如何让gtsummary区分单/多响应分类变量并生成正确列联表？

默认情况下，gtsummary会将含分隔符的多响应变量（如空格/逗号分隔的组合值）识别为单个类别，要实现按独立值统计，需先将数据转换为长格式，再生成列联表，具体步骤如下：

1. 拆分多响应变量为长格式 #

使用tidyr::separate_rows()函数，将多响应字段的每个值拆分为单独行。根据你的示例，字段用空格分隔，代码如下：

library(tidyr)
library(gtsummary)

# 假设原数据集为df
df_long <- df %>%
  separate_rows(`Spoken Languages`, sep = " ")  # 若实际为逗号分隔，替换为sep=", "

2. 生成多响应变量的列联表 #

用tbl_cross()基于长格式数据生成表格，此时每个独立响应值会单独统计：

tbl_cross(
  data = df_long,
  row = `Spoken Languages`,
  col = 性别,
  percent = "column"  # 可选：设置百分比类型，如"row"或"column"
) %>%
  modify_header(label = "**Spoken Languages**")  # 自定义表头样式

3. 同时展示单响应与多响应变量表格 #

若需在同一份输出中呈现两类变量的统计结果，可分别生成表格后用tbl_merge()合并：

# 单响应变量（如"教育程度"）的列联表
tbl_single <- tbl_cross(df, row = 教育程度, col = 性别)

# 多响应变量的列联表
tbl_multi <- tbl_cross(df_long, row = `Spoken Languages`, col = 性别)

# 合并表格并添加分栏标题
tbl_merge(
  list(tbl_single, tbl_multi),
  tab_spanner = c("**单响应变量**", "**多响应变量**")
)

经过上述处理，Spoken Languages列将展示独立的语言值（english、arabic、kurdish），并统计每个值在不同性别中的对应数量，而非原有的组合值。

内容的提问来源于stack exchange，提问作者Rawand M. Hanna