使用 R 可视化具有轨迹/最佳拟合平均增长曲线和意大利面条图的纵向数据

Question

我有一个纵向数据集，其中包含我想要直观比较的两组诊断。每个受试者都有一个、两个或三个数据点和许多因变量。

以下是数据示例：

dput(sample)

结构(列表(id = 结构(c(61L, 7L, 7L, 14L, 14L, 43L, 43L, 64L、65L、65L、67L、68L、1L、1L、1L、2L、3L、4L、4L、5L、6L、 8L, 8L, 10L, 10L, 11L, 11L, 12L, 12L, 13L, 15L, 17L, 18L, 19L, 20L, 20L, 21L, 21L, 21L, 22L, 23L, 24L, 24L, 27L, 29L, 29L, 29L, 30L, 30L, 33L, 33L, 37L, 37L, 38L, 45L, 51L, 51L, 51L, 55L, 55L, 56L, 62L, 32L, 36L, 36L, 36L, 39L, 40L, 40L, 41L, 41L, 42L, 42L, 44L、44L、44L、46L、46L、47L、47L、48L、49L、50L、50L、50L、52L、 52L、52L、53L、53L、54L、54L、57L、57L、58L、59L、59L、60L、63L、 63L、63L、66L、9L、9L、16L、16L、25L、26L、28L、31L、31L、31L、 34L, 34L, 35L, 35L), .Label = c("101", "104", "105", "106", "107", “108”、“11”、“110”、“111”、“112”、“114”、“116”、“117”、“12”、 “120”、“121”、“127”、“128”、“134”、“135”、“136”、“137”、“138”、 “139”、“141”、“144”、“146”、“151”、“153”、“158”、“159”、“16”、 “160”、“161”、“164”、“17”、“175”、“180”、“22”、“23”、“27”、 “32”、“33”、“34”、“4”、“41”、“42”、“44”、“45”、“46”、 “5”、“52”、“54”、“57”、“6”、“7”、“71”、“73”、“75”、 “77”、“8”、“9”、“91”、“93”、“95”、“96”、“97”、“98” ), class= "因子"), 组 = 结构 (c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("CON", "PAT"), class= "因子"), 时间点 = 结构 (c(1L, 1L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 1L, 2L, 3L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 2L, 3L, 1L, 1L, 1L, 2L, 1L, 1L, 2L, 3L, 1L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 1L, 2L, 3L, 1L, 2L, 1L, 1L, 1L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 1L, 2L, 1L, 2L, 3L, 1L, 2L, 1L, 4L, 1L, 1L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 3L, 1L, 1L, 2L, 1L, 2L, 1L, 1L, 1L, 1L, 2L, 3L, 1L, 2L, 1L, 2L), .Label = c("1.00", "2.00", "3.00", "2.00" ), class= "因子"), 年龄 = c(12.64722222, 15.89444444, 16.38333333, 12.76666667、13.25555556、12.03888889、12.03888889、14.11944444、 8.355555556, 9.311111111, 12.73888889, 12.27777778, 14.55277778, 15.54166667、16.53055556、12.53055556、14.53888889、14.36666667、 15.57222222、12.93055556、9.152777778、8.552777778、10.725、15.16944444、 16.22777778、15.875、17.19166667、11.88888889、12.87777778、8.161111111、 12.80833333, 10.86944444, 9.133333333, 14.51666667, 13.58333333, 14.98333333, 17.42777778, 18.42777778, 19.425, 12.81388889, 8.227777778, 14.86111111, 15.8391933, 17.48888889, 15.73055556, 16.68611111, 17.64501522、15.63611111、16.80277778、14.09444444、15.13006088、 15.21666667、16.14269406、9.2、10.74444444、13.34、14.52222222、 15.64166667、11.49166667、12.48888889、12.81、15.70277778、13.83333333、 17.09722222、18.15555556、19.22222222、9.727777778、15.32222222、 16.8、14.40833333、15.36944444、15.91111111、16.96666667、15.61944444、 16.72777778、17.725、14.69722222、16.99037291、9.077777778、10.07222222、 12.94520548、15.01944444、16.81944444、17.925、18.88333333、13.50277778、 14.65555556, 15.77222222, 15.79166667, 16.86111111, 15.90833333, 16.8206621、16.03611111、17.03337139、9.583561644、15.48888889、 16.46666667、14.83055556、16.32777778、17.30585997、18.31944444、 10.47222222、16.29722222、18.77222222、10.07777778、11.30277778、 7.444444444、13.69863014、6.261111111、15.66944444、16.65555556、 17.64459665, 17.63611111, 17.51944444, 10.775, 11.81111111), 体积 = c(548972.1775, 648425.585, 615478.6595, 601188.9513, 606759.7861、598821.7733、582035.8968、475477.9975、574780.474、 567670.6336、623036.5768、603722.0278、526709.9175、509533.1299、 516068.5599、525279.5766、558883.6295、612427.3156、599934.9009、 591680.4761、639770.0607、558242.4347、549221.9145、605292.8799、 550536.2854、511179.4063、483482.6999、558609.3465、523856.3622、 576197.7365、537253.1676、627511.0046、501817.1233、616762.9889、 605997.8985、582158.3157、523472.5022、504760.7745、503067.4078、 646116.6452、580252.1451、597486.9348、626396.6821、572584.2842、 573443.347、579332.7002、473260.9821、534797.636、526065.6489、 560880.908、542218.4166、630812.8165、629211.68、608299.9884、 656401.4787、571348.4899、560327.5263、543939.9021、596117.8705、 584485.7293、556320.8872、626296.7889、584663.1206、656435.4865、 660134.5144、643119.3113、576699.6893、531707.7736、530264.4315、 541777.7762、530922.3088、610626.5987、599960.3038、650468.3647、 636040.7153、635297.0107、641780.0158、599630.4608、568276.3797、 574587.6778、496635.5676、539622.8043、532498.2519、516473.2384、 517793.2922、535472.7677、528296.0881、523785.7416、534744.7207、 524431.1189、587735.5674、582148.4209、571915.1305、568074.2646、 581270.9412、560716.9028、532420.9127、589196.387、548777.309、 550087.9959、539554.4263、684722.458、529343.8186、546955.3154、 660572.5684、660768.0026、572548.3249、598619.7422、565051.5456、 596404.2088、586308.6217、592881.4289、531294.8592、543588.604、 644262.9365, 636280.5823)), .Names = c("id", "group", "timepoint", “年龄”，“卷”），row.names = c（NA，-116L），class=“data.frame”，代码页= 65001L）

我想使用轨迹/最佳拟合平均增长曲线以及意大利面条图来可视化每个因变量（在 y 轴上）随年龄（在 x 轴上）的变化，所以它看起来像这样：

最佳拟合平均增长曲线和意大利面条图

这是我目前所拥有的：

R 代码：

library(lattice)
xyplot(vol ~ age, groups = id, type= "b", data= data, 
ylab = "Volume (mm cubed)",
xlab = "Age (years)",
main = "Volume",
scales = list (x = list(at = c(4, 6, 8, 10, 12, 14, 16, 18, 20))))

输出：纵向意大利面条图

从输出图中可以看出，该图按主题 (id) 分组。我想保留连接每个主题的每个时间点的线，但按诊断分组，如第一张图所示。也不确定如何在意大利面条图上创建（和叠加）最佳拟合平均增长曲线。

最后，在为每个组拟合模型后，R 中的哪个命令最适合获得汇总统计数据（即 p 值的 t 检验和 f 检验）？

Answer 1

使用ggplot2：

library(ggplot2)
ggplot(data = DT, aes(x = age, y = vol)) + 
geom_point(size = 2, aes(color = group)) + #colour points by group
geom_path(aes(group = id)) + #spaghetti plot
stat_smooth(method = "lm", formula = y ~ x, aes(group = group, colour = group)) + #line of best fit by group
ylab("Volume (mm cubed)") +
xlab("Age (years)") +
theme_bw()

我们使用geom_path 复制意大利面条图，geom_smooth 创建两条最佳拟合线，geom_point 通过诊断着色

结果：