如何提升{gtsummary}中tbl_uvregression/tbl_summary的校正p值计算性能？

你的问题核心是gtsummary默认单线程逐列处理，导致6核CPU仅利用20%左右（约1-2核），而200行的数据量远未耗尽RAM，因此RAM扩容不会带来明显提速，重点应放在CPU并行化利用上。以下是具体优化方案：

一、针对tbl_uvregression的并行化处理 #

tbl_uvregression本质是循环遍历每个协变量拟合单因素Cox回归，我们可以用并行工具包手动实现多核心处理：

1. 加载所需包：

library(gtsummary)
library(survival)
library(foreach)
library(doParallel)

2. 注册并行集群（建议用8-10线程，留2-3个线程给系统后台）：

cl <- makeCluster(10)
registerDoParallel(cl)

3. 并行拟合并整理结果：

# 提取所有协变量列名（排除生存分析的time和status列）
covars <- setdiff(colnames(df), c("survival_time", "status"))

# 并行处理每个协变量的Cox回归
uv_results <- foreach(var = covars, .packages = c("survival", "gtsummary")) %dopar% {
  fit <- coxph(Surv(survival_time, status) ~ get(var), data = df)
  tbl_regression(fit, exponentiate = TRUE)
}

# 合并结果为tbl_uvregression格式并添加校正p值
uv_tbl <- tbl_merge(uv_results, tab_spanner = covars) %>%
  modify_header(label ~ "**Variable**") %>%
  add_q()

4. 关闭集群：

stopCluster(cl)

二、针对tbl_summary+add_p的并行化处理 #

tbl_summary生成描述统计速度较快，耗时主要在add_p()逐列计算组间p值，我们可以并行计算所有p值后整合到结果中：

1. 生成基础统计表格：

base_tbl <- tbl_summary(data = df, by = group, missing = "no")

2. 并行计算所有变量的p值：

# 获取需要计算p值的变量列表
p_vars <- base_tbl$table_body$variable %>% unique()

# 并行计算每个变量的p值（匹配add_p默认检验逻辑）
p_values <- foreach(var = p_vars, .packages = c("stats")) %dopar% {
  var_type <- class(df[[var]])
  if (var_type %in% c("numeric", "integer")) {
    t.test(df[[var]] ~ df$group)$p.value
  } else {
    chisq.test(table(df[[var]], df$group))$p.value
  }
}
names(p_values) <- p_vars

3. 计算FDR校正q值并整合到表格：

# 计算校正后的q值
q_values <- p.adjust(unlist(p_values), method = "fdr")

# 更新表格的p值和q值列并排序
final_tbl <- base_tbl %>%
  modify_table_body(
    mutate,
    p.value = ifelse(variable %in% names(p_values), unlist(p_values), NA),
    q.value = ifelse(variable %in% names(q_values), q_values, NA)
  ) %>%
  sort_p()

三、其他辅助优化 #

• 预处理数据：先删除常量列、完全缺失列或组间取值完全一致的列，减少待处理变量数，直接降低总耗时。
• 更新依赖包：确保gtsummary、survival、dplyr等包为最新版本，官方可能已修复部分性能瓶颈。
• 调整线程数：避免占用全部12线程，留2-3个给系统进程，防止设备卡顿。

内容的提问来源于stack exchange，提问作者B_slash_