使用“tbl_regression”对嵌套数据框进行多变量回归

Question

我正在对具有一组一致的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 gtsummary 中的 tl_uvregression，但我试图在嵌套数据框上使用 tbl_regression 将其推广到多变量回归数据框，当我尝试 unnest tables 时，出现“输入必须是向量列表”的错误。以下是我尝试过的 - 我假设我缺少一些小但关键的步骤，但我无法弄清楚它是什么。我想要的输出是 table 多变量回归输出，每个模型作为一列，所有协变量作为行（类似于在每个多变量模型运行的列表上执行 tbl_merge分别在 tbl_regression).

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

id <- 1:2000
gender <- sample(0:1, 2000, replace = T)
age <- sample(17:64, 2000, replace = T)
race <- sample(0:1, 2000, replace = T)
health_score <- sample(0:25, 2000, replace = T)
cond_a <- sample(0:1, 2000, replace = T)
cond_b <- sample(0:1, 2000, replace = T)
cond_c <- sample(0:1, 2000, replace = T)
cond_d <- sample(0:1, 2000, 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_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) %>% unnest(table)

Answer 1

问题似乎是使用了 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

中提取为 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循环的方法外，其实我们可以简单地应用模型，tbl_regression在nest_by之后（替换gather pivot_longer 因为 gather 会被弃用，pivot_longer 是通用版本）

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, 
        family = "binomial", 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 table，请在 tbl_regression

的 list 上应用 tbl_merge

tbl_merge(out$table_out)

-输出

使用“tbl_regression”对嵌套数据框进行多变量回归

Using `tbl_regression` for multivariable regression on nested data frames

regression

r

tidyr

purrr

gtsummary