如何在gtsummary中新增「不适用」分类并排除其占比分母计算

核心思路是通过自定义分类变量统计逻辑，直接在tbl_summary()内部完成有效样本占比计算、两类非有效样本的单独计数，不需要拆分表格堆叠，也不会把非有效样本计入占比分母。

具体实现步骤：

• 数据预处理阶段就拆分两类非有效回答：把符合「不适用」逻辑的样本（比如本例中的男性受访者怀孕状态）单独编码为统一的文本标签"不适用"，真正未作答的缺失值保留为原生NA即可，不要把两类值都填成NA。
• 编写适配gtsummary的自定义统计函数，核心规则：
  • 计算分类占比时，分母仅纳入既不是NA、也不等于"不适用"的有效回答样本
  • 单独统计「不适用」和缺失值的样本量，作为独立行展示
• 调用tbl_summary()时关闭默认的缺失值自动统计，传入自定义统计函数即可。

可直接运行的示例代码：

library(tidyverse)
library(gtsummary)

# 预处理示例数据：拆分不适用和真正的缺失值
tab <- tibble(
  sex = c(rep("M", 10), rep("F", 10)),
  pregnant = c(rep("不适用", 10), rep(NA, 2), rep("0", 6), rep("1", 2))
) |> 
  mutate(pregnant = factor(pregnant, levels = c("0", "1", "不适用")))

# 自定义分类变量统计函数
cat_stat_custom <- function(data, variable, ...) {
  var_col <- data[[variable]]
  # 筛选有效回答样本
  valid_mask <- !is.na(var_col) & var_col != "不适用"
  valid_total <- sum(valid_mask)
  # 计算有效分类的n和占比
  valid_count <- table(var_col[valid_mask])
  valid_stat <- map_chr(valid_count, ~glue::glue("{.x} ({round(.x/valid_total*100, 1)}%)"))
  # 单独统计两类非有效样本的数量
  nc_count <- sum(var_col == "不适用", na.rm = T)
  miss_count <- sum(is.na(var_col))
  # 拼接为gtsummary可识别的命名向量
  all_stat <- c(
    valid_stat,
    "不适用" = as.character(nc_count),
    "缺失值" = as.character(miss_count)
  )
  return(all_stat)
}

# 生成最终汇总表
tab |> 
  tbl_summary(
    include = pregnant,
    label = list(pregnant = "是否怀孕"),
    statistic = list(pregnant = ~cat_stat_custom(data = pick(everything()), variable = cur_column())),
    missing = "no" # 关闭默认缺失值展示，避免重复统计
  ) |> 
  modify_footnote(
    rows = label %in% c("不适用", "缺失值"),
    columns = stat_0,
    footnote = "以上两类样本不纳入占比计算分母"
  )

这个方案相比此前尝试的两种方法优势明显：

• 不需要按适用人群拆分数据再用tbl_stack()合并，只要所有题目的「不适用」取值统一用相同标签，这套自定义函数可以直接复用到所有分类变量，哪怕题量很大也只需要一次配置。
• 占比计算严格符合统计规则，「不适用」和缺失值都不会进入分母，也不会混在有效回答的分类里。
• 两类非有效回答的样本量会作为独立行展示，信息完整。

如果需要做分组统计，只需要在tbl_summary()中传入by参数，微调自定义函数适配分组计算逻辑即可，核心框架不需要改动；如果是连续变量需要做同类处理，只需要修改自定义函数里的有效样本统计逻辑，在输出里追加两类非有效样本的计数行就行。

注意：编码「不适用」取值时，不要和题目本身的有效回答选项重名，避免统计时混淆。

内容的提问来源于stack exchange，提问作者Claustre