如何用gtsummary在R中按两类变量汇总分类数据并生成P值

可以用R的dplyr、tidyr和broom包实现需求，步骤如下：

1. 加载依赖包并准备数据 #

library(dplyr)
library(tidyr)
library(broom)
library(scales)

# 示例数据
df <- structure(list(success = c(1, 1, 1, 1, 1), stent_type = c(1, 
1, 1, 0, 1), stent_30 = c(TRUE, TRUE, FALSE, FALSE, TRUE)), row.names = c(NA, 
5L), class = "data.frame")

2. 分组计算成功数与百分比 #

按stent_type和stent_30分组，统计每组成功案例数、总案例数，并计算成功率：

summary_data <- df %>%
  mutate(stent_30_label = case_when(
    stent_30 == TRUE ~ "支架放置<30天",
    TRUE ~ "支架放置>30天"
  )) %>%
  group_by(stent_type, stent_30_label) %>%
  summarise(
    success_count = sum(success),
    total_count = n(),
    success_pct = percent(success_count / total_count, accuracy = 1),
    .groups = "drop"
  ) %>%
  mutate(display_text = paste0(success_pct, " (", success_count, ")"))

3. 计算每个stent_type分组的P值 #

针对每个stent_type，对比stent_30两组的成功率差异，用Fisher精确检验（样本量小时更合适）：

p_value_data <- df %>%
  group_by(stent_type) %>%
  summarise(
    p_value = fisher.test(table(stent_30, success))$p.value,
    .groups = "drop"
  ) %>%
  mutate(p_value = round(p_value, 2)) # 保留两位小数

4. 合并数据并整理成目标表格 #

把汇总数据转成宽格式，再和P值数据合并：

final_table <- summary_data %>%
  pivot_wider(
    id_cols = stent_type,
    names_from = stent_30_label,
    values_from = display_text
  ) %>%
  left_join(p_value_data, by = "stent_type") %>%
  rename(
    " " = stent_type,
    "P值" = p_value
  ) %>%
  mutate(` ` = paste0("stent ", ` `))

运行后final_table即为目标格式，示例数据输出结果：

补充说明 #

• 若样本量较大，可替换fisher.test()为chisq.test()计算P值
• scales::percent()用于格式化百分比，accuracy=1表示保留整数百分比

内容的提问来源于stack exchange，提问作者jon