#Описание данных
Данные анализа липидного профиля здоровых добровольцев
# install.packages("summarytools")
library(summarytools)
library(tidyverse)
## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.2 ──
## ✔ ggplot2 3.3.6 ✔ purrr 1.0.2
## ✔ tibble 3.2.1 ✔ dplyr 1.1.4
## ✔ tidyr 1.2.1 ✔ stringr 1.4.1
## ✔ readr 2.1.3 ✔ forcats 1.0.0
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ✖ tibble::view() masks summarytools::view()
data4SBL_wide <- data4SBL %>% select(!LoseProc & !Unit) %>% pivot_wider(names_from = "Par", values_from = c(LipoProf, Gradient))
#Визуализация
Преобразуем наши данных
Сравним эквивалетность двух методов, построим графики Бленда-Альтмана для соответсвующих пар измерений.
Графики Бленда-Альтмана (Bland-Altman plot, Difference plot)для измеренных показателей липидного профиля
Note that the echo = FALSE parameter was added to the
code chunk to prevent printing of the R code that generated the
plot.