如何在gtsummary中为多重插补数据集计算并展示全局p值？

你遇到的问题是因为add_global_p()默认的统计方法不支持mice生成的mira类对象（即多重插补后的模型集合），需要用专门针对多重插补数据的全局检验逻辑来计算p值。下面是两种可行的方案：

方案一：自定义D1 Wald检验函数（推荐） #

写一个适配mira对象的全局p值计算函数，直接传给add_global_p()即可：

# 自定义全局p值计算函数，适配mira对象
global_p_mice <- function(x, ...) {
  # 合并插补后的模型结果
  pooled_model <- mice::pool(x)
  # 提取模型中的自变量项
  terms <- attr(stats::terms(x$analyses[[1]]), "term.labels")
  
  # 逐个变量计算D1 Wald检验的全局p值
  p_values <- purrr::map_dbl(terms, function(term) {
    # 构造移除当前变量的简化模型公式
    reduced_formula <- stats::update(formula(x$analyses[[1]]), paste0("~ . - ", term))
    # 在所有插补数据集上拟合简化模型
    reduced_fit <- with(x$data, glm(formula = reduced_formula, family = binomial))
    # 比较全模型与简化模型，得到全局p值
    comp <- mice::pool.compare(x, reduced_fit, method = "D1")
    comp$pvalue
  })
  
  # 给p值命名，对应变量名
  names(p_values) <- terms
  p_values
}

# 对插补模型应用这个函数添加全局p值
tbl_regression(fit.i, exponentiate = TRUE) |> 
  add_global_p(pvalue_fun = global_p_mice)

方案二：手动计算后添加p值 #

如果不想自定义函数，可以用mice::pool.compare()逐个算出全局p值，再手动合并到表格里：

# 先合并插补模型，获取全模型公式和自变量列表
pooled_fit <- mice::pool(fit.i)
full_formula <- formula(fit.i$analyses[[1]])
vars <- attr(stats::terms(full_formula), "term.labels")

# 循环计算每个变量的全局p值，整理成数据框
global_p_df <- purrr::map_dfr(vars, function(var) {
  reduced_formula <- update(full_formula, paste0("~ . - ", var))
  reduced_fit <- with(data.i, glm(formula = reduced_formula, family = binomial))
  comp <- pool.compare(fit.i, reduced_fit, method = "D1")
  tibble(variable = var, global_p = comp$pvalue)
})

# 生成基础表格，然后合并p值列
tbl <- tbl_regression(fit.i, exponentiate = TRUE)
tbl$table_body <- tbl$table_body |>
  left_join(global_p_df, by = "variable") |>
  mutate(
    global_p = ifelse(is.na(global_p), "", style_pvalue(global_p, digits = 3))
  )

# 查看最终表格
tbl

补充说明 #

D1 Wald检验是多重插补数据中用于全局检验的常用方法，专门适配广义线性模型（比如你的logistic回归），能充分考虑插补过程带来的不确定性。

内容的提问来源于stack exchange，提问作者Curbice