gtsummary处理重复变量异常：如何获取中位数(IQR)及P值？

核心原因：gtsummary默认会根据变量类型+唯一值数量自动选择统计展示方式——当数值型变量的唯一值过少（重复值过多）时，会被误识别为分类变量，因此输出n(%)而非中位数(IQR)及对应的P值。

以下是可行的解决办法：

1. 强制指定变量的统计类型（最稳妥） #

直接告诉gtsummary哪些变量要用连续型统计量，跳过自动判断逻辑：

df %>% 
  tbl_summary(
    by = Field,
    # 强制所有数值变量用非正态连续型统计（中位数+IQR）
    type = list(all_continuous() ~ "continuous2"),
    # 若只需指定单个变量，比如目标变量为`blood_pressure`，则：
    # type = list(blood_pressure ~ "continuous2"),
    # 明确指定统计量展示格式
    statistic = list(all_continuous() ~ "{median} ({p25}, {p75})")
  ) %>%
  add_p() # 添加组间比较的P值

注：continuous2是gtsummary专为非正态分布连续变量设计的类型，对应中位数和四分位距；如果是正态分布，可用continuous类型（均值±标准差）。

2. 检查并修正变量类型 #

有时重复值会导致数据导入时，数值型变量被误转为因子/字符型，先转成数值再分析：

# 批量转换指定变量为数值型，比如var1、var2
df <- df %>% mutate(across(c(var1, var2), as.numeric))

# 再运行原分析代码
df %>% tbl_summary(by = Field) %>% add_p()

3. 调整自动判断的阈值 #

修改gtsummary的全局选项，提高分类变量的唯一值判定阈值，让更多重复值多的数值变量被识别为连续型：

# 设置全局阈值：仅当数值变量的唯一值≤20时，才被视为分类变量（默认阈值更低）
options(gtsummary.categorical.cutoff = 20)

# 重新运行分析
df %>% tbl_summary(by = Field) %>% add_p()

4. 仅当重复值为冗余行时，考虑去重 #

如果重复值是完全冗余的重复记录（而非合法的重复测量数据），可以先去重再分析：

# 去除完全重复的行
df <- df %>% distinct()

# 再运行原代码
df %>% tbl_summary(by = Field) %>% add_p()

⚠️ 注意：如果是重复测量的纵向数据，去重会丢失关键信息，请勿使用此方法。

内容的提问来源于stack exchange，提问作者drlok