基于tbl_summary按Category和Result统计唯一ID计数的问题

原始长表示例 #

需求 #

生成按Category和Result分组的汇总表，所有统计均基于唯一ID计数（而非原始行计数）。

现有代码问题 #

原代码实现了双变量分层统计，但顶部的N(Liquid)/N(Tissue)显示全量ID数，正负结果统计的是行数，未实现两类统计均按唯一ID计数，且存在拼写错误。

原代码：

Genes%>%
select (Gene, Result,Category)%>%
mutate (Category=paste("Category",Category))%>%
tbl_strata(
strata=testcategory,
.tbl_fun=
~.x%>%
tbl_summary(by=Result,missing="no")%>%
add_n(group_by(Genes$Category)),
.header="**{strata}**, N={n_distinct(Genese$ID)}" )

优化后代码 #

方案1：先去重再统计 #

先预处理数据，保留每个ID-Category-Result的唯一组合，再进行统计：

# 预处理：去重，确保每个ID在同一Category+Result下仅算一次
Genes_unique <- Genes %>%
  distinct(ID, Category, Result, .keep_all = FALSE) %>%
  mutate(Category = paste("Category", Category))

# 生成汇总表
Genes_unique %>%
  tbl_strata(
    strata = Category,
    .tbl_fun = ~ .x %>%
      tbl_summary(
        by = Result,
        missing = "no",
        statistic = all_categorical() ~ "{n}"
      ) %>%
      add_n(),
    .header = "**{strata}**, N={n}"
  )

方案2：直接在统计中指定唯一ID计数 #

无需预处理，在tbl_summary中直接用n_distinct(ID)统计：

Genes %>%
  mutate(Category = paste("Category", Category)) %>%
  tbl_strata(
    strata = Category,
    .tbl_fun = ~ .x %>%
      tbl_summary(
        by = Result,
        missing = "no",
        statistic = ~"{n_distinct(ID)}"
      ) %>%
      modify_header(all_stat_cols() ~ "**{level}** (n={n_distinct(ID)})") %>%
      add_n(n = n_distinct(.x$ID)),
    .header = "**{strata}**, N={n_distinct(.x$ID)}"
  )

优化说明 #

1. 修正原代码拼写错误：Genese改为Genes，testcategory改为Category
2. 两种方案均通过n_distinct(ID)确保统计的是唯一ID数量，而非原始行数
3. 方案1通过去重减少计算量，方案2直接在统计函数中指定，更灵活

内容的提问来源于stack exchange，提问作者Danielle