如何在gtsummary中替换样本量<30的单元格？解决字符比较错误

问题现象 #

在使用gtsummary生成分组统计表格时，尝试用modify_table_body将样本量小于30的统计值替换为"~"，发现仅对个位数/两位数的小样本量有效；当样本量为三位数（如200+）时，会被误判为小于30，导致错误替换。示例代码中ex1结果错误，而ex2（判断阈值为20）暂时正常，因为两位数的字符比较未触发字典序问题。

问题原因 #

gtsummary生成的stat_1、stat_2等统计列是字符类型，而非数值型。直接对字符做大小比较时，R会按字典序（字符串ASCII码顺序）判断：比如"210"和"30"比较，第一个字符"2"的ASCII码小于"3"，因此会判定"210"<"30"为TRUE，导致误替换。

解决方案 #

方案1：转换为数值型后再判断 #

在ifelse条件中，先用as.numeric()将stat_2转换为数值型，再与阈值比较，规避字符字典序的干扰：

set.seed(2023)
trt <- sample(c("Drug A", "Drug B"), 1340, replace = T)
grade <- sample(c("I", "II", "III"), 1340, replace = T)
dat <- as.data.frame(cbind(trt, grade))

# 修正后的代码
ex1_fixed <- dat %>%
  select(grade, trt) %>%
  tbl_summary(by = trt,
              statistic = ~"{n}",
              percent = "row") %>% 
  modify_table_body(~ .x %>% 
                      dplyr::mutate(stat_1 = ifelse(as.numeric(stat_2) < 30, "~", stat_1)))  

方案2：使用gtsummary内置的modify_fmt_fun #

更贴合gtsummary工作流的方式是用modify_fmt_fun，直接对统计值格式进行控制，同时传递参考列做判断：

ex1_fmt_fun <- dat %>%
  select(grade, trt) %>%
  tbl_summary(by = trt,
              statistic = ~"{n}",
              percent = "row") %>%
  modify_fmt_fun(
    columns = stat_1,
    fn = function(x, ref_stat) {
      ifelse(as.numeric(ref_stat) < 30, "~", x)
    },
    ref_stat = stat_2 # 传递stat_2列作为参考样本量
  )

内容的提问来源于stack exchange，提问作者Natalie