analyse-R/gtsummary

[giscus[bot]]

analyse-R/gtsummary

https://larmarange.github.io/analyse-R/gtsummary.html

[CoralieCourtinard]

Bonjour, Je suis à la recherche d'un exemple pour exporter dans un document une table générée via la fonction "tbl_survfit" via Rmardown ou autre.

Merci infiniment

[larmarange]

Si vous êtes dans un document Markdown, il vous suffit d'afficher le tableau gtsummary. Il sera rendu dans le document.

[YAO-kan]

Bonjour, j'aimerais savoir comment pouvons nous intégrer 2 seuils de significativité alpha (0,5 et 0,1) dans un tbl_summary. Et précisé par les ***. Merci d'avance

[YAO-kan]

Comment aussi réalisé un forestplot avec une variable d'intérêt ordinale

[Edouard08]

Bonjour,
Un grand merci pour vos vidéos et ce sites.
J'ai un problème avec gtsummary.
J'aimerai réaliser un tableau caractéristique de donnée patient pour une étude et je n'arrive pas à faire des sous ensemble pour les antécédents.
Quand j'importe ma base de données tous les antécédents sont considérés comme un vecteur. J'aimerais dire a gtsummary de regrouper tel et tel variable comme étends un sous ensemble de "Antécédents"
Pouvez vous m'aider?
Cordialement

[larmarange]

Je ne suis pas sur de comprendre. Vous auriez un exemple concret ? Un code partageable ?

[Edouard08]

Bonjour, Je vous remercie beaucoup de l'intérêt que vous portez à ma question. Quand vous regarder les caractéristique du tableau 1 du papier ci joint, "Recipient" "Donor" "Cause of death" etc sont des "titres" ou des sous partis (je ne connais pas le nom en langage R). Les caractéristiques qui suivent sont décalés, et j'aurai aimer savoir comment les auteurs sont écrit cela en langage R. Ont-ils simplement créé une colonne vide dans leur data frame? En vous remerciant énormément pour la qualité de votre enseignement et de l'intérêt que vous portez à ma requête. Edouard WASIELEWSKI Interne Le mar. 11 janv. 2022 à 14:13, Joseph Larmarange ***@***.***> a écrit :

…

Je ne suis pas sur de comprendre. Vous auriez un exemple concret ? Un code partageable ? — Reply to this email directly, view it on GitHub <#163 (reply in thread)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/AXH6HLY3OO6EAEEXBHZZNK3UVQUH7ANCNFSM5I7QS4AQ> . Triage notifications on the go with GitHub Mobile for iOS <https://apps.apple.com/app/apple-store/id1477376905?ct=notification-email&mt=8&pt=524675> or Android <https://play.google.com/store/apps/details?id=com.github.android&referrer=utm_campaign%3Dnotification-email%26utm_medium%3Demail%26utm_source%3Dgithub>. You are receiving this because you commented.Message ID: ***@***.***>

-- *Edouard WASIELEWSKI * ***@***.*** ***@***.***>*

[larmarange]

Bonsoir

le plus simple consiste à faire des tableaux séparés pour chaque groupe de variables puis à les fusionner avec tbl_stack().

Voir aussi cette discussion: https://stackoverflow.com/questions/65665465/grouping-rows-in-gtsummary

[larmarange]

Pour information, le package bstfun propose une fonction pour mettre en gras les titres des groupes : https://www.danieldsjoberg.com/bstfun/reference/bold_italicize_group_labels.html

[Edouard08]

Bonjour Monsieur, Merci beaucoup pour votre mail. Je rencontre un nouveau problème dans R. En effet je souhaite comparer 2 populations dans R. Cependant, je n'ai pas pu faire un tbl_summary (by) mais j'ai fusionner 2 tableaux avec la fonction tbl_merge vu dans votre vidéo. Le problème c'est que je n'arrive pas a faire de statistique sur ces 2 populations car la fonction tbl_merge puis %>% add_p ne fonctionne pas. Comment faite vous? Merci beaucoup de votre aide. Edouard Le mer. 19 janv. 2022 à 10:33, Joseph Larmarange ***@***.***> a écrit :

…

Pour information, le package bstfun propose une fonction pour mettre en gras les titres des groupes : https://www.danieldsjoberg.com/bstfun/reference/bold_italicize_group_labels.html — Reply to this email directly, view it on GitHub <#163 (reply in thread)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/AXH6HL3ROXBINK4LE6BXWMLUW2ANNANCNFSM5I7QS4AQ> . Triage notifications on the go with GitHub Mobile for iOS <https://apps.apple.com/app/apple-store/id1477376905?ct=notification-email&mt=8&pt=524675> or Android <https://play.google.com/store/apps/details?id=com.github.android&referrer=utm_campaign%3Dnotification-email%26utm_medium%3Demail%26utm_source%3Dgithub>. You are receiving this because you commented.Message ID: ***@***.***>

-- *Edouard WASIELEWSKI * ***@***.*** ***@***.***>*

[larmarange]

Je ne peux vous répondre en l'absence d'un exemple reproductible.

[larmarange]

Pour utiliser add_p(), il faut que utilisiez un by. Il vous faut donc un tableau de données en amont contenant les deux populations et une variable facteur indiquant la population d'appartenance.

[Edouard08]

C'était parfaitement expliquer dans vos vidéos mais j'ai de principe essayé... en vain Je vous met en copie mon tableau fusionnant 2 populations distincte. Mais je ne trouve pas sur internet le moyen de les comparer NB : ces 2 populations ne sont pas distincte par 1 variable de la base de données. C'est 2 populations différentes. Le mer. 19 janv. 2022 à 12:25, Joseph Larmarange ***@***.***> a écrit :

…

Pour utiliser add_p(), il faut que utilisiez un by. Il vous faut donc un tableau de données en amont contenant les deux populations et une variable facteur indiquant la population d'appartenance. — Reply to this email directly, view it on GitHub <#163 (reply in thread)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/AXH6HL4HF56FK4FRLGX7RADUW2NSDANCNFSM5I7QS4AQ> . Triage notifications on the go with GitHub Mobile for iOS <https://apps.apple.com/app/apple-store/id1477376905?ct=notification-email&mt=8&pt=524675> or Android <https://play.google.com/store/apps/details?id=com.github.android&referrer=utm_campaign%3Dnotification-email%26utm_medium%3Demail%26utm_source%3Dgithub>. You are receiving this because you commented.Message ID: ***@***.***>

-- *Edouard WASIELEWSKI * ***@***.*** ***@***.***>*

[larmarange]

Vous ne pouvez pas attacher de pièces jointes par email Joseph Larmarange Le mer. 19 janv. 2022 à 12:29, Edouard08 ***@***.***> a écrit :

…

C'était parfaitement expliquer dans vos vidéos mais j'ai de principe essayé... en vain Je vous met en copie mon tableau fusionnant 2 populations distincte. Mais je ne trouve pas sur internet le moyen de les comparer NB : ces 2 populations ne sont pas distincte par 1 variable de la base de données. C'est 2 populations différentes. Le mer. 19 janv. 2022 à 12:25, Joseph Larmarange ***@***.***> a écrit : > Pour utiliser add_p(), il faut que utilisiez un by. Il vous faut donc un > tableau de données en amont contenant les deux populations et une variable > facteur indiquant la population d'appartenance. > > — > Reply to this email directly, view it on GitHub > < #163 (reply in thread) >, > or unsubscribe > < https://github.com/notifications/unsubscribe-auth/AXH6HL4HF56FK4FRLGX7RADUW2NSDANCNFSM5I7QS4AQ > > . > Triage notifications on the go with GitHub Mobile for iOS > < https://apps.apple.com/app/apple-store/id1477376905?ct=notification-email&mt=8&pt=524675 > > or Android > < https://play.google.com/store/apps/details?id=com.github.android&referrer=utm_campaign%3Dnotification-email%26utm_medium%3Demail%26utm_source%3Dgithub >. > > You are receiving this because you commented.Message ID: > ***@***.***> > -- *Edouard WASIELEWSKI * ***@***.*** ***@***.***>* — Reply to this email directly, view it on GitHub <#163 (comment)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/AAHL5IZZF4UA7XQN7KBWPZ3UW2OATANCNFSM5I7QS4AQ> . Triage notifications on the go with GitHub Mobile for iOS <https://apps.apple.com/app/apple-store/id1477376905?ct=notification-email&mt=8&pt=524675> or Android <https://play.google.com/store/apps/details?id=com.github.android&referrer=utm_campaign%3Dnotification-email%26utm_medium%3Demail%26utm_source%3Dgithub>. You are receiving this because you commented.Message ID: ***@***.***>

[Edouard08]

Mon tableau issue d'un tbl_merge : fusion de 2 tableaux : Table 1 (n=11) et table 2 (n=7) J’aimerai comparer ces 2 populations avec ajout des pvalue (sur âge - BMI etc) Mais je n’y arrive pas… Le mer. 19 janv. 2022 à 13:26, Joseph Larmarange ***@***.***> a écrit :

Vous ne pouvez pas attacher de pièces jointes par email Joseph Larmarange Le mer. 19 janv. 2022 à 12:29, Edouard08 ***@***.***> a écrit : > C'était parfaitement expliquer dans vos vidéos mais j'ai de principe > essayé... en vain > > Je vous met en copie mon tableau fusionnant 2 populations distincte. Mais > je ne trouve pas sur internet le moyen de les comparer > > NB : ces 2 populations ne sont pas distincte par 1 variable de la base de > données. C'est 2 populations différentes. > > Le mer. 19 janv. 2022 à 12:25, Joseph Larmarange ***@***.***> > a écrit : > > > Pour utiliser add_p(), il faut que utilisiez un by. Il vous faut donc un > > tableau de données en amont contenant les deux populations et une > variable > > facteur indiquant la population d'appartenance. > > > > — > > Reply to this email directly, view it on GitHub > > < > #163 (reply in thread) > >, > > or unsubscribe > > < > https://github.com/notifications/unsubscribe-auth/AXH6HL4HF56FK4FRLGX7RADUW2NSDANCNFSM5I7QS4AQ > > > > . > > Triage notifications on the go with GitHub Mobile for iOS > > < > https://apps.apple.com/app/apple-store/id1477376905?ct=notification-email&mt=8&pt=524675 > > > > or Android > > < > https://play.google.com/store/apps/details?id=com.github.android&referrer=utm_campaign%3Dnotification-email%26utm_medium%3Demail%26utm_source%3Dgithub > >. > > > > You are receiving this because you commented.Message ID: > > ***@***.***> > > > > > -- > *Edouard WASIELEWSKI * > ***@***.*** ***@***.***>* > > — > Reply to this email directly, view it on GitHub > < #163 (comment) >, > or unsubscribe > < https://github.com/notifications/unsubscribe-auth/AAHL5IZZF4UA7XQN7KBWPZ3UW2OATANCNFSM5I7QS4AQ > > . > Triage notifications on the go with GitHub Mobile for iOS > < https://apps.apple.com/app/apple-store/id1477376905?ct=notification-email&mt=8&pt=524675 > > or Android > < https://play.google.com/store/apps/details?id=com.github.android&referrer=utm_campaign%3Dnotification-email%26utm_medium%3Demail%26utm_source%3Dgithub >. > > You are receiving this because you commented.Message ID: > ***@***.***> > — Reply to this email directly, view it on GitHub <#163 (comment)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/AXH6HLZLJA6MC2BXT3V4GTTUW2UV3ANCNFSM5I7QS4AQ> . Triage notifications on the go with GitHub Mobile for iOS <https://apps.apple.com/app/apple-store/id1477376905?ct=notification-email&mt=8&pt=524675> or Android <https://play.google.com/store/apps/details?id=com.github.android&referrer=utm_campaign%3Dnotification-email%26utm_medium%3Demail%26utm_source%3Dgithub>. You are receiving this because you commented.Message ID: ***@***.***>

-- *Edouard WASIELEWSKI * ***@***.*** ***@***.***>*

[larmarange]

Parce que vous devez passer par un by. Il n'y a pas de tests de comparaison avec tbl_merge Vous devez donc fusionner vous données en amont, créer une variable indiquant le groupe, puis faire un summary avec by Joseph Larmarange Le mer. 19 janv. 2022 à 13:38, Edouard08 ***@***.***> a écrit :

…

Mon tableau issue d'un tbl_merge : fusion de 2 tableaux : Table 1 (n=11) et table 2 (n=7) J’aimerai comparer ces 2 populations avec ajout des pvalue (sur âge - BMI etc) Mais je n’y arrive pas… Le mer. 19 janv. 2022 à 13:26, Joseph Larmarange ***@***.***> a écrit : > Vous ne pouvez pas attacher de pièces jointes par email > > Joseph Larmarange > > Le mer. 19 janv. 2022 à 12:29, Edouard08 ***@***.***> a > écrit : > > > C'était parfaitement expliquer dans vos vidéos mais j'ai de principe > > essayé... en vain > > > > Je vous met en copie mon tableau fusionnant 2 populations distincte. Mais > > je ne trouve pas sur internet le moyen de les comparer > > > > NB : ces 2 populations ne sont pas distincte par 1 variable de la base de > > données. C'est 2 populations différentes. > > > > Le mer. 19 janv. 2022 à 12:25, Joseph Larmarange ***@***.***> > > a écrit : > > > > > Pour utiliser add_p(), il faut que utilisiez un by. Il vous faut donc > un > > > tableau de données en amont contenant les deux populations et une > > variable > > > facteur indiquant la population d'appartenance. > > > > > > — > > > Reply to this email directly, view it on GitHub > > > < > > > #163 (reply in thread) > > >, > > > or unsubscribe > > > < > > > https://github.com/notifications/unsubscribe-auth/AXH6HL4HF56FK4FRLGX7RADUW2NSDANCNFSM5I7QS4AQ > > > > > > . > > > Triage notifications on the go with GitHub Mobile for iOS > > > < > > > https://apps.apple.com/app/apple-store/id1477376905?ct=notification-email&mt=8&pt=524675 > > > > > > or Android > > > < > > > https://play.google.com/store/apps/details?id=com.github.android&referrer=utm_campaign%3Dnotification-email%26utm_medium%3Demail%26utm_source%3Dgithub > > >. > > > > > > You are receiving this because you commented.Message ID: > > > ***@***.***> > > > > > > > > > -- > > *Edouard WASIELEWSKI * > > ***@***.*** ***@***.***>* > > > > — > > Reply to this email directly, view it on GitHub > > < > #163 (comment) > >, > > or unsubscribe > > < > https://github.com/notifications/unsubscribe-auth/AAHL5IZZF4UA7XQN7KBWPZ3UW2OATANCNFSM5I7QS4AQ > > > > . > > Triage notifications on the go with GitHub Mobile for iOS > > < > https://apps.apple.com/app/apple-store/id1477376905?ct=notification-email&mt=8&pt=524675 > > > > or Android > > < > https://play.google.com/store/apps/details?id=com.github.android&referrer=utm_campaign%3Dnotification-email%26utm_medium%3Demail%26utm_source%3Dgithub > >. > > > > You are receiving this because you commented.Message ID: > > ***@***.***> > > > > — > Reply to this email directly, view it on GitHub > < #163 (comment) >, > or unsubscribe > < https://github.com/notifications/unsubscribe-auth/AXH6HLZLJA6MC2BXT3V4GTTUW2UV3ANCNFSM5I7QS4AQ > > . > Triage notifications on the go with GitHub Mobile for iOS > < https://apps.apple.com/app/apple-store/id1477376905?ct=notification-email&mt=8&pt=524675 > > or Android > < https://play.google.com/store/apps/details?id=com.github.android&referrer=utm_campaign%3Dnotification-email%26utm_medium%3Demail%26utm_source%3Dgithub >. > > You are receiving this because you commented.Message ID: > ***@***.***> > -- *Edouard WASIELEWSKI * ***@***.*** ***@***.***>* — Reply to this email directly, view it on GitHub <#163 (comment)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/AAHL5I3GVTX4BL5LC4R6WWTUW2WDDANCNFSM5I7QS4AQ> . Triage notifications on the go with GitHub Mobile for iOS <https://apps.apple.com/app/apple-store/id1477376905?ct=notification-email&mt=8&pt=524675> or Android <https://play.google.com/store/apps/details?id=com.github.android&referrer=utm_campaign%3Dnotification-email%26utm_medium%3Demail%26utm_source%3Dgithub>. You are receiving this because you commented.Message ID: ***@***.***>

[GuillaumePORTA]

Bonjour,

Je me permets de vous solliciter à nouveau pour un problème de tableau descriptif avec tbl_summary :

Je cherche à exprimer la survenue de différentes complications (variables boléennes) non pas par une succession de lignes mais plutôt en colonne (colonne 1 = compli.1, colonne 2 = compli.2, etc...), selon plusieurs variables catégorielles réparties elles en ligne.

J'ai envisagé de créer plusieurs tableaux puis de merger ensuite.

1er problème :
Le paramètre by exprime les deux modalités de chaque complication. Or, seule l'incidence positive de la variable (labellisé "compli X") nous intéresse. La solution trouvée a été de recoder une nouvelle variable pour chaque complication :
compli.1.true[compli.1==1]<-1
val_labels(compli.1.true)<-c("compli 1"=1)
compli.1.true<-to_factor(compli.1.true, levels="labels")

En passant à la création des tableaux & merge :
tableaucompli1=tbl_summary(data.frame, by=compli.1.true, include=c(contexte.chir, localisation.chir))
tableaucompli2=......
tableaumerge=tbl_merge(list(tableaucompli1, tableaucompli2))

2eme problème :
Ceci fait, les pourcentages exprimés dans chaque catégorie des variables en ligne se rapportent au nombre total de la complication donnée, et non à la population dans chaque catégorie (comme pourrait l'exprimer un tableau de contigence avec tbl_cross).

Je joins une lien pour plus de visibilité : http://rpubs.com/gportabonete/867777

J'ai essayé de modifier le paramètre percent de la fonction tbl_summary, mais sans succès.

Auriez vous une solution ? ou une autre manière de faire peut être plus élégante ?

Cordialement,

G. Porta Bonete

[larmarange]

Le code ci-après devrait répondre à vos questions.

Note : as_kable() est ici utilisé juste pour afficher correctement le tableau dans les commentaires.

library(gtsummary)

# On créé trois variables binaires (TRUE/FALSE) pour l'exemple
trial$v1 <- trial$grade == "I"
trial$v2 <- trial$grade == "II"
trial$v3 <- trial$grade == "III"

# tableau croisé de base pour la première variable
# percent = "row" pour des pourcentages en ligne
tbl <- trial %>%
  tbl_summary(include = stage, percent = "row", by = v1)
tbl %>% as_kable()

Characteristic	FALSE, N = 132	TRUE, N = 68
T Stage
T1	36 (68%)	17 (32%)
T2	36 (67%)	18 (33%)
T3	25 (58%)	18 (42%)
T4	35 (70%)	15 (30%)

# modify_header() utilisé pour modifier la 2e colonne, 
# celle contenant l'information d'intéret (le TRUE)
# {n} correspond au nombre de cas TRUE et {N} au nombre total d'observations
tbl <- tbl %>% modify_header(stat_2 = "**Variable 1** ({n}/{N})")
tbl %>% as_kable()

Characteristic	FALSE, N = 132	Variable 1 (68/200)
T Stage
T1	36 (68%)	17 (32%)
T2	36 (67%)	18 (33%)
T3	25 (58%)	18 (42%)
T4	35 (70%)	15 (30%)

# on utilise modify_column_hide() pour masquer la première colonne
tbl <- tbl %>%  modify_column_hide(stat_1)
tbl %>% as_kable()

Characteristic	Variable 1 (68/200)
T Stage
T1	17 (32%)
T2	18 (33%)
T3	18 (42%)
T4	15 (30%)

# Code pour optimiser le code avec un nombre quelconque de variables
# Le nom des variables et leur étiquette est stockée dans un vecteur v
v <- c(
  v1 = "**Variable 1** ({n}/{N})",
  v2 = "**Un autre facteur** ({n}/{N})",
  v3 = "**Un troisième** ({n}/{N})"
)

# Pour optimiser tout cela, on va utiliser les fonctions d'optimisation de purrr
# cf. https://larmarange.github.io/analyse-R/vectorisation.html#les-fonctions-de-lextension-purrr
library(purrr)

res <- map2(
  .x = names(v), # liste des variables
  .y = v, # liste des intitulés de colonne
  .f = ~ trial %>% # ici on définit la fonction à répéter
    tbl_summary(include = stage, percent = "row", by = all_of(.x)) %>% # noter le .x pour indiquer la variable à appaliquer à chaque tour
    modify_header(stat_2 = .y) %>% # ici on passe l'étiquette avec .y
    modify_column_hide(stat_1)
)

# On obtient une liste de 3 tableaux
class(res)
#> [1] "list"

# Il n'y a plus qu'à fusionner
tbl_merge(res, tab_spanner = FALSE) %>%
  as_kable()

Characteristic	Variable 1 (68/200)	Un autre facteur (68/200)	Un troisième (68/200)
T Stage
T1	17 (32%)	17 (32%)	17 (32%)
T2	18 (33%)	18 (33%)	18 (33%)
T3	18 (42%)	18 (42%)	18 (42%)
T4	15 (30%)	15 (30%)	15 (30%)

^{Created on 2022-02-20 by the reprex package (v2.0.1)}

[Arnaud-Sapin]

Merci beaucoup pour la qualité de vos cours ! Après avoir vu les possibilités et la flexibilité de ce package, ça devient impensable d'imaginer faire ses tableaux à la main !

[sirine2411]

bonjour,

il m'est impossible de mettre à jour le package cli.
voici le message d'erreur lorsque je charge library (gtsummary) : Error: le chargement du package ou de l'espace de noms a échoué pour ‘gtsummary’ in loadNamespace(j <- i[[1L]], c(lib.loc, .libPaths()), versionCheck = vI[[j]]) :
le package ‘cli’ 3.0.1 est déjà chargé, mais >= 3.1.1 est requis
In addition: Warning message:
le package ‘gtsummary’ a été compilé avec la version R 4.1.3

merci

[larmarange]

• ouvrir une nouvelle session R vierge, hors projet RStudio, sans donnée automatiquement chargée
• mettre a jour cli avant de faire quoi que ce soit d'autre

[sirine2411]

Un grand merci à vous et bon courage

[QVJD]

Bonjour,

Je ne vous remercierais jamais assez pour ce site.
J'ai une question,
Je travaille sur un tableau d'effets indésirables avec donc un data frame a plusieurs lignes par patients, et j'aimerai pouvoir fixer moi même le dénominateur du % calculé, au nombre de patients par bras de traitement.

Dans la commande ci dessous, j'aimerai pouvoir changer "{n} ({p}%)" en quelque chose comme "{n} ({n/150}%)"

df%>%
tbl_summary(
include = c ( var_cat_1, var_cat_2, traitement ),
statistic = all_categorical() ~ "{n} ({p}%)",
by = traitement,
missing = "no"
)%>%
modify_header(
stat_1="traitement A, N=150",
stat_2= "traitement B, N=150"
)

Bonus: J'aurai également la même question si au lieu d'avoir les mêmes effectifs dans les 2 traitements, j'avais par exemple 140 et 160 ..

Un grand merci pur votre réponse

[larmarange]

L'approche sémantiquement correcte consiste à créer, pour chaque type d'effet secondaire, dans le jeu de données patient une variable de type oui/non. Par exemple : "a déclaré des douleurs ?" codé en 0/1 ou en TRUE/FALSE.

Il s'agit de la "bonne" approche où il s'agit de coder les variables réellement analysées, au niveau où l'analyse est menée, i.e. celui des patients.

library(tidyverse)
library(gtsummary)

patients <- tibble(id = 1:4)
effets <- tibble(
  id = c(1, 2, 2, 3, 3),
  effet = c("douleurs", "nausees", "douleurs", "nausees", "mal_tete")
)

patients <- patients %>%
  left_join(
    effets %>%
      mutate(value = TRUE) %>%
      pivot_wider(id_cols = id, names_from = effet, names_prefix = "eff_"),
    by = "id"
  ) %>%
  mutate(across(starts_with("eff_"), replace_na, FALSE))

patients %>%
  tbl_summary(include = starts_with("eff_")) %>%
  as_kable()

Characteristic	N = 4
eff_douleurs	2 (50%)
eff_nausees	2 (50%)
eff_mal_tete	1 (25%)

^{Created on 2022-05-03 by the reprex package (v2.0.1)}

[larmarange]

Una approche alternative, mais qui n'est pas celle que je recommande, consiste à afficher le nombre d'observation et à jouer sur l'affiche (avec le paramètre scale de scales::label_percent() pour diviser, manuelle, par un effectif choisi. Mais c'est un trick qui ne constitue pas une approche pérenne pour ce genre d'analyse.

library(tidyverse)
library(gtsummary)
library(scales)
#> 
#> Attachement du package : 'scales'
#> L'objet suivant est masqué depuis 'package:purrr':
#> 
#>     discard
#> L'objet suivant est masqué depuis 'package:readr':
#> 
#>     col_factor

patients <- tibble(id = 1:4)
effets <- tibble(
  id = c(1, 2, 2, 3, 3),
  effet = c("douleurs", "nausees", "douleurs", "nausees", "mal_tete")
)

effets %>%
  tbl_summary(
    include = effet,
    statistic = ~ "{n}",
    digits = ~ label_percent(scale = 100 / 4)
  ) %>%
  as_kable()

Characteristic	N = 5
effet
douleurs	50%
mal_tete	25%
nausees	50%

^{Created on 2022-05-03 by the reprex package (v2.0.1)}

A noter que l'effectif de 5 affiché en en-tête n'est pas bon. A changer aussi manuellement. Et si la base évolue, il faut recalculer l'effectif total.

[QVJD]

Merci pour votre réponse,

En espérant ne pas abuser de votre disponibilité, concernant votre première solution, existe-t-il ensuite un moyen pour que gtsummary considère dans l'affichage "mal de tête" et "douleurs" comme 2 modalités d'une même variable "Effets secondaires neuro" ? Tout comme c'est le cas avec "Grade" dans trial%>%tbl_summary() par exemple ?

Concernant votre deuxième solution, j'ai aussi trouvé la manip suivante à utiliser dans tbl_custom_summary():

my_fun <- function(data, variable, ...) {
  taille<-length(data[[variable]])

pourcentage <- 100*length(data[[variable]])/150
dplyr::tibble(
taille = taille,
pourcentage=pourcentage)
}

puis on change l'entête manuellement

Ca marche comme attendu, mais j'imagine que vous ne recommanderiez pas non plus de procéder ainsi ?

merci

[larmarange]

existe-t-il ensuite un moyen pour que gtsummary considère dans l'affichage "mal de tête" et "douleurs" comme 2 modalités d'une même variable "Effets secondaires neuro" ? Tout comme c'est le cas avec "Grade" dans trial%>%tbl_summary() par exemple ?

Toute la question est de savoir quel est l'indicateur que vous souhaiter créer, en fonction de l'analyse. Souhaitez-vous savoir si un patient a eu au moins un effet secondaire neurologique (mal de tête ou douleurs) ou bien si vous souhaitez avoir le détail et savoir si le patient a eu l'un et/ou l'autre.

Le cœur de toute analyse est le choix et la construction des bons indicateurs, ce qui se traduit par la construction des bonnes variables, au bon niveau d'analyse.

library(tidyverse)
library(gtsummary)
#> #BlackLivesMatter

patients <- tibble(id = 1:4)
effets <- tibble(
  id = c(1, 2, 2, 3, 3),
  effet = c("douleurs", "douleurs", "nausees", "douleurs", "mal_tete")
)

patients <- patients %>%
  left_join(
    effets %>%
      mutate(value = TRUE) %>%
      pivot_wider(id_cols = id, names_from = effet, names_prefix = "eff_"),
    by = "id"
  ) %>%
  mutate(across(starts_with("eff_"), replace_na, FALSE))

patients <- patients %>% 
  mutate(
    eff_neuro = eff_douleurs |  eff_mal_tete,
    eff_neuro_details = interaction(eff_douleurs, eff_mal_tete) %>%
      fct_recode(
        "aucun" = "FALSE.FALSE",
        "douleurs" = "TRUE.FALSE",
        "mal de tête" = "FALSE.TRUE",
        "douleurs & mal de tête" = "TRUE.TRUE"
      )
  )

patients %>%
  knitr::kable()

id	eff_douleurs	eff_nausees	eff_mal_tete	eff_neuro	eff_neuro_details
1	TRUE	FALSE	FALSE	TRUE	douleurs
2	TRUE	TRUE	FALSE	TRUE	douleurs
3	TRUE	FALSE	TRUE	TRUE	douleurs & mal de tête
4	FALSE	FALSE	FALSE	FALSE	aucun

patients %>%
  tbl_summary(include = starts_with("eff_")) %>%
  as_kable()

Characteristic	N = 4
eff_douleurs	3 (75%)
eff_nausees	1 (25%)
eff_mal_tete	1 (25%)
eff_neuro	3 (75%)
eff_neuro_details
aucun	1 (25%)
douleurs	2 (50%)
mal de tête	0 (0%)
douleurs & mal de tête	1 (25%)

^{Created on 2022-05-03 by the reprex package (v2.0.1)}

[QVJD]

Super, merci beaucoup pour vos réponses détaillées et pour votre temps.

[larmarange]

Je regarderai a mon retour apres le 22 juillet. Quel est le format attendu du tableau final ? Lignes et colonnes ? Joseph LARMARANGE https://joseph.larmarange.net Demographer PhD, Research Director at IRD Ceped UMR 196 (Université Paris Cité - IRD) SageSud ERL Inserm 1244 Le mer. 12 juil. 2023, 15:14, Matthieutrtr ***@***.***> a écrit :

…

Bonjour, déjà merci pour toutes ces informations je ne connaissais pas ce package, et il m'est apparu très pratique et intéressant pour réaliser plein de tableaux statistiques différents. Je rencontre actuellement un souci dans la création d'un tableau personnalisé. Je souhaite réaliser un tableau résumé d'alpha de Cronbach. J'ai donc créé la fonction suivante : alpha_gt <- function(data, variable,...) { alpha <- psych::alpha(data[,variable])$total$raw_alpha dplyr::tibble( alpha = alpha ) } Avec la fonction alpha qui fonctionne de la manière suivante pour donner un exemple : coef.alpha.Congruence <- psych::alpha(d[,c("fctnmtetformation.SQ001.","fctnmtetformation.SQ002.", "fctnmtetformation.SQ003.", "fctnmtetformation.SQ004.", "fctnmtetformation.SQ005.", "fctnmtetformation.SQ006.", "fctnmtetformation.SQ007.", "fctnmtetformation.SQ008.", "fctnmtetformation.SQ009.", "fctnmtetformation.SQ010.", "fctnmtetformation.SQ011.")]) Donc en gros la variable que ma fonction prend en argument est un vecteur de variables car c'est visiblement le fonctionnement de la fonction alpha du package psych, et le fonctionnement de l'indice stat en soit. Donc pour la création du tableau dans l'idée ce serait quelque chose comme ceci : tbl = d %>% tbl_custom_summary( include = c(c("fctnmtetformation.SQ001.","fctnmtetformation.SQ002.", "fctnmtetformation.SQ003.", "fctnmtetformation.SQ004.", "fctnmtetformation.SQ005.", "fctnmtetformation.SQ006.", "fctnmtetformation.SQ007.", "fctnmtetformation.SQ008.", "fctnmtetformation.SQ009.", "fctnmtetformation.SQ010.", "fctnmtetformation.SQ011.")), stat_fns = ~ alpha_gt, statistic = ~ "{alpha}" ) De manière à faire en sorte que la fonction table_custom_summary comprenne que je souhaite que la fonction s'applique au vecteur complet et non à chaque variable du vecteur, donc dans cet exemple l'objectif c'est d'obtenir un tableau avec une seule ligne avec un seul alpha. J'ai d'autres vecteurs de variables pour mon tableau complet mais ça aurait surchargé l'exemple. Cependant cette logique de création de tableau ne fonctionne pas et la fonction ne comprend pas que mon vecteur EST ma variable, je crois qu'il cherche à appliquer la fonction à chacune des variables donc cela ne fonctionne pas. Auriez-vous une idée de la manière d'écrire le code ou autre afin de régler ce souci. A savoir que ma fonction personnalisée appliquée à mon jeu de données et mon vecteur à l'extérieur du tableau me rend ce que je souhaite. Je ne peux pas fournir le jeu de données pour la reproduction de l'exemple mais j'ai essayé d'être le plus clair possible. Merci d'avance et merci d'avoir lu mon message jusqu'ici ahah. — Reply to this email directly, view it on GitHub <#163 (comment)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/AAHL5I7KSSBKUR2D4IMQPR3XP2PJ5ANCNFSM5I7QS4AQ> . You are receiving this because you commented.Message ID: ***@***.***>

[Matthieutrtr]

Pas de souci ! L'idée ce serait un tableau avec deux colonnes concrètement, (1) Variables (2) Alpha, et autant de lignes que de groupes de variables.
Dans l'exemple que j'ai donné par exemple mon vecteur serait regroupé sous une seule variable nommée "Congruence/Personne environnement" et donc un alpha associé à cette ligne, et de même pour d'autres vecteurs de variable que je n'ai pas évoqué ici, une 10aine de vecteurs au total donc 10 lignes.
Et il ne me semble pas possible ici de regrouper un vecteur de variables dans une seule variable puisque l'indice stat ne sera finalement pas calculable de cette manière.

Bonne soirée à vous.
Cdlt

[larmarange]

Première chose, ce que l’on passe à include dans tbl_custom_summary() est
forcément une variable, usuellement catégorielle, pour laquelle on souhaite
une ligne par modalité. Ce n’est donc pas adapté à passer une liste de colonnes
pour que l’on devra passer manuellement à stat_fns.

Nous allons donc créer une fonction qui générera une fonction utilisable
par stat_fns.

library(tidyverse)
library(psych)
library(gtsummary)

set.seed(42)

d <- sim.item(8) |> 
  as.data.frame()
d$groupe <- sample(c("A", "B"), size = nrow(d), replace = TRUE)

alpha_summary <- function(items) {
  function(data, ...) {
    alpha <- psych::alpha(data[, items])$total$raw_alpha
    
    dplyr::tibble(
      alpha = alpha
    )
  }
}

d |> 
  tbl_custom_summary(
    include = groupe,
    overall_row = TRUE,
    overall_row_label = "Ensemble",
    stat_fns = ~ alpha_summary(c("V1", "V2", "V3")),
    statistic = ~ "{alpha}"
  ) |> 
  as_kable()
#> Number of categories should be increased  in order to count frequencies.
#> Some items ( V3 ) were negatively correlated with the total scale and 
#> probably should be reversed.  
#> To do this, run the function again with the 'check.keys=TRUE' option
#> Number of categories should be increased  in order to count frequencies.
#> Some items ( V3 ) were negatively correlated with the total scale and 
#> probably should be reversed.  
#> To do this, run the function again with the 'check.keys=TRUE' option
#> Number of categories should be increased  in order to count frequencies.
#> Warning: There were 2 warnings in `mutate()`.
#> The first warning was:
#> ℹ In argument: `df_stats = pmap(...)`.
#> Caused by warning in `psych::alpha()`:
#> ! Some items were negatively correlated with the total scale and probably 
#> should be reversed.  
#> To do this, run the function again with the 'check.keys=TRUE' option
#> ℹ Run `dplyr::last_dplyr_warnings()` to see the 1 remaining warning.

Characteristic	N = 500
Ensemble	0.27
groupe
A	0.23
B	0.30

Ceci posé, on peut réaliser plusieurs tableaux séparés (un pour chaque
groupe d’items) puis les fusionner.

items <- list(
  "groupe 1" = c("V1", "V2", "V3"),
  "groupe 2" = c("V4", "V5", "V6"),
  "groupe 3" = c("V8", "V7")
)

items <- tibble(
  nom = names(items),
  items = items
)

items <- items |> 
  mutate(
    tbl_alpha = map2(
      items,
      nom,
      ~ .env$d |> 
        tbl_custom_summary(
          include = NULL,
          overall_row = TRUE,
          overall_row_label = .y,
          stat_fns = ~ alpha_summary(.x),
          statistic = ~ "{alpha}"
        )
    )
  )
#> Number of categories should be increased  in order to count frequencies.
#> Some items ( V3 ) were negatively correlated with the total scale and 
#> probably should be reversed.  
#> To do this, run the function again with the 'check.keys=TRUE' option
#> Number of categories should be increased  in order to count frequencies.
#> Some items ( V4 ) were negatively correlated with the total scale and 
#> probably should be reversed.  
#> To do this, run the function again with the 'check.keys=TRUE' option
#> Number of categories should be increased  in order to count frequencies.
#> Warning: There were 2 warnings in `mutate()`.
#> The first warning was:
#> ℹ In argument: `df_stats = pmap(...)`.
#> Caused by warning:
#> ! There was 1 warning in `mutate()`.
#> ℹ In argument: `df_stats = pmap(...)`.
#> Caused by warning in `psych::alpha()`:
#> ! Some items were negatively correlated with the total scale and probably 
#> should be reversed.  
#> To do this, run the function again with the 'check.keys=TRUE' option
#> ℹ Run `dplyr::last_dplyr_warnings()` to see the 1 remaining warning.

tbl_stack(items$tbl_alpha) |> 
  as_kable()

Characteristic	N = 500
groupe 1	0.27
groupe 2	0.29
groupe 3	0.46

^{Created on 2023-07-26 with reprex v2.0.2}

[Matthieutrtr]

Super, j'ai réussi à m'en sortir avec ce que vous avez fait merci beaucoup !

[QVJD]

Bonjour Mr Larmarange,

J'ai tout essayé, je viens vers vous en dernier recours,

Je voudrais mettre en bold si <0.05 une colonne p.value que j'ai ajoutée à mon tbl_summary via add_stat() mais rien n'y fait.

Je crée d'abord mes fonctions

p_supp_wilc <- function(data, variable, by, ...) {
  wilcox.test(data[[variable]] ~ as.factor(data[[by]]))$p.value
}

p_supp_fish <- function(data, variable, by, ...) {
  fisher.test(data[[variable]] , as.factor(data[[by]]))$p.value
}

J'ajoute ma colonne add_stat à mon tbl:

tbl_mtcars<-mtcars%>%
  tbl_summary(
    by=am,
    digits = list(all_categorical() ~ c(0, 1)) 
  )%>%
  add_p(
    test=list(all_continuous() ~ "t.test",all_categorical() ~ "chisq.test.no.correct"),
        test.args = all_tests("t.test") ~ list(var.equal = TRUE)
  )%>%
    add_stat(fns = list(
    all_continuous() ~ p_supp_wilc,
    all_categorical() ~ p_supp_fish)
           ) %>%
      modify_fmt_fun(
      update = p.value ~ function(x) style_pvalue(x, digits = 3) # note *
  )%>%
  modify_header(
    list(
      add_stat_1 ~ "**wilcoxon/fisher test**"
    )
  )%>%
  bold_p(t = 0.05)

Jusqu'ici tout fonctionne bien, par contre le bold_p ne fonctionne que sur la colonne p.value.

Je copie colle le code source de la fonction bold_p, dans lequel je remplace "p.value" par "add_stat_1"

my_fun_bold<-function (x, t = 0.05, q = FALSE) 
{
    updated_call_list <- c(x$call_list, list(bold_p = match.call()))
    .assert_class(x, "gtsummary")
    if (q == FALSE && !"add_stat_1" %in% names(x$table_body)) {
        stop("There is no p-value column. `x$table_body` must have a column called 'add_stat_1'", 
            call. = FALSE)
    }
    if (q == TRUE && !"q.value" %in% names(x$table_body)) {
        stop("There is no q-value column. `x$table_body` must have a column called 'q.value'", 
            call. = FALSE)
    }
    col_name <- ifelse(q == FALSE, "add_stat_1", "q.value")
    x <- modify_table_styling(x, columns = all_of(col_name), 
        rows = !!expr(!!sym(col_name) <= !!t), text_format = "bold")
    x$call_list <- updated_call_list
    x
}

Puis enfin,

tbl_mtcars%>%
  my_fun_bold(t = 0.05)

Et là j'obtiens une erreur:

Error in .assert_class(x, "gtsummary") : 
  could not find function ".assert_class"

Pouvez-vous m'aider ?
Merci beaucoup,
Bien cordialement

[larmarange]

Réponse rapide depuis mon téléphone, sans avoir pu tester.

La fonction problématique doit être interne a gtsummary et il faut la préfixer avec gtsummary::: (3 fois le symbole :) pour y accéder.

Sinon, la ligne concernée peut a priori être supprimée dans la fonction

[QVJD]

Bonjour,

Les 2 solutions fonctionnent,

Merci beaucoup,
Très bonne journée à vous

[diflag]

Bonjour,

Je vous remercie pour votre contenu qui est tout à fait éclairant. Je souhaiterais utiliser gtsummary afin de faire mes descriptives et mes tests t. J'ai lancé ma première analyse :

data |> 
  filter(EXP1CONT2 %in% 1, time %in% c(1,2))|> 
  tbl_summary(
    by = time,
    statistic = list(
      all_continuous() ~ "{mean} ({sd})"),
    digits = everything() ~ 1,
    missing = "no",
    include = cerqbs
  ) |>
  add_overall(last = TRUE) |> 
  add_p(test = everything() ~ "t.test",
        pvalue_fun = ~style_pvalue(.x, digits = 3))|>
  bold_labels() |> 
  modify_header(label = '**Variables**',
                stat_1 = '**T1**',
                stat_2 = '**T2**',
                stat_0 = '**Overall**',
                p.value = '**p-value**')|>
  modify_caption("**Immediate intervention Group**")

Au préalable j'ai défini ma variable comme numérique.

Mon tableau sort en m'expliquant que j'ai des données manquantes et qu'elles sont exclues. Le problème c'est que je ma p valeur me semblait incorrecte. J'ai donc relancé des analyse de wilcoxon sur R et sur Jamovi, et effectivement la p valeur de mon gtsummary n'est pas bonne. Pouvez-vous m'expliquer comment c'est possible sachant que j'entre exactement la même, variable, le même groupe et que j'effectue le même test ?

Je vous remercie par avance !

[larmarange]

Bonjour, les données, difficiles de vous répondre. Où se trouvent vos données manquantes ? Dans quelles variables ? Quelles sont les commandes exactes que vous utilisez ?

[diflag]

Je vous remets mon script entier.

library(tidyverse)
library(ggpubr)
library(rstatix)
library(datarium)
library(labelled)
library(gtsummary)

data <- read.csv("Base processus pour Jamovi.csv")


####################################### TESTS T + DESCRIPTIVES s################################################

######### Labelled variables 


data$cerqbs <- labelled(data$cerqbs, label = "Self blame")
class(data$cerqbs)
data$cerqbs <- as.numeric(data$cerqbs)


########## Test T + descritpives G1 T1T2

data |> 
  filter(EXP1CONT2 %in% 1, time %in% c(1,2))|> 
  tbl_summary(
    by = time,
    statistic = list(
      all_continuous() ~ "{mean} ({sd})"),
    digits = everything() ~ 1,
    missing = "no",
    include = cerqbs
  ) |>
  add_overall(last = TRUE) |> 
  add_p(
        pvalue_fun = ~style_pvalue(.x, digits = 3))|>
  bold_labels() |> 
  modify_header(label = '**Variables**',
                stat_1 = '**T1**',
                stat_2 = '**T2**',
                stat_0 = '**Overall**',
                p.value = '**p-value**')|>
  modify_caption("**Immediate intervention Group**")

J'ai une base de données avec de nombreuses variables ici j'en utilise une pour le test "cerqbs" qui est une variable issue d'un questionnaire.

EXP1CONT2 correspond aux groupes, j'en ai deux et je ne veux faire l'analyse que sur le groupe 1
time correspond au temps de passation, j'en ai trois et je ne veux faire l'analyse que sur les temps 1 et 2.

Il arrive qu'il y ai des données manquantes pour chaque participants en T2.

[larmarange]

Et en quoi obtenez vous des p-valeurs différentes ?

Par ailleurs, s'agit-il des mêmes personnes à T1 et T2 ? Par défaut, gtsummary considère que les observations sont indépendantes. Or il faudrait faire un test appairé si ce sont les mêmes personnes et que l'on souhaite mesurer une évolution. Cf. https://www.danieldsjoberg.com/gtsummary/reference/tests.html

Par ailleurs, si vous avez des données manquantes à T2 et qu'il s'agit des mêmes individus, vous devriez ne garder dans l'analyse que les individuas observés à la fois à T1 et à T2

[QVJD]

@diflag dans le script de votre premier tableau vous avez noté test = everything() ~ "t.test" , et ensuite vous dites que vous avez lancé des analyses de wilcoxon, c'est normal que vous n'avez pas les mêmes résultats, ce ne sont pas les mêmes tests.

[diflag]

Bonjour,

Effectivement je n'avais juste pas fait les wilcoxon pairés je n'en avais pas connaissance... Je suis désolée de vous avoir questionné pour une si bête erreur.

Et pour mon premier code il était effectivement erroné quand je vous l'ai envoyé car j'avais fait des essais également sur des tests t, mais j'avais bien lancé des Wilcoxon.

Un grand merci pour votre précieuse aide et une très belle journée!

[RaphaelFen]

Bonjour !

Tout d'abord un grand merci pour ce site ressource et toutes ces explications super didactiques qu'on peut y trouver.

Je cherche à calculer les taux de survie nette d'une population pour une maladie donnée, en m'appuyant sur les tables de mortalité de la population française pour référence (survie attendue). Sont-elles présentes dans un package à charger ?
Autre interrogation, comment puis-je représenter graphiquement des courbes de survie nette (la seule cause de décès possible étant alors la maladie étudié) en prenant en compte comme facteurs d'ajustement des variables telles que l'âge et le sexe (donc pas de Kaplan Meier) ?

Merci beaucoup pour vos éclaircissements !

[larmarange]

Bonjour

je ne sais pas si un package propose les tables de mortalités françaises de référence.

Pour les graphiques de courbes de survie, je vous recommande https://www.danieldsjoberg.com/ggsurvfit/

Cdlt

[larmarange]

Tout en bas de https://www.danieldsjoberg.com/ggsurvfit/articles/gallery.html vous avez un exemple avec un modèle de Cox.

Il est donc possible de réaliser des courbes de survie selon une variable tout en ayant ajusté selon d'autres variables

[RaphaelFen]

Merci beaucoup pour votre réponse ! Je vais regarder tout cela.
Bonne journée :)

[debectom]

Bonjour,
lorsque je veux sortir un tableau, un message d'erreur est envoyé :
Erreur dans value[3L] :
Output format 'html' is not supported in commonmark.
Je comprends que le problème ne vient pas directement du package gtsummary, mais ce message ne s'affiche qu'avec celui-ci, auriez-vous des éléments de résolution ?
Cordialement,

[larmarange]

Sans exemple reproductible, difficile de vous répondre.

https://stackoverflow.com/help/minimal-reproducible-example

https://reprex.tidyverse.org/

[Baky-cisse]

Bonjour,
Merci pour tous ces utilitaires sur R. C'est devenu incontournable pour moi dans ma pratique quotidienne du logiciel R.

J'ai besoin d'une aide gtsummary que j'ai pas retrouvé plus haut:
J'ai fais une regression logistique pour estimer la probabilité d'avoir un problème de vision (OUI/NON) pour une augmentation de l'âge (en variable quantitative continue). Il n'y a aucun soucis et j'ai fais mon tableau automatique sans soucis. Pour mieux interpréter et quantifier l'impact de l'âge sur la vision, j'ai fais l'estimation pour une augmentation de 10 ans. Pas de soucis non plus, j'ai juste fait OR^10. Mais je sais pas comment faire cela directement avec tbl_regression() si c'est possible bien sûr. L'aide R ne fais pas cas de cette possibilité.

Merci.

[larmarange]

Bonjour,

le plus simple, en amont du modèle, c'est d'exprimer l'âge en dizaine d'années (age / 10) et d'utiliser cette variable dans le modèle. L'OR correspondra de facto à l'effet pour un écart de 10 ans.

Cdlt

[MouelhiSafouane]

Bonjour !
En utilisant gtsummary, parfois je rencontre des problèmes de formats de texte : les textes dans les cellules sont coupés en deux ; non alignements etc,
Comment contrôle t on le retour en ligne ou non, largeur de colonne, dimension de la police, etc.?

Merci d'avance

[soaab]

Bonjour,

Merci pour ce guide, qui est vraiment très instructif.

J'ai une question concernant la combinaison de deux tableaux à l'aide de tbl_stack() (t1, t2, pour reprendre l’exemple que vous avez utilisé). Comment peut-on ajouter un titre de regroupement (group_header()) uniquement pour l'un des tableaux, par exemple t2 ?

Voici le code que j'ai essayé, mais cela ne semble pas fonctionner :

t1 <- glm(response ~ trt, trial, family = binomial) %>%
tbl_regression(exponentiate = TRUE)

t2 <- glm(response ~ grade + trt + stage + marker, trial, family = binomial) %>%
tbl_regression(exponentiate = TRUE)

tbl_stack(
list(t1, t2),
group_header = c(NULL, "Modèle multivarié")
)

J'ai également testé cette approche, mais une ligne en double apparaît :

tbl_stack(
list(t1, t2),
group_header = c("", "Modèle multivarié")
)

Merci d'avance pour votre réponse.

[larmarange]

En effet, c'est l'un ou l'autre (avec ou sans header).

Sinon, optez pour la deuxième approche, transformer votre tableau en objet gt avec as_gt() puis supprimer la ligne en trop avec les fonctions du package gt. Je ne sais plus laquelle permet cela, il faudrait regarder dans la documentation

[Juleslapeuf]

Bonjour,
J'ai créé un tableau avec tbl_summary, avec mes propres données :

donnees_preparees %>%
select(taux_retour, age_rev_rec, nb_salaries_rec, ca_rec_rec, taille_reco_rec) %>%
tbl_summary(by = taux_retour, percent = "row")

Les variables contiennent chacune plusieurs modalités, qui sont affichées en ligne. J'aimerais pouvoir changer l'ordre de ces modalités, par exemple en affichant d'abord la modalité 61 ans et plus :

age_rev_rec
30 ans et moins 7 (39%) 11 (61%)
31 - 35 ans 8 (35%) 15 (65%)
36 - 40 ans 12 (36%) 21 (64%)
41 - 45 ans 21 (40%) 31 (60%)
45 - 50 ans 15 (35%) 28 (65%)
51 - 55 ans 23 (52%) 21 (48%)
56 - 60 ans 20 (48%) 22 (52%)
61 ans et plus 14 (50%) 14 (50%)
Unknown 7 5

Y a-t-il un moyen de faire cela ?
Merci d'avance

[larmarange]

Pour cela vous devez changer l'ordre des étiquettes du facteur en amont Voir fct_relevel() Cdlt Joseph LARMARANGE https://joseph.larmarange.net Demographer PhD, Research Director at IRD Ceped UMR 196 (Université Paris Cité - IRD) SageSud ERL Inserm 1244 Le mar. 16 avr. 2024, 12:44, Juleslapeuf ***@***.***> a écrit :

…

Bonjour, J'ai créé un tableau avec tbl_summary, avec mes propres données : donnees_preparees %>% select(taux_retour, age_rev_rec, nb_salaries_rec, ca_rec_rec, taille_reco_rec) %>% tbl_summary(by = taux_retour, percent = "row") Les variables contiennent chacune plusieurs modalités, qui sont affichées en ligne. J'aimerais pouvoir changer l'ordre de ces modalités, par exemple en affichant d'abord la modalité 61 ans et plus : age_rev_rec 30 ans et moins 7 (39%) 11 (61%) 31 - 35 ans 8 (35%) 15 (65%) 36 - 40 ans 12 (36%) 21 (64%) 41 - 45 ans 21 (40%) 31 (60%) 45 - 50 ans 15 (35%) 28 (65%) 51 - 55 ans 23 (52%) 21 (48%) 56 - 60 ans 20 (48%) 22 (52%) 61 ans et plus 14 (50%) 14 (50%) Unknown 7 5 Y a-t-il un moyen de faire cela ? Merci d'avance — Reply to this email directly, view it on GitHub <#163 (comment)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/AAHL5IYBP6K7SVHWIKLSGTTY5UFILAVCNFSM5I7QS4A2U5DIOJSWCZC7NNSXTOKENFZWG5LTONUW63SDN5WW2ZLOOQ5TSMJSHEZDENA> . You are receiving this because you commented.Message ID: ***@***.***>

[debectom]

Bonjour,
Merci pour votre travail.
J'aurai besoin d'une option que je n'arrive pas à trouver. Lorsque je réalise des tableaux stats avec tbl_summary(), je fais en sorte d'avoir les différents tests statistiques qui sont séparer en bas de page avec chacun leur numéro. Toutefois le numéro attribué au test en bas de page ne se met pas automatiquement à côté de la p-value pour chaque variable dans le tableau. Auriez-vous svp une solution ? j'espère avoir été clair dans ma demande et vous présente un exemple de code :

SC %>%
tbl_summary(include = c(Num_centre, Age_mere_acct, IMC_mere,
mode_vie_mere_2, mode_vie_mere_autre, niv_etude_mere_2, Categ_socio_pro_mere_2,
Act_prof_grossesse_mere_2, Act_prof_grossesse_mere_autre, Tabac_mere_2, Alcool_mere_2,
Drogue_mere_2, Drogue_mere_precision),
by = Filiere_suivi_2,
type = c(Age_mere_acct, IMC_mere) ~ "continuous2",
statistic = all_continuous2() ~ c("{N_nonmiss}","{min} - {max}", "{mean} ({sd})", "{median} ({p25} - {p75})"),
label = list(Num_centre ~ "Centre de soins", Age_mere_acct ~ "Age à l'accouchement", IMC_mere ~ "IMC",
mode_vie_mere_2 ~ "Mode de vie avec le co-parent", mode_vie_mere_autre ~ "Mode de vie précision",
niv_etude_mere_2 ~ "Niveau de formation", Categ_socio_pro_mere_2 ~ "CSP",
Act_prof_grossesse_mere_2 ~ "Activité professionnelle pendant la grossesse",
Act_prof_grossesse_mere_autre ~ "Activité professionnelle précision",
Tabac_mere_2 ~ "Statut vis-à-vis du tabac",
Alcool_mere_2 ~ "Consommation d'alcool pendant la grossesse",
Drogue_mere_2 ~ "Consommation de drogue pendant la grossesse",
Drogue_mere_precision ~ "Consommation de drogue précision")
) %>%
add_overall(last = TRUE, col_label = "Total, N = {N}") %>% add_stat_label(location = "column") %>%
add_p(pvalue_fun = label_pvalue(accuracy = .0001)) %>%
separate_p_footnotes() %>% bold_labels() %>% italicize_levels() %>%
modify_header(label = "Variables") %>% as_kable_extra()

Merci encore,
Cordialement,

[larmarange]

Bonjour, cela n'est pas possible simplement avec gtsummary.

Cette question est évoquée ici : https://stackoverflow.com/questions/77239075/tbl-summary-and-add-p-pull-the-name-of-the-test-as-it-would-appear-in-fo

Une astuce permettant de le faire est évoquée dans les commentaires.

Il n'y a pas aujourd'hui de fonction du type add_test_label(). Mais vous pouvez soulever la question / la demande de fonctionnalité sur https://github.com/ddsjoberg/gtsummary/issues

Cordialement

[debectom]

J'ai ce qu'il me fallait, merci !

[KeamouT]

Bonjour chère communauté.
Je suis dans le besoin d'aide par rapport à une analyse des données qui me cause vraiment de soucis.
Je dispose des données qui sont numérique (class : "tbl_df" "tbl" "data.frame") : https://docs.google.com/spreadsheets/d/1kwAcKp26RoteVukfezbbv7cbYJgxPN8e7iBYRWHJntY/edit?usp=sharing
Mais quand fait le code pour obtenir une table de résumé des données, le resultat affiche des données manquante qui en realité ne le sont pas

palu<- read.csv("palu2024.csv")
resume_se <- palu %>%
select(SEPI, CAS ) %>% group_by(SEPI)%>%
summarise_if(is.numeric,sum) %>% data.table() #CONVERTIR LE RESULTAT EN DATA TABLE
resume_se
SEP CAS
1 1 NA
2 2 NA
3 3 NA
4 4 38410

Dites moi quelle étape j'ai oublié

[larmarange]

Vous avez probablement des données manquantes et donc sum() renvoie NA. Il faut probablement ajouter un na.rm = TRUE à passer à la fonction sum()

[KeamouT]

Merci beaucoup, c'etait la solution

[pgourdongeo]

Merci beaucoup pour cette présentation, jusque là j'utilisais skimr mais le gtsummary::tbl_summary() semble beaucoup plus puissant et propre pour les notebooks et articles !

Une petite suggestion qui concerne la partie "Exporter un tableau", à destination de celles et ceux qui voudraient faire l'export en tibble, notamment pour obtenir un dictionnaire de variables/modalités en csv.

Lorsque l'on fait un tbl_summary pour un simple tri à plat des variables, plutôt que d'utiliser le seul as_tibble , je suggère de faire ceci pour obtenir un tableau au format long, plus complet et aisément manipulable/modifiables :

tbl <- trial |>
      tbl_summary()

# tibble en format long
df_long <- tbl |>  
     purrr::pluck("table_body")

[larmarange]

Une petite précision. En effet, il est possible d'utiliser purrr::pluck("table_body") pour récupérer les statistiques du tableau. A noter, elles seront déjà mises en forme.

A noter, depuis la version 2.0 de gtsummary, on peut utiliser tbl |> pluck("cards") |> pluck("tbl_summary") pour récupérer un tableau avec toutes les statistiques du tableau, avec une ligne par statistique.

[debectom]

Bonjour
Est il possible d'ajouter une ligne au dessus de chaque titre de variable pour plus de lisibilité ?
Je partage un code :
SC %>%
tbl_summary(include = c(Num_centre, mode_vie_mere_2,
niv_etude_mere_2, Categ_socio_pro_mere_2, Act_prof_grossesse_mere_2,
Tabac_mere_2, Alcool_mere_2, Drogue_mere_2),
by = Filiere_suivi_2,
digits = list(all_continuous() ~ 1, all_categorical() ~ c(0, 1)),
label = list(Num_centre ~ "Centre d'inclusion",
mode_vie_mere_2 ~ "Mode de vie avec le co-parent",
niv_etude_mere_2 ~ "Niveau de formation", Categ_socio_pro_mere_2 ~ "CSP",
Act_prof_grossesse_mere_2 ~ "Activité professionnelle pendant la grossesse",
Tabac_mere_2 ~ "Statut vis-à-vis du tabac",
Alcool_mere_2 ~ "Consommation d'alcool pendant la grossesse",
Drogue_mere_2 ~ "Consommation de drogue pendant la grossesse")
) %>%
add_overall(last = TRUE, col_label = "Total, N = {N}") %>% add_stat_label() %>%
add_p(pvalue_fun = label_pvalue(accuracy = .0001))%>% modify_header(label = "Variables") %>%
separate_p_footnotes() %>% bold_labels() %>% as_flex_table() %>% fontsize(size = 9, part = "all") %>%
line_spacing(space = 1, part = "all") %>% padding(padding=1.1, part="all") %>% align(align="left", part="all")

[larmarange]

à ma connaissance, pas de manière simple

[loicjochault]

Bonjour M Larmarange
Je souhaite utiliser la fonction tbl uv_regression sur un modèle multinomial mais j'ai une erreur
Erreur : objet 'multinom' introuvable
en utilisant
method = multinom, (cf selon https://www.danieldsjoberg.com/gtsummary/reference/tbl_uvregression.html#methods)

En vous remerciant par avance pour votre avis

[loicjochault]

Veuillez m'excuser, je n'avais pas charger le package ! des fois c'est tout simple....