你要的是：把“夜间高血压”的 1、2、3 三组合并成一个“总组（1–3合并）”，对这个总组做描述统计；并在原有分组结果里“修改/补充”展示。下面给你一套直接可跑的 R 代码，一次性生成三张表，并输出到 Word（原始4组；1–3合并 vs 4 的二组对比；以及“4组表+合并组描述列”）。

说明

• A：保持你原来的4组表（含P和SMD）。
• B：新建二分类分组（“1–3合并” vs “4”）做比较（含P和SMD）。
• C：在4组表里额外插入一列“1–3合并(描述)”（只做描述，不做检验），便于论文展示。
• Word 导出：用 officer + flextable 输出到你论文目录。

R 代码

r
# 如未安装请先安装：
# install.packages(c("readxl","tableone","officer","flextable"))

library(readxl)
library(tableone)
library(officer)
library(flextable)

## 1) 读入数据（与你原代码一致）
df <- read_excel("~/毕业论文/中华高血压杂志V1/基线运算V1.xlsx")

## 2) 设置原始分组（1,2,3,4）
df$夜间高血压 <- factor(df$夜间高血压,
                        levels = c(1, 2, 3, 4),
                        labels = c("1","2","3","4"))

## 2.1) 构造新的“合并分组”：把 1/2/3 合并为一个层级
df$夜间高血压_合并 <- factor(
  ifelse(df$夜间高血压 %in% c("1","2","3"), "1-3合并", "4"),
  levels = c("1-3合并","4")
)

## 3) 变量清单（与你一致）
cat_vars  <- c("性别","吸烟","饮酒","抗脂药","抗糖药",
               "血脂异常","糖尿病","冠心病","脑血管疾病")
cont_vars <- c("年龄","身高","体重","BMI",
               "全天收缩压","全天舒张压",
               "白天收缩压","白天舒张压",
               "夜间收缩压","夜间舒张压",
               "DDD","空腹血糖","甘油三脂","TyG指数",
               "总胆固醇","高密度","低密度",
               "肌酐","尿酸")
vars_all <- c(cat_vars, cont_vars)

## ---- A. 原始4组基线表（含 P 与 SMD） ----
tab_4 <- CreateTableOne(vars = vars_all,
                        strata = "夜间高血压",
                        data = df,
                        factorVars = cat_vars)

mat_4 <- print(tab_4,
               showAllLevels = TRUE,
               test          = TRUE,   # 组间检验 P 值
               smd           = TRUE,   # 标准化差异
               contDigits    = 2,
               pDigits       = 3,
               quote         = FALSE,
               noSpaces      = TRUE,
               printToggle   = FALSE)  # 返回矩阵，便于后续导出/拼接

## ---- B. 二组表：“1-3合并” vs “4”（含 P 与 SMD） ----
tab_2 <- CreateTableOne(vars = vars_all,
                        strata = "夜间高血压_合并",
                        data = df,
                        factorVars = cat_vars)

mat_2 <- print(tab_2,
               showAllLevels = TRUE,
               test          = TRUE,
               smd           = TRUE,
               contDigits    = 2,
               pDigits       = 3,
               quote         = FALSE,
               noSpaces      = TRUE,
               printToggle   = FALSE)

## ---- C. 在4组表中插入“1-3合并(描述)”这一列 ----
# 先对 1/2/3 这三组整体做一次“总体描述”（不分层、无P/SMD）
tab_123_overall <- CreateTableOne(vars = vars_all,
                                  data = subset(df, 夜间高血压 %in% c("1","2","3")),
                                  factorVars = cat_vars)

mat_123_overall <- print(tab_123_overall,
                         showAllLevels = TRUE,
                         test          = FALSE,
                         smd           = FALSE,
                         contDigits    = 2,
                         quote         = FALSE,
                         noSpaces      = TRUE,
                         printToggle   = FALSE)

# 行对齐并改列名
mat_123_overall <- mat_123_overall[rownames(mat_4), , drop = FALSE]
colnames(mat_123_overall) <- "1-3合并(描述)"

# 把“1-3合并(描述)”插到 4 组列 与 P/SMD 列 之间
idx_right <- which(colnames(mat_4) %in% c("p","test","SMD"))
left_4  <- if (length(idx_right)) mat_4[, -idx_right, drop=FALSE] else mat_4
right_4 <- if (length(idx_right)) mat_4[,  idx_right, drop=FALSE] else NULL

mat_4_plus <- if (is.null(right_4)) {
  cbind(left_4, mat_123_overall)
} else {
  cbind(left_4, mat_123_overall, right_4)
}

## ---- D. 导出到 Word（3张表各一页/一段） ----
out_dir  <- "~/毕业论文/中华高血压杂志V1"
out_file <- file.path(out_dir, "基线表_含合并组.docx")

doc <- read_docx()

# 表A：原始4组
doc <- body_add_par(doc, "原始4组基线表", style = "heading 1")
ftA <- flextable(data.frame(变量 = rownames(mat_4), mat_4, check.names = FALSE))
ftA <- autofit(ftA)
doc <- body_add_flextable(doc, ftA)
doc <- body_add_par(doc, "")

# 表B：1–3合并 vs 4（二组比较）
doc <- body_add_par(doc, "1–3合并 vs 4（二组比较）", style = "heading 1")
ftB <- flextable(data.frame(变量 = rownames(mat_2), mat_2, check.names = FALSE))
ftB <- autofit(ftB)
doc <- body_add_flextable(doc, ftB)
doc <- body_add_par(doc, "")

# 表C：四组表 + “1–3合并(描述)”列
doc <- body_add_par(doc, "四组表 + “1–3合并(描述)”列", style = "heading 1")
ftC <- flextable(data.frame(变量 = rownames(mat_4_plus), mat_4_plus, check.names = FALSE))
ftC <- autofit(ftC)
doc <- body_add_flextable(doc, ftC)

print(doc, target = out_file)
message("已导出：", out_file)

小贴士

• 如果你只想用合并后的分组来替换原分组，那么后续分析里把 strata = "夜间高血压" 改成 strata = "夜间高血压_合并" 即可。
• 若需要**中位数[IQR]**等非正态统计，可在 print() 里设置 nonnormal = c("变量A","变量B", ...)，testNonNormal = TRUE。
• flextable 输出后可以在 Word 中调整边框、字体与列宽，以符合期刊版式。

把这段代码直接放到你现有脚本的读取数据之后即可运行；生成的 Word 文件会保存在 ~/毕业论文/中华高血压杂志V1/基线表_含合并组.docx。如果还想把这三张表拆分为三个不同的 Word 文件，也可以帮你改成分别导出。

你这个错误来自这一句：

r
mat_123_overall <- mat_123_overall[rownames(mat_4), , drop = FALSE]

原因：mat_123_overall 里缺了 mat_4 中的一些行名（通常是某些分类变量的某个水平在 1–3 组中完全没有出现，CreateTableOne 在“overall(不分层)”时就不生成该行），所以按 rownames(mat_4) 去取行会“下标出界”。

最稳妥的修正（推荐）

不要用不分层的 overall 去拼列，直接从你已经算好的 二组表 mat_2 里抽取“1–3合并”那一列作为描述列。这样所有分类水平都会出现，行名与 mat_4 能对齐，不会越界。

把你代码中 C 段替换为下面这段即可：

r
## ---- C. 在4组表中插入“1-3合并(描述)”这一列（从二组表提取） ----
# 从二组矩阵中找到“1-3合并”那一列（避免与 p/test/SMD 混淆）
grp_cols_2 <- setdiff(colnames(mat_2), c("4", "p", "test", "SMD"))
# 正常情况下 grp_cols_2 就只有 "1-3合并"
col_merged <- mat_2[, grp_cols_2[1], drop = FALSE]
colnames(col_merged) <- "1-3合并(描述)"

# 保险：按四组表的行顺序重排（若有缺失行，用空字符补齐）
miss_rows <- setdiff(rownames(mat_4), rownames(col_merged))
if (length(miss_rows)) {
  fill <- matrix("", nrow = length(miss_rows), ncol = ncol(col_merged),
                 dimnames = list(miss_rows, colnames(col_merged)))
  col_merged <- rbind(col_merged, fill)
}
col_merged <- col_merged[rownames(mat_4), , drop = FALSE]

# 把“1-3合并(描述)”插到 4 组列 与 P/SMD 列 之间
idx_right <- which(colnames(mat_4) %in% c("p","test","SMD"))
left_4  <- if (length(idx_right)) mat_4[, -idx_right, drop=FALSE] else mat_4
right_4 <- if (length(idx_right)) mat_4[,  idx_right, drop=FALSE] else NULL

mat_4_plus <- if (is.null(right_4)) {
  cbind(left_4, col_merged)
} else {
  cbind(left_4, col_merged, right_4)
}

这样做的好处：二组表 mat_2 与四组表 mat_4 的行名体系一致（同一套变量与水平），因此不会再出现“下标出界”。

如果你更想保留“overall(1–3)”的做法（备选）

那就需要保证 1–3 子集的所有分类变量水平与全样本完全一致，并在拼接前补齐缺失行：

r
# 1) 固定 1–3 子集的分类变量水平，与全样本一致
df123 <- subset(df, 夜间高血压 %in% c("1","2","3"))
for (v in cat_vars) {
  df123[[v]] <- factor(df123[[v]], levels = levels(df[[v]]))
}

tab_123_overall <- CreateTableOne(vars = vars_all,
                                  data = df123,
                                  factorVars = cat_vars)
mat_123_overall <- print(tab_123_overall,
                         showAllLevels = TRUE,
                         test = FALSE, smd = FALSE,
                         contDigits = 2,
                         quote = FALSE, noSpaces = TRUE,
                         printToggle = FALSE)

# 2) 在与 mat_4 对齐前，先把缺的行补上（用空字符占位）
miss_rows <- setdiff(rownames(mat_4), rownames(mat_123_overall))
if (length(miss_rows)) {
  fill <- matrix("", nrow = length(miss_rows), ncol = ncol(mat_123_overall),
                 dimnames = list(miss_rows, colnames(mat_123_overall)))
  mat_123_overall <- rbind(mat_123_overall, fill)
}

# 3) 对齐顺序并改列名
mat_123_overall <- mat_123_overall[rownames(mat_4), , drop = FALSE]
colnames(mat_123_overall) <- "1-3合并(描述)"

# 4) 与四组表拼接（同你原逻辑）
idx_right <- which(colnames(mat_4) %in% c("p","test","SMD"))
left_4  <- if (length(idx_right)) mat_4[, -idx_right, drop=FALSE] else mat_4
right_4 <- if (length(idx_right)) mat_4[,  idx_right, drop=FALSE] else NULL

mat_4_plus <- if (is.null(right_4)) {
  cbind(left_4, mat_123_overall)
} else {
  cbind(left_4, mat_123_overall, right_4)
}

快速自检（可选）

若想确认行名不一致来自哪里，跑这两行就能定位缺的项目：

r
setdiff(rownames(mat_4), rownames(mat_2))          # 二组表缺哪些行
# 或
setdiff(rownames(mat_4), rownames(mat_123_overall)) # overall(1-3)缺哪些行

按以上任一方案修改后，后面的 Word 导出 部分无需改动，可以继续使用你现有的 D 段代码生成文档。

下面是在你现有代码基础上做的“就地修改”，自动计算统计量并选择合适的检验方式：

• 连续变量：自动做正态性检验（Shapiro–Wilk），正态显示为 均值±SD 并用 单因素方差分析；非正态显示为 中位数[IQR] 并用 Kruskal–Wallis（通过 nonnormal + testNonNormal=TRUE 实现）。
• 分类变量：自动判断是否需要 Fisher 精确检验（当任何期望频数 < 5 或卡方不可用时），否则用 卡方检验（通过 exact= 指定）。
• 仍保留 P 值 与 SMD（注意：SMD 在多组分层时的含义有限，如果需要标准化差异，建议做二组比较）。

直接把你代码中“# 生成描述性统计表”这一段替换为下面整段即可（前面的读取数据与变量列表保持不变）。

r
# =========================
# 生成描述性统计表（自动选择检验）
# =========================

library(tableone)

# 1) 清理：确保分类是 factor、连续是数值
#    （若 Excel 中把数值读成字符，会自动转为数值；无法转换的会成为 NA）
cat_vars  <- intersect(cat_vars,  names(df))
cont_vars <- intersect(cont_vars, names(df))

for (v in cat_vars) {
  if (!is.factor(df[[v]])) df[[v]] <- factor(df[[v]])
}
for (v in cont_vars) {
  if (!is.numeric(df[[v]])) df[[v]] <- suppressWarnings(as.numeric(df[[v]]))
}

# 2) 自动识别非正态连续变量（任一分组 Shapiro p<0.05 即视为非正态）
is_nonnormal <- function(x, g) {
  sp <- split(x, g)
  pvals <- sapply(sp, function(z) {
    z <- z[is.finite(z)]
    n <- length(z)
    if (n < 3) return(NA_real_)
    z <- if (n > 5000) sample(z, 5000) else z  # Shapiro 的样本上限
    tryCatch(shapiro.test(z)$p.value, error = function(e) NA_real_)
  })
  any(pvals < 0.05, na.rm = TRUE)
}
nonnormal_vars <- cont_vars[sapply(cont_vars, function(v) is_nonnormal(df[[v]], df$夜间高血压))]

# 3) 自动判定哪些分类变量用 Fisher（期望频数<5 或卡方报错）
need_fisher <- sapply(cat_vars, function(v) {
  tab <- table(df[[v]], df$夜间高血压, useNA = "no")
  if (nrow(tab) < 2 || ncol(tab) < 2) return(FALSE)  # 无法检验
  chi <- tryCatch(chisq.test(tab, correct = FALSE), error = function(e) NULL)
  if (is.null(chi)) return(TRUE)
  any(chi$expected < 5)
})
exact_vars <- names(need_fisher)[need_fisher]

# 4) 生成表 1（含 P 与 SMD；正态/非正态显示与检验分别处理）
table1 <- CreateTableOne(vars = c(cat_vars, cont_vars),
                         strata = "夜间高血压",
                         data = df,
                         factorVars = cat_vars)

tab_mat <- print(table1,
                 showAllLevels = TRUE,
                 test          = TRUE,
                 # 连续变量：这些按中位数[IQR]显示，并用 Kruskal–Wallis
                 nonnormal     = nonnormal_vars,
                 testNonNormal = TRUE,
                 # 分类变量：这些用 Fisher 精确检验，其余用卡方
                 exact         = exact_vars,
                 smd           = TRUE,
                 contDigits    = 2,
                 pDigits       = 3,
                 quote         = FALSE,
                 noSpaces      = TRUE,
                 printToggle   = FALSE)

# 查看控制台输出
print(tab_mat)

# （可选）导出到 Word
# install.packages(c("officer","flextable"))  # 如尚未安装
library(officer); library(flextable)
out_file <- "~/毕业论文/中华高血压杂志V1/表1_基线(自动检验).docx"
doc <- read_docx()
ft  <- flextable(data.frame(变量 = rownames(tab_mat), tab_mat, check.names = FALSE))
ft  <- autofit(ft)
doc <- body_add_par(doc, "表1 基线特征（正态=均值±SD；非正态=中位数[IQR]；分类：卡方/Fisher 自动选择）", style = "heading 1")
doc <- body_add_flextable(doc, ft)
print(doc, target = out_file)
message("已导出：", out_file)

说明与小贴士

• 正态/非正态判断：用每个分组内的 Shapiro–Wilk（n≥3）；任一组不满足正态则把该变量放入 nonnormal_vars，tableone::print() 会自动以 中位数[IQR] 展示并使用 Kruskal–Wallis。
• Fisher 自动选择：对每个分类变量按分组构建列联表；若期望频数 < 5 或卡方不可用，则把该变量名放入 exact_vars，打印时对它们用 Fisher。
• SMD：tableone 在多组分层时提供的 SMD 仅作粗略参考；若论文需要严格的标准化差异，建议做二组比较（例如把 1–3 合并对 4），或单独计算效应量（如 η²、Cramér’s V）。
• 如果出现“某变量不存在”之类的报错，检查变量名是否与 Excel 表头完全一致；代码里已用 intersect() 自动忽略不存在的变量名。

如果你还需要把 1–3 组合并 vs 4 再做一份二组比较（更利于展示 SMD），我也可以把相应的两行扩展代码补上。

好的！下面这段代码把原 1、2、3 组合并为“1–3合并”，与 4 组进行二组比较，并自动选择合适的检验方式（连续变量：正态→t 检验/均值±SD；非正态→Wilcoxon/中位数[IQR]；分类变量：卡方或 Fisher）。把它接在你现有脚本后面（读入数据与变量列表已存在）即可运行。

r
## === 构造二分类分组：1–3合并 vs 4 ===
df$夜间高血压_合并 <- factor(
  ifelse(df$夜间高血压 %in% c("1","2","3"), "1-3合并", "4"),
  levels = c("1-3合并","4")
)

## === 类型校正（避免 Excel 读入为字符）===
cat_vars  <- intersect(cat_vars,  names(df))
cont_vars <- intersect(cont_vars, names(df))
for (v in cat_vars)  if (!is.factor(df[[v]]))  df[[v]] <- factor(df[[v]])
for (v in cont_vars) if (!is.numeric(df[[v]])) df[[v]] <- suppressWarnings(as.numeric(df[[v]]))

## === 连续变量：按分组自动判定非正态（任一组 Shapiro p<0.05 即非正态）===
is_nonnormal <- function(x, g) {
  sp <- split(x, g)
  pvals <- sapply(sp, function(z) {
    z <- z[is.finite(z)]
    n <- length(z)
    if (n < 3) return(NA_real_)
    z <- if (n > 5000) sample(z, 5000) else z
    tryCatch(shapiro.test(z)$p.value, error = function(e) NA_real_)
  })
  any(pvals < 0.05, na.rm = TRUE)
}
nonnormal_vars_2 <- cont_vars[sapply(cont_vars, function(v) is_nonnormal(df[[v]], df$夜间高血压_合并))]

## === 分类变量：若期望频数<5 或卡方报错 → Fisher ===
need_fisher_2 <- sapply(cat_vars, function(v) {
  tab <- table(df[[v]], df$夜间高血压_合并, useNA = "no")
  if (nrow(tab) < 2 || ncol(tab) < 2) return(FALSE)
  chi <- tryCatch(chisq.test(tab, correct = FALSE), error = function(e) NULL)
  if (is.null(chi)) return(TRUE)
  any(chi$expected < 5)
})
exact_vars_2 <- names(need_fisher_2)[need_fisher_2]

## === 二组比较表：1–3合并 vs 4（含P与SMD）===
library(tableone)
tab_2 <- CreateTableOne(vars = c(cat_vars, cont_vars),
                        strata = "夜间高血压_合并",
                        data = df,
                        factorVars = cat_vars)

tab2_mat <- print(tab_2,
                  showAllLevels = TRUE,
                  test          = TRUE,
                  nonnormal     = nonnormal_vars_2,  # 非正态→中位数[IQR] + Wilcoxon
                  testNonNormal = TRUE,
                  exact         = exact_vars_2,      # 需要时用 Fisher
                  smd           = TRUE,              # 二组的 SMD 有意义
                  contDigits    = 2,
                  pDigits       = 3,
                  quote         = FALSE,
                  noSpaces      = TRUE,
                  printToggle   = FALSE)

# 控制台查看
print(tab2_mat)

## === （可选）导出到 Word ===
# install.packages(c("officer","flextable")) # 如未安装
library(officer); library(flextable)
out_file2 <- "~/毕业论文/中华高血压杂志V1/表1_1-3合并_vs_4.docx"
doc2 <- read_docx()
doc2 <- body_add_par(doc2, "表1：1–3合并 vs 4（二组比较）", style = "heading 1")
ft2  <- flextable(data.frame(变量 = rownames(tab2_mat), tab2_mat, check.names = FALSE))
ft2  <- autofit(ft2)
doc2 <- body_add_flextable(doc2, ft2)
print(doc2, target = out_file2)
message("已导出：", out_file2)

使用说明

• 这段代码不改变你原来的 4 组表，只是新增一张“1–3合并 vs 4”的二组比较表。
• 若你只想在后续分析里用合并分组，把 strata = "夜间高血压" 改成 strata = "夜间高血压_合并" 即可。
• 二组比较的 SMD 更具可解释性；连续变量的 SMD 基于两组的合并标准差，分类变量为比例差的标准化。
• 若你更倾向于固定显示某些变量为中位数[IQR]（不做正态检验），可把这些变量名直接填进 nonnormal = c("变量A","变量B", ...)。

需要把这张二组表再与“四组表”并排展示、或在四组表中插入“1–3合并(描述)”那一列，我也可以给你对应的拼接代码。