pharm_in_R.Rmd

---
title: "pharm in R"
author: "liuc"
date: '2022-07-07'
output: pdf_document
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```

## pharm in R

> https://github.com/insightsengineering


R语言应用范围中，Pharma相关的应用是一个很大很重要的领域，考虑到`Rstudio`, `Shiny`在工作中的方便性，R语言和SAS在临床 药物研发等领域还是有的一比的，当然简单易用同时兼顾强大还需要很多优秀的开发人员。

在几家药企的努力下，基于R平台的分析在药企中使用会愈发频繁，此处几个不错的R包的使用，并和SAS进行一些对比。


```{r}
library(pharmverse)

library(mmrm)
```



## 下面以mmrm包为例

此包是用来做重复测量资料的混合效应模型的。在SAS和Stata的混合效应模型中，可以选择covariance matrix，KR(Kenward & Roger) style ajustment fit an unstructured covariance matrix MMRM model. 
`lme4`似乎不是很方便，而此包较为方便得到和SAS一致的结果。

其有多种covariance可供选择，以及Satterthwaite adjusted degrees of freedom，Kenward-Roger adjusted degrees of freedom and coefficients covariance matrix 等。详细可参见其官方文档。

其文档所说的scope为：
1，response 残差为正态分布
2，Marginal linear models (no individual-level random effects). 这个就不是很懂了，不应该主要关注个体间的随机效应吗？


此包最为重要的部分私以为在于其control部分的应用:
```{r}
# ?mmrm_control
mmrm_control(
  method = "Kenward-Roger",
  optimizer = c("L-BFGS-B", "BFGS"),
  n_cores = 2,
  start = c(0, 1, 1, 0, 1, 0),
  accept_singular = FALSE,
  drop_visit_levels = FALSE
)
```


下面只考虑个体检的随机效应，报错。
```{r}
fit <- mmrm(formula = score ~ time + class + AGE + us(1|`PatientID`),
                 data = df2,
                 reml = TRUE,
                 method = "Kenward-Roger"
                 )
```


Note that if you would like to match SAS results for an unstructured covariance model, you can use the linear Kenward-Roger approximation:

```{r}
fit2 <- mmrm(formula = score ~ time * class + AGE + us(time|`PatientID`),
                 data = df2,
                 reml = TRUE,
                 method = "Kenward-Roger-Linear"
                 )
```

```{r}
summary(fit2)
```

*Hypothesis testing:*

一维contrast的两种算法在freedom上的结果是一致的，但标准误等不一致。此处所讨论到的contrast，在应用到`emmeans`包的时候需要考虑些啥么。

一维和多维linear 是啥意思。。

```{r}
contrast <- numeric(length(component(fit, "beta_est")))
contrast[3] <- 1

df_1d(fit, contrast)
```


Multi-dimensional contrasts:
```{r}
contrast <- matrix(data = 0, nrow = 2, ncol = length(component(fit, "beta_est")))
contrast[1, 2] <- contrast[2, 3] <- 1

df_md(fit, contrast)
```


```{r}
emmeans::emmeans(fit, ~ ARMCD | AVISIT)
```


```{r}
emm_res <- emmeans::emmeans(fit, ~ ARMCD | AVISIT)

bb <- contrast(emm_res, method = 'trt.vs.ctrl',
         type = 'response', adjust = 'fdr',
         by = 'ARMCD',
         infer = c(TRUE, TRUE))


plot(bb) +
  theme_bw() +
  geom_vline(xintercept = 0, linetype = 2, color = 'red4')
```









## R for clinical study reports


```{r}
# 写出RTF格式的表格
library(r2rtf)
library(tm)
```


读取RTF格式中的表格：
```{r}
# one table
doc <- docxtractr::read_docx('~/OneDrive/kintor/Daily_Work/KX826_US1003_PK/L16.2.4.1_ADSL_LREF06.docx')
```


```{r}
docx_tbl_count(doc)
```


```{r}
docx_extract_tbl(doc, 1)
```