再谈compareGroups包的作用（与SPSS及不同函数多重验证）

tableone和compareGroups都是做基线信息表的常用R包，前段时间帮同学处理数据，觉得compareGroups不仅可以进行基线信息表的绘制，而且还能一次性完成所有单因素分析结果的表格，为了验证绘制表格的的准确性，分别应用R包常用函数及SPSS软件进行双重验证

临床常见的结局事件的变量为二分类及生存资料，当结局变量为二分类变量时，R语言应用GLM（广义线性模型）函数进行验证，连接函数为logit；当结局变量为生存资料时，应用coxph函数进行验证

因变量分布选择一个连续型变量和一个分类变量进行模拟

分析中应用的数据集为survival包的colon数据集，数据集详情可进入如下连接查看https://vincentarelbundock.github.io/Rdatasets/doc/survival/colon.html

直接上代码

library(compareGroups)
library(survival)
data(colon)#加载数据集
df <- colon#定义数据集
df <- df[,-df$study]#删除study列
str(df)#展示数据集

数据集展示

可以看到，其中rx化疗方案为分类变量并有3个不同的水平，age年龄为连续性变量，以下用这两个变量作为自变量进行模拟验证

t1 <- descrTable(status ~rx + age,#构建表格方程
                 show.all = T,#显示所有人群情况，如果表格大可以删除此项
                 show.p.ratio =T,#显示分组后每个分组的P值情况
                 show.ratio = T,#显示OR或者HR值，函数会根据方程自动调整
                 data = df)#确定数据集
t1#展示数据集

二分类结局变量结果展示

以下以rx为自变量，以status为结局变量构建逻辑回归并查看p值及OR值

fit.rx<- glm(status ~ rx, #方程
            family = binomial(link ="logit"),#连接函数为logit
            data = df)
summary(fit.rx)#展示逻辑回归的主要参数
exp(coef(fit.rx))#计算OR值

glm函数的结果与上述compareGroups包结果一致

可以看到，glm函数算出的p值在rxLev为0.709，rxLev+5FU为1.53e-07，小于0.001，与上述compareGroups一致；glm计算rxLev的OR位0.0958，rxLev+5FU为0.546，其四舍五入后的结果和上述一致

以下为SPSS的计算过程及结果展示，显示与上述两个函数均一致

选择自变量及因变量并设定哑变量

结果展示

以下以age为连续型自变量自变量进行模拟分析，t1表已经展示了age作为自变量的相关统计学参数，以下利用GLM函数计算验证符合程度

fit2 <- glm(status ~ age, #方程
            family = binomial(link ="logit"),#连接函数为logit
            data = df)
summary(fit2)#展示逻辑回归的主要参数
exp(coef(fit2))

glm函数计算显示age的p值为0.296，OR为0.9959，四舍五入后与上述compareGroups计算一致

以下应用SPSS模拟age变量为自变量并计算结果

spss计算age为自变量的结果展示，结果与GLM及ompareGroups包一致

以下展示结局变量为生存资料时候compareGroups包计算的HR与P值情况并同时与coxph函数及spss计算结果对比

df$ttevent <- with(df, Surv(time, status==1))#df数据集内新建新的一列，定义status为1事件发生

t.time <- descrTable(ttevent ~ rx + age,
                 show.all = T,
                 show.p.ratio =T,
                 show.ratio = T,
                 data = df)
t.time#展示结果表格

结局变量为生存资料进行单因素分析结果

surv.fit<-coxph(Surv(time,status==1)~rx,data = df)#以rx为自变量构建cox回归方程

summary(surv.fit)#展示cox结果

coxph显示rxlev的P值为0.786，HR为0.979，rxlev+5fu的P值为1.47e-07，HR为0.643，与上述compareGroups包一致

以下利用spss计算进行验证

设定生存时间及生存状态，指定结局时间，设定哑变量

结果显示rxlev的P值为0.786，HR为0.979，rxlev+5fu的P值为0.000，HR为0.643，与上述compareGroups包及coxph函数一致

surv.age<-coxph(Surv(time,status==1)~age,data = df)#以age为自变量构建cox回归方程

summary(surv.age)#展示cox结果

coxph函数显示age的p值为0.382，HR为0.9976，四舍五入后与compareGroups包一致

以下利用SPSS验证

参数设定

结果上述两者一致

综上，无论结局变量为分类或者生存资料，利用compareGroups包绘制单因素分析的结果都是准确的，其实不仅是两类变量，

最后编辑于：2020.12.16 00:08:49