使用 `tbl_regression` 对嵌套数据框进行多变量回归

如何解决使用 `tbl_regression` 对嵌套数据框进行多变量回归

我正在对具有一组一致自变量的结果变量列表进行多变量回归。对于单变量回归，我遵循 this example 在嵌套数据框上使用 tl_uvregression 中的 gtsummary，但我试图将其推广到使用 tbl_regression 在嵌套数据框上的多变量回归数据框，当我尝试 unnest 表时，出现“输入必须是向量列表”的错误。以下是我尝试过的 - 我认为我遗漏了一些小而关键的步骤，但我无法弄清楚它是什么。我想要的输出是一个多变量回归输出表，每个模型作为一列，所有协变量作为行（类似于在 tbl_merge 中分别运行这些多变量模型的列表上执行 tbl_regression） .

library(tidyverse)
library(magrittr)
library(gtsummary)
library(broom)

id <- 1:2000
gender <- sample(0:1,2000,replace = T)
age <- sample(17:64,replace = T)
race <- sample(0:1,replace = T)
health_score <- sample(0:25,replace = T)
cond_a <- sample(0:1,replace = T)
cond_b <- sample(0:1,replace = T)
cond_c <- sample(0:1,replace = T)
cond_d <- sample(0:1,replace = T)
df <- data.frame(id,gender,age,race,health_score,cond_a,cond_b,cond_c,cond_d)

regression_tables <- df %>% select(-id) %>% 
  gather(c(cond_a,cond_d),key = "condition",value = "case") %>% 
  group_by(condition) %>% nest() %>% 
  mutate(model = map(data,~glm(case ~ gender + age + race + health_score,family = "binomial",data = .)),table = map(model,~tbl_regression,exponentiate = T,conf.level = 0.99)) %>% 
  select(table) %>% unnest(table)

解决方法

问题似乎是使用 lambda 表达式 (~) 而没有使用它，即指定参数。此外，没有可用的 tidy 方法（来自 broom）从 tbl_regression

提取为 tibble 格式

library(dplyr)
library(tidyr)
library(broom)
library(gtsummary)

out <-  df %>% 
   select(-id) %>% 
 gather(c(cond_a,cond_b,cond_c,cond_d),key = "condition",value = "case") %>% 
 group_by(condition) %>% 
 nest() %>% 
  mutate(model = map(data,~glm(case ~ gender + age + race + health_score,family = "binomial",data = .)),table = map(model,tbl_regression,exponentiate = T,conf.level = 0.99)) %>%
  select(table)

out$table[[1]]

---

除了 OP 使用 map 循环的方法，实际上我们可以简单地应用模型，tbl_regression 之后的 nest_by（将 gather 替换为pivot_longer 因为 gather 会被弃用，pivot_longer 是一个通用版本）

out <-  df %>%
    select(-id) %>% 
    pivot_longer(cols = starts_with('cond'),names_to = 'condition',values_to = 'case') %>% 
    nest_by(condition) %>% 
    mutate(model = list(glm(case ~ gender + age + 
      race + health_score,data = data)),table_out = list(tbl_regression(model,exponentiate = TRUE,conf.level = 0.99)))

out
# A tibble: 4 x 4
# Rowwise:  condition
#  condition               data model  table_out 
#  <chr>     <list<tbl_df[,5]>> <list> <list>    
#1 cond_a           [2,000 × 5] <glm>  <tbl_rgrs>
#2 cond_b           [2,000 × 5] <glm>  <tbl_rgrs>
#3 cond_c           [2,000 × 5] <glm>  <tbl_rgrs>
#4 cond_d           [2,000 × 5] <glm>  <tbl_rgrs>

如果我们需要合并表，请在 tbl_merge 的 list 上应用 tbl_regression

tbl_merge(out$table_out)

-输出