Aca se analiza si la prevalencia de severidad ajustada se asocia con las variables de riesgo
#09112013
library(survey)
##
## Attaching package: 'survey'
##
## The following object(s) are masked from 'package:graphics':
##
## dotchart
options(OutDec = ",")
library(car)
## Loading required package: MASS
## Loading required package: nnet
rm(list = ls(pattern = "modelo"))
load("~/Dropbox/odontologia/maestria licet/octubre 2013/datos_licet_08112013.RData")
Nive.Educativo.de.la.Madre2
Modelo_ero_3a.logit <- svyglm(Erosinbord ~ Nive.Educativo.de.la.Madre2.rec,
design = diseniopost1, family = quasibinomial())
summary(Modelo_ero_3a.logit)
##
## Call:
## svyglm(formula = Erosinbord ~ Nive.Educativo.de.la.Madre2.rec,
## design = diseniopost1, family = quasibinomial())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error
## (Intercept) -2,7989 0,3217
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL -0,5378 0,3838
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY -0,0772 0,4822
## t value Pr(>|t|)
## (Intercept) -8,70 1,8e-10 ***
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL -1,40 0,17
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY -0,16 0,87
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasibinomial family taken to be 0,9559)
##
## Number of Fisher Scoring iterations: 6
confint(Modelo_ero_3a.logit)
## 2,5 % 97,5 %
## (Intercept) -3,429 -2,1684
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL -1,290 0,2145
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY -1,022 0,8678
Erosinbord Regresion logistica multivariada
summary(diseniopost1$variables[, c(432, 452, 435, 451, 442, 450, 445, 443, 447,
485)])
## Sexo.rec Nive.Educativo.de.la.Madre2.rec Tipo.de.Escuela.rec
## 1-F:603 1-ELEMENTARY SCHOOL :326 1-Public :220
## 2-M:551 2-HIGH SCHOOL :577 2-Private:934
## 3-COLLEGE-UNIVERSITY:209
## NA's : 42
## RefrCola.rec Bebidas_energizantes.rec
## 1-Nunca o raramente :141 1-Nunca o raramente :665
## 2-Todos los dias :720 2-Todos los dias :434
## 3-Mas de 3 veces al dia:280 Mas de 3 veces al dia: 13
## NA's : 13 NA's : 42
## bedeportediario.rec BuchTragar.rec Yogurt.rec
## 1-Water :806 1-No :839 1-Mas de 3 veces al dia: 44
## 2-Gatorade:126 2-Yes:129 2-Todos los dias :784
## 3-other : 42 NA's :186 3-Nunca o raramente :299
## NA's :180 NA's : 27
## AlterGastrica.rec Erosinbord
## 1-No :1062 0 :1089
## 2-Yes: 63 1 : 47
## NA's : 29 NA's: 18
##
ok <- complete.cases((diseniopost1$variables[, c(432, 452, 435, 451, 442, 450,
445, 443, 447, 485)]))
table(ok)
## ok
## FALSE TRUE
## 301 853
Modelomulti_ero.logit1 <- svyglm(Erosinbord ~ Sexo + Nive.Educativo.de.la.Madre2.rec +
Tipo.de.Escuela + RefrCola.rec + Bebidas_energizantes.rec + bedeportediario.rec +
BuchTragar.rec + Yogurt.rec + AlterGastrica.rec, design = diseniopost1,
family = quasibinomial())
summary(Modelomulti_ero.logit1)
##
## Call:
## svyglm(formula = Erosinbord ~ Sexo + Nive.Educativo.de.la.Madre2.rec +
## Tipo.de.Escuela + RefrCola.rec + Bebidas_energizantes.rec +
## bedeportediario.rec + BuchTragar.rec + Yogurt.rec + AlterGastrica.rec,
## design = diseniopost1, family = quasibinomial())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error
## (Intercept) -3,636 1,353
## SexoM 1,121 0,435
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL -0,525 0,433
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY -0,045 0,648
## Tipo.de.Escuela2-Privada 0,963 0,695
## RefrCola.rec2-Todos los dias 0,399 0,780
## RefrCola.rec3-Mas de 3 veces al dia 0,868 0,957
## Bebidas_energizantes.rec2-Todos los dias 0,279 0,474
## Bebidas_energizantes.recMas de 3 veces al dia 1,641 0,899
## bedeportediario.rec2-Gatorade 0,699 0,885
## bedeportediario.rec3-other -1,568 1,302
## BuchTragar.rec2-Yes 0,147 0,430
## Yogurt.rec2-Todos los dias -1,567 0,634
## Yogurt.rec3-Nunca o raramente -1,458 0,601
## AlterGastrica.rec2-Yes -15,797 0,558
## t value Pr(>|t|)
## (Intercept) -2,69 0,014 *
## SexoM 2,58 0,018 *
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL -1,21 0,240
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY -0,07 0,945
## Tipo.de.Escuela2-Privada 1,39 0,181
## RefrCola.rec2-Todos los dias 0,51 0,615
## RefrCola.rec3-Mas de 3 veces al dia 0,91 0,375
## Bebidas_energizantes.rec2-Todos los dias 0,59 0,563
## Bebidas_energizantes.recMas de 3 veces al dia 1,83 0,083 .
## bedeportediario.rec2-Gatorade 0,79 0,439
## bedeportediario.rec3-other -1,20 0,243
## BuchTragar.rec2-Yes 0,34 0,737
## Yogurt.rec2-Todos los dias -2,47 0,023 *
## Yogurt.rec3-Nunca o raramente -2,43 0,025 *
## AlterGastrica.rec2-Yes -28,33 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasibinomial family taken to be 0,8118)
##
## Number of Fisher Scoring iterations: 17
anova(Modelomulti_ero.logit1)
## Anova table: (Rao-Scott LRT)
## svyglm(formula = Erosinbord ~ Sexo, design = diseniopost1, family = quasibinomial())
## stats DEff df ddf p
## Sexo 11,43 2,130 1,000 38 0,02714 *
## Nive.Educativo.de.la.Madre2.rec 10,53 1,434 2,000 36 0,03606 *
## Tipo.de.Escuela 6,43 1,680 1,000 35 0,06041 .
## RefrCola.rec 22,64 1,915 2,000 33 0,00865 **
## Bebidas_energizantes.rec 25,85 1,053 2,000 31 0,00033 ***
## bedeportediario.rec 39,33 2,845 2,000 24 0,01148 *
## BuchTragar.rec 5,83 0,834 1,000 23 0,01527 *
## Yogurt.rec 5,49 1,378 2,000 21 0,15752
## AlterGastrica.rec 8,40 0,000 1,000 20 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
confint(Modelomulti_ero.logit1)
## 2,5 % 97,5 %
## (Intercept) -6,2878 -0,9846
## SexoM 0,2680 1,9734
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL -1,3747 0,3247
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY -1,3142 1,2243
## Tipo.de.Escuela2-Privada -0,3985 2,3238
## RefrCola.rec2-Todos los dias -1,1303 1,9279
## RefrCola.rec3-Mas de 3 veces al dia -1,0083 2,7445
## Bebidas_energizantes.rec2-Todos los dias -0,6506 1,2090
## Bebidas_energizantes.recMas de 3 veces al dia -0,1211 3,4022
## bedeportediario.rec2-Gatorade -1,0360 2,4346
## bedeportediario.rec3-other -4,1208 0,9850
## BuchTragar.rec2-Yes -0,6969 0,9902
## Yogurt.rec2-Todos los dias -2,8106 -0,3233
## Yogurt.rec3-Nunca o raramente -2,6356 -0,2809
## AlterGastrica.rec2-Yes -16,8902 -14,7040
exp(Modelomulti_ero.logit1$coefficients)
## (Intercept)
## 2,635e-02
## SexoM
## 3,067e+00
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL
## 5,916e-01
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY
## 9,560e-01
## Tipo.de.Escuela2-Privada
## 2,619e+00
## RefrCola.rec2-Todos los dias
## 1,490e+00
## RefrCola.rec3-Mas de 3 veces al dia
## 2,382e+00
## Bebidas_energizantes.rec2-Todos los dias
## 1,322e+00
## Bebidas_energizantes.recMas de 3 veces al dia
## 5,158e+00
## bedeportediario.rec2-Gatorade
## 2,012e+00
## bedeportediario.rec3-other
## 2,085e-01
## BuchTragar.rec2-Yes
## 1,158e+00
## Yogurt.rec2-Todos los dias
## 2,087e-01
## Yogurt.rec3-Nunca o raramente
## 2,326e-01
## AlterGastrica.rec2-Yes
## 1,378e-07
reporte <- data.frame(Modelomulti_ero.logit1$coefficients, exp(Modelomulti_ero.logit1$coefficients))
colnames(reporte) <- c("coef", "exp_coef")
reporte
## coef exp_coef
## (Intercept) -3,63619 2,635e-02
## SexoM 1,12073 3,067e+00
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL -0,52498 5,916e-01
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY -0,04495 9,560e-01
## Tipo.de.Escuela2-Privada 0,96265 2,619e+00
## RefrCola.rec2-Todos los dias 0,39880 1,490e+00
## RefrCola.rec3-Mas de 3 veces al dia 0,86811 2,382e+00
## Bebidas_energizantes.rec2-Todos los dias 0,27920 1,322e+00
## Bebidas_energizantes.recMas de 3 veces al dia 1,64053 5,158e+00
## bedeportediario.rec2-Gatorade 0,69931 2,012e+00
## bedeportediario.rec3-other -1,56791 2,085e-01
## BuchTragar.rec2-Yes 0,14661 1,158e+00
## Yogurt.rec2-Todos los dias -1,56698 2,087e-01
## Yogurt.rec3-Nunca o raramente -1,45827 2,326e-01
## AlterGastrica.rec2-Yes -15,79712 1,378e-07
Erosinbord Regresion logistica multivariada sin Alter
summary(diseniopost1$variables[, c(432, 452, 435, 451, 442, 450, 445, 443, 485)])
## Sexo.rec Nive.Educativo.de.la.Madre2.rec Tipo.de.Escuela.rec
## 1-F:603 1-ELEMENTARY SCHOOL :326 1-Public :220
## 2-M:551 2-HIGH SCHOOL :577 2-Private:934
## 3-COLLEGE-UNIVERSITY:209
## NA's : 42
## RefrCola.rec Bebidas_energizantes.rec
## 1-Nunca o raramente :141 1-Nunca o raramente :665
## 2-Todos los dias :720 2-Todos los dias :434
## 3-Mas de 3 veces al dia:280 Mas de 3 veces al dia: 13
## NA's : 13 NA's : 42
## bedeportediario.rec BuchTragar.rec Yogurt.rec
## 1-Water :806 1-No :839 1-Mas de 3 veces al dia: 44
## 2-Gatorade:126 2-Yes:129 2-Todos los dias :784
## 3-other : 42 NA's :186 3-Nunca o raramente :299
## NA's :180 NA's : 27
## Erosinbord
## 0 :1089
## 1 : 47
## NA's: 18
##
ok <- complete.cases((diseniopost1$variables[, c(432, 452, 435, 451, 442, 450,
445, 443, 485)]))
#
# write.csv(data.frame(diseniopost1$variables[,c(2,432,452,435,451,442,450,445,443,485)],ok),'Modelo2.csv'
table(ok)
## ok
## FALSE TRUE
## 278 876
Modelomulti_ero.logit2 <- svyglm(Erosinbord ~ Sexo + Nive.Educativo.de.la.Madre2.rec +
Tipo.de.Escuela + RefrCola.rec + Bebidas_energizantes.rec + bedeportediario.rec +
BuchTragar.rec + Yogurt.rec, design = diseniopost1, family = quasibinomial())
summary(Modelomulti_ero.logit2)
##
## Call:
## svyglm(formula = Erosinbord ~ Sexo + Nive.Educativo.de.la.Madre2.rec +
## Tipo.de.Escuela + RefrCola.rec + Bebidas_energizantes.rec +
## bedeportediario.rec + BuchTragar.rec + Yogurt.rec, design = diseniopost1,
## family = quasibinomial())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error
## (Intercept) -3,7375 1,3349
## SexoM 1,0847 0,4407
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL -0,4478 0,4043
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY 0,0304 0,6647
## Tipo.de.Escuela2-Privada 0,9875 0,6987
## RefrCola.rec2-Todos los dias 0,3547 0,8039
## RefrCola.rec3-Mas de 3 veces al dia 0,9095 0,9299
## Bebidas_energizantes.rec2-Todos los dias 0,2083 0,4842
## Bebidas_energizantes.recMas de 3 veces al dia 1,4331 0,8534
## bedeportediario.rec2-Gatorade 0,7377 0,8667
## bedeportediario.rec3-other -1,5100 1,2882
## BuchTragar.rec2-Yes 0,2964 0,4255
## Yogurt.rec2-Todos los dias -1,5806 0,6311
## Yogurt.rec3-Nunca o raramente -1,4262 0,6179
## t value Pr(>|t|)
## (Intercept) -2,80 0,011 *
## SexoM 2,46 0,023 *
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL -1,11 0,281
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY 0,05 0,964
## Tipo.de.Escuela2-Privada 1,41 0,172
## RefrCola.rec2-Todos los dias 0,44 0,664
## RefrCola.rec3-Mas de 3 veces al dia 0,98 0,339
## Bebidas_energizantes.rec2-Todos los dias 0,43 0,671
## Bebidas_energizantes.recMas de 3 veces al dia 1,68 0,108
## bedeportediario.rec2-Gatorade 0,85 0,404
## bedeportediario.rec3-other -1,17 0,254
## BuchTragar.rec2-Yes 0,70 0,494
## Yogurt.rec2-Todos los dias -2,50 0,021 *
## Yogurt.rec3-Nunca o raramente -2,31 0,031 *
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasibinomial family taken to be 0,8716)
##
## Number of Fisher Scoring iterations: 7
anova(Modelomulti_ero.logit2)
## Anova table: (Rao-Scott LRT)
## svyglm(formula = Erosinbord ~ Sexo, design = diseniopost1, family = quasibinomial())
## stats DEff df ddf p
## Sexo 11,43 2,130 1,000 38 0,02714 *
## Nive.Educativo.de.la.Madre2.rec 10,53 1,434 2,000 36 0,03606 *
## Tipo.de.Escuela 6,43 1,680 1,000 35 0,06041 .
## RefrCola.rec 22,64 1,915 2,000 33 0,00865 **
## Bebidas_energizantes.rec 25,85 1,053 2,000 31 0,00033 ***
## bedeportediario.rec 39,33 2,845 2,000 24 0,01148 *
## BuchTragar.rec 5,83 0,834 1,000 23 0,01527 *
## Yogurt.rec 5,49 1,378 2,000 21 0,15752
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
confint(Modelomulti_ero.logit2)
## 2,5 % 97,5 %
## (Intercept) -6,3538 -1,1212
## SexoM 0,2209 1,9484
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL -1,2402 0,3446
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY -1,2724 1,3332
## Tipo.de.Escuela2-Privada -0,3820 2,3570
## RefrCola.rec2-Todos los dias -1,2210 1,9305
## RefrCola.rec3-Mas de 3 veces al dia -0,9130 2,7320
## Bebidas_energizantes.rec2-Todos los dias -0,7406 1,1573
## Bebidas_energizantes.recMas de 3 veces al dia -0,2396 3,1057
## bedeportediario.rec2-Gatorade -0,9609 2,4364
## bedeportediario.rec3-other -4,0350 1,0149
## BuchTragar.rec2-Yes -0,5375 1,1304
## Yogurt.rec2-Todos los dias -2,8176 -0,3436
## Yogurt.rec3-Nunca o raramente -2,6372 -0,2151
exp(Modelomulti_ero.logit2$coefficients)
## (Intercept)
## 0,02381
## SexoM
## 2,95846
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL
## 0,63903
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY
## 1,03086
## Tipo.de.Escuela2-Privada
## 2,68450
## RefrCola.rec2-Todos los dias
## 1,42582
## RefrCola.rec3-Mas de 3 veces al dia
## 2,48314
## Bebidas_energizantes.rec2-Todos los dias
## 1,23163
## Bebidas_energizantes.recMas de 3 veces al dia
## 4,19166
## bedeportediario.rec2-Gatorade
## 2,09119
## bedeportediario.rec3-other
## 0,22090
## BuchTragar.rec2-Yes
## 1,34505
## Yogurt.rec2-Todos los dias
## 0,20585
## Yogurt.rec3-Nunca o raramente
## 0,24023
reporte <- data.frame(Modelomulti_ero.logit2$coefficients, exp(Modelomulti_ero.logit2$coefficients))
colnames(reporte) <- c("coef", "exp_coef")
reporte
## coef exp_coef
## (Intercept) -3,73746 0,02381
## SexoM 1,08467 2,95846
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL -0,44781 0,63903
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY 0,03039 1,03086
## Tipo.de.Escuela2-Privada 0,98749 2,68450
## RefrCola.rec2-Todos los dias 0,35475 1,42582
## RefrCola.rec3-Mas de 3 veces al dia 0,90952 2,48314
## Bebidas_energizantes.rec2-Todos los dias 0,20834 1,23163
## Bebidas_energizantes.recMas de 3 veces al dia 1,43310 4,19166
## bedeportediario.rec2-Gatorade 0,73773 2,09119
## bedeportediario.rec3-other -1,51004 0,22090
## BuchTragar.rec2-Yes 0,29643 1,34505
## Yogurt.rec2-Todos los dias -1,58061 0,20585
## Yogurt.rec3-Nunca o raramente -1,42615 0,24023
Conteo de categorias en los modelos
addmargins(table(diseniopost1$variables$Sexo.rec, ok, useNA = c("always")))
## ok
## FALSE TRUE <NA> Sum
## 1-F 153 450 0 603
## 2-M 125 426 0 551
## <NA> 0 0 0 0
## Sum 278 876 0 1154
addmargins(table(diseniopost1$variables$Nive.Educativo.de.la.Madre2.rec, ok,
useNA = c("always")))
## ok
## FALSE TRUE <NA> Sum
## 1-ELEMENTARY SCHOOL 59 267 0 326
## 2-HIGH SCHOOL 137 440 0 577
## 3-COLLEGE-UNIVERSITY 40 169 0 209
## <NA> 42 0 0 42
## Sum 278 876 0 1154
addmargins(table(diseniopost1$variables$Tipo.de.Escuela.rec, ok, useNA = c("always")))
## ok
## FALSE TRUE <NA> Sum
## 1-Public 36 184 0 220
## 2-Private 242 692 0 934
## <NA> 0 0 0 0
## Sum 278 876 0 1154
addmargins(table(diseniopost1$variables$RefrCola.rec, ok, useNA = c("always")))
## ok
## FALSE TRUE <NA> Sum
## 1-Nunca o raramente 61 80 0 141
## 2-Todos los dias 166 554 0 720
## 3-Mas de 3 veces al dia 38 242 0 280
## <NA> 13 0 0 13
## Sum 278 876 0 1154
addmargins(table(diseniopost1$variables$Bebidas_energizantes.rec, ok, useNA = c("always")))
## ok
## FALSE TRUE <NA> Sum
## 1-Nunca o raramente 79 586 0 665
## 2-Todos los dias 155 279 0 434
## Mas de 3 veces al dia 2 11 0 13
## <NA> 42 0 0 42
## Sum 278 876 0 1154
addmargins(table(diseniopost1$variables$bedeportediario.rec, ok, useNA = c("always")))
## ok
## FALSE TRUE <NA> Sum
## 1-Water 74 732 0 806
## 2-Gatorade 19 107 0 126
## 3-other 5 37 0 42
## <NA> 180 0 0 180
## Sum 278 876 0 1154
addmargins(table(diseniopost1$variables$BuchTragar.rec, ok, useNA = c("always")))
## ok
## FALSE TRUE <NA> Sum
## 1-No 75 764 0 839
## 2-Yes 17 112 0 129
## <NA> 186 0 0 186
## Sum 278 876 0 1154
addmargins(table(diseniopost1$variables$Yogurt.rec, ok, useNA = c("always")))
## ok
## FALSE TRUE <NA> Sum
## 1-Mas de 3 veces al dia 6 38 0 44
## 2-Todos los dias 186 598 0 784
## 3-Nunca o raramente 59 240 0 299
## <NA> 27 0 0 27
## Sum 278 876 0 1154
addmargins(table(diseniopost1$variables$Erosinbord, ok, useNA = c("always")))
## ok
## FALSE TRUE <NA> Sum
## 0 249 840 0 1089
## 1 11 36 0 47
## <NA> 18 0 0 18
## Sum 278 876 0 1154