연속형 및 범주형 데이터 요약

Author

Mike K Smith

Published

February 13, 2023

이 프로젝트에서는 다음과 같은 인구통계 요약표(Demography Summary Table) 생성을 목표로 합니다.

인구통계 표

구조를 모방하여 R 코딩에 익숙해지고, 성별 및 치료군별 빈도와 백분율을 계산해 보겠습니다.

목표

  • ADSL SAS (xpt) 데이터셋 읽기
  • 유효성 분석 대상군(Efficacy Population) 서브셋 추출
  • 그룹별 빈도(n) 산출 및 총 N 대비 백분율 계산
  • 표 작성을 위한 데이터 전치(Transpose)

이 문서 사용법

이 문서에는 코드 청크와 설명 텍스트가 포함되어 있습니다. 지침에 따라 코드 청크를 수정하고 실행하며 출력을 확인해 보세요.

데이터 소스

이 프로젝트에서는 익명화된 CDISC 데이터셋을 사용합니다: https://github.com/phuse-org/phuse-scripts/tree/master/data/adam/cdisc

R 객체와 함수

R에서는 다양한 유형의 객체를 사용하며 함수를 적용합니다. 기본 구조는 <함수_이름>(<인수1>=값, <인수2>=값)입니다. RStudio IDE의 탭 완성 기능을 활용하면 인수를 쉽게 입력할 수 있습니다.

미니 프로젝트 시작

  1. 먼저 필요한 패키지인 tidyverse와 rio를 로드합니다.
library(tidyverse)
Warning: package 'ggplot2' was built under R version 4.4.3
Warning: package 'tibble' was built under R version 4.4.3
Warning: package 'purrr' was built under R version 4.4.2
Warning: package 'lubridate' was built under R version 4.4.2
── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr     1.1.4     ✔ readr     2.1.5
✔ forcats   1.0.0     ✔ stringr   1.5.1
✔ ggplot2   3.5.2     ✔ tibble    3.3.0
✔ lubridate 1.9.4     ✔ tidyr     1.3.1
✔ purrr     1.0.4     
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag()    masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
library(rio)
  1. 데이터를 읽어와 adsl 객체에 저장합니다. rio 패키지의 import() 함수를 사용합니다.
adsl <- import(file = "./data/adsl.xpt")
head(adsl)
       STUDYID     USUBJID SUBJID SITEID SITEGR1                  ARM
1 CDISCPILOT01 01-701-1015   1015    701     701              Placebo
2 CDISCPILOT01 01-701-1023   1023    701     701              Placebo
3 CDISCPILOT01 01-701-1028   1028    701     701 Xanomeline High Dose
4 CDISCPILOT01 01-701-1033   1033    701     701  Xanomeline Low Dose
5 CDISCPILOT01 01-701-1034   1034    701     701 Xanomeline High Dose
6 CDISCPILOT01 01-701-1047   1047    701     701              Placebo
                TRT01P TRT01PN               TRT01A TRT01AN     TRTSDT
1              Placebo       0              Placebo       0 2014-01-02
2              Placebo       0              Placebo       0 2012-08-05
3 Xanomeline High Dose      81 Xanomeline High Dose      81 2013-07-19
4  Xanomeline Low Dose      54  Xanomeline Low Dose      54 2014-03-18
5 Xanomeline High Dose      81 Xanomeline High Dose      81 2014-07-01
6              Placebo       0              Placebo       0 2013-02-12
      TRTEDT TRTDUR AVGDD CUMDOSE AGE AGEGR1 AGEGR1N  AGEU  RACE RACEN SEX
1 2014-07-02    182   0.0       0  63    <65       1 YEARS WHITE     1   F
2 2012-09-01     28   0.0       0  64    <65       1 YEARS WHITE     1   M
3 2014-01-14    180  77.7   13986  71  65-80       2 YEARS WHITE     1   M
4 2014-03-31     14  54.0     756  74  65-80       2 YEARS WHITE     1   M
5 2014-12-30    183  76.9   14067  77  65-80       2 YEARS WHITE     1   F
6 2013-03-09     26   0.0       0  85    >80       3 YEARS WHITE     1   F
                  ETHNIC SAFFL ITTFL EFFFL COMP8FL COMP16FL COMP24FL DISCONFL
1     HISPANIC OR LATINO     Y     Y     Y       Y        Y        Y         
2     HISPANIC OR LATINO     Y     Y     Y       N        N        N        Y
3 NOT HISPANIC OR LATINO     Y     Y     Y       Y        Y        Y         
4 NOT HISPANIC OR LATINO     Y     Y     Y       N        N        N        Y
5 NOT HISPANIC OR LATINO     Y     Y     Y       Y        Y        Y         
6 NOT HISPANIC OR LATINO     Y     Y     Y       N        N        N        Y
  DSRAEFL DTHFL BMIBL BMIBLGR1 HEIGHTBL WEIGHTBL EDUCLVL   DISONSDT DURDIS
1                25.1   25-<30    147.3     54.4      16 2010-04-30   43.9
2       Y        30.4     >=30    162.6     80.3      14 2006-03-11   76.4
3                31.4     >=30    177.8     99.3      16 2009-12-16   42.8
4                28.8   25-<30    175.3     88.5      12 2009-08-02   55.3
5                26.1   25-<30    154.9     62.6       9 2011-09-29   32.9
6       Y        30.4     >=30    148.6     67.1       8 2009-07-26   42.0
  DURDSGR1   VISIT1DT    RFSTDTC    RFENDTC VISNUMEN     RFENDT
1     >=12 2013-12-26 2014-01-02 2014-07-02       12 2014-07-02
2     >=12 2012-07-22 2012-08-05 2012-09-02        5 2012-09-02
3     >=12 2013-07-11 2013-07-19 2014-01-14       12 2014-01-14
4     >=12 2014-03-10 2014-03-18 2014-04-14        5 2014-04-14
5     >=12 2014-06-24 2014-07-01 2014-12-30       12 2014-12-30
6     >=12 2013-01-22 2013-02-12 2013-03-29        6 2013-03-29
                      DCDECOD         DCREASCD MMSETOT
1                   COMPLETED        Completed      23
2               ADVERSE EVENT    Adverse Event      23
3                   COMPLETED        Completed      23
4 STUDY TERMINATED BY SPONSOR Sponsor Decision      23
5                   COMPLETED        Completed      21
6               ADVERSE EVENT    Adverse Event      23

유효성 분석 대상군 추출을 위해 EFFFL 변수가 “Y”인 데이터만 필터링합니다.

간단 퀴즈: 다음 중 변수 EFFFL의 값이 “Y”인 데이터를 필터링하는 올바른 옵션은 무엇입니까?

  • filter(.data = adsl, EFFFL = Y)
  • filter(.data = adsl, EFFFL == "Y")
  • filter(.data = adsl, "EFFFL" == "Y")
  • filter(.data = adsl, EFFFL = "y")

정답을 아래 코드 청크에 적용해 보세요.

adsl_eff <- adsl %>%
  filter(EFFFL == "Y")
head(adsl_eff)
       STUDYID     USUBJID SUBJID SITEID SITEGR1                  ARM
1 CDISCPILOT01 01-701-1015   1015    701     701              Placebo
2 CDISCPILOT01 01-701-1023   1023    701     701              Placebo
3 CDISCPILOT01 01-701-1028   1028    701     701 Xanomeline High Dose
4 CDISCPILOT01 01-701-1033   1033    701     701  Xanomeline Low Dose
5 CDISCPILOT01 01-701-1034   1034    701     701 Xanomeline High Dose
6 CDISCPILOT01 01-701-1047   1047    701     701              Placebo
                TRT01P TRT01PN               TRT01A TRT01AN     TRTSDT
1              Placebo       0              Placebo       0 2014-01-02
2              Placebo       0              Placebo       0 2012-08-05
3 Xanomeline High Dose      81 Xanomeline High Dose      81 2013-07-19
4  Xanomeline Low Dose      54  Xanomeline Low Dose      54 2014-03-18
5 Xanomeline High Dose      81 Xanomeline High Dose      81 2014-07-01
6              Placebo       0              Placebo       0 2013-02-12
      TRTEDT TRTDUR AVGDD CUMDOSE AGE AGEGR1 AGEGR1N  AGEU  RACE RACEN SEX
1 2014-07-02    182   0.0       0  63    <65       1 YEARS WHITE     1   F
2 2012-09-01     28   0.0       0  64    <65       1 YEARS WHITE     1   M
3 2014-01-14    180  77.7   13986  71  65-80       2 YEARS WHITE     1   M
4 2014-03-31     14  54.0     756  74  65-80       2 YEARS WHITE     1   M
5 2014-12-30    183  76.9   14067  77  65-80       2 YEARS WHITE     1   F
6 2013-03-09     26   0.0       0  85    >80       3 YEARS WHITE     1   F
                  ETHNIC SAFFL ITTFL EFFFL COMP8FL COMP16FL COMP24FL DISCONFL
1     HISPANIC OR LATINO     Y     Y     Y       Y        Y        Y         
2     HISPANIC OR LATINO     Y     Y     Y       N        N        N        Y
3 NOT HISPANIC OR LATINO     Y     Y     Y       Y        Y        Y         
4 NOT HISPANIC OR LATINO     Y     Y     Y       N        N        N        Y
5 NOT HISPANIC OR LATINO     Y     Y     Y       Y        Y        Y         
6 NOT HISPANIC OR LATINO     Y     Y     Y       N        N        N        Y
  DSRAEFL DTHFL BMIBL BMIBLGR1 HEIGHTBL WEIGHTBL EDUCLVL   DISONSDT DURDIS
1                25.1   25-<30    147.3     54.4      16 2010-04-30   43.9
2       Y        30.4     >=30    162.6     80.3      14 2006-03-11   76.4
3                31.4     >=30    177.8     99.3      16 2009-12-16   42.8
4                28.8   25-<30    175.3     88.5      12 2009-08-02   55.3
5                26.1   25-<30    154.9     62.6       9 2011-09-29   32.9
6       Y        30.4     >=30    148.6     67.1       8 2009-07-26   42.0
  DURDSGR1   VISIT1DT    RFSTDTC    RFENDTC VISNUMEN     RFENDT
1     >=12 2013-12-26 2014-01-02 2014-07-02       12 2014-07-02
2     >=12 2012-07-22 2012-08-05 2012-09-02        5 2012-09-02
3     >=12 2013-07-11 2013-07-19 2014-01-14       12 2014-01-14
4     >=12 2014-03-10 2014-03-18 2014-04-14        5 2014-04-14
5     >=12 2014-06-24 2014-07-01 2014-12-30       12 2014-12-30
6     >=12 2013-01-22 2013-02-12 2013-03-29        6 2013-03-29
                      DCDECOD         DCREASCD MMSETOT
1                   COMPLETED        Completed      23
2               ADVERSE EVENT    Adverse Event      23
3                   COMPLETED        Completed      23
4 STUDY TERMINATED BY SPONSOR Sponsor Decision      23
5                   COMPLETED        Completed      21
6               ADVERSE EVENT    Adverse Event      23

팁: 대소문자가 확실하지 않을 때는 casefold(EFFFL, upper=TRUE) == "Y"와 같이 처리하는 것이 안전합니다.

  1. 주변 합계(Marginal Totals, N) 산출 - 각 치료군별 대상자 수 계산.

백분율 계산의 분모가 될 큰 N을 산출합니다. group_by()와 count()를 사용합니다.

SAS 사용자를 위한 팁: group_by()는 SAS의 BY 문과 유사하게 작동합니다. 이후의 모든 작업은 그룹별로 수행됩니다.

adsl_eff %>%
  group_by(TRT01A) %>%
  count(name = "N")
# A tibble: 3 × 2
# Groups:   TRT01A [3]
  TRT01A                   N
  <chr>                <int>
1 Placebo                 79
2 Xanomeline High Dose    74
3 Xanomeline Low Dose     81

정렬을 위해 TRT01AN(숫자)과 TRT01A(레이블)를 함께 그룹화하는 것이 유용합니다.

Big_N_cnt <- adsl_eff %>%
  group_by(TRT01AN, TRT01A) %>%
  count(name = "N")
head(Big_N_cnt)
# A tibble: 3 × 3
# Groups:   TRT01AN, TRT01A [3]
  TRT01AN TRT01A                   N
    <dbl> <chr>                <int>
1       0 Placebo                 79
2      54 Xanomeline Low Dose     81
3      81 Xanomeline High Dose    74
  1. 치료군 내 성별(SEX) 빈도(small n) 산출.

그룹화 변수에 SEX를 추가합니다.

small_n_cnt <- adsl_eff %>%
  group_by(TRT01AN, TRT01A, SEX) %>%
  count(name = "n")
head(small_n_cnt)
# A tibble: 6 × 4
# Groups:   TRT01AN, TRT01A, SEX [6]
  TRT01AN TRT01A               SEX       n
    <dbl> <chr>                <chr> <int>
1       0 Placebo              F        46
2       0 Placebo              M        33
3      54 Xanomeline Low Dose  F        47
4      54 Xanomeline Low Dose  M        34
5      81 Xanomeline High Dose F        35
6      81 Xanomeline High Dose M        39
  1. 백분율 계산을 위한 데이터 병합.

left_join()을 사용하여 빈도 데이터(small_n_cnt)와 합계 데이터(Big_N_cnt)를 결합합니다. SQL의 JOIN과 유사합니다.

adsl_mrg_cnt <- small_n_cnt %>%
  left_join(Big_N_cnt, by = c("TRT01A", "TRT01AN"))
head(adsl_mrg_cnt)
# A tibble: 6 × 5
# Groups:   TRT01AN, TRT01A, SEX [6]
  TRT01AN TRT01A               SEX       n     N
    <dbl> <chr>                <chr> <int> <int>
1       0 Placebo              F        46    79
2       0 Placebo              M        33    79
3      54 Xanomeline Low Dose  F        47    81
4      54 Xanomeline Low Dose  M        34    81
5      81 Xanomeline High Dose F        35    74
6      81 Xanomeline High Dose M        39    74
  1. 백분율 산출.

mutate() 함수로 새로운 열 perc를 만듭니다.

adsl_mrg_cnt %>%
  mutate(perc = (n/N)*100)
# A tibble: 6 × 6
# Groups:   TRT01AN, TRT01A, SEX [6]
  TRT01AN TRT01A               SEX       n     N  perc
    <dbl> <chr>                <chr> <int> <int> <dbl>
1       0 Placebo              F        46    79  58.2
2       0 Placebo              M        33    79  41.8
3      54 Xanomeline Low Dose  F        47    81  58.0
4      54 Xanomeline Low Dose  M        34    81  42.0
5      81 Xanomeline High Dose F        35    74  47.3
6      81 Xanomeline High Dose M        39    74  52.7
  1. 소수점 반올림.

round() 함수를 사용합니다.

주의: R의 round()는 ‘Round to Even’ 방식을 따르므로 SAS와 결과가 다를 수 있습니다. 정밀한 비교가 필요한 경우 주의하세요.

adsl_mrg_cnt %>%
  mutate(perc = round((n/N)*100, digits=1))
# A tibble: 6 × 6
# Groups:   TRT01AN, TRT01A, SEX [6]
  TRT01AN TRT01A               SEX       n     N  perc
    <dbl> <chr>                <chr> <int> <int> <dbl>
1       0 Placebo              F        46    79  58.2
2       0 Placebo              M        33    79  41.8
3      54 Xanomeline Low Dose  F        47    81  58  
4      54 Xanomeline Low Dose  M        34    81  42  
5      81 Xanomeline High Dose F        35    74  47.3
6      81 Xanomeline High Dose M        39    74  52.7
  1. 수치 데이터 서식 지정.

표에 표시할 때 “20.0”과 같이 일관된 소수점 자릿수를 보여주기 위해 format(nsmall=1)을 사용합니다. 수치 데이터가 문자(character) 타입으로 변환됩니다.

adsl_mrg_cnt %>%
  mutate(perc = round((n/N)*100, digits=1)) %>%
  mutate(perc_char = format(perc, nsmall=1))
# A tibble: 6 × 7
# Groups:   TRT01AN, TRT01A, SEX [6]
  TRT01AN TRT01A               SEX       n     N  perc perc_char
    <dbl> <chr>                <chr> <int> <int> <dbl> <chr>    
1       0 Placebo              F        46    79  58.2 58.2     
2       0 Placebo              M        33    79  41.8 41.8     
3      54 Xanomeline Low Dose  F        47    81  58   58.0     
4      54 Xanomeline Low Dose  M        34    81  42   42.0     
5      81 Xanomeline High Dose F        35    74  47.3 47.3     
6      81 Xanomeline High Dose M        39    74  52.7 52.7
  1. 빈도와 백분율 합치기.

paste() 또는 paste0()를 사용하여 “n (perc%)” 형식을 만듭니다.

adsl_mrg_cnt %>%
  mutate(perc = round((n/N)*100, digits=1)) %>%
  mutate(perc_char = format(perc, nsmall=1)) %>%
  mutate(npct = paste(n, paste0("(", perc_char, ")")))
# A tibble: 6 × 8
# Groups:   TRT01AN, TRT01A, SEX [6]
  TRT01AN TRT01A               SEX       n     N  perc perc_char npct     
    <dbl> <chr>                <chr> <int> <int> <dbl> <chr>     <chr>    
1       0 Placebo              F        46    79  58.2 58.2      46 (58.2)
2       0 Placebo              M        33    79  41.8 41.8      33 (41.8)
3      54 Xanomeline Low Dose  F        47    81  58   58.0      47 (58.0)
4      54 Xanomeline Low Dose  M        34    81  42   42.0      34 (42.0)
5      81 Xanomeline High Dose F        35    74  47.3 47.3      35 (47.3)
6      81 Xanomeline High Dose M        39    74  52.7 52.7      39 (52.7)
  1. 성별 레이블 재코딩.

“M”, “F”를 “Male”, “Female”로 변경합니다. recode() 함수를 활용합니다.

adsl_mrg_cnt %>%
  mutate(perc = round((n/N)*100, digits=1)) %>%
  mutate(perc_char = format(perc, nsmall=1)) %>%
  mutate(npct = paste(n, paste0("(", perc_char, ")"))) %>%
  mutate(SEX = recode(SEX, "M" = "Male", "F" = "Female"))
# A tibble: 6 × 8
# Groups:   TRT01AN, TRT01A, SEX [6]
  TRT01AN TRT01A               SEX        n     N  perc perc_char npct     
    <dbl> <chr>                <chr>  <int> <int> <dbl> <chr>     <chr>    
1       0 Placebo              Female    46    79  58.2 58.2      46 (58.2)
2       0 Placebo              Male      33    79  41.8 41.8      33 (41.8)
3      54 Xanomeline Low Dose  Female    47    81  58   58.0      47 (58.0)
4      54 Xanomeline Low Dose  Male      34    81  42   42.0      34 (42.0)
5      81 Xanomeline High Dose Female    35    74  47.3 47.3      35 (47.3)
6      81 Xanomeline High Dose Male      39    74  52.7 52.7      39 (52.7)
  1. 그룹 해제.

이후 작업에 영향을 주지 않도록 ungroup()을 수행합니다.

adsl_mrg_cnt %>%
  ungroup()
# A tibble: 6 × 5
  TRT01AN TRT01A               SEX       n     N
    <dbl> <chr>                <chr> <int> <int>
1       0 Placebo              F        46    79
2       0 Placebo              M        33    79
3      54 Xanomeline Low Dose  F        47    81
4      54 Xanomeline Low Dose  M        34    81
5      81 Xanomeline High Dose F        35    74
6      81 Xanomeline High Dose M        39    74
  1. 파이프를 이용한 워크플로 통합.

위의 모든 과정을 하나의 파이프라인으로 연결합니다.

adsl_mrg_cnt <- small_n_cnt %>%
  left_join(Big_N_cnt, by = c("TRT01A", "TRT01AN")) %>%
  mutate(perc = round(n/N*100, digits=1)) %>%
  mutate(perc_char = format(perc, nsmall=1)) %>%
  mutate(npct = paste(n, paste0("(", perc_char, ")"))) %>%
  mutate(SEX = recode(SEX, "M" = "Male", "F" = "Female")) %>%
  ungroup() %>%
  select(TRT01A, SEX, npct)

head(adsl_mrg_cnt)
# A tibble: 6 × 3
  TRT01A               SEX    npct     
  <chr>                <chr>  <chr>    
1 Placebo              Female 46 (58.2)
2 Placebo              Male   33 (41.8)
3 Xanomeline Low Dose  Female 47 (58.0)
4 Xanomeline Low Dose  Male   34 (42.0)
5 Xanomeline High Dose Female 35 (47.3)
6 Xanomeline High Dose Male   39 (52.7)
  1. 데이터 전치 (Wide Format).

표 형식에 맞게 pivot_wider()를 사용하여 데이터를 펼칩니다.

adsl_mrg_cnt %>%
  pivot_wider(names_from = TRT01A, values_from = npct)
# A tibble: 2 × 4
  SEX    Placebo   `Xanomeline Low Dose` `Xanomeline High Dose`
  <chr>  <chr>     <chr>                 <chr>                 
1 Female 46 (58.2) 47 (58.0)             35 (47.3)             
2 Male   33 (41.8) 34 (42.0)             39 (52.7)

챌린지 1: 연령 그룹(AGEGRP) 추가

위 단계를 반복하되, 그룹화 변수에 AGEGR1을 추가하여 분석해 보세요.

챌린지 2: 이상반응 데이터(adae.xpt) 활용

adae.xpt 데이터를 읽어와 안전성 분석 대상군(SAFFL)에 대한 신체기관별 이상반응(AEBODSYS) 빈도와 백분율을 산출해 보세요.