Aula 22. Como fazer tabelas profissionais no R

Tutorial completo com o pacote gtsummary

Democratização

Esta aula foi construída para que você produza tabelas prontas para relatórios, artigos e apresentações com poucas linhas de código. Os dados usados são o conjunto CO2, disponível no R base. Todo o código está funcional e pronto para reproduzir.

Acompanhe o Café com R

Escaneia o QR Code e acessa o portfólio.

Projetos no YouTube

Inscreva-se já no canal Link.

Objetivos da aula

• Compreender o que é o pacote gtsummary e quando usá-lo
• Criar tabelas descritivas com tbl_summary()
• Comparar grupos com add_p() e add_difference()
• Apresentar resultados de modelos de regressão com tbl_regression()
• Combinar tabelas com tbl_merge() e tbl_stack()
• Exportar tabelas para Word, PDF e HTML

O pacote gtsummary

Clique na imagem e acesse a documentação.

gtsummary foi criado por Daniel D. Sjoberg e colaboradores. Produz tabelas descritivas e de resultados de modelos prontas para publicação.

• Versão atual: 2.5.0
• Detecta automaticamente variáveis contínuas, categóricas e dicotômicas
• Integrado ao ecossistema {gt}, {broom} e {labelled}
• Documentação: danieldsjoberg.com/gtsummary

Instalação

install.packages("gtsummary")

library(gtsummary)
library(tidyverse)

O conjunto de dados CO2

Conhecendo os dados

• O dataset CO2 está disponível no R base. Registra um experimento de absorção de CO2 em plantas de capim-bermuda submetidas a diferentes tratamentos e concentrações de dióxido de carbono.

glimpse(CO2)

Rows: 84
Columns: 5
$ Plant     <ord> Qn1, Qn1, Qn1, Qn1, Qn1, Qn1, Qn1, Qn2, Qn2, Qn2, Qn2, Qn2, …
$ Type      <fct> Quebec, Quebec, Quebec, Quebec, Quebec, Quebec, Quebec, Queb…
$ Treatment <fct> nonchilled, nonchilled, nonchilled, nonchilled, nonchilled, …
$ conc      <dbl> 95, 175, 250, 350, 500, 675, 1000, 95, 175, 250, 350, 500, 6…
$ uptake    <dbl> 16.0, 30.4, 34.8, 37.2, 35.3, 39.2, 39.7, 13.6, 27.3, 37.1, …

Variáveis do dataset CO2

CO2 |>
  head(10)

   Plant   Type  Treatment conc uptake
1    Qn1 Quebec nonchilled   95   16.0
2    Qn1 Quebec nonchilled  175   30.4
3    Qn1 Quebec nonchilled  250   34.8
4    Qn1 Quebec nonchilled  350   37.2
5    Qn1 Quebec nonchilled  500   35.3
6    Qn1 Quebec nonchilled  675   39.2
7    Qn1 Quebec nonchilled 1000   39.7
8    Qn2 Quebec nonchilled   95   13.6
9    Qn2 Quebec nonchilled  175   27.3
10   Qn2 Quebec nonchilled  250   37.1

Dicionário das variáveis

Variável	Tipo	Descrição
Plant	Fator	Identificador da planta (84 observações, 12 plantas)
Type	Fator	Origem da planta: Quebec ou Mississippi
Treatment	Fator	Tratamento aplicado: nonchilled ou chilled
conc	Numérica	Concentração de CO2 no ambiente (mL/L)
uptake	Numérica	Absorção de CO2 pela planta (umol/m²/s)

Preparação dos dados

# Selecionar variáveis de análise e traduzir rótulos
co2 <- CO2 |>
  as_tibble() |>
  select(Type, Treatment, conc, uptake) |>
  mutate(
    Type      = factor(Type,
                       levels = c("Quebec", "Mississippi")),
    Treatment = factor(Treatment,
                       levels = c("nonchilled", "chilled"),
                       labels = c("Sem resfriamento", "Com resfriamento")))

Tabela descritiva com tbl_summary()

Passo 1 - Tabela descritiva básica: código

Table 1

# tbl_summary() detecta automaticamente o tipo de cada variável
# e aplica as estatísticas adequadas: mediana e IQR para contínuas,
# frequência e percentual para categóricas
co2 |>
  tbl_summary()

Passo 1 - Tabela descritiva básica: output

Table 2

Characteristic	N = 841
Type
Quebec	42 (50%)
Mississippi	42 (50%)
Treatment
Sem resfriamento	42 (50%)
Com resfriamento	42 (50%)
conc
95	12 (14%)
175	12 (14%)
250	12 (14%)
350	12 (14%)
500	12 (14%)
675	12 (14%)
1000	12 (14%)
uptake	28 (18, 37)
1 n (%); Median (Q1, Q3)

Passo 2 - Personalizando estatísticas: código

Table 3

# statistic: define qual estatística usar por tipo de variável
# digits: controla casas decimais
# missing: "no" remove a linha de missing da tabela
co2 |>
  tbl_summary(
    statistic = list(
      all_continuous()  ~ "{mean} ({sd})",
      all_categorical() ~ "{n} ({p}%)"),
    digits    = list(all_continuous() ~ 1),
    missing   = "no") |>
  bold_labels()

Passo 2 - Personalizando estatísticas: output

Table 4

Characteristic	N = 841
Type
Quebec	42 (50%)
Mississippi	42 (50%)
Treatment
Sem resfriamento	42 (50%)
Com resfriamento	42 (50%)
conc
95	12 (14%)
175	12 (14%)
250	12 (14%)
350	12 (14%)
500	12 (14%)
675	12 (14%)
1000	12 (14%)
uptake	27.2 (10.8)
1 n (%); Mean (SD)

Passo 3 - Adicionando rótulos: código

Table 5

# label: renomeia variáveis na tabela sem alterar o dataset
co2 |>
  tbl_summary(
    label = list(
      Type      ~ "Origem",
      Treatment ~ "Tratamento",
      conc      ~ "Concentração de CO2 (mL/L)",
      uptake    ~ "Absorção de CO2 (umol/m²/s)"),
    statistic = list(
      all_continuous()  ~ "{median} ({p25}, {p75})",
      all_categorical() ~ "{n} ({p}%)"),
    missing = "no") |>
  bold_labels()

Passo 3 - Adicionando rótulos: output

Table 6

Characteristic	N = 841
Origem
Quebec	42 (50%)
Mississippi	42 (50%)
Tratamento
Sem resfriamento	42 (50%)
Com resfriamento	42 (50%)
Concentração de CO2 (mL/L)
95	12 (14%)
175	12 (14%)
250	12 (14%)
350	12 (14%)
500	12 (14%)
675	12 (14%)
1000	12 (14%)
Absorção de CO2 (umol/m²/s)	28 (18, 37)
1 n (%); Median (Q1, Q3)

Comparação entre grupos

Passo 4 - Comparando grupos com by=: código

Table 7

# by: estratifica a tabela por uma variável categórica
# add_n(): adiciona coluna com total de observações não ausentes
# add_p(): realiza teste estatístico e adiciona coluna de p-valor
# add_overall(): adiciona coluna com estatísticas gerais
co2 |>
  tbl_summary(
    by      = Type,
    label   = list(
      Treatment ~ "Tratamento",
      conc      ~ "Concentração de CO2 (mL/L)",
      uptake    ~ "Absorção de CO2 (umol/m²/s)"),
    statistic = list(
      all_continuous()  ~ "{median} ({p25}, {p75})",
      all_categorical() ~ "{n} ({p}%)"),
    missing = "no") |>
  add_n() |>
  add_p() |>
  add_overall() |>
  bold_labels() |>
  modify_header(label = "**Variável**")

Passo 4 - Comparando grupos com by=: output

Table 8

Variável	N	Overall N = 841	Quebec N = 421	Mississippi N = 421	p-value2
Tratamento	84				>0.9
Sem resfriamento		42 (50%)	21 (50%)	21 (50%)
Com resfriamento		42 (50%)	21 (50%)	21 (50%)
Concentração de CO2 (mL/L)	84				>0.9
95		12 (14%)	6 (14%)	6 (14%)
175		12 (14%)	6 (14%)	6 (14%)
250		12 (14%)	6 (14%)	6 (14%)
350		12 (14%)	6 (14%)	6 (14%)
500		12 (14%)	6 (14%)	6 (14%)
675		12 (14%)	6 (14%)	6 (14%)
1000		12 (14%)	6 (14%)	6 (14%)
Absorção de CO2 (umol/m²/s)	84	28 (18, 37)	37 (30, 40)	19 (14, 28)	<0.001
1 n (%); Median (Q1, Q3)
2 Pearson’s Chi-squared test; Wilcoxon rank sum test

Passo 5 - Diferença entre grupos com add_difference(): código

Table 9

# add_difference(): calcula a diferença entre grupos e seu IC 95%
# Complementa o p-valor com a magnitude da diferença
co2 |>
  select(Type, conc, uptake) |>
  tbl_summary(
    by      = Type,
    label   = list(
      conc   ~ "Concentração de CO2 (mL/L)",
      uptake ~ "Absorção de CO2 (umol/m²/s)"),
    statistic = list(
      all_continuous() ~ "{mean} ({sd})"),
    missing = "no") |>
  add_difference() |>
  bold_labels()

Passo 5 - Diferença entre grupos: output

Table 10

Characteristic	Quebec N = 421	Mississippi N = 421	Difference2	95% CI2	p-value2
Concentração de CO2 (mL/L)			0.00	-0.43, 0.43
95	6 (14%)	6 (14%)
175	6 (14%)	6 (14%)
250	6 (14%)	6 (14%)
350	6 (14%)	6 (14%)
500	6 (14%)	6 (14%)
675	6 (14%)	6 (14%)
1000	6 (14%)	6 (14%)
Absorção de CO2 (umol/m²/s)	34 (10)	21 (8)	13	8.8, 16	<0.001
1 n (%); Mean (SD)
2 Standardized Mean Difference; Welch Two Sample t-test
Abbreviation: CI = Confidence Interval

Resultados de modelos com tbl_regression()

Passo 6 - Modelo de regressão linear: código

Table 11

# Modelo: absorção de CO2 explicada por origem, tratamento e concentração
modelo_linear <- lm(
  uptake ~ Type + Treatment + conc,
  data = co2)

# tbl_regression() detecta automaticamente o tipo de modelo
# e formata coeficientes, IC 95% e p-valores
tbl_regression(
  modelo_linear,
  label = list(
    Type      ~ "Origem",
    Treatment ~ "Tratamento",
    conc      ~ "Concentração de CO2 (mL/L)")) |>
  bold_labels() |>
  bold_p(t = 0.05)

Passo 6 - Regressão linear: output

Table 12

Characteristic	Beta	95% CI	p-value
Origem
Quebec	—	—
Mississippi	-13	-15, -10	<0.001
Tratamento
Sem resfriamento	—	—
Com resfriamento	-6.9	-9.5, -4.2	<0.001
Concentração de CO2 (mL/L)	0.02	0.01, 0.02	<0.001
Abbreviation: CI = Confidence Interval

Passo 7 - Adicionando estatísticas do modelo: código

Table 13

# add_glance_source_note(): adiciona R², AIC e outras métricas do modelo
# no rodapé da tabela
tbl_regression(
  modelo_linear,
  label = list(
    Type      ~ "Origem",
    Treatment ~ "Tratamento",
    conc      ~ "Concentração de CO2 (mL/L)")) |>
  add_glance_source_note(
    label    = list(r.squared ~ "R²", p.value ~ "p do modelo"),
    include  = c(r.squared, AIC, p.value)) |>
  bold_labels() |>
  bold_p(t = 0.05)

Passo 7 - Métricas do modelo: output

Table 14

Characteristic	Beta	95% CI	p-value
Origem
Quebec	—	—
Mississippi	-13	-15, -10	<0.001
Tratamento
Sem resfriamento	—	—
Com resfriamento	-6.9	-9.5, -4.2	<0.001
Concentração de CO2 (mL/L)	0.02	0.01, 0.02	<0.001
Abbreviation: CI = Confidence Interval
R² = 0.684; AIC = 551; p do modelo = <0.001

Combinando tabelas

Passo 8 - Modelos lado a lado com tbl_merge(): código

Table 15

# Dois modelos: um para Quebec, outro para Mississippi
mod_quebec <- lm(uptake ~ Treatment + conc,
                 data = filter(co2, Type == "Quebec"))

mod_miss   <- lm(uptake ~ Treatment + conc,
                 data = filter(co2, Type == "Mississippi"))

# tbl_merge() apresenta os dois modelos em colunas separadas
list(
  tbl_regression(mod_quebec,
                 label = list(Treatment ~ "Tratamento",
                              conc      ~ "Concentração (mL/L)")),
  tbl_regression(mod_miss,
                 label = list(Treatment ~ "Tratamento",
                              conc      ~ "Concentração (mL/L)"))) |>
  tbl_merge(
    tab_spanner = c("**Quebec**", "**Mississippi**")) |>
  bold_labels()

Passo 8 - Modelos lado a lado: output

Table 16

Characteristic	Quebec			Mississippi
	Beta	95% CI	p-value	Beta	95% CI	p-value
Tratamento
Sem resfriamento	—	—		—	—
Com resfriamento	-3.6	-7.8, 0.62	0.093	-10	-13, -7.2	<0.001
Concentração (mL/L)	0.02	0.02, 0.03	<0.001	0.01	0.01, 0.02	<0.001
Abbreviation: CI = Confidence Interval

Passo 9 - Exportando a tabela: código

Table 17

library(flextable)

# Criar a tabela
tabela_final <- co2 |>
  tbl_summary(
    by      = Type,
    label   = list(
      Treatment ~ "Tratamento",
      conc      ~ "Concentração de CO2 (mL/L)",
      uptake    ~ "Absorção de CO2 (umol/m²/s)"),
    missing = "no") |>
  add_p() |>
  bold_labels()

# Exportar para Word (.docx)
tabela_final |>
  as_flex_table() |>
  flextable::save_as_docx(path = "tabela_co2.docx")

# Exportar para HTML
tabela_final |>
  as_gt() |>
  gt::gtsave(filename = "tabela_co2.html")

Passo 9 - Formatos de exportação

Formato	Função	Pacote necessário
Word (.docx)	as_flex_table() + save_as_docx()	flextable
HTML	as_gt() + gtsave()	gt
PDF (LaTeX)	as_kable_extra()	kableExtra
RTF	as_flex_table() + save_as_rtf()	flextable

tbl_summary() x tbl_regression()

Quando usar cada função

Situação	Função indicada
Descrever as variáveis do dataset	tbl_summary()
Comparar dois ou mais grupos	tbl_summary(by = ) + add_p()
Apresentar coeficientes de regressão	tbl_regression()
Comparar dois modelos lado a lado	tbl_merge()
Empilhar tabelas de subgrupos	tbl_stack()
Reportar estatísticas no texto	inline_text()

Funções de formatação mais usadas

Função	O que faz
bold_labels()	Negrito nos rótulos das variáveis
bold_levels()	Negrito nos níveis das variáveis categóricas
bold_p()	Negrito nos p-valores significativos
italicize_labels()	Itálico nos rótulos
modify_header()	Renomeia cabeçalhos das colunas
add_overall()	Adiciona coluna com estatísticas gerais
add_n()	Adiciona coluna com total de observações
add_p()	Adiciona coluna de p-valor com teste adequado
add_difference()	Adiciona diferença entre grupos com IC 95%
add_glance_source_note()	Adiciona métricas do modelo no rodapé

Boas práticas

• Sempre rotule as variáveis com label = antes de compartilhar a tabela. Nomes de variáveis como conc ou uptake não comunicam para o leitor
• Use add_p() com consciência: o p-valor informa sobre significância, não sobre magnitude. Combine com add_difference() para reportar os dois
• Documente as escolhas de estatística: se você usou média em vez de mediana, registre o motivo nos comentários do código
• Exporte para o formato do seu relatório: Word para relatórios corporativos, HTML para Quarto, PDF via LaTeX para artigos

Erros comuns

Situação	Problema	Solução
Tabela não aparece no Quarto	Output não compatível com o formato	Usar as_gt() para HTML e as_flex_table() para Word
add_p() retorna aviso de tamanho de amostra	Grupos pequenos para o teste padrão	Especificar test = list(all_continuous() ~ "wilcox.test")
Rótulos não aparecem	Argumento label com nome errado	Verificar se o nome da variável está correto dentro de list()

Resumo dos 9 passos

Passo	Função	O que produz
1	tbl_summary()	Tabela descritiva básica
2	statistic = + digits =	Estatísticas personalizadas
3	label = + bold_labels()	Rótulos profissionais
4	by = + add_p() + add_overall()	Comparação entre grupos
5	add_difference()	Diferença com IC 95%
6	tbl_regression()	Tabela de regressão
7	add_glance_source_note()	Métricas do modelo
8	tbl_merge()	Modelos lado a lado
9	as_flex_table() + as_gt()	Exportação

Referências

• Documentação oficial: danieldsjoberg.com/gtsummary
• Tutorial tbl_summary(): danieldsjoberg.com/gtsummary/articles/tbl_summary.html
• Tutorial tbl_regression(): danieldsjoberg.com/gtsummary/articles/tbl_regression.html
• Galeria de exemplos: danieldsjoberg.com/gtsummary/articles/gallery.html
• Cheat sheet: raw.githubusercontent.com/rstudio/cheatsheets/main/gtsummary.pdf

Obrigada!

Continue praticando e explorando!

Esta aula é parte do projeto Café com R. É open source. Use, compartilhe e adapte.

Siga o Café com R

Que cada gole desperte uma nova ideia. Que cada script abra uma nova conversa. Que o Café com R se torne um ponto de encontro nosso.