变量 X 和测试“fisher.test”的 add_p()' 中的错误，省略了 p 值

Question

当我尝试使用 add_p() 函数获取我的 by 变量（具有 10 个级别）和具有两个级别（是/否）的分类变量之间差异的 p 值时，我收到以下错误。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 个级别的“T 阶段”变量，分类变量将是：（1）具有 2 个级别的“化疗治疗”，以及（2 ）“化疗治疗2”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 个级别）和其他变量（连续/数字）得到了一个 p 值

1. 如何解决此错误？

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 值吗？

   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，这是我遇到此问题时使用的。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 = TRUE 选项运行fisher.test：

## 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的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，所有这些都假设首先使用 Fisher 检验是合适的。

Answer 2

既然它为我解决了这个问题，我想指出，由于gtsummary 的版本1.3.6 在add_p() 中有一个选项，您可以使用它为测试函数指定参数（即test.args） .感谢开发者为此！

来自NEWS:
每个add_p() 方法现在都有test.args = argument。使用此参数传递 统计方法的附加参数，例如

add_p(test = c(age, marker) ~ "t.test",
      test.args = c(age, marker) ~ list(var.equal = TRUE))

add_p() 帮助中也有说明（即?add_p）。

Answer 3

我遇到了类似的问题。您必须在add_p() 中使用test.args 来增加您的工作空间。

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(test.args = variable_with_no_pval ~ list(workspace=2e9))

或

add_p(test.args = all_test("fisher.test") ~ list(workspace=2e9))