1013-scitb.rmd

# scitb-快速生成基线表一

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
##library(tidyverse) # Wickham的数据整理的整套工具
pdf.options(height=10/2.54, width=10/2.54, family="GB1") # 注意：此设置要放在最后
```

## R包介绍

scitb是一个专门用于基线表开发的包，相较于tableone scitb具有更好使用，导出方便，快速设置的优点

[CRAN库](https://cran.r-project.org/web//packages/scitb/index.html)

[作者教程]([URL_ADDRESS](https://mp.weixin.qq.com/s?__biz=MzI1NjM3NTE1NQ==&mid=2247489581&idx=1&sn=de498ce7eaf3a3084efebddc568c7068&chksm=ea26f831dd5171272e58c707dac3242a8695d1413dfe5a5c8df926fa32c96728637290b14a6d&scene=21#wechat_redirect))

## R包安装

```{r eval=FALSE}
install.packages("scitb")
```


## R包使用

### 导入示例数据

导入数据prematurity，：low 是否是小于2500g早产低体重儿，age 母亲的年龄，lwt 末次月经体重，race 种族，smoke孕期抽烟，ptl 早产史（计数），ht 有高血压病史，ui 子宫过敏，ftv 早孕时看医生的次数bwt 新生儿体重数值

```{r}
library(scitb)
library(bruceR)

data <- prematurity
head(data,5)
```

### 生成描述性表1

#### 首先定义变量

为什么这里要定义变量，而不在基线表函数里直接引入字符向量，这是为了有良好的编程习惯。先从构建函数框架开始，最后函数调用，后续无论是修改变量还是增删变量都会很清晰

```{r}
allVars<-c("low","age","lwt","race","smoke","ptl","ht","ui","ftv","bwt")
fvars<-c("low","race","smoke","ptl","ht","ui","ftv")
strata<-c("bwt")
```


#### 生成基线表

```{r}
data_neat <- data |> 
  mutate(
    race = as.factor(race),
    smoke = as.factor(smoke)
  )

tab0<-scitb1(vars=allVars,fvars=fvars,strata=strata,data=data_neat)

tab0

```


#### 设置有非正态资料

设置非正态后可以看到lwt变量是用百分位数进行描述，后边的pvalue也调用非参检验

```{r}
tab2 <-scitb1(vars=allVars,fvars=fvars,strata=strata,data=data_neat, nonnormal=c("lwt"))

tab2
```


### 连续变量快速分层描述

输出1可以看出年龄的自动分层记录，表明从14到20到25到45进行了分层

如果想要生成其它分层数，设置参数 num = n

```{r}

# allvar删不删除年龄都可以

allVars3 <-c("race", "lwt","smoke", "ptl", "ht", "ui","ftv", "bwt")
fvars3 <-c("smoke","ht","ui","race")
strata3 <- "age"

tab3 <-scitb1(vars=allVars3,fvars=fvars3,strata=strata3,data=data_neat)

tab3

```


### 保存结果


```{r eval=FALSE}
write.csv(tab0,file= "01-attch\\10\\data.csv",row.names = F, 
    fileEncoding = "gbk")
```

保存出来是下图，复制到word改改就能用

![](https://pic-go-42.oss-cn-guangzhou.aliyuncs.com/img/202410211052806.png)

## 总结

使用体验：自定义度，结果展示等不如comparegroups，但是胜在参数简单，在期刊没那么高要求和平时展示可以用