从数据到发表：用R语言autoReg包高效构建医学研究三线表与森林图
如果你是一名临床医生或医学研究者，我猜你一定经历过这样的时刻：好不容易跑完了复杂的回归模型，看着R控制台里那一串串系数、p值和置信区间，却感到一阵头疼——怎么把这些结果整理成期刊要求的、清晰美观的三线表？又该如何直观地呈现这些风险比，生成那幅能一眼看出关键因素的森林图？手动在Word或Excel里调整格式、对齐小数点、绘制图表，耗费的时间可能比统计分析本身还要多，而且极易出错。
这正是许多医学研究者，尤其是刚接触R语言的同行们面临的共同痛点。我们学习统计方法的初衷是深入理解数据背后的故事，而不是被繁琐的格式调整和图表制作绊住脚步。幸运的是，R生态中总有一些“神器”般的包，能将这些重复性劳动自动化。今天要深入探讨的 autoReg 包，就是这样一个为医学统计报告“量身定做”的效率工具。它并非简单地生成表格，而是理解医学研究发表的“语言”，一键输出可直接用于投稿的格式化结果。本文将带你超越基础的代码复制，深入理解 autoReg 的设计哲学、核心功能，并通过一系列实战案例和深度定制技巧，让你真正掌握这条从原始数据到发表级图表的“高速通道”。
1. 为什么是autoReg？重新定义医学统计分析工作流
在深入代码之前，我们有必要先厘清 autoReg 包解决的究竟是什么问题。传统的分析流程存在几个明显的效率瓶颈：
- 结果提取与整理的割裂：使用
summary()函数查看模型结果后，研究者需要手动从大量输出中筛选出需要的估计值、置信区间和p值，这个过程既枯燥又容易遗漏或抄错。 - 格式规范的重复劳动：不同期刊对表格格式（如小数位数、统计量呈现方式、星号标注显著性）有不同要求。手动调整每一张表格是一项巨大的时间投入。
- 基线特征表制作的复杂性：描述性统计分析（连续变量用均值±标准差或中位数[四分位间距]，分类变量用频数[百分比]）并按组别进行比较，虽然逻辑简单，但代码编写颇为繁琐。
- 图表生成的二次加工：绘制森林图需要调用其他绘图包（如
forestplot），并花费大量精力调整布局、字体、坐标轴，以符合出版标准。
autoReg 包的出现，正是为了打通从模型拟合到结果报告的全流程。它的核心设计思想是“约定大于配置”——为医学研究中最常见的场景（线性模型、广义线性模型、Cox比例风险模型）预设了符合学术规范的输出格式。你只需要关心模型本身是否正确，剩下的格式化工作，交给 autoReg 就好。
提示：
autoReg的作者是韩国延世大学的Cardiomoon团队，其开发紧密围绕临床研究者的实际需求，这也是它为何在功能设计上如此“贴心”的原因。
为了让你对传统方法与 autoReg 的差异有直观感受，请看下面的对比：
| 任务 | 传统R方法（示例） | 使用 autoReg | 效率提升点 |
|---|---|---|---|
| 生成基线特征表 | 分别用 t.test(), chisq.test(), table() 等函数计算，再用 cbind() 或循环拼接结果，最后用 kable 格式化。 | 一行代码：gaze(group ~ ., data) | 从数十行代码缩减为一行，自动识别变量类型并选用合适的统计量。 |
| 提取回归结果 | coef(summary(model)) 提取系数，confint(model) 计算置信区间，手动合并并计算OR/HR。 | 一行代码：autoReg(model) | 自动计算OR/HR及95%CI，并以整洁的表格呈现。 |
| 制作三线表 | 依赖 stargazer, texreg 或手动调整 kableExtra 参数，对LaTeX或HTML依赖强。 | 内置 myft() 函数，或直接配合 rrtable 包导出为可编辑的Office文件。 | 输出即为出版级三线表格式，无需额外调整。 |
| 绘制森林图 | 使用 forestplot 包，需精心准备数据格式、文本标签和图形参数。 | 一行代码：modelPlot(model) | 自动从模型对象生成森林图，布局专业。 |
这个对比清晰地表明，autoReg 并非又一个普通的统计汇总工具，而是一个面向终点的自动化报告生成器。它极大地降低了医学研究者将统计分析结果转化为学术语言的技术门槛。
2. 环境搭建与数据准备：为高效分析奠定基础
工欲善其事，必先利其器。让我们首先确保你的R环境已经准备好迎接 autoReg。
2.1 安装与加载
autoReg 包目前主要托管在GitHub上，因此我们需要通过 remotes 包来安装。打开你的RStudio，在控制台依次执行以下命令：
# 安装必要的工具包
install.packages("remotes")
# 从GitHub安装autoReg包
remotes::install_github("cardiomoon/autoReg")
# 安装辅助包，用于数据示例和结果导出
install.packages(c("survival", "rrtable", "flextable"))
# 加载所有需要的包
library(autoReg)
library(survival) # 提供示例数据集
library(rrtable) # 用于将结果导出到PPT/Word
library(flextable) # 用于表格的深度美化
安装过程中如果遇到关于依赖包版本的问题，通常按照提示更新相关包即可。rrtable 包是 autoReg 生态中的重要一环，它负责将生成的精美表格无缝导出到Microsoft Office套件中，实现真正的“可编辑”。
2.2 理解并准备你的数据
任何分析都始于数据。autoReg 对数据格式有一定要求，主要是为了它能智能地判断变量类型。我们以 survival 包内置的经典肝硬化数据集 pbc 为例。这个数据集记录了原发性胆汁性肝硬化患者的生存情况及相关临床指标，非常适合演示。
首先，让我们加载并审视数据：
# 加载数据
data("pbc", package = "survival")
# 查看数据结构
str(pbc)
# 查看前几行
head(pbc)
你会看到数据中包含数值型变量（如 bili胆红素、chol胆固醇）和原本以整数或字符存储的分类变量（如 trt治疗、sex性别）。在医学统计分析中，正确指定变量类型至关重要。autoReg 的 gaze() 函数能自动识别因子型变量作为分类变量，数值型变量作为连续变量。因此，我们的首要任务是将必要的变量转换为因子。
# 创建一份数据副本用于演示
pbc_clean <- pbc
# 处理缺失值（为演示方便，这里简单删除。实践中请根据情况选择插补等方法）
pbc_clean <- na.omit(pbc_clean)
# 将关键分类变量转换为因子，并设置清晰的标签
pbc_clean$trt <- factor(pbc_clean$trt,
levels = c(1, 2),
labels = c("D-penicillamine", "Placebo")) # 治疗分组
pbc_clean$sex <- factor(pbc_clean$sex,
levels = c("f", "m"),
labels = c("Female", "Male")) # 性别
pbc_clean$ascites <- factor(pbc_clean$ascites,
levels = c(0, 1),
labels = c("Absent", "Present")) # 腹水
pbc_clean$edema <- factor(pbc_clean$edema,
levels = c(0, 0.5, 1),
labels = c("No edema", "Edema (moderate)", "Edema (severe)")) # 水肿
pbc_clean$stage <- factor(pbc_clean$stage,
levels = c(1, 2, 3, 4),
labels = c("Stage I", "Stage II", "Stage III", "Stage IV")) # 疾病分期
# 再次检查转换结果
summary(pbc_clean[c("trt", "sex", "stage")])
这一步数据准备是后续所有分析准确、美观的基础。autoReg 的智能正体现在这里：当你把分类变量正确地定义为因子后，它就会在表格中自动以计数和百分比的形式呈现它们，并进行恰当的组间比较。
3. 一键生成基线特征表：告别繁琐的描述性统计
基线特征表（Table 1）是几乎所有临床研究论文的“标配”，用于展示研究人群在各组间的基线情况。手动制作此表极其耗时。现在，让我们用 gaze() 函数来体验什么叫“一键生成”。
3.1 基础单层分组表
假设我们想比较两种治疗方式（trt）组间患者的基线特征是否均衡。
# 基础用法：按治疗分组描述所有其他变量
baseline_table_simple <- gaze(trt ~ ., data = pbc_clean)
print(baseline_table_simple)
执行这行代码，你会在控制台看到一个格式清晰的表格。gaze() 公式中的 trt ~ . 表示以 trt 为分组变量，对所有其他变量（. 代表数据框中除 trt 外的所有列）进行描述和组间比较。它会自动：
- 对连续变量计算均值±标准差，并进行t检验（或非参数检验）。
- 对分类变量计算频数（百分比），并进行卡方检验（或Fisher精确检验）。
- 在最后一列给出组间比较的 p值。
3.2 进阶：多层分组与变量筛选
但我们的需求可能更复杂。比如，我们想先按治疗分组，然后在每个治疗组内再按性别分层描述；或者我们只关心部分临床指标。
# 案例1：按治疗和性别进行双层分组描述
baseline_table_complex <- gaze(trt + sex ~ ., data = pbc_clean)
print(baseline_table_complex)
# 这会生成一个更宽的表格，分别展示两个治疗组下，不同性别的基线情况。
# 案例2：只描述特定的变量集
baseline_table_selected <- gaze(trt ~ age + sex + bili + albumin + stage, data = pbc_clean)
print(baseline_table_selected)
# 只比较两组在年龄、性别、胆红素、白蛋白和分期上的差异。
gaze() 函数的强大之处在于其公式接口的灵活性。通过 + 号，你可以轻松实现多层交叉分组，这在亚组分析中非常有用。
3.3 自定义统计量与输出格式
默认的均值±标准差和频数百分比可能不符合某些期刊要求，或者你的数据严重偏态，需要使用中位数和四分位数间距。gaze() 也提供了丰富的参数进行定制。
# 使用中位数和四分位数间距描述连续变量
baseline_table_median <- gaze(trt ~ .,
data = pbc_clean,
show.stat = TRUE, # 显示统计量名称
digits = 2, # 指定小数位数
method = 2) # method=2 对连续变量使用中位数(IQR)
print(baseline_table_median)
# 更精细的控制：对特定变量使用特定描述方法
# 假设我们想对年龄用均值±标准差，对胆红素用中位数(IQR)
# 这通常需要更复杂的处理，但体现了深入定制的思路。
注意：
gaze()输出的控制台表格虽然清晰，但直接复制到文档中可能格式会乱。别担心，下一步我们就将它转化为真正的“三线表”。
4. 回归分析结果自动化：从模型对象到出版级三线表
基线表之后，研究的核心往往是回归分析，以探究某个结局（如死亡、复发）的影响因素。autoReg() 函数是这个包的精髓，它能将 glm(), lm(), coxph() 等模型对象直接转化为结构清晰的回归结果表。
4.1 拟合模型与基础输出
我们以逻辑回归为例，探究影响患者死亡/复发（status，这里我们简化处理，将原始状态变量二值化）的因素。
# 为简化演示，创建一个二分类结局变量（1=死亡或复发，0=存活）
pbc_clean$outcome_binary <- ifelse(pbc_clean$status %in% c("death", "recurrance"), 1, 0)
table(pbc_clean$outcome_binary)
# 拟合一个多因素逻辑回归模型
fit <- glm(outcome_binary ~ trt + sex + age + bili + albumin + stage,
data = pbc_clean,
family = binomial(link = "logit"))
# 使用autoReg一键生成回归结果表
reg_table <- autoReg(fit)
print(reg_table)
查看 reg_table，你会发现一个标准的多因素回归结果表，通常包含：
- 每个预测变量的不同类别（对于因子变量）或名称。
- 各组的样本分布（N, %）。
- 多因素调整后的比值比（OR）或风险比（HR） 及其 95% 置信区间。
- 对应的 p值。
表格已经自动将因子变量的第一类作为参照组，计算了其他类别相对于它的OR。这一切都无需你手动计算 exp(coef) 和 confint。
4.2 同时呈现单因素与多因素结果
在医学论文中，常常需要一张同时展示单因素和多因素分析结果的表格。autoReg() 通过 uni = TRUE 参数完美支持这一需求。
# 生成包含单因素和多因素结果的表格
reg_table_uni_multi <- autoReg(fit, uni = TRUE)
print(reg_table_uni_multi)
这张表格会多出一列“单因素分析结果”，让你可以直观地比较某个变量在未调整和调整了其他混杂因素后的效应变化，这对于结果的解释非常有价值。
4.3 变量筛选与强制纳入
有时，我们想基于单因素分析的结果（比如p<0.1）筛选变量进入多因素模型。autoReg() 的 threshold 参数可以轻松实现。
# 基于单因素p值<0.2筛选变量进入多因素模型
reg_table_selected <- autoReg(fit, uni = TRUE, threshold = 0.2)
print(reg_table_selected)
# 你会发现，单因素分析中p值>=0.2的变量不会出现在多因素分析列中。
# 如果希望所有变量无论单因素结果如何都进入多因素模型，则设置threshold=1
reg_table_all <- autoReg(fit, uni = TRUE, threshold = 1)
print(reg_table_all)
这个功能模拟了研究者常用的“先单因素筛选，后多因素纳入”的分析策略，极大地简化了工作流程。
5. 成果输出与深度美化：生成可投稿的图表
在控制台看到整洁的表格只是第一步。我们的最终目标是将这些结果放入论文或报告。autoReg 与 flextable 和 rrtable 包的结合，让这个目标触手可及。
5.1 生成可直接使用的三线表
myft() 函数能将 autoReg() 或 gaze() 的输出对象转换为一个 flextable 对象，这是一个功能极其强大的格式化表格对象。
# 将回归结果表转换为美化后的flextable对象
pretty_table <- autoReg(fit, uni = TRUE) %>% myft()
# 在RStudio的查看器中预览（交互式）
pretty_table
# 你可以继续使用flextable的函数进行深度定制，例如设置字体、边框、颜色
library(flextable)
final_table <- pretty_table %>%
font(part = "all", fontname = "Times New Roman") %>% # 设置字体
align(align = "center", part = "header") %>% # 表头居中
align(align = "center", part = "body") %>% # 表格主体居中
bold(part = "header") %>% # 表头加粗
bg(bg = "#f7f7f7", part = "header") %>% # 表头背景色
set_table_properties(layout = "autofit") # 自动调整布局
final_table
5.2 导出到Microsoft Office
这是“临门一脚”。rrtable::table2docx() 和 table2pptx() 函数可以将 flextable 对象直接写入Word或PowerPoint文件，并保持完全可编辑的状态。
# 导出到Word文档
rrtable::table2docx(final_table,
path = "我的回归结果表.docx") # 指定保存路径和文件名
# 导出到PowerPoint幻灯片
rrtable::table2pptx(final_table,
path = "我的研究结果汇报.pptx")
打开生成的 .docx 文件，你会惊喜地发现，表格已经以三线表的形式完美嵌入，你可以像编辑普通Word表格一样，进行最后的微调。这彻底解决了从R到Word的格式迁移难题。
5.3 一键生成专业森林图
森林图是展示多因素回归结果的黄金标准。modelPlot() 函数可以直接从模型对象生成。
# 基础森林图
forest_plot <- modelPlot(fit)
print(forest_plot)
# 更丰富的森林图：显示单因素和多因素结果，隐藏参照组
forest_plot_enhanced <- modelPlot(fit,
uni = TRUE, # 显示单因素结果
threshold = 1, # 所有变量都显示
show.ref = FALSE) # 不显示参照组的那一行
print(forest_plot_enhanced)
生成的森林图已包含坐标轴、参考线、点估计值和置信区间，样式非常专业。同样，你可以用 rrtable::plot2pptx() 将其导出到PPT。
# 将森林图导出到PPT
rrtable::plot2pptx(forest_plot_enhanced, path = "森林图.pptx")
6. 实战技巧与避坑指南
掌握了基本流程后，一些实战技巧能让你用得更顺手，并避开常见的“坑”。
6.1 处理复杂模型与交互项
autoReg 同样支持包含交互项的模型。但需要注意，对于交互项的解释，最好结合效应图。
# 拟合一个包含交互项的模型
fit_interaction <- glm(outcome_binary ~ trt * age + sex + bili,
data = pbc_clean,
family = binomial)
interaction_table <- autoReg(fit_interaction)
print(interaction_table)
# 输出会包含trt, age的主效应以及trt:age的交互项。
6.2 处理Cox比例风险模型
对于生存数据，autoReg 对 coxph() 模型对象的支持同样出色。
library(survival)
# 拟合Cox模型
cox_fit <- coxph(Surv(time, status == 2) ~ trt + age + bili + albumin + stage,
data = pbc_clean)
# 生成生存分析结果表
cox_table <- autoReg(cox_fit, uni = TRUE)
print(cox_table)
# 此时输出的效应量是风险比(HR)而非比值比(OR)。
6.3 常见报错与解决思路
- 错误: ‘myft’不是导出的对象：确保你正确加载了
autoReg包 (library(autoReg))。myft是autoReg的内部函数。 - 表格导出后格式错乱：这通常与Word/PPT的默认样式或兼容性有关。一个可靠的技巧是，先用
flextable的save_as_docx()或save_as_pptx()导出，这些函数对格式的控制更稳定。library(flextable) save_as_docx(final_table, path = “backup_table.docx”) - 因子变量水平过多导致表格过宽：在数据分析前，就应合理合并分类变量的类别。
autoReg会为因子的每个水平（除参照水平外）生成一行，水平过多会影响表格可读性。 - 缺失值处理：
autoReg本身不处理缺失值。如果原始数据有缺失，在模型拟合时（glm,coxph）会被默认按行删除。务必在分析前明确你的缺失值处理策略，并在论文方法部分说明。可以使用na.omit()或多重插补（mice包），autoReg也支持对插补后模型的结果进行整合（imputed=TRUE参数）。
在我自己的多个临床研究项目中，autoReg 已经成为了统计报告环节不可或缺的工具。它节省下来的时间，让我能更专注于研究设计、数据解读和论文写作本身。最初我也担心这种自动化会让我对统计细节失去掌控，但后来发现恰恰相反，它把我们从重复劳动中解放出来，反而让我们有更多精力去思考模型设定是否合理、结果该如何解释这些更本质的问题。记住，工具的价值在于赋能，而不是替代思考。autoReg 就是这样一个强大的赋能者，它负责将你的统计思考，快速、准确、美观地呈现给世界。
3804
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
