[R] Baseline Demographic Characteristics (기술통계량)

1. 기술통계량 확인

#요약통계량 확인
summary(data)

#summary보다 많이 보여줌
library(psych)
describe(data[, c("Age", "difftime")])

#좀 더 많이 보여줌
library(pastecs)
round(stat.desc(data[, c("Age", "difftime")], basic = T, desc = T, norm = T, p= 0.9))

 

 

2. 기술통계량 테이블 (finalfit, knitr)

# finalfit :: summary_factorlist
explanatory = c("age.factor", "sex.factor", "obstruct.factor") #설명변수
dependent = 'mort_5yr' #독립변수(그룹)
colon_s %>%
  summary_factorlist(dependent, explanatory, 
  p=TRUE, add_dependent_label=TRUE) -> t1
  
#knitr :: kable()
kable(t1, #테이블화할 데이터
      caption = "knitr 패키지의 kable() 함수를 이용한 표 그리기", #제목
      align=c("c","l","l","l","r")) #정렬

 

 

3. 커스텀 기술통계량 테이블

 

내가 쓰려고 만든 코드이고,

위 테이블 형태로 범주형 변수의 경우 교차표를, 연속형 변수의 경우 Mean(SD), Median(IQR)값을 모두 나타내준다.

 

 - mean_p가 T인 경우 연속형 변수의 모수적 방법(t-test or ANOVA)에 대한 p-value를 계산해준다.

 - median_p T인 경우 연속형 변수의 비모수적 방법(mann-whitney U test or Kruskal-Wallis test)에 대한 p-value를 계산해준다.

 - cat_parm은 T일 경우 범주형 변수에 대해 chisq-test, F일 경우 fisher's exact test에 대한 p-value를 표현한다.

baseline_table <- function(df, dependent, mean_p = F, median_p = T, cat_parm = F){

  col_list <- colnames(df)
  explanatory = col_list[col_list != dependent]
  dependent = dependent

  mean <- df %>%
    summary_factorlist(dependent, explanatory, cont = 'mean',
                       p=mean_p, add_col_totals = TRUE)
  median <- df %>%
    summary_factorlist(dependent, explanatory, cont = 'median', p_cat = 'fisher',
                       p=median_p, add_col_totals = TRUE)

  mean <- data.frame(mean) %>% mutate(index=row_number())
  median <- data.frame(median) %>% mutate(index=row_number())

  # Continuous
  mean.values <- mean[mean$levels == 'Mean (SD)',]
  median.values <- median[median$levels == 'Median (IQR)',]

  mm <- arrange(bind_rows(mean.values, median.values), label)
  mm <- mm %>%
    mutate(label = ifelse(row_number() %% 2 == 0, '', label),
           test = if (n_distinct(df[[dependent]]) > 2) {

             # 그룹이 세 개 이상인 경우
             ifelse(row_number() %% 2 == 0,'Kruskal-Wallis test','ANOVA') # ANOVA, Kruskal-Wallis

           } else {
             # 그룹이 두 개 이하일 경우
             ifelse(row_number() %% 2 == 0,'mann-whitney U test','t-test') # t-test, mann-whitney U test

           }
    )

  # Categorical
  if(cat_parm){
    # chisq.test
    cat.values <- mean[mean$levels != 'Mean (SD)',]
    cat.values$test <- 'chi-square test'
  }else{
    # fisher.test
    cat.values <- median[median$levels != 'Median (IQR)',]
    cat.values$test <- "fisher's exact test"
  }

  # Result
  result <- bind_rows(cat.values, mm) %>%
    arrange(index) %>%
    mutate(p = ifelse(is.na(p), '', p),
           test = ifelse(p == '', '', test)) %>%
    select(-index)

  return(result)
}