R4CR

Day2 - tableone | 2023-09-01
Jinseob Kim

시작하기 전에

본 자료는 데이터셋의 변수를 하나의 테이블로 요약하는 방법에 대해 알아볼 것이다. tableone 패키지를 이용하면 효율적으로 논문에 들어갈 table1을 만들 수 있다.

What is tableone?

tableone은 의학 연구 논문에서 볼 수 있는 table1을 구성하는 데 사용되는 패키지로, 한 테이블 내에 혼합된 범주형 변수와 연속형 변수를 모두 요약할 수 있고 사용법이 매우 간단하다는 장점이 있다.

Creating a tableone

CreateTableOne() 함수를 사용하여 테이블을 만들 수 있다. fread를 통해 데이터를 불러와 간단한 테이블을 만들어보자. 데이터는 09-15년 공단 건강검진 데이터에서 실습용으로 32명을 뽑은 자료이며, 자세한 내용은 용어-건강보험데이터를 참고하자.

tableone 2

library(data.table)
library(curl)
library(tableone)
# Load file
url <- "https://github.com/zarathucorp/R4CR-content/raw/main/example_g1e.csv"
dt <- fread(url, header=T)

tableone 3 +

CreateTableOne() 함수를 사용해 간단한 테이블을 만들어 보자.

# create table1
CreateTableOne(data = dt)
  • 범주형 변수는 개수(백분율)로 요약된다.
  • 연속형 변수는 normal인 경우 mean(sd)로 나타나고, nonnormal인 경우 median(IQR)로 요약된다.
Overall
n 1644
EXMD_BZ_YYYY (mean (SD)) 2012.08 (1.99)
RN_INDI (mean (SD)) 490782.25 (290056.68)
HME_YYYYMM (mean (SD)) 201216.18 (199.11)
Q_PHX_DX_STK (mean (SD)) 0.01 (0.11)
Q_PHX_DX_HTDZ (mean (SD)) 0.02 (0.15)

Argument customize

CreateTableOne() 함수에는 다양한 옵션이 존재한다. 세부적인 옵션 설정을 통해 원하는 table1을 만들 수 있다. 주요 옵션은 다음과 같다.

  • CreateTableOne
    • vars : 테이블에 들어갈 변수들
    • factorVars : 범주형 변수들
    • data : 데이터
    • strata : 그룹 변수 지정
    • includeNA : 범주형 변수에서 NA를 하나의 범주로 포함할지 여부

옵션에 대한 자세한 설명은 예시를 통해 다루도록 하겠다.

Categorical variable conversion +

factorVars 인자를 사용하여 범주형 변수를 지정할 수 있다. 이때 vars 인자를 통해 전체 데이터 셋 중 테이블에 들어갈 변수를 설정할 수 있고, 지정하지 않을 시 데이터 셋의 모든 변수가 포함된다.

# Variables
myVars <- c("HGHT", "WGHT", "BMI", "HDL", "LDL", "TG", "SGPT", 
            "Q_PHX_DX_STK", "Q_PHX_DX_HTDZ", "Q_HBV_AG", "Q_SMK_YN")
# Categorical variables
catVars <- c("Q_PHX_DX_STK", "Q_PHX_DX_HTDZ", "Q_HBV_AG", "Q_SMK_YN")
t1 <- CreateTableOne(vars = myVars, factorVars = catVars, data = dt)
t1
Overall
n 1644
HGHT (mean (SD)) 164.55 (9.19)
WGHT (mean (SD)) 65.10 (12.53)
BMI (mean (SD)) 23.97 (3.39)
Q_PHX_DX_STK = 1 (%) 12 (1.1)
Q_PHX_DX_HTDZ = 1 (%) 26 (2.4)

Categorical variable conversion +

  • 범주형 변수로 설정한 컬럼의 요약값이 mean(sd)에서 n(percentage)로 바뀐 것을 볼 수 있다.

  • 두 개의 범주가 있는 범주형 변수의 경우, 두 번째 범주의 요약값만 출력된다. 예를 들어 0과 1의 범주가 있을 때, 범주1의 개수와 백분율이 출력된다. 이는 옵션 설정을 통해 전체 범주의 요약값을 출력하도록 변경할 수 있다.

  • 3개 이상의 범주가 있을 때에는 모든 범주의 값이 요약되며, 백분율은 누락된 값을 제외한 후 계산된다.

Multiple group summary +

strata 인자를 설정하여 그룹별 연산을 할 수 있다. strata는 dplyr 패키지의 group_by() 함수와 유사하며, 그룹 연산을 할 변수를 지정하여 사용할 수 있다.

t2 <- CreateTableOne(data = dt,
                     vars = myVars,
                     strata = "Q_SMK_YN",
                     factorVars = catVars,
                     includeNA = F)
t2
1 2 3 p test
n 995 256 391
HGHT (mean (SD)) 160.67 (8.34) 168.83 (6.45) 171.61 (7.09) <0.001
WGHT (mean (SD)) 61.17 (11.08) 70.09 (10.72) 71.76 (13.07) <0.001
BMI (mean (SD)) 23.68 (3.41) 24.57 (2.95) 24.31 (3.52) <0.001
Q_PHX_DX_STK = 1 (%) 11 (1.8) 1 (0.5) 0 (0.0) 0.051
Q_PHX_DX_HTDZ = 1 (%) 18 (2.9) 5 (2.6) 3 (1.1) 0.287

Multiple group summary +

  • 연속형 변수의 경우, 기본적으로 one-way ANOVA test가 적용되며 nonnormal일 경우 옵션 설정을 통해 Kruskal–Wallis one-way ANOVA test를 적용할 수 있다.

  • 범주형 변수의 경우, 기본적으로 chisq-test가 적용되며 print 함수의 exact 옵션 설정을 통해 fisher-test를 적용할 수 있다.

Print tableone

CreateTableOne() 함수를 사용하여 테이블을 만든 후, print 명령어로 세부 옵션을 지정할 수 있다. 주요 옵션은 다음과 같다.

  • print
    • showAllLevels, cramVars : 2범주인 변수에서 2범주를 다 보여줄 변수
    • nonnormal : 비모수통계를 쓸 연속 변수
    • exact : fisher-test를 쓸 범주형 변수
    • smd : standardized mean difference

Showing all levels

범주형 변수에서 모든 범주의 요약값을 확인하려면 ShowAllLevels 또는 cramVars 옵션을 사용한다. ShowAllLevels = T 를 설정하거나 cramVars 옵션에 원하는 변수명을 지정하여 사용할 수 있다.

showAllLevels +

print(t1, showAllLevels = T)
level Overall
n 1644
HGHT (mean (SD)) 164.55 (9.19)
WGHT (mean (SD)) 65.10 (12.53)
BMI (mean (SD)) 23.97 (3.39)
Q_PHX_DX_STK (%) 0 1059 (98.9)
1 12 ( 1.1)
Q_PHX_DX_HTDZ (%) 0 1052 (97.6)
1 26 ( 2.4)

cramVars +

print(t1, cramVars="Q_PHX_DX_STK")
Overall
n 1644
HGHT (mean (SD)) 164.55 (9.19)
WGHT (mean (SD)) 65.10 (12.53)
BMI (mean (SD)) 23.97 (3.39)
Q_PHX_DX_STK = 0/1 (%) 1059/12 (98.9/1.1)
Q_PHX_DX_HTDZ = 1 (%) 26 (2.4)

nonnormal variables +

비모수통계를 사용하는 연속형 변수에는 nonnormal 옵션을 설정한다. nonnormal 설정 시 mean(sd)에서 median(IQR)로 요약값이 변경된다.

print(t1, nonnormal="LDL")
Overall
n 1644
HGHT (mean (SD)) 164.55 (9.19)
WGHT (mean (SD)) 65.10 (12.53)
BMI (mean (SD)) 23.97 (3.39)
Q_PHX_DX_STK = 1 (%) 12 (1.1)
Q_PHX_DX_HTDZ = 1 (%) 26 (2.4)

exact +

exact 옵션을 통해 fisher-test를 진행할 범주형 변수를 설정할 수 있다. 범주형 변수는 기본적으로 chisq-test가 적용되며, exact 옵션에 fisher-test를 적용할 변수를 지정하여 사용할 수 있다.

print(t2, exact=c("Q_PHX_DX_STK", "Q_PHX_DX_HTDZ"))
1 2 3 p test
n 995 256 391
HGHT (mean (SD)) 160.67 (8.34) 168.83 (6.45) 171.61 (7.09) <0.001
WGHT (mean (SD)) 61.17 (11.08) 70.09 (10.72) 71.76 (13.07) <0.001
BMI (mean (SD)) 23.68 (3.41) 24.57 (2.95) 24.31 (3.52) <0.001
Q_PHX_DX_STK = 1 (%) 11 (1.8) 1 (0.5) 0 (0.0) 0.045 exact
Q_PHX_DX_HTDZ = 1 (%) 18 (2.9) 5 (2.6) 3 (1.1) 0.281 exact

smd +

smd 옵션을 통해 smd(standardized mean difference)를 table1에 포함할 수 있다. default는 FALSE이고, smd=TRUE 설정 시 각 변수의 smd 값이 출력된다.

print(t2, smd = TRUE)
1 2 3 p test SMD
n 995 256 391
HGHT (mean (SD)) 160.67 (8.34) 168.83 (6.45) 171.61 (7.09) <0.001 0.972
WGHT (mean (SD)) 61.17 (11.08) 70.09 (10.72) 71.76 (13.07) <0.001 0.611
BMI (mean (SD)) 23.68 (3.41) 24.57 (2.95) 24.31 (3.52) <0.001 0.180
Q_PHX_DX_STK = 1 (%) 11 (1.8) 1 (0.5) 0 (0.0) 0.051 0.137
Q_PHX_DX_HTDZ = 1 (%) 18 (2.9) 5 (2.6) 3 (1.1) 0.287 0.084

Detailed information : summary()

summary 함수를 쓰면 누락값을 포함한 table1의 자세한 정보를 알 수 있다. 연속형 변수의 값들이 먼저 출력되며 그 다음으로 범주형 변수의 요약값이 출력된다.

summary(t1)

     ### Summary of continuous variables ###

strata: Overall
        n miss p.miss mean sd median p25 p75 min max skew kurt
HGHT 1644    0      0  165  9    165 158 171 134 188 -0.2 -0.3
WGHT 1644    0      0   65 13     64  56  73  31 118  0.7  1.0
BMI  1644    0      0   24  3     24  22  26  12  37  0.4  0.4

=======================================================================================

     ### Summary of categorical variables ### 

strata: Overall
           var    n miss p.miss level freq percent cum.percent
  Q_PHX_DX_STK 1644  573   34.9     0 1059    98.9        98.9
                                    1   12     1.1       100.0
                                                              
 Q_PHX_DX_HTDZ 1644  566   34.4     0 1052    97.6        97.6
                                    1   26     2.4       100.0

Show categorical or continuous variable only +

앞에서 만든 table1에서 연속형 변수와 범주형 변수를 구분하여 출력할 수 있다. “$”를 사용하여 연속형 변수는 ConTable, 범주형 변수는 CaTable을 설정하면 해당 변수를 따로 출력할 수 있다.

# Categorical variables
t2$CatTable
1 2 3 p test
n 995 256 391
Q_PHX_DX_STK = 1 (%) 11 (1.8) 1 (0.5) 0 (0.0) 0.051
Q_PHX_DX_HTDZ = 1 (%) 18 (2.9) 5 (2.6) 3 (1.1) 0.287

Categorical Only +

# Continuous variables
t2$ContTable
1 2 3 p test
n 995 256 391
HGHT (mean (SD)) 160.67 (8.34) 168.83 (6.45) 171.61 (7.09) <0.001
WGHT (mean (SD)) 61.17 (11.08) 70.09 (10.72) 71.76 (13.07) <0.001
BMI (mean (SD)) 23.68 (3.41) 24.57 (2.95) 24.31 (3.52) <0.001

Export tableone

write.csv 함수를 사용하여 table1을 csv파일로 저장할 수 있다. write.csv(x, file=“파일명”) 형식을 사용하여 csv파일로 저장한다.

# export table1
table1 <- print(t2)
write.csv(table1, file = "table1.csv")

마치며

이번 강의를 정리하자.

  1. tableone 패키지의 CreateTableone 함수를 사용하여 요약 통계량 테이블을 작성할 수 있다.

  2. CreateTableone 함수에는 다양한 옵션이 존재하며 strata 옵션을 통해 그룹별 통계량을 계산할 수 있다.

  3. CreateTableOne 함수를 사용하여 테이블을 만든 후, print 명령어로 세부 옵션을 지정할 수 있다.

  4. summary 함수를 쓰면 누락값을 포함한 table1의 자세한 정보를 알 수 있다.

  5. write.csv 함수를 사용하여 tableone 패키지로 만든 table을 csv파일로 저장할 수 있다.