R语言使用compareGroups包绘制分组患者基线信息表实战：基于survival包lung数据集

最新推荐文章于 2024-09-20 22:51:39 发布
最新推荐文章于 2024-09-20 22:51:39 发布
阅读量680 收藏 2
点赞数 1
CC 4.0 BY-SA版权
文章标签： r语言 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/ByteHero/article/details/132231156
R语言 专栏收录该内容
31 篇文章 ¥59.90 ¥99.00
订阅专栏
本文介绍了如何使用R语言的compareGroups包来绘制和分析基于survival包lung数据集的分组患者基线信息表。通过创建分组变量、生成compareGroups对象和调整输出设置，展示了比较不同组别患者基线信息的方法，并提供了导出结果到CSV文件的步骤。

R语言使用compareGroups包绘制分组患者基线信息表实战：基于survival包lung数据集

在临床研究中，我们经常需要比较不同组别的患者之间的基线信息。R语言提供了多种工具包来实现这个目的，其中compareGroups包是一个非常方便且功能强大的工具包。本文将介绍如何使用compareGroups包来绘制分组患者基线信息表，并以survival包中的lung数据集为例进行实战演示。

  1. 安装和加载必要的R包

首先，我们需要安装并加载compareGroups和survival这两个R包。可以使用以下代码完成安装和加载：

install.packages("compareGroups")
install.packages("survival")

library(compareGroups)
library(survival)
  1. 加载并查看lung数据集

接下来，我们加载lung数据集，并查看数据集的结构和前几行数据：

data(lung)

str(lung)
head(lung)
  1. 创建并编码分组变量

由于lung数据集没有提供分组变量，我们可以根据数据集中的一个或多个变量来创建分组变量。这里，我们可以根据肿瘤类型（type）来创建一个二分类的分组变量，表示患者是否为小细胞肺癌（SCLC）：


                

                
                
        

    


  


        

                

                  

                  

                  了解本专栏
                  
                  
                    
                  订阅专栏 解锁全文
                   
                

        


    



                



	

		

			

				
					
R语言使用compareGroups包compareGroups函数生成表统计表、createTable函数创建二元表、并导出结果到文档（doc、csv、xlsx、pdf）

				
			

			

				

					data+scenario+science+insight
				

				

					09-24
					
					1540
					
				

			

		

		

			
				
R语言使用compareGroups包compareGroups函数生成表统计表、createTable函数创建二元表、并导出结果到文档（doc、csv、xlsx、pdf）



目录

R语言使用compareGroups包compareGroups函数生成表统计表、createTable函数创建二元表

#导入包

#导入数据

#compareGroups函数生成表统计表

#createTable函数创建二元表

#导出输出结果





#导入包


install.packages("comp.

			
		

	



                

            
              



	

		

			

				
					
R语言使用compareGroups包进行单因素分析：基于survival包的colon数据集

				
			

			

				

					CodeGu的博客
				

				

					08-24
					
					491
					
				

			

		

		

			
				
接下来，我们将使用compareGroups包中的函数createObject来创建一个compareGroups对象，并指定生存时间（time）作为主要的生存指标，事件指示器（event）用于表示是否发生了事件（例如死亡），以及我们感兴趣的因素作为分组变量。综上所述，我们可以使用compareGroups包结合survival包的colon数据集来进行单因素分析。在R语言中，可以使用compareGroups包来进行单因素分析，并结合survival包中的数据集，例如colon数据集，来进行生存分析。

			
		

	



              


  
              

                


	

		

			

				
					
R语言使用compareGroups包绘制单因素分析表实战：基于survival包的colon数据集

				
			

			

				

					data+scenario+science+insight
				

				

					09-24
					
					1074
					
				

			

		

		

			
				
R语言使用compareGroups包绘制单因素分析表实战：基于survival包的colon数据集



目录

R语言使用compareGroups包绘制单因素分析表实战：基于survival包的colon数据集

#加载包和数据集

#构建以status为分组（分类变量）、化疗方案rx和年龄age为特征的单因素分析表

#以rx为自变量，以status为结局变量（分类变量）构建GLM逻辑回归并查看p值及OR值

#以下以age为连续型自变量，以status为结局变量（分类变量）基于GLM函数并查看p值

			
		

	





	

		

			

				
					
R语言统计 | 用compareGroups包优雅地制作临床资料基线表/三线表

				
			

			

				

					公众号/简说基因，知乎/简宝玉
				

				

					02-20
					
					2647
					
				

			

		

		

			
				
一直用 tableone 画三线表，整体够用。不过还是有一点，就是想要展示某一组数据的中位数时，默认显示中位数[下四分位数，上四分位数]，但我们很多时候要显示中位数[最小值，最大值]，只能手动修改，倒也不是什么大问题，可能也是我对这个包不够了解，没有找到调整的办法。今天介绍一个同样是画三线表的包：compareGroups。说实话，这个包的命名平平无奇，没有 tabeone, table1 这样的...

			
		

	



		

			
		



	

		

			

				
					
R包compareGroups详细用法

				
			

			

				

					weixin_55102248的博客
				

				

					09-20
					
					2405
					
				

			

		

		

			
				
一个命名字符向量，包含 ‘all’、‘p.overall’、‘p.trend’、‘ratio’、‘p.ratio’ 和 ‘N’ 组件，指示 ‘[ALL]’、‘p.overall’、‘p.trend’、‘ratio’、‘p.ratio’ 和 ‘N’（可用数据）的标签。可能的值有：‘tiny’、‘scriptsize’、‘footnotesize’、‘small’、‘normalsize’、‘large’、‘Large’、‘LARGE’、‘huge’、‘Huge’ 或 ‘same’（允许部分匹配）。

			
		

	





	

		

			

				
					
使用compareGroups包在R语言中绘制基于survival包中lung数据集的分组患者基线信息表

				
			

			

				

					2301_79325657的博客
				

				

					08-24
					
					284
					
				

			

		

		

			
				
compareGroups是一个用于比较组间差异的R包，可以帮助我们对不同组别的患者基线信息进行比较和可视化。在这个例子中，我们选择了性别（Sex）、年龄（Age）、阶段（Stage）和细胞类型（Celltype）作为基线信息的比较变量。综上所述，使用compareGroups包可以方便地绘制分组患者基线信息表，并对不同组别之间的差异进行比较和可视化。除了单个变量的比较，compareGroups还提供了多个变量之间的比较。该数据集包含肺癌患者的一些基线特征，我们将使用其中的一些变量进行分组和比较。

			
		

	





	

		

			

				
					
R语言compareGroups包绘制组间趋势（p for trend）实战：基于survival包lung数据集示例

				
			

			

				

					statistics+insight+vista+power
				

				

					03-21
					
					541
					
				

			

		

		

			
				
R语言compareGroups包绘制组间趋势（p for trend）实战：基于survival包lung数据集示例

			
		

	





	

		

			

				
					
超级牛逼R包登场，compareGroups包轻松制作出SCI论文表格数据的组间趋势（p for trend）（2）

				
			

			

				

					dege857的博客
				

				

					09-09
					
					4643
					
				

			

		

		

			
				
既往我们已经介绍了compareGroups包制作SCI论文表一，今天我们继续来介绍compareGroups包制作数据的组间趋势p for trend。

我们除了需要compareGroups包外还需要导入一个glue包，不然就会报错。
我们还是使用既往的乳腺癌数据，先导入R包和查看数据
library(foreign)
library(compareGroups)
library(glue)
bc <- read.spss("E:/r/test/Breast cancer survival ag

			
		

	





	

		

			

				
					
R| compareGroups一行代码完成组间比较

				
			

			

				

					lazysnake666的博客
				

				

					07-22
					
					4754
					
				

			

		

		

			
				
最近发现一个做人口统计学的R包——compareGroups，（一直很懒，一直在找）基本上实现一行代码。library(compareGroups) # load compareGroup...

			
		

	





	

		

			

				
					
超级牛逼R包登场，compareGroups包轻松制作出SCI论文表一、表二、表三（1）

				
			

			

				

					dege857的博客
				

				

					03-26
					
					1万+
					
				

			

		

		

			
				
本来不想再写这个教程了，因为前面已经写过很多了，也说过R包TableOne。但是这个R包真是太牛了，可以很轻松的制作出SCI论文表一（基线资料表）和表二（单因素分析表），也能轻松做出sci论文中多个模型比较的表三（多因素分析表），还可以做出线性趋势（P for trend），可以毫不夸张的说，使用好这个R包，你可以写一篇简单的SCI论文了，下面的表格都可以通过compareGroups包轻松制作出来。



这种表也是可以做出来的，也不难



好的。废话不多说，马上开工。
我们除了需要compareGro

			
		

	





	

		

			

				
					
R语言比较组包compareGroups在基于survival包的colon数据集上的单因素分析表实战

				
			

			

				

					ByteGlide的博客
				

				

					08-17
					
					404
					
				

			

		

		

			
				
本文将介绍如何使用R语言中的compareGroups包进行基于survival包的colon数据集的单因素分析，并展示相关的代码实现。本文介绍了如何使用R语言中的compareGroups包进行基于survival包的colon数据集的单因素分析。我们展示了数据预处理、创建compareGroups对象、描述性统计分析、生存曲线绘制和生存曲线比较的步骤，并提供了相应的源代码。注：本文仅以教学目的介绍了R语言中的compareGroups包的使用方法，并使用了公开可用的数据集进行示范。

			
		

	





	

		

			

				
					
R语言compareGroups包绘制组间趋势：基于survival包lung数据集示例

				
			

			

				

					TechPulseZ的博客
				

				

					08-24
					
					391
					
				

			

		

		

			
				
总结起来，compareGroups包是一个强大的R语言工具，可用于比较和可视化不同组之间的差异。通过使用compareGroups包，我们可以轻松绘制组间趋势图，从而更好地理解数据集中的组间差异。在本文中，我们以survival包中的lung数据集为例，演示了如何使用compareGroups包绘制吸烟者和非吸烟者之间的生存曲线。图中将显示吸烟者和非吸烟者之间的生存曲线，并标明组间的差异。compareGroups包提供了许多其他的功能和选项，可用于进一步定制和改进趋势图的外观。

			
		

	





	

		

			

				
					
病例对照研究中—两组组间比较—的统计方法选择，基于R语言

					
热门推荐

				
			

			

				

					clancy_wu的博客
				

				

					03-11
					
					2万+
					
				

			

		

		

			
				
医学中最常设计的试验就是病例对照研究，以探究某一干预措施是否有改善性。需要根据基线的情况，选择相应的方法。
试验数据如下：



（声明：该数据是随机自动生成的，虚拟的，该计算结果不代表任何真实的事情，该数据不适用于现实世界。）
数据由试验组长病程10名，试验组短病程10名，对照组10名组成，干预手段为减肥。
一、两组病例对照研究常用的三种方法
（1）T检验法，将结果进行T检验。
因为基线齐，说明两组干预前组间差异不明显，直接用T检验对比干预后的结果。
long_after <- filter(dat

			
		

	





	

		

			

				
					
R语言：三线表（3.生存分析三线表）

				
			

			

				

					一口吃两口饭的博客
				

				

					01-10
					
					7209
					
				

			

		

		

			
				
R语言：三线表。主要学习table1包，这次是绘制单因素生存分析三线表。新增中位生存时间、卡方值、p值的列。

			
		

	





	

		

			

				
					
R生成三线表

				
			

			

				

					leeningzzu的博客
				

				

					11-17
					
					3633
					
				

			

		

		

			
				
绘制基线表的R code

			
		

	





	

		

			

				
					
首发，pm3包，一个用于多组（3组）倾向评分匹配的R包

				
			

			

				

					dege857的博客
				

				

					03-04
					
					5708
					
				

			

		

		

			
				
这句代码我来解释一下，因为我们是靠逻辑回归模型生成评分的，所以要定义一个回归模型的变量:data就是你的数据，x就是你要比较的变量，我们这里是race，y是你要比较的结局变量，covs是协变量的意思，填入你模型模型中的协变量，包括连续的和分类的，这里是"age",“lwt”,“ptl”，最后factor是定义你数据中的分类变量，这里有个小问题，factor你要是没有可以不填，填的话最少要填两个，不然会报错，这个问题在后期版本修正。

			
		

	





	

		

			

				
					
第一章基本变量与类型

				
			

			

				

					qq_41932955的博客
				

				

					09-01
					
					290
					
				

			

		

		

			
				
基本变量与类型
Go语言变量
声明变量
1.标准格式
var 变量名 变量类型

2.批量格式
var （
			a  int 
			b  string
			c  bool
）

初始化变量

整型和浮点型变量的默认值为0。
字符串变量的默认值为空字符串。
布尔型变量的默认值为false。
切片、映射、函数和指针变量莫仁伟nil。
注意：nil相当于其他编程语言中的null、None和NULL等，指代零值，在Go语言中只能赋予给切片、映射、函数、接口、指针或通道类型。

1.标准格式
var  变量名 

			
		

	





	

		

			

				
					
gtsummary绘制三线表/基线资料表/表格

				
			

			

				

					医学和生信笔记的博客
				

				

					09-15
					
					6539
					
				

			

		

		

			
				
在R语言中绘制表格的包我们介绍了非常多，除了专门绘制基线资料表的compareGroups/tableone/table1，还介绍了绘制普通表格的gt，以及扩展包gtExtra。
gtsummary包是专门用来画表格的，高度自定义的多种选项，快速绘制发表级表格。可用于总结汇总数据集、多种模型等。

快速绘制描述性统计表格、基线资料表(例如医学期刊常见的表1！) 。自动检测数据集中的连续、多分类和二分类变量，选择合适的描述性统计方法，还包括每个变量的缺失值。绘制回归模型结果。自动识别常见的回归模型，如逻辑回归

			
		

	





	

		

			

				
					
r语言中compareGroups包

					
最新发布

				
			

			

				

					06-23
				

			

		

		

			
				
<think>我们正在讨论的是R语言中的compareGroups包。根据引用内容，这个包主要用于比较和可视化不同组之间的差异，特别是在临床研究中用于制作基线特征表（三线表）和组间趋势图等。主要功能点总结：1.创建分组比较表（基线特征表）：可以快速生成不同组别（如病例组vs对照组）的基线特征比较表，支持连续变量和分类变量，自动进行统计检验并标注P值。2.组间趋势可视化：例如绘制生存曲线（如吸烟者vs非吸烟者的生存曲线）。3.提供多种比较函数：如compareMeans（比较连续变量）、compareCounts（比较分类变量）等。使用步骤一般包括：1.安装并加载包：install.packages("compareGroups");library(compareGroups)2.准备数据：确保数据格式正确，分组变量明确。3.创建比较表格：使用compareGroups()函数指定分组变量和要比较的变量，然后使用createTable()函数生成表格。4.导出表格：可以导出为HTML、Word、PDF等格式。5.绘制组间趋势图：如使用survfit()函数配合生存数据，然后通过plot()函数绘制生存曲线。下面我们通过一个示例来演示如何使用compareGroups包制作基线特征表（三线表），使用survival包中的lung数据集。示例步骤：1.加载必要的包2.准备数据（这里使用lung数据集，并做一些预处理）3.定义分组（例如按性别分组）4.使用compareGroups函数构建比较对象5.使用createTable函数生成表格6.导出表格注意：在比较之前，通常需要对变量进行适当的设置（比如连续变量还是因子变量）。代码示例：```r#安装包（如果未安装）#install.packages("compareGroups")#install.packages("survival")#加载包library(compareGroups)library(survival)#加载lung数据集data(lung)#查看数据集结构str(lung)#数据预处理：将性别转换为因子变量（1=男性，2=女性），并添加标签lung$sex<-factor(lung$sex,levels=c(1,2),labels=c("Male","Female"))#将状态转换为因子变量（1=删失，2=死亡），但通常我们关注死亡事件#注意：在生存分析中，status通常0表示删失，1表示事件（死亡），但lung数据集中是2表示死亡，1表示删失？需要确认#根据lung数据集文档：status:1=censored,2=dead#因此，我们创建一个事件状态变量，其中1表示死亡，0表示删失（生存分析常用）lung$event<-ifelse(lung$status==2,1,0)#现在，我们按性别分组来比较基线特征#使用compareGroups函数：指定分组变量为sex，要比较的变量可以指定，如果不指定则使用除分组变量外的所有变量#这里我们指定几个变量：age,ph.ecog,wt.loss,eventres<-compareGroups(sex~age+ph.ecog+wt.loss+event,data=lung)#生成表格restable<-createTable(res)#显示表格print(restable)#导出表格为HTML文件（也可以导出为Word、PDF等）export(restable,file="baseline_table.html")```此外，该包还支持更复杂的表格设置，如分层分析、调整变量等。对于组间趋势图（如生存曲线），我们可以结合survival包和survminer包来绘制，但compareGroups包本身也提供了一些绘图功能。不过，引用中提到的组间趋势图示例主要是生存曲线，实际上compareGroups包中的plot函数可以用于绘制组间比较的条形图、箱线图等，但生存曲线通常用survminer包绘制更常见。根据引用[1]和[3]，compareGroups包也可以用于绘制生存曲线，但示例中并没有给出具体代码。通常，绘制生存曲线我们会使用survival包中的survfit函数和plot函数，或者使用survminer包的ggsurvplot函数。但是，compareGroups包中有一个函数叫做survstrata，它可以配合生存数据，然后通过plot函数绘制生存曲线。不过，从文档来看，compareGroups包的重点在于表格，图形功能可能有限。因此，如果需要绘制生存曲线，推荐使用survminer包。下面，我们根据引用[1]中的描述，使用compareGroups包绘制生存曲线的示例可能如下（注意：此示例为推测，因为引用没有提供代码）：```r#使用compareGroups包中的survstrata函数（注意：这个函数在compareGroups包中可能不存在，需要核实）#实际上，引用中提到的绘制生存曲线可能是通过compareGroups包中的其他函数，或者作者使用了其他包。#因此，我们转而使用survival和survminer包绘制生存曲线（更常用）#install.packages("survminer")library(survminer)#创建生存对象fit<-survfit(Surv(time,event)~sex,data=lung)#绘制生存曲线ggsurvplot(fit,data=lung,pval=TRUE,risk.table=TRUE)```由于引用中特别提到了compareGroups包，我们也可以尝试用compareGroups包中的函数来绘制。经过查阅文档，compareGroups包中有一个函数叫做`plot.compareGroups`，但它主要用于绘制单变量的组间比较（如箱线图、条形图），而不是生存曲线。因此，关于组间趋势的生存曲线，引用[1]可能是通过compareGroups包中的其他功能间接实现的？或者作者将生存曲线作为组间趋势的一种，但绘制时使用了其他方法。综上所述，compareGroups包的核心功能是制作分组比较的表格，而图形功能是辅助的。对于生存曲线，建议使用专门的生存分析绘图包。接下来，生成相关问题。</think>### R语言compareGroups包功能与使用详解

`compareGroups`包是R语言中用于**分组比较和基线特征表生成**的专用工具，特别适用于临床研究和观察性研究的数据分析。其核心功能是通过自动化统计检验和格式化输出，高效生成符合期刊要求的"三线表"（基线特征表）。

#### 核心功能
1. **分组比较分析**  
   - 自动执行连续变量（t检验/ANOVA）和分类变量（卡方/Fisher检验）的组间比较
   - 支持多分组比较（如疾病分期、治疗组别）
   - 输出带P值的标准化比较表格

2. **基线特征表生成**  
   - 一键生成符合医学期刊规范的"三线表"
   - 支持变量类型自动识别（连续变量输出均值±标准差，分类变量输出频数百分比）
   $$ \text{连续变量：} \bar{x} \pm s \quad ; \quad \text{分类变量：} n(\%) $$

3. **高级统计控制**  
   - 支持分层分析（如按年龄分层比较）
   - 可调整协变量（ANCOVA模型）
   - 处理缺失值机制（MCAR/MAR假设检验）

#### 基础使用流程（以lung数据集为例）

```r
# 1. 加载包与数据
library(compareGroups)
library(survival)
data(lung)

# 2. 数据预处理
lung$sex <- factor(lung$sex, labels = c("Male", "Female"))
lung$ph.ecog <- factor(lung$ph.ecog)  # 分类变量因子化

# 3. 创建比较对象
res <- compareGroups(
  sex ~ age + ph.ecog + wt.loss + meal.cal,  # 分组变量~分析变量
  data = lung,
  method = c(age=2, wt.loss=2)  # 指定连续变量方法：1=中位数，2=均值
)

# 4. 生成三线表
table1 <- createTable(
  res,
  show.p.overall = TRUE,  # 显示总P值
  digits = 1              # 小数位数
)

# 5. 导出结果
export(table1, file = "基线特征表.docx")  # 导出Word
print(table1)  # 控制台预览
```

#### 输出表示例：
| 变量       | 男性 (n=XX) | 女性 (n=XX) | P值    |
|------------|-------------|-------------|--------|
| **年龄**   | 65.2±8.4    | 62.1±7.9    | 0.032  |
| **ECOG评分**|             |             | <0.001 |
| - 0        | 25(50%)     | 30(75%)     |        |
| - 1        | 20(40%)     | 8(20%)      |        |
| **体重减轻(kg)** | 9.5±6.2 | 6.8±5.1   | 0.021  |

#### 高级功能
1. **趋势分析**：
   ```r
   # 创建时间-事件趋势对象
   trend <- survstrata(Surv(time, status) ~ sex, data=lung)
   plot(trend)  # 绘制组间生存曲线
   ```

2. **自定义统计方法**：
   ```r
   createTable(res, 
              method = c(age=2),  # 年龄用均值
              Q1 = c(wt.loss=1),  # 体重减轻用中位数
              SD = c(wt.loss=3))  # 用IQR代替SD
   ```

3. **多分组比较**：
   ```r
   # 添加分期分组
   lung$stage <- cut(lung$ph.karno, breaks=c(0,70,100)) 
   compareGroups(stage ~ age + sex + wt.loss, data=lung)
   ```

#### 注意事项
1. **变量类型处理**：
   - 分类变量必须转换为`factor`
   - 连续变量需明确指定统计方法（均值/中位数）
   
2. **缺失值处理**：
   - 默认排除缺失值，可用`na.action`参数控制
   - 建议预处理时用`is.na()`检查缺失比例

3. **输出定制**：
   - 使用`show.ratio`显示相对风险
   - `hide`参数隐藏不必要变量
   - `cgroups`添加列分组标题

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

  

	
    

      

      

      

        
        

          
          

            

              成就一亿技术人!
            

            

              拼手气红包6.0元
            

          

        

        

          

            还能输入1000个字符
             | 博主筛选后可见
          

          

             
          

          

            

              红包
              添加红包
            

            

              表情包
              插入表情
              

                

              

            

            

              表情包
              代码片
              

                
              

            

            

              
              
              
              
              
              
              
            

          

        

      

    

		

			

			

			

					 条评论被折叠 查看
			

			

				
			

		

	

	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值