如何在R中绘制经混杂因素校正的折线图并保留原始数据维度

我已掌握用R语言ggpubr包绘制多时间点数据折线图的方法，现需绘制经已知混杂因素校正后的数据集折线图。此前尝试构建线性模型outcome ~ confounder计算残差并绘图，但残差围绕0波动，丢失大量原始数据信息。想找到一种方法，既可以校正一个或多个混杂因素，又能保留结局变量的原始数据维度（比如曾考虑用原始值减去残差，但不确定是否可行）。

我的数据集来自代谢研究，包含葡萄糖耐量试验中血浆代谢物（葡萄糖、氨基酸等）的浓度数据，目标是展示合并脂肪肝（steatosis）人群的代谢物浓度高于无脂肪肝人群。最终需绘制按脂肪肝分组（是/否）、经BMI校正后的甘氨酸（Glycine）折线图，且需先排除数据集中的缺失值，确保校正后的数据合并可行。

示例数据集 #

set.seed(123)

# 生成模拟数据集
main_study_long_T2D <- data.frame(
  BMI = rep(rnorm(10, mean = 25, sd = 5), 5),
  Glycine = rep(seq(50, 80, length.out = 10), 5) + ifelse(rep(c("yes", "no"), each = 5) == "yes", 10, 0) + rnorm(50, sd = 5),
  steatosis = rep(c("yes", "no"), each = 25),
  MMT_TIMEPOINT = rep(c(0, 30, 60, 120, 180), times = 10)
)

解决方案：计算校正后预测值而非残差 #

核心思路是通过线性模型生成校正后的预测值，将混杂因素固定在参考水平（如均值），同时保留分组和时间点的效应，这样既去除了混杂因素的干扰，又保留了原始结局变量的量级和维度。

完整代码实现 #

# 加载依赖包
library(tidyverse)
library(ggpubr)

# 1. 过滤缺失值（适配实际数据的缺失情况）
clean_data <- main_study_long_T2D %>%
  filter(!is.na(BMI) & !is.na(Glycine))

# 2. 构建包含混杂因素、分组和时间点的线性模型
# 若需校正多个混杂因素，直接在公式中添加（如Glycine ~ BMI + age + gender + steatosis + MMT_TIMEPOINT + steatosis:MMT_TIMEPOINT）
model <- lm(Glycine ~ BMI + steatosis + MMT_TIMEPOINT + steatosis:MMT_TIMEPOINT, data = clean_data)

# 3. 生成校正后的数据：将BMI固定为样本均值，保留分组和时间点的原始信息
adjusted_data <- clean_data %>%
  mutate(BMI = mean(BMI, na.rm = TRUE)) %>%  # 固定混杂因素BMI为样本均值
  mutate(Glycine_adjusted = predict(model, newdata = .))  # 预测校正后的甘氨酸浓度

# 4. 绘制校正后的折线图
ggline(adjusted_data,
       x = "MMT_TIMEPOINT",
       y = "Glycine_adjusted",
       color = "steatosis",
       add = c("mean_se", "jitter"),
       add.params = list(alpha = 0.3),
       palette = "jco") +
  stat_compare_means(aes(group = steatosis), label = "p.signif", method = "t.test") +
  labs(y = "甘氨酸浓度（经BMI校正）", x = "时间点（分钟）", color = "脂肪肝")

方法优势 #

• 校正后的数值保留了原始甘氨酸浓度的量级，能直观反映脂肪肝组与非脂肪肝组的浓度差异，而非残差的无意义波动
• 支持多混杂因素校正：只需在模型公式中添加对应变量，并在生成校正数据时将所有混杂因素固定为参考水平（数值变量用均值，分类变量用参考组）
• 模型中加入steatosis:MMT_TIMEPOINT交互项，可捕捉两组在不同时间点的差异趋势，更贴合代谢试验的时间动态特征

内容的提问来源于stack exchange，提问作者c_dinosaur