::ReSECT - Data Mutation

This tutorial is dedicated to the cleaning and transformation of registry data. The goal is to create a homogeneous dataset that can be exploited by registry users or data analysis professionals collaborating in future studies. The initial dataset, on which the code contained in this page is executed, is the result of the joining forms document included in another tutorial.

The tutorial is structured according to the form to which the created variable would belong. The code is included in a drop-down format, and an example of the dataset obtained with each execution is included for the variables of interest. All the code is based on functions belonging to Rstats and the Tidyverse metalibrary. The values used as cut-off points in the design of categorical variables from numerical variables are based on the clinical interest and/or distribution of the data.

Set up

Install and load the libraries you will need.
Load the dataset containing the unified file with the lung resections of your department. You will have to adapt the path, inside the read_xlsx function in the last line of the following code snippet, to the directory on your computer where you have your xlsx data file.

Code

list.of.packages <- c("tidyverse", "readxl", "lubridate", "kableExtra", "gt")
new.packages <- list.of.packages[!(list.of.packages %in% 
                                     installed.packages()[,"Package"])]
if(length(new.packages)) install.packages(new.packages)
lapply(list.of.packages, require, character.only = TRUE)

data <- readRDS(file = "../data/datosClinicos_rpa.RDS")

Preoperative Period

Age

Creation of edad_del_paciente_a_la_fecha_de_intervencion_cat as a way of categorising patient age according to the distribution of data.

Code

data$edad_del_paciente_a_la_fecha_de_intervencion_cat <-
  cut(as.numeric(data$edad_del_paciente_a_la_fecha_de_intervencion),
      breaks = c(0,40,50,60,65,70,75,80,85,100),
      labels = c("< 40","[40 - 50)", 
                 "[50 - 60)", 
                 "[60 - 65)", 
                 "[65-70)",
                 "[70 - 75)", 
                 "[75 - 80)", 
                 "[80 - 85)", 
                 ">= 85"),
      right = FALSE)

set.seed(1)
data %>% 
  select(edad_del_paciente_a_la_fecha_de_intervencion,
         edad_del_paciente_a_la_fecha_de_intervencion_cat) %>% 
  slice_sample(n = 5) %>%
  gt() %>% 
  opt_row_striping(row_striping = TRUE)

edad_del_paciente_a_la_fecha_de_intervencion	edad_del_paciente_a_la_fecha_de_intervencion_cat
65	[65-70)
43	[40 - 50)
NA	NA
69	[65-70)
66	[65-70)

Bode Mass Index

Categorisation of body mass index according to ranges of clinical interest through the creation of indice_de_masa_corporal_cat

Code

data$indice_de_masa_corporal_cat <- 
  cut(as.numeric(data$indice_de_masa_corporal), 
      breaks = c(0,18.5,25,30,35,40, 60),
      labels = c("<18.5: Bajo", 
                 "[18.5 - 25): Normal", 
                 "[25 - 30): Sobrepeso",
                 "[30 - 35): Obesidad I", 
                 "[35 - 40): Obesidad II", 
                 ">= 40: Obesidad III"),
      right = FALSE)


set.seed(1)
data %>% 
  select(indice_de_masa_corporal, indice_de_masa_corporal_cat) %>% 
  slice_sample(n = 5) %>%
  gt() %>% 
  opt_row_striping(row_striping = TRUE)

indice_de_masa_corporal	indice_de_masa_corporal_cat
NA	NA
18.42	<18.5: Bajo
27.28	[25 - 30): Sobrepeso
26.33	[25 - 30): Sobrepeso
20.83	[18.5 - 25): Normal

Functional Status

Categorisation of preoperative FEV1, FVC and DLCO values as percentages. The variables created are fev1_percent_cat, cvf_percent_catand dlco_percent_cat.

Code

data$fev1_percent_cat <- 
  cut(as.numeric(data$fev1_percent), 
      breaks = c(0,50,60,70,80,90,100,200),
     labels = c("< 50", 
                "[50 - 60)", 
                "[60 - 70)", 
                "[70 - 80)", 
                " [80 - 90)", 
                "[90 - 100)", 
                ">= 100"),
      right = FALSE)

data$cvf_percent_cat <- 
  cut(as.numeric(data$cvf_percent), 
      breaks = c(0,50,60,70,80,90,100,200),
      labels = c("< 50", 
                 "[50 - 60)", 
                 "[60 - 70)", 
                 "[70 - 80)", 
                 "[80 - 90)", "[90 - 100)", ">= 100"),
      right = FALSE)

data$dlco_percent_cat <- 
  cut(as.numeric(data$dlco_percent), 
      breaks = c(0,50,60,70,80,90,100,200),
      labels = c("< 50", 
                 "[50 - 60)", 
                 "[60 - 70)",
                 "[70 - 80)", 
                 "[80 - 90)", 
                 "[90 - 100)", 
                 ">= 100"),
      right = FALSE)

set.seed(1)
data %>% 
  select(cvf_percent, cvf_percent_cat, fev1_percent, 
         fev1_percent_cat, dlco_percent, dlco_percent_cat) %>% 
  slice_sample(n = 5) %>%
  gt() %>% 
  opt_row_striping(row_striping = TRUE)

cvf_percent	cvf_percent_cat	fev1_percent	fev1_percent_cat	dlco_percent	dlco_percent_cat
110	>= 100	64	[60 - 70)	59	[50 - 60)
100	>= 100	88	[80 - 90)	74	[70 - 80)
93	[90 - 100)	96	[90 - 100)	91	[90 - 100)
80	[80 - 90)	76	[70 - 80)	NA	NA
102	>= 100	91	[90 - 100)	49	< 50

Surgery

Surgical Duration

Creation of the variable tiempo_quirurgico_min_cat as a way of categorising the duration of surgery in 30 min intervals.

Code

data$tiempo_quirurgico_min_cat <-
  cut(as.numeric(data$tiempo_quirurgico_min),
      breaks = c(0,60,90,120,150,180,210,240,300,1000),
      labels = c("< 60","[60 - 90)", "[90 - 120)", "[120 - 150)", 
                 "[150 - 18)", "[180 - 210)", "[210 - 240)", 
                 "[240 - 300)" , ">= 300"),
      right = FALSE)

set.seed(1)
data %>% 
  select(tiempo_quirurgico_min, tiempo_quirurgico_min_cat) %>% 
  slice_sample(n = 5) %>% 
  gt() %>% 
  opt_row_striping(row_striping = TRUE)

tiempo_quirurgico_min	tiempo_quirurgico_min_cat
NA	NA
245	[240 - 300)
NA	NA
150	[150 - 18)
210	[210 - 240)

Number of Segments

Creation of the variable segmentos_pulmon_a_operar which represents the number of lung segments to be operated on. Consideration is given to the laterality of the procedure, the number of segments removed in previous surgeries and the completeness of the current procedure.
Creation of the variable total_segmentos which represents the total number of segments of the patient before surgery, taking into account only the number of segments previously removed.

Code

# Creación de la Variable Segmentos del Pulmón a Operar a partir de las variables: cirugía torácica previa, 
# número de segmentos resecados en cirugías previas, lateralidad del procedimiento y carácter de compleción del procedimiento.

data <- data %>% 
  mutate(segmentos_pulmon_a_operar = 
  
           case_when(
  data$lateralidad == "Derecha" & data$cirugia_toracica_previa %in% c("No", "Sí, Contralateral", NA) ~ 10,
  data$lateralidad == "Izquierda" & data$cirugia_toracica_previa %in% c("No", "Sí, Contralateral", NA) ~ 9,
  
  data$lateralidad == "Derecha" & data$numero_de_segmentos_resecados_previamente %in% c("0", NA) ~ 10,
  data$lateralidad == "Izquierda" & data$numero_de_segmentos_resecados_previamente %in% c("0",NA) ~ 9,
  
  data$lateralidad == "Derecha" & !(data$numero_de_segmentos_resecados_previamente %in% c("0",NA)) & 
    data$cirugia_toracica_previa %in% c("Sí, Homolateral") ~ 
    10 - as.numeric(data$numero_de_segmentos_resecados_previamente),
            
  data$lateralidad == "Izquierda" & !(data$numero_de_segmentos_resecados_previamente %in% c("0",NA)) & 
    data$cirugia_toracica_previa %in% c("Sí, Homolateral") ~ 
    9 - as.numeric(data$numero_de_segmentos_resecados_previamente),
            
  data$lateralidad == "Derecha" & !(data$numero_de_segmentos_resecados_previamente %in% c("0",NA)) & 
    data$cirugia_toracica_previa %in% c("Sí, Bilateral") & (data$tipo_de_bi_lobectomia %in% 
      c("De Compleción después de una Segmentectomía Anatómica sobre el lóbulo o los lóbulos implicados") | 
        !(data$tipo_de_neumonectomia %in% c("Convencional", NA))) ~ 
    10 - as.numeric(data$numero_de_segmentos_resecados_previamente),
            
  data$lateralidad == "Izquierda" & !(data$numero_de_segmentos_resecados_previamente %in% c("0",NA)) & 
    data$cirugia_toracica_previa %in% c("Sí, Bilateral") & (data$tipo_de_bi_lobectomia %in% 
      c("De Compleción después de una Segmentectomía Anatómica sobre el lóbulo o los lóbulos implicados") | 
        !(data$tipo_de_neumonectomia %in% c("Convencional", NA))) ~ 
    9 - as.numeric(data$numero_de_segmentos_resecados_previamente)
  )
)

  
data <- data %>% 
  mutate(total_segmentos=
    case_when(
      data$cirugia_toracica_previa %in% c("No", NA) | 
        data$numero_de_segmentos_resecados_previamente %in% c("0",NA) ~ 19,
      
      !(data$cirugia_toracica_previa %in% c("No", NA)) ~ 
        19 - as.integer(data$numero_de_segmentos_resecados_previamente)
      )
    )

set.seed(2)
data %>% 
  filter(cirugia_toracica_previa != "No") %>%
  select (
    cir_tor_previa=cirugia_toracica_previa, 
    seg_resecados_previamente=numero_de_segmentos_resecados_previamente, 
    lateralidad, 
    tipo_lobectomia=tipo_de_bi_lobectomia,
    seg_pulmon_a_operar=segmentos_pulmon_a_operar, 
    total_seg=total_segmentos) %>%
  slice_sample(n = 5) %>% 
  gt() %>% 
  gt::cols_width(
    cir_tor_previa~ px(140),
    seg_resecados_previamente ~px(170),
    lateralidad~px(100),
    tipo_lobectomia~px(120),
    seg_pulmon_a_operar ~px(160),
    total_seg~px(100)) %>%
  gt::tab_footnote(
    "Nota: En caso de valores faltantes para `cirugía torácica previa` o 
    `numero de segmentos previamente resecados`, se considera que ambos valores 
    son `No` y `0`, respectivamente.") %>% 
  opt_row_striping(row_striping = TRUE)

cir_tor_previa	seg_resecados_previamente	lateralidad	tipo_lobectomia	seg_pulmon_a_operar	total_seg
Sí, Homolateral	5	Derecha	Convencional	5	14
Sí, Contralateral	5	Derecha	Convencional	10	14
Sí, Contralateral	5	Izquierda	NA	9	14
Sí, Bilateral	0	Izquierda	De Compleción después de una Resección Atípica sobre el lóbulo o los lóbulos implicados	9	19
Sí, Contralateral	0	Derecha	Convencional	10	19
Nota: En caso de valores faltantes para `cirugía torácica previa` o `numero de segmentos previamente resecados`, se considera que ambos valores son `No` y `0`, respectivamente.

PPO Values

Calculation of ppo values fev1_ppo_percent, cvf_ppo_percent y dlco_ppo_percent based on the number of functioning and non-functioning segments removed, as well as the percentage of perfusion of the lung to be operated. In case of NO pneumonectomy and perfusion scan, the calculation takes into account the laterality of the procedure and the number of lung segments to be operated.

Code

# FEV1

data <- data %>%  mutate(
  fev1_ppo_percent = case_when(
    is.na(data$porcentaje_de_perfusion_del_pulmon_intervenido) ~ 
      (
        as.numeric(data$fev1_percent) - 
         (as.numeric(numero_de_segmentos_funcionantes_resecados) * as.numeric(data$fev1_percent)/
            (data$total_segmentos - as.numeric(data$numero_de_segmentos_no_funcionantes_resecados))
          )
      ),
    
    data$procedimiento_pulmonar == "Neumonectomía" & !is.na(data$porcentaje_de_perfusion_del_pulmon_intervenido) ~ 
      (
        as.numeric(data$fev1_percent) - (as.numeric(data$fev1_percent) * 0.01 * as.numeric(data$porcentaje_de_perfusion_del_pulmon_intervenido))
      ),
    
    data$procedimiento_pulmonar != "Neumonectomía" & !is.na(data$porcentaje_de_perfusion_del_pulmon_intervenido) ~ 
      (
        as.numeric(data$fev1_percent) - (as.numeric(numero_de_segmentos_funcionantes_resecados) * as.numeric(data$fev1_percent) * 0.01 * as.numeric(data$porcentaje_de_perfusion_del_pulmon_intervenido))/
          (data$segmentos_pulmon_a_operar)
      )
  )
)

data$fev1_ppo_percent <- round(data$fev1_ppo_percent,1)

# CVF

data <- data %>%  mutate(
  cvf_ppo_percent = case_when(
    is.na(data$porcentaje_de_perfusion_del_pulmon_intervenido) ~ 
      (
        as.numeric(data$cvf_percent) - 
         (as.numeric(numero_de_segmentos_funcionantes_resecados) * as.numeric(data$cvf_percent)/
            (data$total_segmentos - as.numeric(data$numero_de_segmentos_no_funcionantes_resecados))
          )
      ),
    
    data$procedimiento_pulmonar == "Neumonectomía" & !is.na(data$porcentaje_de_perfusion_del_pulmon_intervenido) ~ 
      (
        as.numeric(data$cvf_percent) - (as.numeric(data$cvf_percent) * 0.01 * as.numeric(data$porcentaje_de_perfusion_del_pulmon_intervenido))
      ),
    
    data$procedimiento_pulmonar != "Neumonectomía" & !is.na(data$porcentaje_de_perfusion_del_pulmon_intervenido) ~ 
      (
        as.numeric(data$cvf_percent) - (as.numeric(numero_de_segmentos_funcionantes_resecados) * as.numeric(data$cvf_percent) * 0.01 * as.numeric(data$porcentaje_de_perfusion_del_pulmon_intervenido))/
          (data$segmentos_pulmon_a_operar)
      )
  )
)

data$cvf_ppo_percent <- round(data$cvf_ppo_percent,1)

# DLCO

data <- data %>%  mutate(
  dlco_ppo_percent = case_when(
    is.na(data$porcentaje_de_perfusion_del_pulmon_intervenido) ~ 
      (
        as.numeric(data$dlco_percent) - 
         (as.numeric(numero_de_segmentos_funcionantes_resecados) * as.numeric(data$dlco_percent)/
            (data$total_segmentos - as.numeric(data$numero_de_segmentos_no_funcionantes_resecados))
          )
      ),
    
    data$procedimiento_pulmonar == "Neumonectomía" & !is.na(data$porcentaje_de_perfusion_del_pulmon_intervenido) ~ 
      (
        as.numeric(data$dlco_percent) - (as.numeric(data$dlco_percent) * 0.01 * as.numeric(data$porcentaje_de_perfusion_del_pulmon_intervenido))
      ),
    
    data$procedimiento_pulmonar != "Neumonectomía" & !is.na(data$porcentaje_de_perfusion_del_pulmon_intervenido) ~ 
      (
        as.numeric(data$dlco_percent) - (as.numeric(numero_de_segmentos_funcionantes_resecados) * as.numeric(data$dlco_percent) * 0.01 * as.numeric(data$porcentaje_de_perfusion_del_pulmon_intervenido))/
          (data$segmentos_pulmon_a_operar)
      )
  )
)

data$dlco_ppo_percent <- round(data$dlco_ppo_percent,1)

set.seed(1)
data %>% select(fev1_percent, fev1_ppo_percent, cvf_percent, cvf_ppo_percent) %>%
  slice_sample(n = 5) %>%
  gt() %>% 
  opt_row_striping(row_striping = TRUE)

fev1_percent	fev1_ppo_percent	cvf_percent	cvf_ppo_percent
64	53.9	110	92.6
88	82.8	100	94.1
96	NA	93	NA
76	64.0	80	67.4
91	67.1	102	75.2

Diagnosis

Tumour Size

Tumour size categorisation. This characteristic, tamaño_tumoral_mm_cat, only includes patients with primary malignant lung tumours.

Code

#|label: tamaño tumoral

data$tamano_tumoral_mm_cat <-
  cut(as.numeric(data$tamano_tumoral_mm),
      breaks = c(0,10,20,30,40,50,60,70,80,90,100,1000),
      labels = c("< 10","[10 - 20)", "[20 - 30)", "[30 - 40)", 
                 "[40 - 50)", "[50 - 60)", "[60 - 70)", "[70 - 80)",
                 "[80 - 90)", "[90 - 100)", ">= 100"),
      right = FALSE)

set.seed(1)
data %>% 
  filter(grupo_diagnostico == "Tumoral Maligno Primario") %>%
  select(grupo_diagnostico,tamano_tumoral_mm, tamano_tumoral_mm_cat) %>%
  slice_sample(n = 5)  %>%
  gt() %>% 
  opt_row_striping(row_striping = TRUE)

grupo_diagnostico	tamano_tumoral_mm	tamano_tumoral_mm_cat
Tumoral Maligno Primario	18	[10 - 20)
Tumoral Maligno Primario	30	[30 - 40)
Tumoral Maligno Primario	63	[60 - 70)
Tumoral Maligno Primario	25	[20 - 30)
Tumoral Maligno Primario	22	[20 - 30)

Mediastinal Staging

Code

data <- data %>% mutate(estadificacion_invasiva = case_when(
  data$ebus %in% c("N0", "N1", "N2", "N3", "Ni") & data$estadificacion_quirurgica_del_mediastino %in% c("N0", "N1", "N2", "N3", "Ni") ~ "Both",
  data$ebus %in% c("N0", "N1", "N2", "N3", "Ni") & data$estadificacion_quirurgica_del_mediastino == "No Realizado" ~ "EBUS",
  data$ebus == "No Realizado" & data$estadificacion_quirurgica_del_mediastino %in% c("N0", "N1", "N2", "N3", "Ni") ~ "Surgical",
  data$estadificacion_invasiva_ganglionar == "No" ~ "None"))

data$estadificacion_invasiva <- as.factor(data$estadificacion_invasiva)

set.seed(1)
data %>% 
  filter(estadificacion_invasiva_ganglionar == "Sí") %>%
  select(ebus, estadificacion_quirurgica_del_mediastino, estadificacion_invasiva) %>%
  slice_sample(n = 5)  %>%
  gt() %>% 
  opt_row_striping(row_striping = TRUE)

ebus	estadificacion_quirurgica_del_mediastino	estadificacion_invasiva
N2	No Realizado	EBUS
N2	No Realizado	EBUS
N0	Ni	Both
N0	No Realizado	EBUS
N0	N0	Both

Clinical Stage

Clinical stage according to 8th Ed. TNM estadio_clinico. Includes patients with a primary malignant lung tumour that is not compatible with recurrence of a previous known tumour.

Code

#|label: tnm_clinico

data <- data %>% mutate(
  estadio_clinico = case_when(
    data$descriptor_m_clinico %in% c("M1c") ~ "IVB",
    
    data$descriptor_m_clinico %in% c("M1a", "M1b") ~ "IVA",
    
    data$descriptor_n_clinico %in% c("N3") & 
      data$descriptor_t_clinico %in% c("T3", "T4") ~ "IIIC",
    
    data$descriptor_n_clinico %in% c("N3") & 
      data$descriptor_t_clinico %in% c("T0", "T1a", "T1b", "T1c", "T2a", "T2b") ~ "IIIB",
    
    
    data$descriptor_n_clinico %in% c("N2")  & 
      descriptor_t_clinico %in% c("T3", "T4") ~ "IIIB",
    
    data$descriptor_n_clinico %in% c("N2")  & 
      descriptor_t_clinico %in% c("T0", "T1a", "T1b", "T1c", "T2a", "T2b") ~ "IIIA",
    data$descriptor_n_clinico %in% c("N1") &
      descriptor_t_clinico %in% c("T3", "T4") ~ "IIIA",
    data$descriptor_n_clinico %in% c("N0") &
      descriptor_t_clinico %in% c("T4") ~ "IIIA",
    
    data$descriptor_n_clinico %in% c("N1") ~ "IIB",
    data$descriptor_n_clinico %in% c("N0") & 
      descriptor_t_clinico %in% c("T3") ~ "IIB",

    data$descriptor_n_clinico %in% c("N0") & 
      descriptor_t_clinico %in% c("T2b") ~ "IIA",
    
    data$descriptor_n_clinico %in% c("N0") & 
      descriptor_t_clinico %in% c("T2a") ~ "IB",
    
    data$descriptor_n_clinico %in% c("N0") &
      descriptor_t_clinico %in% c("T1c") ~ "IA3",
    
    data$descriptor_n_clinico %in% c("N0") &
      descriptor_t_clinico %in% c("T1b") ~ "IA2",
    
    data$descriptor_n_clinico %in% c("N0") &
      data$descriptor_t_clinico == "T1a" ~ "IA1",
    
    data$descriptor_n_clinico %in% c("N0") &
      data$descriptor_t_clinico == "T0" ~ "0",
    
    
  )
)

set.seed(1)
data %>% 
  filter(caracter_de_la_enfermedad == "Nueva Enfermedad sin Antecedente de otro Tumor Maligno Primario") %>%
  select(descriptor_t_clinico, descriptor_n_clinico, descriptor_m_clinico, estadio_clinico) %>%
  slice_sample(n = 5)  %>%
  gt() %>% 
 opt_row_striping(row_striping = TRUE)

descriptor_t_clinico	descriptor_n_clinico	descriptor_m_clinico	estadio_clinico
T3	N0	M0	IIB
T1b	N0	M0	IA2
T1b	N0	M0	IA2
T1c	N0	M0	IA3
T1c	N0	M0	IA3

Pathological Stage

Pathological stage according to 8th Ed. TNM ‘estadio_patologico’. Includes patients with a primary malignant lung tumour that is not compatible with recurrence of a previous known tumour.

Code

data <- data %>% mutate(
  estadio_patologico = case_when(
    data$descriptor_m_patologico %in% c("M1c") ~ "IVB",
    
    data$descriptor_m_patologico %in% c("M1a", "M1b") ~ "IVA",
    
    data$descriptor_n_patologico %in% c("N3") & 
      data$descriptor_t_patologico %in% c("T3", "T4") ~ "IIIC",
    
    data$descriptor_n_patologico %in% c("N3") & 
      data$descriptor_t_patologico %in% c("T0", "T1a", "T1b", "T1c", "T2a", "T2b") ~ "IIIB",
    
    data$descriptor_n_patologico %in% c("N2")  & 
      descriptor_t_patologico %in% c("T3", "T4") ~ "IIIB",
    
    data$descriptor_n_patologico %in% c("N2")  & 
      descriptor_t_patologico %in% c("T0", "T1a", "T1b", "T1c", "T2a", "T2b") ~ "IIIA",
    
    data$descriptor_n_patologico %in% c("N1") &
      descriptor_t_patologico %in% c("T3", "T4") ~ "IIIA",
    
    data$descriptor_n_patologico %in% c("N1") ~ "IIB",
    
    data$descriptor_n_patologico %in% c("N0") &
      descriptor_t_patologico %in% c("T4") ~ "IIIA",
    
    data$descriptor_n_patologico %in% c("N0") & 
      descriptor_t_patologico %in% c("T3") ~ "IIB",
    
    data$descriptor_n_patologico %in% c("N0") & 
      descriptor_t_patologico %in% c("T2b") ~ "IIA",
    
    data$descriptor_n_patologico %in% c("N0") & 
      descriptor_t_patologico %in% c("T2a") ~ "IB",
    
    data$descriptor_n_patologico %in% c("N0") &
      descriptor_t_patologico %in% c("T1c") ~ "IA3",
    
    data$descriptor_n_patologico %in% c("N0") &
      descriptor_t_patologico %in% c("T1b") ~ "IA2",
    
    data$descriptor_n_patologico %in% c("N0") &
      data$descriptor_t_patologico == "T1a" ~ "IA1",
    
    data$descriptor_n_patologico %in% c("N0") &
      data$descriptor_t_patologico == "T0" ~ "0",
  )
)

set.seed(1)
data %>% 
  filter(caracter_de_la_enfermedad == "Nueva Enfermedad sin Antecedente de otro Tumor Maligno Primario") %>%
  filter(!is.na(descriptor_t_patologico)) %>%
  select(descriptor_t_patologico, descriptor_n_patologico, descriptor_m_patologico, estadio_patologico) %>%
  slice_sample(n = 5) %>%
  gt() %>% 
  opt_row_striping(row_striping = TRUE)

descriptor_t_patologico	descriptor_n_patologico	descriptor_m_patologico	estadio_patologico
T0	N0	M0	0
T1b	N0	M0	IA2
T1b	N0	M0	IA2
T2a	N0	M0	IB
T2b	N0	M0	IIA

Code

datosClinicos_rpa <- data