R 中的多重卡方检验

Question

假设我有以下数据：

身份证。	药物1.	药物2。	药物3.	药物4.
1.	1.	0.	0.	0.
2.	0.	0.	0.	1.
3.	0.	1.	0.	0.
4.	0.	0.	1.	0.
5.	1.	0.	0.	0.

其中 ID 是给每个患者的编号，每个药物变量都是一个二元变量，其中 1 表示患者对该药物有某种病症，0 表示他/她没有。

为了比较药物之间的病情发生率比例，我想进行卡方检验，例如：药物1与药物2、药物1与药物3、药物1与药物4、药物2与药物3、药物2与药物4等

如何在 R 中用一行代码完成此操作？ 顺便问一下，是否有必要对多重比较进行校正（例如，Bonferroni）？

Answer 1

下面是使用 {dplyr} 的 tidyverse 方法。 我首先生成一些数据来运行实际测试并获得有意义的结果。 然后我们可以使用

colnames

的

mydat

和

combn

来获得所有药物对。然后我们可以使用

rowwise

和

mutate

并将

chisq.test()

应用于每一行。这里我们使用

V1

和

V2

中的字符串来对

mydat

中的变量进行子集化。由于我们处于

data.frame

中，如果它是非原子向量，我们必须将结果包装在

list

中。我们可以将

chisq_test

与

$p.value

进行子集化以获得 p 值。

library(dplyr) 
set.seed(123)

mydat <- tibble(ID = 1:1000,
                Drug1 = round(rnorm(1000, 0.8, sd = 0.5)),
                Drug2 = round(rnorm(1000, 0.6, sd = 0.5), 0),
                Drug3 = round(rnorm(1000, 0.5, sd = 0.5), 0),
                Drug4 = round(rnorm(1000, 0.3, sd = 0.3), 0)
                ) %>% 
  mutate(across(starts_with("Drug"), ~ case_when(.x >0 ~ 0,
                                                 .x <1 ~ 1,
                                                 TRUE ~ .x))
  )

mydat %>% 
  select(-ID) %>% 
  colnames() %>% 
  combn(2) %>% 
  t() %>% 
  as_tibble() %>% 
  rowwise %>% 
  mutate(chisq_test = list(
    table(mydat[[V1]], mydat[[V2]]) %>% chisq.test()
    ),
    chisq_pval = chisq_test$p.value
    )

#> Using compatibility `.name_repair`.
#> # A tibble: 6 x 4
#> # Rowwise: 
#>   V1    V2    chisq_test chisq_pval
#>   <chr> <chr> <list>          <dbl>
#> 1 Drug1 Drug2 <htest>       0.00694
#> 2 Drug1 Drug3 <htest>       0.298  
#> 3 Drug1 Drug4 <htest>       0.926  
#> 4 Drug2 Drug3 <htest>       0.998  
#> 5 Drug2 Drug4 <htest>       0.574  
#> 6 Drug3 Drug4 <htest>       0.895

^{由 reprex 包于 2022 年 4 月 4 日创建（v2.0.1）}

---

下面是我的旧答案，它比较了每种药物中

0

和

1

的分布，这不是OP所要求的，正如@KU99在评论中正确指出的那样。

library(tibble) # for reading in your data

mydat <-
  tribble(~ID, ~Drug1,  ~Drug2, ~Drug3,  ~Drug4,
           1, 1,      0,      0,      0,  
           2, 0,      0,      0,      1,  
           3, 0,      1,      0,      0,  
           4, 0,      0,      1,      0,  
           5, 1,      0,      0,      0
  )

lapply(mydat[, -1], function(x) chisq.test(table(x)))

#> $Drug1
#> 
#>  Chi-squared test for given probabilities
#> 
#> data:  table(x)
#> X-squared = 0.2, df = 1, p-value = 0.6547
#> 
#> 
#> $Drug2
#> 
#>  Chi-squared test for given probabilities
#> 
#> data:  table(x)
#> X-squared = 1.8, df = 1, p-value = 0.1797
#> 
#> 
#> $Drug3
#> 
#>  Chi-squared test for given probabilities
#> 
#> data:  table(x)
#> X-squared = 1.8, df = 1, p-value = 0.1797
#> 
#> 
#> $Drug4
#> 
#>  Chi-squared test for given probabilities
#> 
#> data:  table(x)
#> X-squared = 1.8, df = 1, p-value = 0.1797

^{由 reprex 包于 2022 年 3 月 29 日创建（v0.3.0）}

Answer 2

您需要使用某种 p 值调整方法进行成对卡方检验。所需的 R 函数可从包 rmngb、RVAideMemoire 中获得。