这里是一个简单的工作示例，您在摘要之前设置第一个块，如果您需要调整其他thigs（如\graphicspath{}），则可以在文档的开头设置。
如果包含列表的Rdata文件不存在，则在此块中创建一个列表。您需要用文本中调用的值填充它。
当第一次运行这个例子时，您会得到

第二轮你就可以

的
请注意，这种方式可以避免运行长时间的计算，并简单地保存其结果。

\documentclass{article}    
\title{Testing how to save results for the abstract}
\author{}
\begin{document}
% this chunk comes just after begin{document}
<< init, echo=FALSE, eval=TRUE,results="hide" >>=
require(knitr)
summary_list_path <-paste0(getwd(),"/data/summary_list.Rdata")
if (!file.exists(summary_list_path)){
  summary_list<-list()
  summary_list[["A"]]<-list()
  summary_list[["B"]]<-list()
  summary_list[["A"]][["N"]]<-NA
  summary_list[["A"]][["p"]]<-NA
  summary_list[["B"]][["text"]]<-"extremely sad"
} else {
  load(summary_list_path)
}
@
\maketitle
\begin{abstract}
My population is \Sexpr{summary_list[["A"]][["N"]]} and the p value was \Sexpr{summary_list[["A"]][["p"]]} as a result I am \Sexpr{summary_list[["B"]][["text"]]}
\end{abstract}

<<chunk_1, echo=FALSE, eval=TRUE,results="hide" >>=
summary_list[["A"]][["N"]]<-20
summary_list[["A"]][["p"]]<-0.05
# save your list at the end of each chunk, that was you can also avoid 
# processing everyting.
save(summary_list,file=summary_list_path)
@

<<chunk_2, echo=FALSE, eval=TRUE,results="hide" >>=
summary_list[["B"]][["text"]]<-"happy"
save(summary_list,file=summary_list_path)
@

\end{document}

字符串

下面是另一种选择：
1.在你的摘要之前创建一个块（或几个）。
1.使用块导入和清理数据。
1.然后计算出现在抽象中的每个值，并将每个值保存到一个命名对象中。
1.现在只需要抽象地引用内联代码中的命名对象（而不是自己进行计算）。
优点：

• 所有计算都已完成并保存，因此您也可以在报告中稍后引用它们。
• 因为所有的数据预处理都已经在摘要之前的块中完成了，所以报告中后面的r代码块可以专注于创建图形、表格或执行更复杂的分析。
• 对象（计算结果）在您显式调用它们之前不会出现（预抽象块在抽象本身之前不会有任何可见的输出）。

下面是一个例子：

```{r setup, include=FALSE}

# Set chunk options:
knitr::opts_chunk$set(echo = FALSE, 
                      message = FALSE, 
                      warning = FALSE, 
                      eval = TRUE)

# Check if pacman is installed, install if not:
if (!require("pacman")) install.packages("pacman")

# Use pacman to load the rest of the required packages (below are examples):
pacman::p_load(
  rmarkdown,
  knitr, 
  tidyverse,
  officedown,
  officer, 
  rio,
  here
)

mydata <- rio::import(here("data", "mydata.xlsx")) %>%

   # Data cleaning steps...

# Calculate figures for the abstract:

n_cases <- nrow(mydata)

Abstract

This is an abstract. There were r n_cases recruited to the study.

字符串