在R中为数据集各表型列循环执行多变量逻辑回归

我有一个包含100例患者（示例展示7例）、2个协变量和50个表型（示例展示5个）的数据集，需要以Covariate1和Covariate2为协变量，针对每个表型执行多变量logistic回归来预测Outcome，最终要生成包含每个协变量的p值、OR值及置信区间（CI）的汇总表格。

我尝试了以下代码，但运行有问题：

for (i in df) {
  print(i)
  model <-glm(Outcome~ x[i] +Covariate1 +Covariate2, family = binomial(link = "logit"), data=df) 

参考过相关解决方案，但因变量与自变量顺序不符无法适用，特寻求帮助。

示例数据集：

df<-structure(list(ID = c(1, 2, 3, 4, 5, 6, 7), Outcome = c(0, 0, 
1, 1, 0, 1, 0), Covariate1 = c(1, 2, 3, 4, 5, 6, 7), Covariate2 = c(0, 
0, 0, 1, 1, 1, 1), P1 = c(1, 0, 0, 1, 1, 1, 2), P2 = c(0, 2, 
0, 1, 1, 1, 1), P3 = c(0, 0, 0, 1, 1, 1, 1), P4 = c(0, 0, 0, 
1, 2, 1, 1), P5 = c(0, 0, 0, 1, 1, 1, 2)), class = c("tbl_df", 
"tbl", "data.frame"), row.names = c(NA, -7L))

1. 筛选目标表型列 #

首先提取所有表型列名（示例中为P1到P5），避免循环到无关列：

# 获取以P开头的表型列名
pheno_cols <- grep("^P", colnames(df), value = TRUE)

2. 循环拟合模型并提取结果 #

遍历每个表型，动态构建回归公式，拟合模型后提取所需统计量：

# 初始化空列表存储结果
results_list <- list()

for (pheno in pheno_cols) {
  # 动态构建回归公式
  formula <- as.formula(paste("Outcome ~", pheno, "+ Covariate1 + Covariate2"))
  
  # 拟合logistic回归模型
  model <- glm(formula, family = binomial(link = "logit"), data = df)
  
  # 提取系数的统计信息
  coef_summary <- summary(model)$coefficients
  
  # 计算OR值和95%置信区间
  or_vals <- exp(coef(model))
  ci_vals <- exp(confint(model))
  
  # 整理当前表型的结果（剔除截距项）
  result_row <- data.frame(
    Phenotype = pheno,
    Variable = rownames(coef_summary)[-1],
    OR = round(or_vals[-1], 3),
    CI_Lower = round(ci_vals[-1, 1], 3),
    CI_Upper = round(ci_vals[-1, 2], 3),
    P_Value = round(coef_summary[-1, 4], 4)
  )
  
  results_list[[pheno]] <- result_row
}

# 合并所有结果为一个数据框
final_results <- do.call(rbind, results_list)

3. 查看最终输出 #

运行代码后，final_results即为汇总表格，示例输出片段：

print(final_results)
#   Phenotype    Variable    OR CI_Lower CI_Upper P_Value
# 1        P1          P1 1.000    0.018   55.971   1.000
# 2        P1  Covariate1 1.000    0.100   10.000   1.000
# 3        P1  Covariate2 7.000    0.046  1069.507   0.303
# ...（其余表型结果省略）

关键修正点 #

• 原代码循环对象错误：for (i in df)遍历的是列值而非列名，改为遍历表型列名
• 公式构建错误：使用as.formula()动态拼接公式，确保每个表型正确纳入模型
• 剔除了无关的截距项结果，只保留表型和协变量的统计量

内容的提问来源于stack exchange，提问作者Carolin V