gtsummary | 绘制回归模型结果表

简介: gtsummary | 绘制回归模型结果表

gtsummary

gtsummary包提供了一种优雅而灵活的方式来创建可供发表的分析表和汇总表。gtsummary包可以总结数据集、回归模型结果等。总结数据集即对数据进行描述统计,与我们之前介绍的table1包相似。详见:R实战 | 文章第一表:三线表的绘制。今天我们主要介绍回归模型结果表达绘制。

回归模型结果表

绘制

# 安装并加载包
install.packages("gtsummary")
library(gtsummary)
# 示例数据
head(trial)
> head(trial)
# A tibble: 6 × 8
  trt      age marker stage grade response death ttdeath
  <chr>  <dbl>  <dbl> <fct> <fct>    <int> <int>   <dbl>
1 Drug A    23  0.16  T1    II           0     0    24  
2 Drug B     9  1.11  T2    I            1     0    24  
3 Drug A    31  0.277 T1    II           0     0    24  
4 Drug A    NA  2.07  T3    III          1     1    17.6
5 Drug A    51  2.77  T4    III          1     1    16.4
6 Drug B    39  0.613 T4    I            0     1    15.6
# 建模
mod1 <- glm(response ~ trt + age + grade, trial, family = binomial)
# tbl_regression()绘制表格
t1 <- tbl_regression(mod1, exponentiate = TRUE)
t1

t1

# 合并多种回归结果表
library(survival)
# 生存模型
t2 <-
  coxph(Surv(ttdeath, death) ~ trt + grade + age, trial) %>%
  tbl_regression(exponentiate = TRUE) # 这里用了管道符简化
t2
# merge tables 
tbl_merge_ex1 <-
  tbl_merge(
    tbls = list(t1, t2),
    tab_spanner = c("**Tumor Response**", "**Time to Death**")
  )
tbl_merge_ex1

tbl_merge_ex1

导出结果

# 保存为.html .tex .ltx .rtf
tbl_merge_ex1 %>%
  as_gt() %>%
  gt::gtsave(filename = "tbl_merge_ex1.html") # use extensions .html .tex .ltx .rtf
# 保存为word
install.packages('gdtools')
install.packages('flextable')
tf <- tempfile(fileext = ".docx")
tbl_merge_ex1 %>%
  as_flex_table() %>%
  flextable::save_as_docx(path = tf)

更多详细参数设置:Tutorial: tbl_summary • gtsummary (danieldsjoberg.com)(https://www.danieldsjoberg.com/gtsummary/articles/tbl_summary.html)

示例数据和代码领取

点赞在看 本文,分享至朋友圈集赞20个保留30分钟,截图发至微信mzbj0002领取。

木舟笔记2022年度VIP可免费领取

木舟笔记2022年度VIP企划

权益:

  1. 2022年度木舟笔记所有推文示例数据及代码(在VIP群里实时更新)。
    资源合集
  2. 木舟笔记科研交流群
  3. 半价购买跟着Cell学作图系列合集(免费教程+代码领取)|跟着Cell学作图系列合集

参考

Presentation-Ready Data Summary and Analytic Result Tables • gtsummary (danieldsjoberg.com)

相关文章
|
人工智能 数据可视化 数据挖掘
使用轮廓分数提升时间序列聚类的表现
我们将使用轮廓分数和一些距离指标来执行时间序列聚类实验,并且进行可视化
99 0
|
5月前
|
数据可视化 算法
R语言近似贝叶斯计算MCMC(ABC-MCMC)轨迹图和边缘图可视化
R语言近似贝叶斯计算MCMC(ABC-MCMC)轨迹图和边缘图可视化
|
4月前
|
机器学习/深度学习 数据挖掘
机器学习之聚类——谱聚类简介及其对特殊形状区域数据的聚类
机器学习之聚类——谱聚类简介及其对特殊形状区域数据的聚类
38 0
|
11月前
|
数据可视化 Python
使用递归图 recurrence plot 表征时间序列
在本文中,我将展示如何使用递归图 Recurrence Plots 来描述不同类型的时间序列。我们将查看具有500个数据点的各种模拟时间序列。我们可以通过可视化时间序列的递归图并将其与其他已知的不同时间序列的递归图进行比较,从而直观地表征时间序列。
356 0
|
5月前
|
机器学习/深度学习 存储 前端开发
Matlab建立SVM,KNN和朴素贝叶斯模型分类绘制ROC曲线
Matlab建立SVM,KNN和朴素贝叶斯模型分类绘制ROC曲线
|
5月前
R语言多元时间序列滚动预测:ARIMA、回归、ARIMAX模型分析
R语言多元时间序列滚动预测:ARIMA、回归、ARIMAX模型分析
|
5月前
多元时间序列滚动预测:ARIMA、回归、ARIMAX模型分析
多元时间序列滚动预测:ARIMA、回归、ARIMAX模型分析
|
5月前
|
数据可视化 前端开发 计算机视觉
R语言时变向量自回归(TV-VAR)模型分析时间序列和可视化
R语言时变向量自回归(TV-VAR)模型分析时间序列和可视化
|
5月前
R语言中使用线性模型、回归决策树自动组合特征因子水平
R语言中使用线性模型、回归决策树自动组合特征因子水平
|
5月前
基于R统计软件的三次样条和平滑样条模型数据拟合及预测
基于R统计软件的三次样条和平滑样条模型数据拟合及预测