r - add_p 中的错误()' for variable X and test ' fisher.test'，省略了 p 值

Question

当我尝试使用 add_p() 函数获取我的变量(具有 10 个水平)和具有两个水平的分类变量(是/否)之间差异的 p 值时，出现以下错误。我不确定如何提供可重现的示例。根据试验数据，我想我的by变量将是具有 10 个水平的“T 阶段”变量，而分类变量将是:(1)“化疗治疗”具有 2 个水平，以及 (2 ) “Chemotherapy Treatment2”有 4 个级别。但这是我运行的代码。

library(gtsummary)
library(tidyverse)
miro_def %>% 
  select(mheim, age_dx, time_t1d_yrs, gender, collard, fhist_pandz) %>% 
  tbl_summary(by = mheim, missing = "no",
              type = list(c(gender, collard, fhist_pandz, mheim) ~ "categorical"),
              label = list(gender ~ "Gender", 
                           fhist_pandz ~ "Family history of PD", 
                           age_dx ~ "Age at diagnosis", 
                           time_t1d_yrs ~ "Follow-up(years)")) %>% 
  add_p() %>% 
  # style the output with custom header 
  #modify_header(stat_by = "{level}") %>% 
  # convert to kableExtra as_kable_extra(booktabs = TRUE) %>% 
  # reduce font size to make table fit. # you may also use the `latex_options = "scale_down"` argument here. 
  kable_styling(font_size = 7, latex_options = "scale_down")

但是，我确实通过变量(10 个水平)和其他变量(连续/数字)得到了这个 p 值

1. 如何修复此错误？

2. 如果我有提到的多级变量和多级(>2 级)分类变量，我应该做些什么来获得 p 值？

   变量“gender”和测试“fisher.test”的“add_p()”中存在错误，省略了 p 值:stats::fisher.test(data[[variable]], as.factor(data[[by]]) 中的错误:FEXACT 错误 7(位置)。 LDSTP=18540 对于这个问题来说太小了，(pastp=51.2364, ipn_0:=ipoin[itp=150]=215, stp[ipn_0]=40.6787)。增加工作空间或考虑使用“simulate.p.value=TRUE”变量“collard”和测试“fisher.test”的“add_p()”中存在错误，省略了 p 值:stats::fisher.test(data[[variable]], as.factor(data[[by]]) 中的错误:FEXACT 错误 7(位置)。 LDSTP=18570 对于这个问题来说太小了，(pastp=37.0199, ipn_0:=ipoin[itp=211]=823, stp[ipn_0]=23.0304)。增加工作空间或考虑使用“simulate.p.value=TRUE”变量“fhist_pandz”和测试“fisher.test”的“add_p()”中存在错误，省略了 p 值:stats::fisher.test(data[[variable]], as.factor(data[[by]]) 中的错误:FEXACT 错误 7(位置)。 LDSTP=18570 对于这个问题来说太小了，(pastp=36.4614, ipn_0:=ipoin[itp=58]=1, stp[ipn_0]=31.8106)。增加工作空间或考虑使用“simulate.p.value=TRUE”

Answer 1

由于没有人发布答案，以下是我遇到此问题时使用的内容。按照帮助文件 ?gtsummary::add_p.tbl_summary 中给出的示例，我编写了一个自定义函数，该函数使用 simulate.p.values 运行 fisher.test = TRUE 选项:

## define custom test
fisher.test.simulate.p.values <- function(data, variable, by, ...) {
  result <- list()
  test_results <- stats::fisher.test(data[[variable]], data[[by]], simulate.p.value = TRUE)
  result$p <- test_results$p.value
  result$test <- test_results$method
  result
}

## add p-values to your gtsummary table, using custom test defined above
summary_table %>%
add_p(
  test = list(all_categorical() ~ "fisher.test.simulate.p.values")  # this applies the custom test to all categorical variables
) 

您还可以通过将默认 B = 2000 参数更改为上面的 fisher.test() 来修改计算模拟 p 值的迭代次数。

当然，所有这些都假定首先使用 Fisher 检验是合适的。