如何修改gtsummary代码，按分组统计变量<8的占比及对应P值？

要实现只统计Total.GCS.1 < 8的占比（同时保留对比组的完整基数），核心是把原多分类变量转换成二分类变量，再用gtsummary生成统计表格。具体步骤如下：

1. 生成二分类分组变量 #

先在数据中新增一个变量，将Total.GCS.1划分为「GCS < 8」和「GCS ≥ 8」两类，同时保留缺失值：

library(dplyr)
library(gtsummary)

# 新增二分类分组变量
table1_gcs_prop <- table1_gcs_prop %>%
  mutate(
    GCS_group = case_when(
      Total.GCS.1 < 8 ~ "GCS < 8",
      Total.GCS.1 >= 8 ~ "GCS ≥ 8",
      TRUE ~ NA_character_  # 标记缺失值
    )
  )

2. 生成目标统计表格 #

用新的二分类变量生成表格，指定仅包含该变量，同时计算组间差异的P值：

table1_gcs_prop %>%
  tbl_summary(
    by = Low.Middle.SDI,       # 分组变量：LMIC/Non-LMIC
    include = GCS_group,       # 仅统计新的二分类变量
    type = GCS_group ~ "categorical",
    statistic = all_categorical() ~ "{n} ({p}%)",  # 显示例数+百分比
    missing_text = "Missing"   # 缺失值显示文本
  ) %>%
  add_p(test = list(GCS_group ~ "chisq.test"))  # 指定卡方检验计算P值（默认也会自动选合适的检验）

关键说明 #

• 不要直接用filter(Total.GCS.1 < 8)：这会过滤掉Total.GCS.1 ≥8的记录，导致统计的是「过滤后人群中<8的占比」，而非原始人群中<8的占比（会丢失各组的总基数）。
• 生成二分类变量是最直观的方式，适合新手理解和后续调整分组规则。

内容的提问来源于stack exchange，提问作者Jan