生物醫學或其他研究論文中的“表一”多為基線特征的描述性統計。使用R單獨進行統計，匯總，然后結果復制到excel表中，耗時耗力且易錯！
tableone包“應運而生”，可以非常簡單快捷的解決這個問題，重點是學習成本很低，大概幾分鍾？
一 載入數據，R包
## install.packages("tableone")
library(tableone)
library(survival)
data(pbc)
head(pbc)
二 單組匯總
1 匯總整個數據集
對pbc整個數據集進行描述匯總，使用CreateTableOne()即可
tab1 <- CreateTableOne(data = pbc)
print(tab1)
由於數據中的分類變量是數值形式，所以分類變量展示的也是均值（標准差）。
2 設置變量類型
dput(names(pbc)) # 輸出據集變量名稱
## 需要匯總的變量
myVars <- c("time", "status", "trt", "age", "sex", "ascites", "edema", "bili", "copper", "ast", "stage")
## 需要轉為分類變量的變量
catVars <- c("status", "trt", "ascites", "stage")
## Create a TableOne object
tab2 <- CreateTableOne(vars = myVars, data = pbc, factorVars = catVars)
print(tab2, showAllLevels = TRUE)
showAllLevels = TRUE 會展示分類變量的所有分類因子的結果。
此處隨意選擇一些變量進行功能展示, 分類變量顯示計數和百分比 。
3 非正態分布變量
由於默認連續變量呈正態分布，因此上面的連續變量均表示為均數＋標准差。
實際數據中的非正態分布數據，可通過nonnormal指定，則此變量展示為中位數（四分位數）。
#假設"bili","ast","copper"非正態分布
biomarkers <- c("bili","copper","ast")
print(tab2, nonnormal = biomarkers)
可見"bili","ast","copper"均用中位數（四分位數）表示；如果設置nonnormal = TRUE，則所有變量都按非正態分布處理。
三 多組匯總
1 分組統計
實際結果中，通常需要對數據集按照某個變量的分組進行匯總。下面展示使用trt進行分組匯總：
tab3 <- CreateTableOne(vars = myVars, strata = "trt" , data = pbc, factorVars = catVars)
tab3
注意NA不作為分組
結果可看出，對trt進行分組且對每一組均進行了匯總，且統計輸出了檢驗的P值。
檢驗方法：分類變量默認使用卡方檢驗（chisq.test()）；連續變量默認使用方差分析（oneway.test()），當兩組時方差分析等用於t檢驗。
2 定義檢驗方式
非正態性的數據展示方式為中位數（四分位數），檢驗方式也最好不使用T檢驗：
非正態分布的連續變量使用kruskal.test()檢驗，兩組間比較時，kruskal.test()和wilcox.test()等效；
分類變量可使用fisher.test()進行fisher精確檢驗，通過exact（）指定進行fisher精確檢驗的變量。
#addOverall 添加Overall信息
tab4 <- CreateTableOne(vars = myVars, strata = "trt" , data = pbc, factorVars = catVars,
addOverall = TRUE )
#exact設置fisher精確檢驗的變量
print(tab4, nonnormal = biomarkers, exact = "stage")
四 導出結果
write.csv一鍵導出結果
tab4Mat <- print(tab4, nonnormal = biomarkers, exact = "stage", quote = FALSE, noSpaces = TRUE, printToggle = FALSE, showAllLevels = TRUE)
## 保存為 CSV 格式文件
write.csv(tab4Mat, file = "myTable.csv")
隨便套用了一個表格格式，可以在excel中弄成喜（文）歡（章）的樣式，這個自己發
參考資料：
https://cran.r-project.org/web/packages/tableone/vignettes/introduction.html
◆ ◆ ◆ ◆ ◆
精心整理（含圖版）|R語言生信分析，可視化，你要的全拿走，建議收藏！
