赢翻网配资使用R语言对FAERS数据库进行单药ADE挖掘——②统计目标药物ADE报告的临床特征

一、本篇目的本篇文章主要统计目标药物ADE报告的临床特征；后面的文章再对涉及四格表的数据进行统计分析。二、临床特征有哪些？下面这张图片是我在一篇论文中截取的ADE报告临床特征的表格，基本包含了常见的临床特征信息。

图片

每个人的论文内容并不完全一致，对临床特征的统计需求自然也不一致，本文会根据上一篇文章中得到的demo_A/indi_A/outc_A等表格，统计相关临床特征。如果有其他临床特征统计需求，可自行研究。三、程序实现

患者性别统计

sex_n <- demo_A %>%          #目标药物的demo表格  group_by(sex) %>%          #以性别分组  summarise(n = n()) %>%     #进行计数统计  arrange(desc(n))           #调整排序方式#需要注意，以上程序可以用count函数代替write_csv(sex_n, "sex_n.csv")#输出

患者年龄组统计赢翻网配资

age_n <- demo_A %>%     mutate(age_groups = case_when(    age_year < 18 ~ "< 18",                         #18岁以下年龄组    age_year >= 18 & age_year < 45 ~ " ≥ 18,＜ 45", #18~45岁年龄组    age_year >= 45 & age_year < 65 ~ " ≥ 45,＜ 65", #45~65岁年龄组    age_year >= 65 & age_year < 75 ~ " ≥ 65,＜ 75", #65~75岁年龄组    age_year >= 75  ~ " ≥ 75",                      #75岁以上年龄组    .default = as.character(age_year)  )) %>%   group_by(age_groups) %>%   summarise(n = n()) %>%   arrange(desc(n))#年龄组可根据需求任意划分write_csv(age_n, "age_n.csv")

年龄均值和SD的计算

age_mean <- mean(demo_A$age_year, na.rm = TRUE)age_sd <- sd(demo_A$age_year, na.rm = TRUE)summary(demo_A$age_year)

上报年份统计

fda_dt_n <- demo_A %>%   mutate(fda_dt_sub = str_sub(.$fda_dt, 1, 4)) %>%  #取fda_dt第1位到第4位，即年份  group_by(fda_dt_sub) %>%   summarise(n = n())write_csv(fda_dt_n, "fda_dt_n.csv")

出现国家统计

occr_country_n <- demo_A %>%   group_by(occr_country) %>%   summarise(n = n()) %>%   arrange(desc(n))write_csv(occr_country_n, "occr_country_n.csv")

上报国家统计

reporter_country_n <- demo_A %>%   group_by(reporter_country) %>%   summarise(n = n()) %>%   arrange(desc(n))write_csv(reporter_country_n, "reporter_country_n.csv")

适应症统计

indi_pt_n <- indi_A %>%   group_by(indi_pt) %>%   summarise(n = n()) %>%   arrange(desc(n))write_csv(indi_pt_n, "indi_pt_n.csv")

结局统计

outc_cod_n <- outc_A %>%   group_by(outc_cod) %>%   summarise(n = n()) %>%   arrange(desc(n))write_csv(outc_cod_n, "outc_cod_n.csv")

上报人代码统计赢翻网配资

occp_cod_n <- demo_A %>%   group_by(occp_cod) %>%   summarise(n = n()) %>%   arrange(desc(n))write_csv(occp_cod_n, "occp_cod_n.csv")

四、小结统计程序采用了group_by和summarise函数结合的方式，可以用count函数替代。本篇文章只是展示了部分临床特征统计，如果有其他需求，可以自行研究，和上述方法类似。后面的文章会对涉及四格表的相关数据进行统计分析。本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。

盛康策略提示：文章来自网络，不代表本站观点。