使用purrr::map实现多时点t.test检验及患者测量值差值计算

实现方案 #

我们可以结合tidyverse的purrr、dplyr、tidyr以及broom包来完成你的两个需求，完整代码如下：

1. 前置准备：加载包与数据预处理

# 加载所需包
library(tidyverse)
library(broom) # 用于标准化整理统计检验结果

# 修正原始数据定义（原写法用<-会额外生成全局变量，改为=更规范）
df1 <- data.frame(
  pacient = c(6430, 6430, 6430, 6494, 6494, 6494, 6165, 6165, 6165),
  time = c(00, 01, 66, 00, 01, 66, 00, 01, 66),
  weight = c(115, 112, 110, 98, 95, 94, 88, 87, 86),
  waist = c(123, NA, 112, 115, 112, 113, 112, 110, NA),
  p14_total = c(7, NA, 4, 12, 5, NA, 15, 12, 13)
)

# 为time添加明确标签，避免后续混淆
df1$time <- factor(df1$time, levels = c("00", "66", "01"), labels = c("基线", "6个月随访", "12个月随访"))

2. 需求1：多指标多时间点非配对t检验

# 生成所有需要比较的时间点两两组合
time_comps <- combn(levels(df1$time), 2, simplify = FALSE)

# 批量执行t检验并整理为结构化数据框
t_test_res <- map_dfr(c("weight", "waist", "p14_total"), function(metric) {
  map_dfr(time_comps, function(comp_pair) {
    # 提取两组对应指标的数值
    g1_val <- df1[[metric]][df1$time == comp_pair[1]]
    g2_val <- df1[[metric]][df1$time == comp_pair[2]]
    # 执行非配对t检验，默认采用Welch校正不假设方差齐，需方差齐可加参数var.equal = TRUE
    t_result <- t.test(g1_val, g2_val, na.rm = TRUE)
    # 整理为表格格式
    tidy(t_result) %>%
      mutate(
        测量指标 = metric,
        对比组 = paste(comp_pair[1], "vs", comp_pair[2]),
        组1均值 = mean(g1_val, na.rm = TRUE),
        组2均值 = mean(g2_val, na.rm = TRUE)
      ) %>%
      select(测量指标, 对比组, 组1均值, 组2均值, t值 = statistic, p值 = p.value, 置信区间下限 = conf.low, 置信区间上限 = conf.high)
  })
})

运行后得到的t_test_res就是包含所有统计量的结构化数据框，缺失值会自动在计算时忽略。

3. 需求2：生成患者个体的指标差值列

# 先将长表转为宽表，每个时间点的指标单独为一列
df_wide <- df1 %>%
  pivot_wider(
    id_cols = pacient,
    names_from = time,
    values_from = c(weight, waist, p14_total),
    names_glue = "{.value}_{time}"
  )

# 按要求计算各指标的时间差值
df_with_diff <- df_wide %>%
  mutate(
    # 6个月差值=12个月随访值 - 6个月随访值
    weight_6months_diff = weight_12个月随访 - weight_6个月随访,
    # 12个月差值=12个月随访值 - 基线值
    weight_12months_diff = weight_12个月随访 - weight_基线,
    waist_6months_diff = waist_12个月随访 - waist_6个月随访,
    waist_12months_diff = waist_12个月随访 - waist_基线,
    p14_total_6months_diff = p14_total_12个月随访 - p14_total_6个月随访,
    p14_total_12months_diff = p14_total_12个月随访 - p14_total_基线
  )

运行后得到的df_with_diff就是每例患者对应所有差值的数据集，不需要保留原始各时间点值的话可以用select()删除对应列。

内容的提问来源于stack exchange，提问作者Javier Hernando