2023_CALIDAD Y PRECISIÓN DE IMÁGENES RADIOGRÁFICAS OBTENIDAS POR ESTUDIANTES

#package

library("tidyverse")
library("irr")

#df

#normalidad

shapiro.test(df$Puntaje) # presenta distribución no parametrica

    Shapiro-Wilk normality test

data:  df$Puntaje
W = 0.57158, p-value < 2.2e-16

#diferencia entre tiempos

wilcox.test(df$Tiempo.min.~df$Tipo.sistema)

    Wilcoxon rank sum test with continuity correction

data:  df$Tiempo.min. by df$Tipo.sistema
W = 316162, p-value = 0.07199
alternative hypothesis: true location shift is not equal to 0

#abro df para realizar análisis según parametros

df2 <- read_csv("https://docs.google.com/spreadsheets/d/e/2PACX-1vRUEklsVX0xAs9IIKJmE9ZOwxk77dLwhQhsTFNqrMUBCUjrtHSkYWfWCt1tQiaTDA/pub?gid=1278946760&single=true&output=csv")

#diferencias entre sistema y nitidez/definición

wilcox.test(df2$Puntaje1~df2$Tipo_sistema)

    Wilcoxon rank sum test with continuity correction

data:  df2$Puntaje1 by df2$Tipo_sistema
W = 11990, p-value = 0.9512
alternative hypothesis: true location shift is not equal to 0

#diferencias entre sistema y brillo/contraste

wilcox.test(df2$Puntaje2~df2$Tipo_sistema)

    Wilcoxon rank sum test with continuity correction

data:  df2$Puntaje2 by df2$Tipo_sistema
W = 11453, p-value = 0.1732
alternative hypothesis: true location shift is not equal to 0

#diferencias entre sistema y error de colocación

wilcox.test(df2$Puntaje3~df2$Tipo_sistema)

    Wilcoxon rank sum test with continuity correction

data:  df2$Puntaje3 by df2$Tipo_sistema
W = 8468, p-value = 1.682e-06
alternative hypothesis: true location shift is not equal to 0

#diferencias entre sistema y error de angulación

wilcox.test(df2$Puntaje4~df2$Tipo_sistema)

    Wilcoxon rank sum test with continuity correction

data:  df2$Puntaje4 by df2$Tipo_sistema
W = 12586, p-value = 0.3104
alternative hypothesis: true location shift is not equal to 0

#diferencias entre sistema y error de corte de cono

wilcox.test(df2$Puntaje5~df2$Tipo_sistema)

    Wilcoxon rank sum test with continuity correction

data:  df2$Puntaje5 by df2$Tipo_sistema
W = 12370, p-value = 0.4956
alternative hypothesis: true location shift is not equal to 0

#Kappa

df2 <- read_csv("https://docs.google.com/spreadsheets/d/e/2PACX-1vRUEklsVX0xAs9IIKJmE9ZOwxk77dLwhQhsTFNqrMUBCUjrtHSkYWfWCt1tQiaTDA/pub?gid=81972993&single=true&output=csv")

#kappa (inter)

kappam.fleiss(df2, detail=TRUE)

 Fleiss' Kappa for m Raters

 Subjects = 50 
   Raters = 2 
    Kappa = 0.831 

        z = 6.25 
  p-value = 4.04e-10 

  Kappa     z p.value
0 1.000 7.071   0.000
1 0.822 5.811   0.000
2 0.826 5.843   0.000

#kappa (intra-observador)

df3 <- read_csv("https://docs.google.com/spreadsheets/d/e/2PACX-1vRUEklsVX0xAs9IIKJmE9ZOwxk77dLwhQhsTFNqrMUBCUjrtHSkYWfWCt1tQiaTDA/pub?gid=1840162596&single=true&output=csv")

#kappa intra-observador

kappam.fleiss(df3, detail=TRUE) #kappa intra-observador 

 Fleiss' Kappa for m Raters

 Subjects = 50 
   Raters = 2 
    Kappa = 0.878 

        z = 6.78 
  p-value = 1.2e-11 

  Kappa     z p.value
0 0.656 4.641   0.000
1 0.868 6.139   0.000
2 0.915 6.471   0.000