gtsummary 医学科研使用教程：适合场景、替代方案和证据核验流程

gtsummary 适合解决什么问题

gtsummary 是 R 生态中常用于医学论文表格整理的工具，尤其适合生成基线特征表、回归模型结果表、分组比较表和描述性统计表。它的价值不在于替代统计判断，而在于把已经完成的数据整理和统计结果，以更接近论文写作习惯的方式输出。

对于医学研究者、研究生和临床研究团队，gtsummary 常见用途包括 Table 1、单因素或多因素回归结果、亚组描述、结局变量分布摘要等。它适合进入医学科研工具观察清单，尤其适合已经使用 R、tidyverse、survival 或 broom 的团队。

需要明确的是，gtsummary 生成的是研究报告和论文写作中的表格表达，不构成临床建议。任何医学结论都必须回到原始论文、研究设计、样本来源、结局定义和统计方法中核验。

什么时候优先选择 gtsummary

如果研究数据已经在 R 中完成清洗，且团队希望减少手工复制统计结果、统一变量标签和表格格式，gtsummary 通常是较高效的选择。它能把描述性统计、p 值、模型估计值、置信区间和变量层级以结构化方式组织起来。

在医学科研中，基线表经常需要按暴露组、治疗组、结局组或疾病分层展示。gtsummary 的 tbl_summary、add_p、add_overall、tbl_regression 等函数可以覆盖多数常规论文表格需求。

如果项目需要频繁更新数据、补充样本或调整纳排标准，使用代码生成表格比手工维护 Word 或 Excel 表格更可追溯。对于需要复现研究流程的课题组，这一点尤其重要。

实践工作流：从数据到论文表格

一个稳妥的 gtsummary 工作流应从研究问题和变量字典开始，而不是直接写表格代码。先确认暴露、结局、协变量、分层变量、缺失值规则和统计检验策略，再进入表格生成。

1. 整理分析数据集，保留研究所需变量，并记录纳入、排除、缺失和异常值处理规则。
2. 建立变量字典，明确变量中文名、单位、分类水平、参考组和是否需要转换。
3. 使用描述性统计检查样本量、分布、极端值和缺失比例，避免表格掩盖数据问题。
4. 用 gtsummary 生成基线特征表，例如按研究组展示连续变量和分类变量。
5. 根据方案加入合适的 p 值、总体列、缺失值展示和变量标签。
6. 对回归模型使用 tbl_regression 输出 OR、HR、beta、95% CI 和 p 值。
7. 导出到 Word、HTML 或 LaTeX 前，检查小数位、单位、脚注和统计检验是否与方法部分一致。
8. 将表格结果与原始模型输出、样本量统计和研究方案逐项核对。

这个流程的重点是让表格成为统计分析的可复现输出，而不是后期排版产物。表格中的每一个数字都应能追溯到代码、数据版本和分析模型。

场景对比：gtsummary 与替代方案怎么选

gtsummary 并不是所有表格任务的唯一选择。选择工具时，应看数据是否在 R 中、表格是否需要复现、团队是否熟悉代码、期刊是否有特殊格式要求，以及后续是否需要自动化更新。

如果目标是医学科研论文中的常规结果表，gtsummary 往往可以作为主工具；如果目标是最终排版，则可结合 gt、flextable 或 officer。更多工具型页面可参考 工具清单，方法型流程可参考 方法库。

证据核验流程：表格之外还要查什么

gtsummary 可以帮助研究者清楚呈现数据，但不能判断医学结论是否可靠。医学结论必须核对原始论文、PMID 或 DOI、研究方法、样本来源、纳排标准、结局定义、统计模型、效应量、置信区间和敏感性分析。

在引用外部研究或复用结论时，建议先定位原文，而不是只看综述摘要、工具输出或二次解读。核验 PMID/DOI 可以降低引用错误、同名研究混淆和版本不一致的风险。

方法部分需要重点看研究类型，是随机对照试验、队列研究、病例对照研究、横断面研究，还是系统综述和 Meta 分析。不同设计的偏倚来源不同，不能只根据 p 值判断证据强弱。

样本和结局同样关键。样本量、中心数量、人群特征、随访时间、主要结局和次要结局都会影响结果能否外推到自己的研究问题。统计部分则要检查模型设定、协变量选择、缺失值处理、多重比较和亚组分析是否合理。

风险与边界

gtsummary 的主要风险不是函数本身，而是把漂亮表格误认为可靠结论。错误的变量分组、错误的参考水平、未说明的缺失值处理、未经论证的统计检验，都会让表格看起来规范但实质上不可用。

另一个边界是临床解释。gtsummary 不能替代统计审查、流行病学判断或临床专家共识，也不能把观察性关联自动解释为因果关系。页面内容仅用于科研方法和工具使用说明，不提供诊断、治疗或用药建议。

对于小样本、稀有事件、强偏态变量、多中心数据、重复测量数据和生存分析，应在建模前确认统计方案。必要时需要使用更合适的模型或咨询统计专业人员，而不是只调整表格格式。

常见检查清单

在提交论文、开题报告或组会汇报前，可以用一份简短清单检查 gtsummary 输出是否可靠。这个清单关注的是可解释性、可追溯性和与研究方案的一致性。

• 变量标签是否与研究方案和数据字典一致。
• 连续变量展示为均值标准差还是中位数四分位数，是否符合分布特征。
• 分类变量的分母是否清楚，缺失值是否单独展示。
• p 值对应的统计检验是否适合变量类型和样本条件。
• 回归表中的 OR、HR、beta、95% CI 和参考组是否标注清楚。
• 表格数字是否能回溯到同一版数据和同一段分析代码。
• 医学结论是否已经核对原始论文、PMID/DOI、方法、样本、结局和统计结果。

如果研究涉及多个主题或证据链，可以把工具表格、文献核验和主题追踪分开管理。相关主题可放入 主题观察，工具之间的取舍可放入 对比页，常用资料可沉淀到 资源库。

推荐的使用方式

对初学者来说，建议先从一个真实但规模较小的数据集开始，完成基线表、分组比较表和一个回归结果表。不要一开始就追求复杂排版，而应先保证变量定义、统计选择和结果解释正确。

对课题组来说，更推荐把 gtsummary 放进完整的分析脚本或 R Markdown、Quarto 文档中。这样每次数据更新后，表格、模型和说明文字可以同步刷新，减少人工复制错误。

最终，gtsummary 的合理定位是医学科研工作流中的表格生成与结果整理工具。它能提高效率和一致性，但研究结论仍取决于研究设计、数据质量、统计方法和对原始证据的严格核验。