Question

我有一个包含连续列和因子类型列的数据框。我正在尝试建立一个由gtsummary按变量分层的摘要表。我的问题如下：

是否有一种方法可以使用一个应用族函数来一次测试所有数字变量，以确定它们的分布是否为正态（例如，shapiro.test（））？
这样做之后，是否有办法告诉gtsummary，将正态分布的数据显示为均值（sd），将非正态分布的数据显示为中位数（IQR）？
gtsummary是否可以根据分布情况决定是否使用方法比较均值？（例如t检验与Mann Whitney U检验）。

谢谢！

FC。

Answer 1

我会尝试这样的事情。我以鸢尾花数据集为例。为了回答您的第一个问题，我将使用sapply并使用shapiro.test来获取数据是否呈正态分布。我使用p值来确定它是否呈正态分布，但是如果有更合适的方法，则可以替换您自己的条件。第一步之后，您将获得两个向量，一个向量指定哪些变量通常是dist，哪些不是。那么您可以将该向量传递给gtsmmary，以告诉它修改这些变量的测试和统计信息。您不需要将其传递给默认值非正态分布的变量bc。

library(gtsummary)
library(dplyr)

normvals <- sapply(iris[sapply(iris, is.numeric)], function(x){
    normtest <- shapiro.test(x)
    #output pvalue
    normtest$p.value
})

notnorm <-  names(normvals[normvals <.05])

norm <- names(normvals[normvals >= .05])


irisdf <- filter(iris, Species != "setosa") %>% 
          mutate(Species = as.character(Species))


    
tbl_summary(irisdf, 
          by = Species,
          statistic = list(all_of(norm) ~ "{mean} ({sd})")) %>% 
add_p(
  test = list(all_of(norm) ~ "t.test"
  ))

编辑：您可以将变量硬编码到gtsummary调用中，以便确保它可以在2020年9月22日的CRAN版本上运行：

tbl_summary(irisdf, 
          by = Species,
          statistic = list(c('Sepal.Width', 'Sepal.Length') ~ "{mean} ({sd})")) %>% 
add_p(
  test = list(c('Sepal.Width', 'Sepal.Length') ~ "t.test"
  ))

显示和比较gtsummary中连续变量的正态分布和非正态分布的均值的简便方法

1 个答案: