gtsummary与prop.test的p值不一致及add_p无CI问题咨询

一、add_difference()与prop.test()的p值差异原因 #

两个函数计算出的p值不同，核心是统计检验的参数设置或默认方法不一致，常见场景如下：

• 连续性校正设置差异：
  prop.test()默认启用连续性校正（参数correct=TRUE），而add_difference()对二分类变量调用prop.test()时，默认关闭了连续性校正（correct=FALSE）。你可以手动验证：

  # 手动关闭连续性校正，对齐add_difference默认行为
  prop.test(table(df$asignado, df$mxsitam), correct = FALSE)
  

  此时计算出的p值应该和add_difference()的0.5接近。
• 检验方法选择差异：
  若你在add_difference()中指定了其他检验方法（如Wald检验），也会和默认的prop.test()（Pearson卡方检验）结果不同。可以通过add_difference(test = list(all_categorical() ~ "prop.test"))明确指定带校正的prop.test，此时p值会和你手动计算的0.2917一致。

二、add_p()无法输出置信区间的原因 #

add_p()的设计定位是仅输出组间比较的p值，它的核心逻辑是执行假设检验并返回检验结果的p值，不包含组间差异的点估计和置信区间计算。如果需要置信区间，应该使用add_difference()——这个函数专门用于计算组间差异（如比例差、均值差），并同步输出对应的置信区间和p值。

内容的提问来源于stack exchange，提问作者mala fama