使用tbl_merge合并表格后，如何过滤p值≥5%的观测行？

要实现合并男女分群的tbl_hierarchical表格后过滤掉任意p值≥5%的行，核心思路是直接修改合并后表格的底层数据——因为合并后的对象不再是tbl_hierarchical，无法用filter_hierarchical，但可以通过修改其内置的table_body数据框来完成过滤，同时保留合并后的表格结构，避免合并前过滤丢失仅存在于单个表格的观测。

具体操作步骤 #

1. 生成并合并男女分群的层级表格
   先按性别筛选数据，分别生成tbl_hierarchical表格，再用tbl_merge合并：

   # 生成男性层级表格
   tbl_male <- ADAE %>%
     filter(SEX == "M") %>%
     tbl_hierarchical(
       # 填入你的参数，比如term变量、统计量设置、p值计算逻辑等
       term = AEDECOD,
       by = TRTA,
       statistic = list(all_categorical() ~ "{n}/{N} ({p}%)"),
       test = all_categorical() ~ chisq_test()
     )
   
   # 生成女性层级表格
   tbl_female <- ADAE %>%
     filter(SEX == "F") %>%
     tbl_hierarchical(
       term = AEDECOD,
       by = TRTA,
       statistic = list(all_categorical() ~ "{n}/{N} ({p}%)"),
       test = all_categorical() ~ chisq_test()
     )
   
   # 合并两个表格
   merged_tbl <- tbl_merge(
     list(tbl_male, tbl_female),
     tab_spanner = c("Male", "Female")
   )
   

2. 查看合并后表格的底层列名
   先确认p值列的具体名称（合并后通常会命名为p.value_1、p.value_2，对应第一个和第二个输入表格的p值）：

   # 打印底层数据框查看列名
   print(merged_tbl$table_body)
   

3. 过滤p值≥5%的行
   使用modify_table_body()直接修改合并后表格的底层数据，过滤掉任意一个p值≥0.05的行：

   filtered_tbl <- merged_tbl %>%
     modify_table_body(function(data) {
       # 过滤条件：只要男性或女性的p值≥0.05，就移除该行
       data %>%
         filter(!(p.value_1 >= 0.05 | p.value_2 >= 0.05))
     })
   

4. （可选）清理空的父层级行
   如果你的层级表格有父项（比如系统器官分类），过滤后可能出现父项没有子项的情况，可以额外添加逻辑删除这类空父行：

   filtered_tbl <- merged_tbl %>%
     modify_table_body(function(data) {
       # 第一步：过滤p值不符合条件的行
       filtered_data <- data %>%
         filter(!(p.value_1 >= 0.05 | p.value_2 >= 0.05))
       
       # 第二步：找出仍有子项的父层级
       # 假设子项的term以父项term为前缀，用分隔符（比如.）区分
       valid_parents <- filtered_data %>%
         filter(row_type == "level") %>%
         pull(term) %>%
         stringr::str_extract("^[^.]+") %>%
         unique()
       
       # 保留有子项的父层级，以及所有子项行
       filtered_data %>%
         filter(row_type == "level" | term %in% valid_parents)
     })
   

内容的提问来源于stack exchange，提问作者Huan Lu