gtsummary中add_difference()计算百分比差值异常问题求助

要实现分类变量各水平的分组百分比差值（Control - Intervencion）及置信区间，需调整add_difference()的参数，将分类变量按二分类方式处理每个水平，具体代码如下：

library(gtsummary)
library(dplyr)

# 1. 转换变量为因子类型（保留所有水平）
df <- df %>%
  mutate(
    asignado = as.factor(asignado),
    mxsitam = as.factor(mxsitam)
  )

# 2. 生成统计表格并添加差值列
df %>%
  tbl_summary(
    by = "asignado",  # 按分组变量拆分
    missing = "always",  # 始终显示缺失值
    digits = list(all_categorical() ~ c(0, 1)),  # 分类变量：计数保留0位小数，百分比保留1位
    statistic = list(all_categorical() ~ "{n} ({p}%)"),  # 统计量格式：计数(百分比%)
    missing_text = "Casos perdidos",  # 缺失值显示文本
    percent = "column"  # 按列计算百分比（每组内的占比）
  ) %>%
  add_overall() %>%  # 添加整体列
  modify_header(label = "") %>%  # 清空标签列标题
  add_difference(
    # 关键：将所有分类变量按二分类处理，计算每个水平的比例差值
    type = list(all_categorical() ~ "binary"),
    # 设置差值列的显示格式：差值(95%置信区间范围)%
    statistic = list(all_categorical() ~ "{diff} ({conf.low} to {conf.high})%"),
    # 使用比例检验计算差值和置信区间
    test = list(all_categorical() ~ "prop.test"),
    # 指定差值计算方向：Control组百分比 - Intervencion组百分比
    contrast = list(asignado = "Control - Intervencion")
  )

代码说明 #

• type = list(all_categorical() ~ "binary")：强制将分类变量的每个水平视为独立二分类变量，从而计算每个水平的组间比例差值。
• statistic：定义差值列的显示格式，包含差值和95%置信区间，转成百分比形式。
• contrast：明确差值的计算方向，确保是Control组减去Intervencion组的百分比。
• test = list(all_categorical() ~ "prop.test")：使用比例检验计算差值的置信区间，符合百分比差值的统计逻辑。

替代方案：手动拆分二分类变量 #

如果上述参数设置不生效，可先将mxsitam拆分为多个二分类变量，再进行汇总：

df %>%
  mutate(
    asignado = as.factor(asignado),
    mxsitam_No = as.integer(mxsitam == "No"),
    mxsitam_Si = as.integer(mxsitam == "Si")
  ) %>%
  select(asignado, mxsitam_No, mxsitam_Si) %>%
  tbl_summary(
    by = "asignado",
    missing = "always",
    digits = list(all_continuous() ~ c(1, 1)),  # 连续变量（这里是0/1）的统计量保留1位小数
    statistic = list(all_continuous() ~ "{mean} ({sd}%)"),  # 显示均值（即百分比）和标准差
    missing_text = "Casos perdidos",
    percent = "column"
  ) %>%
  add_overall() %>%
  modify_header(label = "") %>%
  add_difference(
    statistic = list(all_continuous() ~ "{diff} ({conf.low} to {conf.high})%"),
    test = list(all_continuous() ~ "t.test"),  # 用t检验计算均值差值的置信区间
    contrast = list(asignado = "Control - Intervencion")
  ) %>%
  modify_table_body(
    # 将变量名替换为原水平名称
    mutate(label = case_when(
      label == "mxsitam_No" ~ "No",
      label == "mxsitam_Si" ~ "Si",
      TRUE ~ label
    ))
  )

这个方案通过手动生成每个水平的二分类变量，将其当作连续变量计算均值（即百分比）的差值，同样能得到所需结果。

内容的提问来源于stack exchange，提问作者mala fama