Tarea 5

Análisis de supervivencia y series de tiempo. Grupo 9250 FC UNAM

Vásquez Guerra Carlos Fernando

Sofia Villers Gomez

11/2023

El objetivo de esta práctica es poner a prueba tus habilidades para resolver e interpretar el conocimiento que haz adquirido hasta el momento sobre el análisis de supervivencia, el cual abarca los capítulos 1-5 del libro digital Modelos de Supervivencia y comenzar con los primeros pasos de tu proyecto, por lo que esta tarea estará divida en 2 partes.

Parte 1

De acuerdo a tu número de equipo (revisa la siguiente liga) se te fue asignado un conjunto de datos simulados, los cuales podrás obtener en la siguiente liga que corresponden a uno de los siguientes escenarios.

Datos correspondientes al tiempo recaída, en meses, para pacientes con diferentes tratamientos contra el cancer de pulmón.
Datos correspondientes al tiempo, en días, en desarrollar un tumor en ratas expuestas a diferentes cancerígenos.
Datos correspondientes al tiempo de vida, en días, en diferentes pacientes después trasplante autólogo de médula ósea en diferentes hospitales.
Datos correspondientes al tiempo de vida, en horas, de bombillas eléctricas de diferentes marcas.
Datos correspondientes al tiempo de vida de diferentes baterías de marcapasos, en años.
Datos correspondientes al tiempo de vida en meses para 4 grupos de ratones que fueron expuestos a diferentes dosis de radiación.
Datos correspondientes al tiempo de vida en meses de cuatro especies de ratas.
Datos correspondientes al tiempo de vida, en días, en diferentes cohortes de pacientes después haberse sometido a un trasplante de riñón

Tu trabajo será realizar un análisis de supervivencia con el conocimiento que ya se ha adquirido. Es decir que al menos, se deben hacer los siguientes puntos

Identificar la distribución de probabilidad asociada.
Proponer distribuciones de probabilidad de acuerdo a estadísticas básicas de los datos e ir descartando algunas distribuciones.
Considerar el contexto para explicar tus propuestas cuando sea posible.
Se deben utilizar pruebas de hipótesis para comprobar las distribuciones mencionadas.
Se pueden utilizar herramientas computaciones y gráficas para tomar tu decisión.
Se deben obtener resúmenes estadísticos asociados al análisis de supervivencia, es decir parámetros poblacionales, funciones de riesgo, etc. y dar una interpretación no técnica preferentemente.

En cada uno de los conjuntos de datos se tiene una variable llamada Type, la cual segrega la información de acuerdo a diferentes variables uniformes y hace que la distribución de probabilidad cambie un poco en sus parámetros, por lo que después de identificar la distribución base de tu conjunto de datos, ajusta nuevamente tu información pero ahora segregada por dicha variable (por lo que tendrías 4 funciones de distribución del mismo tipo pero con diferentes parámetros). En este punto no necesitas hacer todo el análisis de identificación, solo una línea de código para cada estrato.

Ya con tus funciones de distribucion identificadas realiza lo siguiente:

Crear una función que, de acuerdo a diferentes curvas de supervivencia, mínimo 2, se obtenga la diferencia de tiempo más grande. Aquí un ejemplo:

El objetivo de la función anterior es determinar entre cuales estratos hay una mayor diferencia de supervivencia entre algún tiempo en específico. Si llevamos esto a un enfoque aplicado podríamos dimensionar la eficacia de distintos tratamientos en una vacuna para cierta enfermedad.
Mostrar graficamente las curvas con mayor separación y dar conclusiones.

Recomendaciones:

Todos los datos fueron generados de alguna distribución (exponencial, weibull, log-logistico, log-normal, gamma o gompertz).
Se pueden utilizar distintas estadísticas de ajuste como BIC y AIC.
Las distribuciones especiales que se utilizaron fueron: actuar::*llogis(), actuar::pareto() y flexsurv::*gompertz()
Aquí se deja un link.
Hacer un ajuste a las curvas de supervivencia para hacer la comparación entre tiempos.

Parte 2

Como parte de cualquier análisis de datos, se te solicita realizar un análisis descriptivo de los datos exhaustivo y una limpieza de la información inicial, esto significa que deberás entender tu información, su contexto, las variables, investigar si es necesario por fuentes externas, tratar valores extremos, valores perdidos, describir y hacer relaciones entre tus variables mediante gráficas, etc. Al igual que en el la parte 1, se te fue asignado un conjunto de datos para tu proyecto final, aunque estos datos serán enviados (una vez que la configuración de los equipos quede establecida) a los integrantes de cada equipo mediante su correo electrónico registrado en la plataforma classroom.

Este ejercicio te ayudará a prepararte para la siguiente parte de tu trabajo en esta clase. Recuerda que un análisis descriptivo y la limpieza de datos puede ser parte de un proceso en tu análisis, por lo que, de acuerdo a tu proceso posterior pueden cambiar tus resultados, así que en la entrega final de tu proyecto puedes tener otras conclusiones y tratamientos.

Consideraciones finales

Toma en cuenta los siguientes puntos para la entrega de tu trabajo:

Un integrante del equipo debe hacer entrega de la tarea.
Es necesario que se tenga explícito el código en el trabajo aunque se agradece si deseas hacer alguna acción para ocultarlo para facilitar la lectura del desarrollo de tu problema.
Los códigos deben estar comentados y el planteamiento de la solución se debe explicar de la manera más clara posible tanto como para un lector experimentado como para un lector que conozca poco acerca de estadística en general sin tener que explicar la parte teórica de manera exhaustiva.
El trabajo deber llevar los datos del equipo.
En caso de tener archivos extra, scripts, paquetes propios, archivos de estilo css, etc; favor de mencionarlos cuando se utilice alguna función, objecto o característica de estos y si se considera pertinente agregarlos como parte de la entrega.
El trabajo debe ser entregado en formato pdf, html, etc.
Debe existir un orden lógico que permita la lectura entre las imágenes, etc. Por lo que se recomienda darle diseño a sus gráficas (títulos y nombres adecuados a los ejes por lo menos) y procurar que en su trabajo final aparezcan estas en su totalidad y que este referenciadas de manera adecuada.
Procura evitar mostrar salidas de código repetitivas o que no aporten al análisis. Si es necesario mostrar mucha información, considera mostrar solo una muestra, los primeros datos, etc.
Cuida tu limpieza, evitar mensajes, warnings, etc. Por ejemplo, con lo siguiente en un archivo markdown puedes evitar la visualización de esos mensajes molestos:

knitr::opts_chunk$set(
      #echo = FALSE, #Podemos evitar que se muestre el código en general
      fig.pos = 'H', #Posicionamos todas las gráficas en el lugar donde se calculan
      fig.align = 'center', #Posicionamos todas las gráficas en el lugar en el centro del documento
      message = FALSE, #Evitamos los mensajes
      warning = FALSE, #Evitamos los warnings
      comment = NA #Evitamos los comentarios
)

En caso de no tener cuidado con los puntos de limpieza y que permitan entregar un trabajo de calidad sin paja y profesional, se dará una penalización correspondiente.

Un trabajo de Carlos Vásquez

carlosfvasquez@ciencias.unam.mx