part3.qmd

# 第三部分：產出你的 Table 1

```{r}
#| label: setup
#| include: false
source("_common.R")
```

本部分預計時間：40 分鐘

在第二部分，你已經學會讀取資料並探索它的基本結構。現在我們要用這些資料產出論文中最重要的表格 — Table 1。

::: {.callout-note collapse="true" title="一鍵 Prompt：整章一次跑完"}

> 我有一個 R 資料框 `patient_data`（從 patient_data.csv 讀取），欄位有 treatment（A/B）、age、gender（M/F）、los（住院天數）。請幫我用 gtsummary 一次完成：
>
> 1. 建立 Table 1，依 treatment 分組，連續變數顯示 mean ± SD，類別變數顯示 n (%)
> 2. 加上 p-value（`add_p()`），並解釋 gtsummary 怎麼自動選擇統計方法
> 3. 把欄位名稱改成中文（age → 年齡、gender → 性別、los → 住院天數），p < 0.05 粗體
> 4. 用 flextable 和 officer 把表格匯出成 Word 檔（Table1.docx）
>
> 給我一個可以從 `read.csv()` 到匯出 Word 一次跑完的完整 script，加上中文註解。

:::

::: {.callout-note}
## 為什麼要重新讀取資料？
本書的每個章節都會重新讀取 `patient_data.csv`，這樣你可以從任何一個章節開始練習，不需要按順序執行前面的章節。
:::

## 任務 9：Table 1 是什麼？

📋 **複製這段話，貼給 AI：**

> 在醫學論文裡面，Table 1 通常是什麼？它的目的是什麼？裡面通常會放哪些東西？

### Table 1 說明

在醫學論文中，Table 1 通常是「基線特徵表」（Baseline Characteristics Table），用來：

1. 展示研究對象的基本特徵
2. 比較不同組別的基線資料
3. 讓讀者判斷組別是否平衡
4. 提供研究族群的整體概況

## 任務 10：你的第一個 Table 1

📋 **複製這段話，貼給 AI：**

> 我有一個 R 資料框叫做 `patient_data`，裡面有這些欄位：
>
> - treatment：治療組別（A 或 B）
> - age：年齡
> - gender：性別（M 或 F）
> - los：住院天數
>
> 請用 gtsummary 套件幫我做一個 Table 1，依照 treatment 分組，顯示其他變數的描述性統計。請給我可以直接執行的程式碼。

### 建立 Table 1

```{r}
#| label: table1-basic
#| echo: true
#| message: false
#| warning: false

library(gtsummary)
library(dplyr)

# 讀取資料
patient_data <- read.csv("patient_data.csv")

# 建立基本的 Table 1
# 小提醒：%>% 是「管道」符號，把左邊的結果傳給右邊的函數
# 可以想像成工廠流水線：資料 → 選欄位 → 做摘要
table1 <- patient_data %>%
  select(treatment, age, gender, los) %>%
  tbl_summary(
    by = treatment,
    statistic = list(
      all_continuous() ~ "{mean} ({sd})",
      all_categorical() ~ "{n} ({p}%)"
    )
  )

table1
```

## 任務 11：加上統計檢定

📋 **複製這段話，貼給 AI：**

> 剛剛的 Table 1 很棒。請幫我加上 p-value，讓我可以看出兩組之間有沒有統計顯著差異。

### 加入 p-value

```{r}
#| label: table1-pvalue
#| echo: true
#| message: false
#| warning: false

# 建立含 p-value 的 Table 1
table1_with_p <- patient_data %>%
  select(treatment, age, gender, los) %>%
  tbl_summary(
    by = treatment,
    statistic = list(
      all_continuous() ~ "{mean} ({sd})",
      all_categorical() ~ "{n} ({p}%)"
    )
  ) %>%
  add_p()

table1_with_p
```

## 任務 12：看懂 gtsummary 的選擇

📋 **複製這段話，貼給 AI：**

> gtsummary 在計算 p-value 的時候，是怎麼決定要用什麼統計方法的？例如，什麼時候用 t-test、什麼時候用 Wilcoxon、什麼時候用卡方檢定？

### gtsummary 的統計方法選擇

gtsummary 會根據資料類型自動選擇適當的統計檢定：

- **連續變數**：預設使用 Wilcoxon rank-sum test（無母數檢定）
- **類別變數**：使用 Chi-square test（卡方檢定）或 Fisher's exact test（當樣本數小時）

你可以自訂統計方法：

```{r}
#| label: custom-tests
#| echo: true
#| message: false
#| warning: false

# 自訂統計檢定方法
table1_custom <- patient_data %>%
  select(treatment, age, gender, los) %>%
  tbl_summary(
    by = treatment,
    statistic = list(
      all_continuous() ~ "{mean} ({sd})",
      all_categorical() ~ "{n} ({p}%)"
    )
  ) %>%
  add_p(
    test = list(
      age ~ "t.test",        # 使用 t-test
      los ~ "wilcox.test",   # 使用 Wilcoxon test
      gender ~ "chisq.test"  # 使用卡方檢定
    )
  )

table1_custom
```

## 任務 13：客製化你的表格

📋 **複製這段話，貼給 AI：**

> 我想要修改我的 gtsummary 表格：
> 
> 1. 連續變數顯示「平均值 ± 標準差」而不是中位數
> 2. 把欄位名稱改成中文（age → 年齡、gender → 性別、los → 住院天數）
> 3. p-value 如果小於 0.05 就用粗體標示

### 客製化表格

```{r}
#| label: table1-custom
#| echo: true
#| message: false
#| warning: false

# 客製化 Table 1
table1_final <- patient_data %>%
  select(treatment, age, gender, los) %>%
  tbl_summary(
    by = treatment,
    label = list(
      age ~ "年齡",
      gender ~ "性別",
      los ~ "住院天數"
    ),
    statistic = list(
      all_continuous() ~ "{mean} ± {sd}",
      all_categorical() ~ "{n} ({p}%)"
    )
  ) %>%
  add_p() %>%
  bold_p(t = 0.05) %>%
  modify_header(label ~ "**變項**") %>%
  modify_spanning_header(c("stat_1", "stat_2") ~ "**治療組別**")

table1_final
```

## 任務 14：匯出你的表格

📋 **複製這段話，貼給 AI：**

> 我做好了一個 gtsummary 的表格，想存在變數 table1_final 裡面。我想要用 flextable 和 officer 把它輸出成 Word 跟 PPT 檔案，方便貼到我的論文。請給我程式碼。

### 匯出表格

```{r}
#| label: export-table
#| echo: true
#| eval: false

# 安裝必要套件（如果還沒安裝）
# install.packages(c("flextable", "officer"))

library(flextable)
library(officer)

# 儲存表格為變數
my_table <- table1_final

# 轉換為 flextable 格式
ft <- my_table %>% as_flex_table()

# 存成 Word 檔
doc <- read_docx() %>%
  body_add_flextable(ft)
print(doc, target = "Table1.docx")

# 存成 PPT 檔
ppt <- read_pptx() %>%
  add_slide(layout = "Title and Content", master = "Office Theme") %>%
  ph_with(ft, location = ph_location_type(type = "body"))
print(ppt, target = "Table1.pptx")

print("Table 1 已成功匯出為 Table1.docx 和 Table1.pptx")
```