如何在将多个输入数据集上的多项式模型的结果合并后，将q值(调整后的p值)添加到模型汇总表

Question

我使用modelsummary来显示几个多项式模型的结果，每个模型使用mice::pool function汇集了5个以上的数据集。它工作得很好，但我想添加q-value /调整后的p-value来表示错误发现率。

我知道我需要创建一个tidy_custom.mipo函数来添加这个统计数据，但是我不能让它工作。

下面是获取mipo对象的“pool_univariate”列表的代码，然后我将其传递给modelsummary。它工作得很好，我只想添加Q值统计。

你知道怎么做吗？

非常感谢!

# list of exposures 
exposures <- c(
    Cs(exposure1,exposure2,exposure3)

## model function
models <- function(x) {
    lapply(imputed_data, function(y)
        multinom(as.formula(
            paste0(
                "outcome ~ ",
                x
            )
        ), data = y, model = TRUE)
    )
}

## run models
models_univariate <- as.list(seq(1,length(exposures))) 
models_univariate <- pblapply(exposures, models)

## pool 

pool_univariate <- as.list(seq(1,length(exposures))) 

# run pool
for(j in seq_along(exposures)) {
    pool_univariate[[j]] <- pool(models_univariate[[j]])
}

Answer 1

如果没有一个最小的工作示例，很难回答这个问题。在这里，对于线性回归上下文，我给出一个比原始示例更简单的示例。

首先，加载程序包并估计回归模型：

library(modelsummary)
mod <- lm(mpg ~ hp + drat + vs + am, data = mtcars)

其次，因为我们想总结一个类lm的模型，所以我们定义了一个名为tidy_custom.lm的新方法。此函数接受统计模型作为输入，并返回符合broom package specification的数据框，其中一列称为term，其他列包含匹配的统计数据。在当前示例中，数据帧将包括三个新的统计数据(q.value、bonferroni和holm)。这些值是使用R的p.adjust函数计算的，该函数调整p值以进行多次比较：

tidy_custom.lm <- function(x, ...) {
  out <- broom::tidy(x)
  out$q.value <- p.adjust(out$p.value, n = 10, method = "fdr")
  out$bonferroni <- p.adjust(out$p.value, n = 10, method = "bonferroni")
  out$holm <- p.adjust(out$p.value, n = 10, method = "holm")
  return(out)
}

现在，我们可以使用我们的lm模型调用modelsummary，并请求统计数据：

modelsummary(mod, statistic = "q.value")

​

​

我们还可以比较不同的p值和label them nicely using glue strings

modelsummary(mod,
  statistic = c(
    "p = {p.value}",
    "q = {q.value}",
    "p (Bonferroni) = {bonferroni}",
    "p (Holm) = {holm}"
  )
)

​

​