图片
每个人的论文内容并不完全一致，对临床特征的统计需求自然也不一致，本文会根据上一篇文章中得到的demo_A/indi_A/outc_A等表格，统计相关临床特征。如果有其他临床特征统计需求，可自行研究。三、程序实现患者性别统计
sex_n <- demo_A %>% #目标药物的demo表格 group_by(sex) %>% #以性别分组 summarise(n = n()) %>% #进行计数统计 arrange(desc(n)) #调整排序方式#需要注意，以上程序可以用count函数代替write_csv(sex_n, "sex_n.csv")#输出
患者年龄组统计
age_n <- demo_A %>% mutate(age_groups = case_when( age_year < 18 ~ "< 18", #18岁以下年龄组 age_year >= 18 & age_year < 45 ~ " ≥ 18,＜ 45", #18~45岁年龄组 age_year >= 45 & age_year < 65 ~ " ≥ 45,＜ 65", #45~65岁年龄组 age_year >= 65 & age_year < 75 ~ " ≥ 65,＜ 75", #65~75岁年龄组 age_year >= 75 ~ " ≥ 75", #75岁以上年龄组 .default = as.character(age_year) )) %>% group_by(age_groups) %>% summarise(n = n()) %>% arrange(desc(n))#年龄组可根据需求任意划分write_csv(age_n, "age_n.csv")
年龄均值和SD的计算
age_mean <- mean(demo_A$age_year, na.rm = TRUE)age_sd <- sd(demo_A$age_year, na.rm = TRUE)summary(demo_A$age_year)
上报年份统计
fda_dt_n <- demo_A %>% mutate(fda_dt_sub = str_sub(.$fda_dt, 1, 4)) %>% #取fda_dt第1位到第4位，即年份 group_by(fda_dt_sub) %>% summarise(n = n())write_csv(fda_dt_n, "fda_dt_n.csv")
出现国家统计
occr_country_n <- demo_A %>% group_by(occr_country) %>% summarise(n = n()) %>% arrange(desc(n))write_csv(occr_country_n, "occr_country_n.csv")
上报国家统计
reporter_country_n <- demo_A %>% group_by(reporter_country) %>% summarise(n = n()) %>% arrange(desc(n))write_csv(reporter_country_n, "reporter_country_n.csv")
适应症统计
indi_pt_n <- indi_A %>% group_by(indi_pt) %>% summarise(n = n()) %>% arrange(desc(n))write_csv(indi_pt_n, "indi_pt_n.csv")
结局统计
outc_cod_n <- outc_A %>% group_by(outc_cod) %>% summarise(n = n()) %>% arrange(desc(n))write_csv(outc_cod_n, "outc_cod_n.csv")
上报人代码统计
occp_cod_n <- demo_A %>% group_by(occp_cod) %>% summarise(n = n()) %>% arrange(desc(n))write_csv(occp_cod_n, "occp_cod_n.csv")四、小结统计程序采用了group_by和summarise函数结合的方式，可以用count函数替代。本篇文章只是展示了部分临床特征统计，如果有其他需求，可以自行研究，和上述方法类似。后面的文章会对涉及四格表的相关数据进行统计分析。 本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。
天创网提示：文章来自网络，不代表本站观点。
