

str(rt)

可以看到，数据集一共包含了317位患者，10个变量；然而，系统将所有的变量都默认为连续型变量；

tab1 <- CreateTableOne(data = rt) #指定数据来源 print(tab1) #查看tab1

由于还没有对变量的类型进行调整，因此在随后生成的表格中，所有变量的结果都是由平均值（mean）和标准差（SD）两块组成。

设定变量信息

接下来，需要我们对要分析的变量名称和变量类型进行手动设置，包括分类变量和非正态分布的变量；

#4.1 设置需要比较的变量名称 myVars <- c("age", "gender", "grade", "stage", "T", "M", "N", "Score", "Albumin") #4.2 设置分类变量 catVars <- c("gender", "grade", "stage", "T", "M", "N") #4.3 设置非正态分布的变量 nonVars <- c("Score")

生成All patients的基线资料

tab2 <-CreateTableOne(data =rt, #指定分析数据集
vars = myVars, #指定比较的变量 factorVars = catVars) #指定其中的分类变量print(tab2,nonnormal = nonVars) #指定非正态分布变量

结果显示：

在表格中，所有呈正态分布的连续变量用平均值和标准差来表示，非正态分布的连续变量通过中位数和四分位数表示，而分类变量则通过百分比（%）来表示。

分组统计

tab3 <- CreateTableOne(data = rt,  strata = "Group", #指定分组变量  vars = myVars,  factorVars = catVars) print(tab3,  cramVars = catVars,  nonnormal = nonVars,  exact = "M") #指定进行fisher精确检验

主要是继续参考每个nmf类里面的不同signature的比例，已经不同nmf类的相关性热图

可视化是一条永无止境的路。大家加油哈！

结果显示：

需要注意的是，在分析中过程中，系统默认两组间连续变量使用t检验，分类变量使用卡方检验并进行连续性校正。对于非正态分布的连续变量以及需要进行fisher精确检验的分类变量，需要在绘制过程中通过nonnormal和exact两个参数来进行指出。

随后，通过修改addOverall参数将之前生成的All patients列信息进行合并。

tab4 <- CreateTableOne(data = rt,  strata = "Group", #指定分组变量  vars = myVars,  factorVars = catVars,  addOverall = TRUE) #添加Overall列的分析结果 print(tab4,  cramVars = catVars,  nonnormal = nonVars,  exact = "M") #查看tab4

结果显示：

输出结果

到此，所有的表格绘制都已经完成了，最后就是结果的整理与输出。在这里，阿琛给大家提供两种结果的输出方法，供大家自行选择。

方法一：复制黏贴，进行整理

print(tab4,  cramVars = catVars,  nonnormal = nonVars,  exact = "M",  quote = TRUE, #显示引号  noSpaces = TRUE) #删除空格

结果显示：

方法二：直接通过R输出表格csv形式的表格结果

tab5 <- print(tab4,  cramVars = catVars,  nonnormal = nonVars,  exact = "M",  quote = FALSE, #不显示引号  noSpaces = TRUE,  printToggle = FALSE) write.csv(tab5, file = "TABLE1.csv")