R中基于lapply生成的119个逻辑回归模型校正p值获取方案

问题根源 #

• 列名修改失败是因为lapply里的colnames(b) = ...仅完成赋值操作，没有返回修改后的data frame，导致results全为NULL，原results1也未被更新。
• colnames(results1)返回NULL是因为results1是列表而非单个data frame，要查看列表内元素的列名，需用colnames(results1[[1]])这类方式。

修复现有代码的方案 #

步骤1：正确转换并修改列名 #

# 将每个模型的系数结果转为data frame，并同步重命名列
results1 <- lapply(results1, function(d) {
  df <- as.data.frame(d)
  colnames(df) <- c("beta", "SE", "zvalue", "pvalue")
  df  # 必须返回修改后的data frame
})

步骤2：提取目标p值并校正 #

每个模型的第二行是代谢物（X）对应的结果（第一行是截距，第三、四行是age和BMIfactor），提取该行p值后做校正：

# 提取所有代谢物的原始p值
raw_p <- sapply(results1, function(df) df$pvalue[2])
# 给p值匹配对应代谢物名称
names(raw_p) <- metabolite.names

# 计算校正p值（示例用BH方法，可按需替换为"bonferroni"等）
adjusted_p <- p.adjust(raw_p, method = "BH")

# 合并为便于查看的完整结果数据框
final_df <- data.frame(
  metabolite = metabolite.names,
  beta = sapply(results1, function(df) df$beta[2]),
  SE = sapply(results1, function(df) df$SE[2]),
  zvalue = sapply(results1, function(df) df$zvalue[2]),
  raw_p = raw_p,
  adjusted_p = adjusted_p
)

更高效的替代方案：使用broom包 #

broom包可一键批量整理模型结果，避免手动处理列表的繁琐：

步骤1：安装并加载broom #

install.packages("broom")
library(broom)

步骤2：批量整理模型结果 #

# 提取每个模型的系数、p值等信息，返回结构化data frame
tidy_results <- lapply(response1minadj, tidy, conf.int = TRUE)

# 合并所有模型的结果为一个大data frame
combined_df <- do.call(rbind, tidy_results)

# 筛选出仅代谢物对应的行（排除截距、age、BMIfactor）
metabolite_df <- combined_df[combined_df$term %in% metabolite.names, ]

# 计算校正p值
metabolite_df$adjusted_p <- p.adjust(metabolite_df$p.value, method = "BH")

# 可选：重命名列让结果更直观
colnames(metabolite_df) <- c("metabolite", "beta", "SE", "zvalue", "raw_p", "conf_low", "conf_high", "adjusted_p")

内容的提问来源于stack exchange，提问作者stephr