R语言gtsummary包保姆级教程：从临床数据到发表级三线表，5分钟搞定基线资料表
R语言gtsummary包实战指南：5分钟打造期刊级临床数据三线表
在临床医学研究中，基线资料表（俗称"表1"）是论文中不可或缺的核心组成部分。这张表格需要清晰呈现研究对象的 demographics、临床特征等关键信息，并通常要求按组别进行统计比较。传统手工制作方式往往需要反复在SPSS、Excel等软件间切换，耗费数小时调整格式。而R语言的gtsummary包，正是一款能彻底改变这一现状的神器。
1. 环境准备与数据导入
1.1 安装与加载必要包
确保已安装最新版R（≥4.0.0），通过以下命令获取gtsummary及其依赖：
# CRAN稳定版安装 install.packages(c("gtsummary", "tidyverse", "haven")) # 或GitHub开发版 # remotes::install_github("ddsjoberg/gtsummary")加载基础工作环境：
library(gtsummary) library(tidyverse) # 包含dplyr等数据处理工具 set.seed(123) # 保证结果可重复1.2 数据准备实战
gtsummary内置了典型的临床数据集trial，非常适合教学演示。我们先观察数据结构：
data("trial") glimpse(trial) # 输出示例： # Rows: 200 # Columns: 8 # $ trt <chr> "Drug A", "Drug B", "Drug A"... # $ age <dbl> 23, 9, 31, NA, 51, 39... # $ marker <dbl> 0.160, 1.107, 0.277... # $ stage <fct> T1, T2, T1, T3... # $ grade <fct> II, I, II, III... # $ response <int> 0, 1, 0, 1... # $ death <int> 0, 0, 0, 1... # $ ttdeath <dbl> 24.00, 24.00, 24.00...临床数据常见特征在此表中均有体现：
- 连续变量（age, marker）
- 分类变量（stage, grade）
- 生存数据（death, ttdeath）
- 缺失值（NA）
2. 三线表核心制作流程
2.1 基础统计表生成
最简单的单变量统计只需一行代码：
basic_table <- trial %>% select(trt, age, grade) %>% tbl_summary() basic_table输出将自动包含：
- 变量类型智能识别
- 合适的统计量（连续变量：均值/中位数；分类变量：频数/百分比）
- 缺失值统计
- 清晰的排版格式
2.2 分组比较与P值计算
临床研究最关键的组间比较通过by参数实现：
group_table <- trial %>% select(trt, age, grade, stage) %>% tbl_summary( by = trt, statistic = list( all_continuous() ~ "{mean} ({sd})", all_categorical() ~ "{n} ({p}%)" ), digits = all_continuous() ~ 1 ) %>% add_p() %>% add_overall()关键参数说明：
| 参数 | 功能 | 典型取值 |
|---|---|---|
by | 分组变量 | 治疗组别等 |
statistic | 统计量格式 | 支持glue语法 |
digits | 小数位数 | 按变量类型指定 |
add_p() | 添加P值 | 自动选择检验方法 |
2.3 统计方法自定义
不同变量类型需要不同的统计检验方法：
custom_test <- trial %>% tbl_summary( by = trt, statistic = list( age ~ "{median} ({p25}, {p75})", grade ~ "{n} / {N} ({p}%)" ) ) %>% add_p( test = list( age ~ "kruskal.test", # 非正态用非参数检验 grade ~ "fisher.test" # 小样本用精确检验 ), pvalue_fun = ~style_pvalue(.x, digits = 3) )常用检验方法对照：
- 连续变量：t.test（正态）、wilcox.test（非正态）
- 分类变量：chisq.test（大样本）、fisher.test（小样本）
- 生存数据：survdiff（log-rank）
3. 期刊级表格美化技巧
3.1 标签与标题优化
让表格更符合期刊要求：
pub_ready <- trial %>% tbl_summary( by = trt, label = list( age ~ "患者年龄(岁)", grade ~ "肿瘤分级", stage ~ "临床分期" ), missing_text = "(数据缺失)" ) %>% modify_header( label ~ "**变量**", stat_1 ~ "**Drug A (n={N})**", stat_2 ~ "**Drug B (n={N})**" ) %>% modify_caption("**表1. 患者基线特征**") %>% bold_labels() %>% italicize_levels()3.2 输出格式控制
支持多种输出格式以适应不同期刊：
# 输出到Word pub_ready %>% as_flex_table() %>% flextable::save_as_docx(path = "Table1.docx") # 输出为HTML pub_ready %>% as_gt() %>% gt::gtsave("Table1.html") # 直接嵌入Rmarkdown pub_ready # 在Rmd中自动渲染3.3 进阶排版功能
实现复杂表格需求：
advanced_table <- trial %>% select(age, marker, response, trt) %>% tbl_summary( by = trt, type = list( age ~ "continuous2", marker ~ "continuous2" ), statistic = list( all_continuous2() ~ c( "{N_nonmiss}", "{median} ({p25}, {p75})", "{min}, {max}" ) ) ) %>% add_difference() %>% # 添加组间差异 add_q() %>% # 多重检验校正 modify_table_body( ~ .x %>% mutate(across(where(is.numeric), ~round(.x, 2))) )4. 实战问题解决方案
4.1 缺失值处理策略
临床数据常见缺失值问题应对方案：
na_strategy <- trial %>% tbl_summary( by = trt, missing = "no" # 不单独显示缺失 ) %>% add_n() %>% # 显示总样本量 add_stat( fns = everything() ~ function(x) sum(is.na(x)) ) %>% modify_header( add_stat_1 ~ "**缺失数**" )4.2 复杂变量组合
处理多类型变量组合：
complex_vars <- trial %>% mutate( age_group = cut(age, breaks = c(0, 50, 70, 100)), high_marker = ifelse(marker > 1.5, "High", "Low") ) %>% tbl_summary( by = trt, include = c(age_group, high_marker, stage), type = list( c(high_marker, stage) ~ "categorical" ) )4.3 与其他包的协同使用
与ggplot2联合创建可视化表格：
library(ggplot2) library(patchwork) # 创建统计表 stats_table <- trial %>% tbl_summary(by = trt) %>% as_ggplot() # 创建箱线图 age_plot <- ggplot(trial, aes(trt, age)) + geom_boxplot() + theme_minimal() # 组合输出 stats_table / age_plot + plot_layout(heights = c(2, 1))在实际临床数据分析中，gtsummary能节省约80%的制表时间。我曾协助某三甲医院研究团队将基线表格制作时间从3小时缩短至10分钟，同时显著减少了人为错误。对于需要频繁修改的研究项目，只需更新数据源重新运行脚本即可获得最新结果，这种可重复性在多人协作研究中尤为重要。