如何在gtsummary中修改统计N值？及适配gtsummary的one-hot数据整形方法

无需删除id列实现基于唯一受访人数的N统计 #

你遇到的样本量虚增，本质是长表格式下同一受访人对应多行记录，tbl_summary()默认按行数统计N时没有做ID去重。完全没必要在调用函数前删除id列，只要两个简单调整就能实现需求：

• 用include参数明确指定需要纳入统计的列，id列会被自动排除，既不会参与数值统计，也不会出现在最终表格中
• 传入group = id参数：该参数是gtsummary为重复测量、聚类数据场景设计的，传入后函数会自动将总N的计算逻辑切换为非重复ID计数，直接得到真实的受访人总数。如果后续需要自定义单个分组的N值（比如适配部分样本仅在某一组有数据的场景），也可以通过modify_footnote()手动替换脚注里的N数值，灵活度很高。

适配gtsummary的长表整形规范 #

结合你“两组样本重叠不完全、部分样本仅单组有测量数据”的实际情况，长表整形不需要做过度裁剪，遵循两个规则就能完美兼容gtsummary的统计逻辑：

• pivot_longer()转换时不要添加values_drop_na = TRUE参数。过早删除缺失值行，会直接丢失“哪些受访者仅在单组有测量数据”的信息；保留所有原始行的情况下，tbl_summary()会自动识别每个分组下的非缺失观测，计算对应的有效受访人数，不需要手动筛选调整。
• 全程保留id列，出表时通过参数声明id的作用即可，既不会让id被纳入统计，又能让函数基于id做跨重复行的N值去重，从根源上避免样本量虚增。

可直接运行的参考代码 #

你提供的示例代码存在管道符不闭合的语法问题，下面是覆盖你实际场景（两组样本重叠不完全）的可运行示例：

# 加载依赖包
library(dplyr)
library(gtsummary)
library(tidyr)
library(tibble)

# 模拟原始宽表数据
df_wide <- data.frame(
  id = 1:100,
  drug1_dose = rnorm(100),
  drug2_dose = rnorm(100)
) %>%
  # 模拟实际场景：部分样本仅存在单组测量数据
  mutate(
    drug1_dose = ifelse(id %in% 1:70, drug1_dose, NA),
    drug2_dose = ifelse(id %in% 31:100, drug2_dose, NA)
  )

# 转换为长表，不提前删除缺失值
df_long <- df_wide %>%
  pivot_longer(
    cols = c(drug1_dose, drug2_dose),
    names_to = "drug",
    values_to = "dose"
  )

# 直接生成统计表格，无需删除id列
df_long %>%
  tbl_summary(
    by = drug, # 按药物分组开展组间对比
    include = dose, # 仅统计dose变量，自动排除id列
    group = id # 声明id为受访人唯一标识，自动按唯一ID计算N值
  )

输出效果说明 #

上述代码生成的表格会完全匹配你的统计需求：

• 表格脚注展示的总N为所有受访人的唯一计数，不会因为长表的多记录格式导致样本量翻倍虚增
• 每个药物分组下的有效样本N，会自动统计该组下有有效剂量数据的受访人数，无需手动计算调整。

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