如何用R制作多变量AUC及95%置信区间表格

问题背景 #

你需要制作一个多行表格，每行对应一个变量的AUC值和95%置信区间，目前已实现单变量表格生成，想扩展到多变量并寻求更简便的实现方法。

多变量表格实现方法 #

方法一：循环批量处理（基础实现） #

如果数据中有多个需计算ROC的变量，可通过循环避免重复编写单变量代码：

假设你的数据框为df，二分类结局变量是y，待分析变量列表为vars <- c("Average Diastolic BP", "Age", "BMI")，代码如下：

# 加载依赖包
library(pROC)
library(dplyr)
library(gt)

# 定义待分析变量列表
vars <- c("Average Diastolic BP", "Age", "BMI")
# 初始化空列表存储结果
auc_results <- list()

# 循环计算每个变量的AUC和95%CI
for (var in vars) {
  roc_obj <- roc(df$y, df[[var]])
  auc_val <- round(auc(roc_obj), 2)
  ci_vals <- round(ci.auc(roc_obj), 2)
  ci_str <- paste(ci_vals[1], ci_vals[3], collapse = " - ")
  
  auc_results[[var]] <- data.frame(
    Characteristic = var,
    "Area under curve" = auc_val,
    "Confidence interval" = ci_str,
    check.names = FALSE
  )
}

# 合并结果并生成gt表格
Table_AUC <- bind_rows(auc_results) %>% gt()
Table_AUC

方法二：用purrr简化迭代（更简洁） #

借助purrr::map_dfr可一行完成结果合并，代码更紧凑：

library(pROC)
library(dplyr)
library(purrr)
library(gt)

vars <- c("Average Diastolic BP", "Age", "BMI")

Table_AUC <- map_dfr(vars, function(var) {
  roc_obj <- roc(df$y, df[[var]])
  tibble(
    Characteristic = var,
    "Area under curve" = round(auc(roc_obj), 2),
    "Confidence interval" = paste(round(ci.auc(roc_obj), 2)[c(1,3)], collapse = " - ")
  )
}) %>% gt()

Table_AUC

方法三：专用工具包（新手推荐） #

如果想快速生成标准化表格，推荐使用finalfit包，它专为临床研究表格设计，可自动完成ROC计算与结果整理：

library(finalfit)
library(dplyr)
library(gt)

# 定义结局变量和待分析变量
explanatory <- c("Average Diastolic BP", "Age", "BMI")
dependent <- "y"

# 直接生成包含AUC的表格
auc_table <- finalfit(dependent, explanatory, data = df, metrics = TRUE) %>%
  select(Characteristic, `Area under the curve`, `95% CI`) %>%
  gt()

auc_table

内容的提问来源于stack exchange，提问作者Shad