library("knitr") 
library("ggplot2") 
library("gridExtra") 
library("dplyr")
## 
## Attaching package: 'dplyr'
## The following object is masked from 'package:gridExtra':
## 
##     combine
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

Carga de base de datos

# Instalar y cargar la biblioteca readxl si no está instalada
# install.packages("readxl")
library(readxl)

# Ruta del archivo xlsx
ruta <- "C:/MBI-LAPTOP-0INCCQ8F/4- Procesamiento y Simulación de Datos Biológicos/2. Bioestadística médica aplicada/Tarea/clinical_trial_data.xlsx"

# Cargar la base de datos desde el archivo xlsx
clinical_trial_data <- read_excel(ruta)

# Verificar que se haya cargado correctamente (puedes imprimir las primeras filas)
head(clinical_trial_data)
## # A tibble: 6 × 4
##   ID     Dias  Volumen Metastasis
##   <chr> <dbl>    <dbl>      <dbl>
## 1 a203      0 45000000          0
## 2 a203      5 48508468          0
## 3 a203     10 51852437          1
## 4 a203     15 52777870          1
## 5 a203     20 55173336          1
## 6 a203     25 56793208          1
# Cargar biblioteca readxl si no está instalada
# install.packages("readxl")
library(readxl)

# Ruta de la base de datos drug_data_mouse
ruta_drug_data <- "C:/MBI-LAPTOP-0INCCQ8F/4- Procesamiento y Simulación de Datos Biológicos/2. Bioestadística médica aplicada/Tarea/drug_data_mouse.xlsx"

# Cargar la base de datos drug_data_mouse desde el archivo xlsx
drug_data_mouse <- read_excel(ruta_drug_data)

# Verificar que se haya cargado correctamente (puedes imprimir las primeras filas)
head(drug_data_mouse)
## # A tibble: 6 × 2
##   ID    Farmaco  
##   <chr> <chr>    
## 1 a203  Infubinol
## 2 a251  Infubinol
## 3 a262  Placebo  
## 4 a275  Ceftamin 
## 5 a366  Stelasyn 
## 6 a401  Zoniferol
# Ruta de la base de datos metadata_mouse
ruta_metadata <- "C:/MBI-LAPTOP-0INCCQ8F/4- Procesamiento y Simulación de Datos Biológicos/2. Bioestadística médica aplicada/Tarea/metadata_mouse.xlsx"

# Cargar la base de datos metadata_mouse desde el archivo xlsx
metadata_mouse <- read_excel(ruta_metadata)

# Verificar que se haya cargado correctamente (puedes imprimir las primeras filas)
head(metadata_mouse)
## # A tibble: 6 × 4
##   ID    Sex      Age Weight
##   <chr> <chr>  <dbl>  <dbl>
## 1 a203  Female    20     23
## 2 a251  Female    21     25
## 3 a262  Female    17     29
## 4 a275  Female    20     28
## 5 a366  Female    16     29
## 6 a401  Female     8     25
names(clinical_trial_data)
## [1] "ID"         "Dias"       "Volumen"    "Metastasis"
str(clinical_trial_data)
## tibble [1,888 × 4] (S3: tbl_df/tbl/data.frame)
##  $ ID        : chr [1:1888] "a203" "a203" "a203" "a203" ...
##  $ Dias      : num [1:1888] 0 5 10 15 20 25 30 35 40 45 ...
##  $ Volumen   : num [1:1888] 45000000 48508468 51852437 52777870 55173336 ...
##  $ Metastasis: num [1:1888] 0 0 1 1 1 1 1 2 2 2 ...
names(drug_data_mouse)
## [1] "ID"      "Farmaco"
str(drug_data_mouse)
## tibble [249 × 2] (S3: tbl_df/tbl/data.frame)
##  $ ID     : chr [1:249] "a203" "a251" "a262" "a275" ...
##  $ Farmaco: chr [1:249] "Infubinol" "Infubinol" "Placebo" "Ceftamin" ...
names(metadata_mouse)
## [1] "ID"     "Sex"    "Age"    "Weight"
str(metadata_mouse)
## tibble [249 × 4] (S3: tbl_df/tbl/data.frame)
##  $ ID    : chr [1:249] "a203" "a251" "a262" "a275" ...
##  $ Sex   : chr [1:249] "Female" "Female" "Female" "Female" ...
##  $ Age   : num [1:249] 20 21 17 20 16 8 3 10 11 20 ...
##  $ Weight: num [1:249] 23 25 29 28 29 25 22 25 30 25 ...

Gestion de datos para la combinación

# Cargar biblioteca dplyr para manipulación de datos
library(dplyr)

# Combinar los datos de clinical_trial_data y drug_data_mouse basados en ID
datos_combinados <- left_join(clinical_trial_data, drug_data_mouse, by = "ID")

# Combinar los datos combinados anteriormente con metadata_mouse basados en ID
datos_combinados <- left_join(datos_combinados, metadata_mouse, by = "ID")

# Verificar la tabla combinada
head(datos_combinados)
## # A tibble: 6 × 8
##   ID     Dias  Volumen Metastasis Farmaco   Sex      Age Weight
##   <chr> <dbl>    <dbl>      <dbl> <chr>     <chr>  <dbl>  <dbl>
## 1 a203      0 45000000          0 Infubinol Female    20     23
## 2 a203      5 48508468          0 Infubinol Female    20     23
## 3 a203     10 51852437          1 Infubinol Female    20     23
## 4 a203     15 52777870          1 Infubinol Female    20     23
## 5 a203     20 55173336          1 Infubinol Female    20     23
## 6 a203     25 56793208          1 Infubinol Female    20     23

Analisis descritivos para variables

# Cargar biblioteca dplyr para manipulación de datos
library(dplyr)

# Cargar biblioteca dplyr para manipulación de datos
library(dplyr)

# Supongamos que "datos_combinados" es la tabla que hemos creado anteriormente

# Análisis descriptivo para la variable "Dias"
summary(datos_combinados$Dias)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##     0.0     5.0    20.0    19.6    30.0    45.0
# Análisis descriptivo para la variable "Volumen"
summary(datos_combinados$Volumen)
##     Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
##  3632135 45000000 48951421 50431097 56324075 78567014
# Análisis descriptivo para la variable "Metastasis"
summary(datos_combinados$Metastasis)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   0.000   0.000   1.000   1.023   2.000   4.000
# Análisis descriptivo para la variable "Farmaco"
table(datos_combinados$Farmaco)
## 
## Capomulin  Ceftamin Infubinol  Ketapril  Naftisol   Placebo  Propriva  Ramicane 
##       230       178       178       188       186       181       156       228 
##  Stelasyn Zoniferol 
##       181       182
# Análisis descriptivo para la variable "Sexo"
table(datos_combinados$Sex)
## 
## Female   Male 
##    930    958
# Análisis descriptivo para la variable "Age"
summary(datos_combinados$Age)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1.00    7.00   13.00   12.79   20.00   24.00
# Análisis descriptivo para la variable "Weight"
summary(datos_combinados$Weight)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   15.00   25.00   27.00   25.66   29.00   30.00

• Preguntas:

– ¿ Cuántos ratones hembra y macho han participado en este estudio ?

# Tabla de frecuencias para la variable Sexo
tabla_sexo <- table(datos_combinados$Sex)
print(tabla_sexo)
## 
## Female   Male 
##    930    958

– ¿ Cuántos ratones han sido tratados con cada fármaco (los 10 fármacos) ?

# Tabla de frecuencias para la variable Farmaco
tabla_farmaco <- table(datos_combinados$Farmaco)
print(tabla_farmaco)
## 
## Capomulin  Ceftamin Infubinol  Ketapril  Naftisol   Placebo  Propriva  Ramicane 
##       230       178       178       188       186       181       156       228 
##  Stelasyn Zoniferol 
##       181       182

– ¿ Cuántos ratones macho han sido tratados con cada fármaco (los 10 fármacos) ?

# Filtrar los datos para ratones macho
ratones_macho <- datos_combinados %>% filter(Sex == "Male")
# Tabla de frecuencias para la variable Farmaco solo para ratones macho
tabla_farmaco_macho <- table(ratones_macho$Farmaco)
print(tabla_farmaco_macho)
## 
## Capomulin  Ceftamin Infubinol  Ketapril  Naftisol   Placebo  Propriva  Ramicane 
##       102        86        83       130       100        79        87       154 
##  Stelasyn Zoniferol 
##        74        63

Volumen del tumor al final del tratamiento:

– Calcula el volumen del tumor al final del tratamiento para cada fármaco.

# # Cargar la biblioteca dplyr si no está instalada
if (!require("dplyr")) {
  install.packages("dplyr")
}
library(dplyr)

# Filtrar los datos para obtener solo los registros correspondientes al día 45
datos_dia_45 <- datos_combinados %>% filter(Dias == 45)

# Calcular el volumen del tumor al final del tratamiento para cada fármaco
volumen_final_tratamiento <- datos_dia_45 %>%
  group_by(Farmaco) %>%
  summarize(Volumen_Final = median(Volumen))  # Usar la mediana como medida resumen

# Mostrar el resultado
print(volumen_final_tratamiento)
## # A tibble: 10 × 2
##    Farmaco   Volumen_Final
##    <chr>             <dbl>
##  1 Capomulin      37311846
##  2 Ceftamin       64299830
##  3 Infubinol      66083066
##  4 Ketapril       69872251
##  5 Naftisol       69563621
##  6 Placebo        69042841
##  7 Propriva       64957562
##  8 Ramicane       34848627
##  9 Stelasyn       69299149
## 10 Zoniferol      65684689

– Compara los distintos tratamientos con el volumen del tumor mediante diagramas de caja y obtén sus valores mínimos, máximos, varianza, desviación estándar, etc.

# Cargar la biblioteca ggplot2 si no está instalada
if (!require("ggplot2")) {
  install.packages("ggplot2")
}
library(ggplot2)

# Calcular estadísticas descriptivas para el volumen del tumor por tratamiento
estadisticas_volumen <- datos_combinados %>%
  group_by(Farmaco) %>%
  summarize(
    Min = min(Volumen),
    Max = max(Volumen),
    Media = mean(Volumen),
    Mediana = median(Volumen),
    Varianza = var(Volumen),
    Desviacion_Estandar = sd(Volumen)
  )

# Crear diagrama de caja para comparar los tratamientos con el volumen del tumor
boxplot <- ggplot(datos_combinados, aes(x = Farmaco, y = Volumen)) +
  geom_boxplot(fill = "lightblue") +
  labs(title = "Comparación del Volumen del Tumor por Tratamiento",
       x = "Tratamiento",
       y = "Volumen del Tumor") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Imprimir estadísticas descriptivas
print(estadisticas_volumen)
## # A tibble: 10 × 7
##    Farmaco        Min      Max     Media   Mediana Varianza Desviacion_Estandar
##    <chr>        <dbl>    <dbl>     <dbl>     <dbl>    <dbl>               <dbl>
##  1 Capomulin 23343598 48158209 40675741. 41557809   2.49e13            4994774.
##  2 Ceftamin  45000000 68923185 52591172. 51776158.  3.93e13            6268188.
##  3 Infubinol  3632135 72226731 52701148. 51820584.  5.53e13            7433035.
##  4 Ketapril  45000000 78567014 55235638. 53698742.  6.86e13            8279709.
##  5 Naftisol  45000000 76668817 54331565. 52509284.  6.62e13            8134708.
##  6 Placebo   45000000 73212939 54033581. 52288934   6.12e13            7821003.
##  7 Propriva  45000000 72455421 52382993. 50783528.  4.32e13            6574208.
##  8 Ramicane  22050126 47622816 40216745. 40673236   2.35e13            4846308.
##  9 Stelasyn  45000000 75123690 54233149. 52431737   5.95e13            7710419.
## 10 Zoniferol 45000000 73324432 53236507. 51818479   4.85e13            6966588.
# Mostrar el diagrama de caja
print(boxplot)

# Calcula la variación del volumen del tumor al final del tratamiento para cada fármaco.

# Unir los datos correspondientes al día 0 y al día 45 por el ID del ratón y el Farmaco
datos_dia_0 <- datos_combinados %>% filter(Dias == 0)
datos_dia_0_45 <- left_join(datos_dia_0, datos_dia_45, by = c("ID", "Farmaco"), suffix = c("_inicio", "_final"))


# Calcular la variación del volumen del tumor para cada ratón
datos_dia_0_45$Variacion_Volumen <- datos_dia_0_45$Volumen_final - datos_dia_0_45$Volumen_inicio

# Calcular la variación del volumen del tumor al final del tratamiento para cada fármaco
variacion_volumen_por_farmaco <- datos_dia_0_45 %>%
  group_by(Farmaco) %>%
  summarize(
    Variacion_Media = mean(Variacion_Volumen, na.rm = TRUE),
    Variacion_Mediana = median(Variacion_Volumen, na.rm = TRUE),
    Variacion_Min = min(Variacion_Volumen, na.rm = TRUE),
    Variacion_Max = max(Variacion_Volumen, na.rm = TRUE),
    Variacion_Var = var(Variacion_Volumen, na.rm = TRUE),
    Variacion_SD = sd(Variacion_Volumen, na.rm = TRUE)
  )

# Imprimir el resultado
print(variacion_volumen_por_farmaco)
## # A tibble: 10 × 7
##    Farmaco   Variacion_Media Variacion_Mediana Variacion_Min Variacion_Max
##    <chr>               <dbl>             <dbl>         <dbl>         <dbl>
##  1 Capomulin       -8763886.          -7688154     -21656402       2685963
##  2 Ceftamin        19132421.          19299830      14741901      23923185
##  3 Infubinol       20755562.          21083066      15918767      27226731
##  4 Ketapril        25662958.          24872251      17909441      33567014
##  5 Naftisol        24265506.          24563621      17670759      31668817
##  6 Placebo         23084082.          24042841      13634971      28212939
##  7 Propriva        21258529.          19957562      13633404      27455421
##  8 Ramicane       -10044405.         -10151373     -22949874        220869
##  9 Stelasyn        23438310.          24299149      15122011      30123690
## 10 Zoniferol       20960888.          20684689      15752704      28324432
## # ℹ 2 more variables: Variacion_Var <dbl>, Variacion_SD <dbl>