R语言手动绘制NHANSE数据基线表并聊聊NHANSE数据制作亚组交互效应表的问题（P for interaction）

美国国家健康与营养调查（ NHANES, National Health and Nutrition Examination Survey）是一项基于人群的横断面调查，旨在收集有关美国家庭人口健康和营养的信息。
地址为：https://wwwn.cdc.gov/nchs/nhanes/Default.aspx

在既往的文章《Nhanes临床数据库挖掘教程2—基线表绘制(table1)》中，咱们已经介绍了tableone包绘制NHANES数据的基线表，今天咱们来介绍一下如何手动绘制NHANES数据的基线表，手动的好处就是一来可以加深你对操作的理解，二是比较灵活，tableone包输出的格式比较固定，例如你想把人数改成不加权的就需要手工计算，而且可以通过两种方法相互印证。
咱们继续使用文章《Nhanes临床数据库挖掘教程2—基线表绘制(table1)》中的数据为例子，先导入R包和数据

library(survey)
bc<-read.csv("E:/nhanes/nhanes.csv",sep=',',header=TRUE)

我介绍一下数据，SEQN：序列号，RIAGENDR, # 性别， RIDAGEYR, # 年龄，RIDRETH1, # 种族，DMDMARTL, # 婚姻状况，WTINT2YR,WTMEC2YR, # 权重，SDMVPSU, # psu，SDMVSTRA，# strata，LBDGLUSI, #血糖mmol表示，LBDINSI, #胰岛素( pmmol/L)，PHAFSTHR #餐后血糖，LBXGH #糖化血红蛋白，SPXNFEV1, #FEV1：第一秒用力呼气量，SPXNFVC #FVC：用力肺活量，ml（估计肺容量），LBDGLTSI #餐后2小时血糖。
为了做出来后有对比，我按文章《Nhanes临床数据库挖掘教程2—基线表绘制(table1)》中对糖尿病进行了一个分段处理，OCTT小于7.8算是正常患者，7.8—11是糖尿病前期，大于11为糖尿病。

bc$oGTT2<-ifelse(bc$LBDGLTSI<7.8,1,ifelse(bc$LBDGLTSI>=11,3,2))

上面代码的意思是把小于7.8的分类为1，大于11的分类为3，其余分类为2

因为tableone包可以自动把分类变量转成因子，我们这里手动制作的话需要自己把分类变量转成因子

bc[,c("RIAGENDR", "RIDRETH1","DMDMARTL")] <- lapply(bc[,c("RIAGENDR", "RIDRETH1","DMDMARTL")], factor)

转成因子后，下面开始建立抽样调查函数svydesign，ids表示集群的意思，这里填入抽样单元SDMVPSU（PSU），如果没有的话填入1，strata = ~ SDMVSTRA，strata这里是分层的意思，这里填入SDMVSTRA，weights是权重的意思，参照别的大佬的意思，如WTINT2YR,WTMEC2YR,这两个权重就填入WTMEC2YR，data填入你的数据就可以了

bcSvy2<- svydesign(ids = ~ SDMVPSU, strata = ~ SDMVSTRA, weights = ~ WTMEC2YR,nest = TRUE, data = bc)

生成调查函数bcSvy2后咱们就可以进行计算了，这里我们生成一个按照oGTT2分类的基线表，就是不同血糖程度的基线值水平。
主要是使用survey包自带的函数来进行计算，计算连续的和分类的要分开计算，
咱们先来计算连续的主要是使用svyby这个函数来搭配计算，假设咱们想了解不同oGTT2的年龄分布基线

svyby(~RIDAGEYR, ~oGTT2, bcSvy2, svymean)

这样结果就出来了，可以看到和tableone包算出来的一模一样。(下图是tableone包算出来的)

如果想求可信区间，

svyby(~RIDAGEYR, ~ oGTT2, bcSvy2, svymean , vartype="ci")

如果咱们想按分位数来求

svyby(~RIDAGEYR, ~oGTT2, bcSvy2, svyquantile, quantiles=0.5,ci=TRUE,vartype="ci")

如果想求每组为未加权加权的人数

svyby(~RIDAGEYR, ~oGTT2, bcSvy2, unwtd.count, keep.var=FALSE)

接下来咱们看一下分类变量怎么计算，分类变量主要是使用svytable函数来计算，咱们这里以种族（RIDRETH1）为例子
svyby(~RIDRETH1, ~oGTT2, bcSvy2, svytotal,covmat=TRUE)

这里算出来的也和tableone包一模一样， 这样连续和分类变量的都算出来啦。间接印证了咱们使用tableone包计算是正确的，新手还是使用tableone包来计算容易点。

最后聊下近期，近期一直在写一键生成NHANSE数据亚组交互效应表的函数（P for interaction），但是出现一个小问题卡住了，就是就是在函数内部生成svyglm模型的时候，我们需要使用anova函数获取模型的P for interaction的值，但是这个时候R会提示design函数找不到，如下图所示。

这个问题卡了我好几天，实在没办法后面我写了封邮件问survey包的作者thomas教授这个问题怎么解决。thomas教授说这个survey包目前没法解决，他需要从新写anova.svyglm函数，有可能在新版本解决这个问题，但thomas教授给了我解决这个问题的方案。
为什么我要说这个东西，因为这个东西既然目前survey包目前没法解决，那么很多基于survey包anova.svyglm函数来实现算法的函数和R包就是错的。因为design函数只能在全局环境找到，在其他环境找不到。
这里我要提一下jstable包，很多粉丝和我提到了这个包，而且我看见有些博主也推荐了这个包，这个包在分析复查加权数据时就是用了anova.svyglm函数，因此你的数据一旦是多项交互它就会报错。而且这个包的逻辑和咱们平时就算交互效应的时候还是不一样的，咱们平时计算交互效应通常是：y=a+b+a*b
而jstable包的计算逻辑是y= a*b。这样计算出来的东西就完全不一样了。自己做的时候根据需求吧。