[R table] gtsummary로 회귀분석 테이블 만들기

이번 포스팅에서는 논문 친화적인 테이블을 만드는 패키지를 소개해드리겠습니다.

논문을 읽다보면 종종 아래와 같은 회귀분석 결과 테이블을 볼 수 있는데요.

​

 

​

​

위의 테이블은 단변량 (univariate) 회귀분석과 다변량 (multivariate) 회귀분석 결과를 함께 제시한 테이블입니다. 

​노가다 없이 univariate regression table과 multivariate regression table을 만드는 방법을 살펴보도록 합시다.

​

---

 

​

 

1. 단변량 회귀분석 univariate regression

 

이번 예제에서는 gtsummary 패키지에 내장되어 있는 trial 데이터셋을 사용하도록 하겠습니다.

trial 데이터셋의 변수들은 다음과 같습니다

​

변수명	설명	기타
trt	약물의 종류	Drug A, Drug B
age	나이
marker	marker의 레벨	단위: ng/mL
stage	T stage
grade	등급
death	사망여부	0 또는 1
ttdeath	사망 또는 관찰 종료까지의 시간	(단위: 월)

​

​

단변량 회귀분석 테이블을 만들 때, 모든 독립변수들을 바꿔가며 일일이 테이블을 만드는 것은 굉장히 비효율적인 일이다.​

 

gtsummary 의 tbl_uvregression 과 함께라면 한번에 결과 출력이 가능하답니다!

​

tbl_uvregression 로 테이블을 만드는 코드는 다음과 같습니다!

​

library(gtsummary) # 패키지 불러오기 
tbl_uvregression( 
	data = trial, method = glm, # glm, coxph (cox regression), lm ... 
    method.args = list(binomial()), # logistic regression => binomial() 
    exponentiate = T, # 로그값 거듭제곱하기 
    add_estimate_to_reference_rows = T, # factor 변수의 reference에 1 표시하기 
    hide_n = T, # n수 감추기 
    y = death, # y 변수 지정. 
    include = c(trt, age, marker, stage, grade, response), # 예측변수(x변수)에 포함시킬 변수들 
    )

tbl_uvregression 의 대표적인 파라미터들은 다음과 같습니다.

​

파라미터	설명	예시
method	회귀분석방법	glm, coxph 등
method.args	회귀모델에 넣어줄 추가 인자	list(binomial( ))
exponentiate	로그 거듭제곱하기	TRUE / FALSE
label	테이블의 변수명
conf.level	신뢰 수준 살정	0.95
hide_n	n 숨기기	TRUE / FALSE
y	반응 (종속) 변수
x	예측(독립) 변수
pvalue_fun	p value 형식 지정	~style_pvalue(., digits = 3)
include	테이블에 포함시킬 예측(독립)변수
add_estimate_to_reference_rows	reference 행을 - 에서 1로 표기하기	TRUE / FALSE

​

특정 반응 변수 또는 예측 변수 이외에 나머지 변수들을 모두 단변량 회귀분석하기 위해서는 파라미터로 y 또는 x값만 지정해주셔야 합니다.

 

위의 코드를 실행하면 아래의 테이블이 출력됩니다.

변수가 많아질수록 테이블이 출력되는 데 시간이 오래 걸립니다.

테이블 출력 결과는 아래와 같습니다.

​

​

 

​​

만약 저 테이블에서 OR 열과 CI 열을 합쳐주고 싶다면 아래의 코드를 실행하면 됩니다.

​

uni_tbl <- tbl_uvregression( 
	trial, 
	method = glm, method.args = list(binomial()), 
    exponentiate = T, 
    label = list(age ~ 'Age', 
    			trt ~ 'Chemotherapy Treatment', 
                stage ~ 'T stage', grade ~ 'Grade', 
                marker ~ 'Marker Level (ng/mL)', 
                response ~ 'Tumor response'), 
    conf.level = 0.95, 
    hide_n = T, 
    y = death, 
    pvalue_fun = ~style_pvalue(., digits = 3), 
    include = c(trt, age, marker, stage, grade, response)
    ) %>% 
	modify_cols_merge(pattern = "{estimate} [{ci}]", rows = !is.na(estimate)) %>% 
    modify_header(label = "**Variable**", 
    			estimate = "**OR (95% CI)**", p.value = "**P value**")
                
uni_tbl

 

​테이블의 열을 합쳐주는 기능을 담당하는 코드는 modify_cols_merge 입니다.

코드이름대로 열(cols)을 합쳐주는(merge) 기능을 하죠.

​

pattern 인자에는 위의 테이블에서 OR로 나타난 회귀식의 estimate 와 신뢰구간 (CI) 를 합쳐줄 방식을 써줍니다.

rows 인자에 들어가있는 값은 estimate의 값이 있는 행들만, 즉 테이블에서 reference 값들 ( ㅡ 로 표시된 행들) 을 제외하고 OR 값과 CI 값을 합쳐준다는 의미입니다.

​

테이블의 header 도 수정해줘야겠죠. modify_header 를 통해 estimate 열을 수정해줍니다.

'**'으로 씌우는 이유는 열 이름을 볼드체로 출력하기 위함입니다.

​

​

​

 

show_header_names( ) 로 테이블의 다른 열의 이름들을 확인할 수 있습니다.

​

​

---

 

2. 다변량 회귀분석 multivariate regression

 

자, 다음은 다변량 회귀분석 ( 다중회귀분석) 결과 테이블을 만들어보겠습니다.

​

​

다변량 회귀분석 테이블을 만들기 위해서는 다변량 회귀분석 모델이 필요하겠죠?

우선 다변량 회귀분석 모델을 하나 만들어 줍시다.

 

fit <- glm(death ~ trt + age + stage + grade + response, # 반응 변수 ~ 예측변수들 
			data=trial, 
            family=binomial())

​

다음으로 만들어준 모델을 tbl_regression 안에 넣어줍시다.

다변량 회귀분석 결과 테이블을 만드는 코드는 아래와 같습니다.

​

multi_tbl <- tbl_regression(fit, 
	exponentiate = T, 
	label = list(age ~ 'Age', 
		trt ~ 'Chemotherapy Treatment',
        marker ~ 'Marker Level (ng/mL)', 
        stage ~ 'T stage', 
        grade ~ 'Grade', 
        response ~ 'Tumor response'), 
	conf.level = 0.95, 
	pvalue_fun = ~style_pvalue(., digits=3)) %>% 
    modify_cols_merge(pattern = "{estimate} [{ci}]", row=!is.na(estimate)) %>% 
    modify_header(label = "**Variable**", 
    estimate = "**OR (95% CI)**", 
    p.value = "**P value**") 
multi_tbl

​

보시는 것과 같이 tbl_regression 의 파라미터는 tbl_uvregression 과 유사합니다.

실행결과는 아래와 같습니다.

​

다중회귀분석 테이블

​

코드 실행 하나만으로 다중회귀분석 테이블이 만들어졌습니다.

테이블의 외형은 단변량 회귀분석 테이블이랑 동일해서 헷갈릴 수 있지만 수치는 분명히 다른 것을 확인할 수 있습니다.

​

​

---

 

​3. Merge: 합치기

 

자, 마지막 단계입니다. 단변량 회귀분석 테이블과 다변량 회귀분석 테이블을 합치는 작업만 남았습니다.

위에서 봤던 테이블처럼 두 테이블을 하나의 테이블로 합쳐보도록 하겠습니다.

이번에는 tbl_merge 를 사용할 겁니다.

tbl_merge(list(uni_tbl, multi_tbl), 
	tab_spanner = c('**Univariate**','**Multivariate**')) %>% 
	as_gt() %>% 
	tab_options(table.font.names = 'Times New Roman')

​

앞서 만들었던 단변량 회귀분석 테이블 (uni_tbl) 과 다변량 회귀분석 테이블 (multi_tbl)을 리스트에 넣어줍니다.

tab_spanner 인자에는 테이블을 합쳤을 때 각각의 이름을 입력해줍니다.

​

마지막으로 폰트를 변경해주었습니다.

폰트 변경을 위해서는 as_gt( ) 를 통해 gt 형식의 테이블로 변경한 뒤,

tab_options 에서 table.font.names 인자에 폰트이름을 입력해주세요.

​

​

단변량, 다변량 회귀분석 테이블이 합쳐져 하나의 테이블로 완성되었습니다. 논문 제출에 손색이 없겠습니다.​

 

감사합니다.

데이터 분석, 논문 분석, 데이터 시각화 문의

​

카카오톡 오픈채팅

https://open.kakao.com/o/sOYF8HSd