Final_stat
MALLAH Siham
06_09_2024
knitr::opts_chunk$set(echo = TRUE)Lien tableau
description totale des données PV et Retro
Decription en moyenne, mediane et Sd
by(PV_Retro,PV_Retro$groupe.patient, summarytools::descr,heading=FALSE,transpose =TRUE)## PV_Retro$groupe.patient: PV## For best results printing list objects with summarytools, use print(x); if by() was used, use stby() instead## Non-numerical variable(s) ignored: groupe.patient, SEXE, TABAC., cannabis., PROFESSION, COMORBIDITES., Ptx, symptomes.dyspnée, symptomes.douleurs.thoraciques, ambulatoire._pleuralvent, hospitalisation.., type.de.drain.initial, mise.en.aspiration..au.drainage.initial.., mise.en.aspiration..au.cours.de.la.prise.en.charge., oxygénothérapie, DECOUVERTE.pathologie.sous.jacente, Nbre.de.CHIRURGIE.sur.1.an, REDRAINAGE._SUR.1.AN., Nbre.RECIDIVE._SUR.REC_1.AN., coté.recidive, INFECTION., hemothorax.., décès., materiel.intrathoracique., œdème.de.rééxpansion., emphysème.sous.cutané., autres..complications, Déviation.médiastinale, NHA, Poumon.au.hile, Ptx.de.grande.abondance., Ptx.persistant.de.grande..abondance.à.la.RT..post.drainage.immédiat, drainage, NOMBRE.DE..TDM_SUR.1.AN, bons.de.transport., CONSOMMATION..D.ANTALGIQUES._LE.PREMIER.MOIS, X.PALIER.1., doses.cumulées, MORPHINIQUES, doses.cumulées.1, Duree_hospit_jour## Group: groupe.patient = PV
##
## Mean Std.Dev Min Q1 Median Q3
## --------------------------------------------- ------- --------- ------- ------- -------- -------
## AGE 28.05 7.53 18.00 22.00 26.00 32.00
## durée.des.symptomes.avant.drainage_jour 1.89 2.49 1.00 1.00 1.00 2.00
## duree_arret_travail_jour 22.32 14.81 3.00 12.00 21.00 30.00
## IMC 19.90 2.51 16.90 18.20 19.60 20.90
## nbr.de.PA 9.22 7.42 1.00 5.00 7.50 10.00
## NOMBRE.DE..CS_SUR.1.AN_.pour.psp 3.38 1.44 1.00 2.00 3.50 4.00
## nombre.de.jours.de.drainage 6.28 2.91 2.00 4.00 6.00 8.50
## NOMBRE_DE_RT_SUR_1_AN 9.26 4.89 3.00 6.00 8.00 11.00
## nombres.d.heures.de.bullage NA NA NA NA NA NA
## numero.d.inclusion 20.68 11.95 1.00 10.50 20.50 30.50
## POIDS_kg 62.22 11.56 45.00 54.00 61.00 70.00
## taille.du.drain NA NA NA NA NA NA
## TAILLE_m 1.77 0.11 1.48 1.72 1.78 1.87
##
## Table: Table continues below
##
##
##
## Max MAD IQR CV Skewness
## --------------------------------------------- ------- ------- ------- ------ ----------
## AGE 54.00 5.93 10.00 0.27 1.21
## durée.des.symptomes.avant.drainage_jour 15.00 0.00 1.00 1.32 4.16
## duree_arret_travail_jour 58.00 13.34 17.00 0.66 0.95
## IMC 27.80 2.08 2.65 0.13 1.55
## nbr.de.PA 30.00 3.71 5.00 0.81 1.27
## NOMBRE.DE..CS_SUR.1.AN_.pour.psp 6.00 2.22 2.00 0.43 0.04
## nombre.de.jours.de.drainage 13.00 2.97 4.25 0.46 0.50
## NOMBRE_DE_RT_SUR_1_AN 25.00 4.45 5.00 0.53 1.12
## nombres.d.heures.de.bullage NA NA NA NA NA
## numero.d.inclusion 41.00 14.83 19.50 0.58 0.05
## POIDS_kg 95.00 13.34 15.50 0.19 0.73
## taille.du.drain NA NA NA NA NA
## TAILLE_m 1.95 0.10 0.14 0.06 -0.64
##
## Table: Table continues below
##
##
##
## SE.Skewness Kurtosis N.Valid Pct.Valid
## --------------------------------------------- ------------- ---------- --------- -----------
## AGE 0.37 1.63 40.00 100.00
## durée.des.symptomes.avant.drainage_jour 0.39 18.48 36.00 90.00
## duree_arret_travail_jour 0.49 0.34 22.00 55.00
## IMC 0.45 2.42 27.00 67.50
## nbr.de.PA 0.54 1.00 18.00 45.00
## NOMBRE.DE..CS_SUR.1.AN_.pour.psp 0.37 -1.02 40.00 100.00
## nombre.de.jours.de.drainage 0.37 -0.76 40.00 100.00
## NOMBRE_DE_RT_SUR_1_AN 0.38 0.95 39.00 97.50
## nombres.d.heures.de.bullage NA NA 0.00 NA
## numero.d.inclusion 0.37 -1.26 40.00 100.00
## POIDS_kg 0.45 0.31 27.00 67.50
## taille.du.drain NA NA 0.00 NA
## TAILLE_m 0.45 -0.17 27.00 67.50
## ------------------------------------------------------------
## PV_Retro$groupe.patient: Retro## For best results printing list objects with summarytools, use print(x); if by() was used, use stby() instead## Group: groupe.patient = Retro
##
## Mean Std.Dev Min Q1 Median Q3
## --------------------------------------------- ------- --------- ------- ------- -------- -------
## AGE 29.00 7.54 18.00 23.00 27.00 34.00
## durée.des.symptomes.avant.drainage_jour 1.60 2.02 1.00 1.00 1.00 1.00
## duree_arret_travail_jour 23.26 15.48 2.00 12.00 21.00 30.00
## IMC 20.32 2.74 15.50 18.50 20.10 21.70
## nbr.de.PA 11.08 7.05 0.25 5.00 10.00 15.00
## NOMBRE.DE..CS_SUR.1.AN_.pour.psp 1.19 0.84 0.00 1.00 1.00 2.00
## nombre.de.jours.de.drainage 3.67 1.96 1.00 2.00 3.00 5.00
## NOMBRE_DE_RT_SUR_1_AN 11.94 6.46 5.00 7.00 11.00 15.00
## nombres.d.heures.de.bullage 51.23 47.86 1.00 1.00 24.00 96.00
## numero.d.inclusion 64.50 37.50 1.00 32.00 65.00 96.00
## POIDS_kg 64.41 9.89 46.50 58.00 63.00 68.50
## taille.du.drain 13.95 4.60 8.00 8.50 16.00 18.00
## TAILLE_m 1.78 0.07 1.62 1.73 1.77 1.81
##
## Table: Table continues below
##
##
##
## Max MAD IQR CV Skewness
## --------------------------------------------- -------- ------- ------- ------ ----------
## AGE 54.00 7.41 11.00 0.26 1.01
## durée.des.symptomes.avant.drainage_jour 15.00 0.00 0.00 1.26 4.46
## duree_arret_travail_jour 82.00 13.34 18.00 0.67 1.28
## IMC 29.30 2.37 3.20 0.13 0.86
## nbr.de.PA 30.00 7.41 10.00 0.64 0.74
## NOMBRE.DE..CS_SUR.1.AN_.pour.psp 4.00 0.00 1.00 0.71 0.72
## nombre.de.jours.de.drainage 9.00 1.48 3.00 0.54 0.87
## NOMBRE_DE_RT_SUR_1_AN 35.00 5.93 8.00 0.54 1.16
## nombres.d.heures.de.bullage 168.00 34.10 95.00 0.93 0.56
## numero.d.inclusion 128.00 47.44 64.00 0.58 0.00
## POIDS_kg 96.00 7.41 10.50 0.15 0.96
## taille.du.drain 20.00 2.97 9.50 0.33 -0.20
## TAILLE_m 1.95 0.06 0.08 0.04 0.53
##
## Table: Table continues below
##
##
##
## SE.Skewness Kurtosis N.Valid Pct.Valid
## --------------------------------------------- ------------- ---------- --------- -----------
## AGE 0.22 1.08 121.00 100.00
## durée.des.symptomes.avant.drainage_jour 0.24 22.12 100.00 82.64
## duree_arret_travail_jour 0.35 2.69 46.00 38.02
## IMC 0.27 0.93 77.00 63.64
## nbr.de.PA 0.31 -0.36 61.00 50.41
## NOMBRE.DE..CS_SUR.1.AN_.pour.psp 0.22 0.47 120.00 99.17
## nombre.de.jours.de.drainage 0.22 -0.24 121.00 100.00
## NOMBRE_DE_RT_SUR_1_AN 0.22 1.05 121.00 100.00
## nombres.d.heures.de.bullage 0.33 -0.99 53.00 43.80
## numero.d.inclusion 0.22 -1.24 121.00 100.00
## POIDS_kg 0.27 0.97 77.00 63.64
## taille.du.drain 0.52 -1.76 19.00 15.70
## TAILLE_m 0.27 -0.10 77.00 63.64Description par Groupe PV VS Retro
by(PV_Retro, PV_Retro$groupe.patient, summary)## PV_Retro$groupe.patient: PV
## numero.d.inclusion groupe.patient AGE SEXE
## Min. : 1.00 PV :40 Min. :18.00 Féminin : 9
## 1st Qu.:10.75 Retro: 0 1st Qu.:22.00 Masculin:31
## Median :20.50 Median :26.00
## Mean :20.68 Mean :28.05
## 3rd Qu.:30.25 3rd Qu.:32.00
## Max. :41.00 Max. :54.00
##
## POIDS_kg TAILLE_m IMC TABAC. nbr.de.PA
## Min. :45.00 Min. :1.480 Min. :16.90 : 4 Min. : 1.000
## 1st Qu.:54.50 1st Qu.:1.720 1st Qu.:18.20 Non : 7 1st Qu.: 5.000
## Median :61.00 Median :1.780 Median :19.60 Oui :27 Median : 7.500
## Mean :62.22 Mean :1.767 Mean :19.90 sevré: 2 Mean : 9.222
## 3rd Qu.:70.00 3rd Qu.:1.860 3rd Qu.:20.85 3rd Qu.:10.000
## Max. :95.00 Max. :1.950 Max. :27.80 Max. :30.000
## NA's :13 NA's :13 NA's :13 NA's :22
## cannabis. PROFESSION COMORBIDITES. Ptx
## : 8 :16 : 3 Droit :21
## Non :11 électricien: 2 Aucun :28 Gauche:19
## Oui :15 etudiant : 2 Autre : 4
## sevré: 6 étudiant : 2 CARDIOVASC: 1
## étudiante : 2 METAB : 1
## ingénieur : 2 RESPI : 3
## (Other) :14
## durée.des.symptomes.avant.drainage_jour symptomes.dyspnée
## Min. : 1.000 : 1
## 1st Qu.: 1.000 Non:20
## Median : 1.000 Oui:19
## Mean : 1.889
## 3rd Qu.: 2.000
## Max. :15.000
## NA's :4
## symptomes.douleurs.thoraciques ambulatoire._pleuralvent hospitalisation..
## : 1 Non: 3 Non:23
## Non: 1 Oui:37 Oui:17
## Oui:38
##
##
##
##
## taille.du.drain type.de.drain.initial
## Min. : NA cook : 0
## 1st Qu.: NA Fuhrman : 0
## Median : NA Monaldi : 0
## Mean :NaN PleuralVent:40
## 3rd Qu.: NA Pleurocath : 0
## Max. : NA
## NA's :40
## mise.en.aspiration..au.drainage.initial..
## :35
## Non: 0
## Oui: 5
##
##
##
##
## mise.en.aspiration..au.cours.de.la.prise.en.charge.
## :30
## Oui:10
##
##
##
##
##
## nombre.de.jours.de.drainage nombres.d.heures.de.bullage oxygénothérapie
## Min. : 2.000 Min. : NA Non:36
## 1st Qu.: 4.000 1st Qu.: NA Oui: 4
## Median : 6.000 Median : NA
## Mean : 6.275 Mean :NaN
## 3rd Qu.: 8.250 3rd Qu.: NA
## Max. :13.000 Max. : NA
## NA's :40
## NOMBRE.DE..CS_SUR.1.AN_.pour.psp DECOUVERTE.pathologie.sous.jacente
## Min. :1.000 :38
## 1st Qu.:2.000 emphyseme : 1
## Median :3.500 emphyseme+BPCO: 0
## Mean :3.375 endometriose : 1
## 3rd Qu.:4.000
## Max. :6.000
##
## Nbre.de.CHIRURGIE.sur.1.an REDRAINAGE._SUR.1.AN. Nbre.RECIDIVE._SUR.REC_1.AN.
## XIR_0:26 exsufflation: 0 REC_0:30
## XIR_1:13 Non :33 REC_1: 9
## XIR_2: 1 Oui : 7 REC_2: 0
## REC_3: 1
##
##
##
## coté.recidive INFECTION. hemothorax.. décès.
## :31 Non :39 Epanchement : 1 Non:40
## controlaterale : 2 parenchyme: 1 hemothorax minime: 1
## homolat+controlat: 0 Non :38
## homolaterale : 7
##
##
##
## materiel.intrathoracique. œdème.de.rééxpansion. emphysème.sous.cutané.
## Non:39 Non:38 Non:39
## Oui: 1 Oui: 2 Oui: 1
##
##
##
##
##
## autres..complications Déviation.médiastinale NHA Poumon.au.hile
## Non :39 Non :26 Non :27 Non :22
## suspi hémoptysie: 1 Oui : 8 Oui : 7 Oui :12
## NA's: 6 NA's: 6 NA's: 6
##
##
##
##
## Ptx.de.grande.abondance.
## Oui:40
##
##
##
##
##
##
## Ptx.persistant.de.grande..abondance.à.la.RT..post.drainage.immédiat
## Non:29
## Oui:11
##
##
##
##
##
## drainage NOMBRE_DE_RT_SUR_1_AN NOMBRE.DE..TDM_SUR.1.AN
## anterieur: 0 Min. : 3.000 : 0
## axillaire: 0 1st Qu.: 6.000 TDM_0:34
## PV :40 Median : 8.000 TDM_1: 6
## Mean : 9.256 TDM_2: 0
## 3rd Qu.:11.000
## Max. :25.000
## NA's :1
## bons.de.transport. CONSOMMATION..D.ANTALGIQUES._LE.PREMIER.MOIS X.PALIER.1.
## : 0 Mode:logical :36
## Non:40 NA's:40 Oui: 4
##
##
##
##
##
## doses.cumulées MORPHINIQUES doses.cumulées.1 Duree_hospit_jour
## Mode:logical :38 Mode:logical Mode:logical
## NA's:40 Non: 2 NA's:40 NA's:40
##
##
##
##
##
## duree_arret_travail_jour
## Min. : 3.00
## 1st Qu.:12.50
## Median :21.00
## Mean :22.32
## 3rd Qu.:29.50
## Max. :58.00
## NA's :18
## ------------------------------------------------------------
## PV_Retro$groupe.patient: Retro
## numero.d.inclusion groupe.patient AGE SEXE POIDS_kg
## Min. : 1.0 PV : 0 Min. :18 Féminin : 16 Min. :46.50
## 1st Qu.: 32.0 Retro:121 1st Qu.:23 Masculin:105 1st Qu.:58.00
## Median : 65.0 Median :27 Median :63.00
## Mean : 64.5 Mean :29 Mean :64.41
## 3rd Qu.: 96.0 3rd Qu.:34 3rd Qu.:68.50
## Max. :128.0 Max. :54 Max. :96.00
## NA's :44
## TAILLE_m IMC TABAC. nbr.de.PA cannabis.
## Min. :1.620 Min. :15.50 : 5 Min. : 0.25 :30
## 1st Qu.:1.730 1st Qu.:18.50 Non :16 1st Qu.: 5.00 Non :30
## Median :1.770 Median :20.10 Oui :91 Median :10.00 Oui :55
## Mean :1.778 Mean :20.32 sevré: 9 Mean :11.08 sevré: 6
## 3rd Qu.:1.810 3rd Qu.:21.70 3rd Qu.:15.00
## Max. :1.950 Max. :29.30 Max. :30.00
## NA's :44 NA's :44 NA's :60
## PROFESSION COMORBIDITES. Ptx
## :61 : 0 Droit :67
## bâtiment : 2 Aucun :88 Gauche:54
## chomage : 2 Autre :26
## Etudiant : 2 CARDIOVASC: 4
## informaticien: 2 METAB : 2
## lycéen : 2 RESPI : 1
## (Other) :50
## durée.des.symptomes.avant.drainage_jour symptomes.dyspnée
## Min. : 1.0 : 5
## 1st Qu.: 1.0 Non:53
## Median : 1.0 Oui:63
## Mean : 1.6
## 3rd Qu.: 1.0
## Max. :15.0
## NA's :21
## symptomes.douleurs.thoraciques ambulatoire._pleuralvent hospitalisation..
## : 5 Non:121 Non: 0
## Non: 0 Oui: 0 Oui:121
## Oui:116
##
##
##
##
## taille.du.drain type.de.drain.initial
## Min. : 8.00 cook : 7
## 1st Qu.: 8.50 Fuhrman :85
## Median :16.00 Monaldi :22
## Mean :13.95 PleuralVent: 0
## 3rd Qu.:18.00 Pleurocath : 7
## Max. :20.00
## NA's :102
## mise.en.aspiration..au.drainage.initial..
## :100
## Non: 3
## Oui: 18
##
##
##
##
## mise.en.aspiration..au.cours.de.la.prise.en.charge.
## :59
## Oui:62
##
##
##
##
##
## nombre.de.jours.de.drainage nombres.d.heures.de.bullage oxygénothérapie
## Min. :1.000 Min. : 1.00 Non:87
## 1st Qu.:2.000 1st Qu.: 1.00 Oui:34
## Median :3.000 Median : 24.00
## Mean :3.669 Mean : 51.23
## 3rd Qu.:5.000 3rd Qu.: 96.00
## Max. :9.000 Max. :168.00
## NA's :68
## NOMBRE.DE..CS_SUR.1.AN_.pour.psp DECOUVERTE.pathologie.sous.jacente
## Min. :0.000 :113
## 1st Qu.:1.000 emphyseme : 7
## Median :1.000 emphyseme+BPCO: 1
## Mean :1.192 endometriose : 0
## 3rd Qu.:2.000
## Max. :4.000
## NA's :1
## Nbre.de.CHIRURGIE.sur.1.an REDRAINAGE._SUR.1.AN. Nbre.RECIDIVE._SUR.REC_1.AN.
## XIR_0:78 exsufflation: 1 REC_0:96
## XIR_1:37 Non :97 REC_1:23
## XIR_2: 6 Oui :23 REC_2: 2
## REC_3: 0
##
##
##
## coté.recidive INFECTION. hemothorax.. décès.
## :96 Non :114 Epanchement : 0 Non:121
## controlaterale : 2 parenchyme: 7 hemothorax minime: 0
## homolat+controlat: 1 Non :121
## homolaterale :22
##
##
##
## materiel.intrathoracique. œdème.de.rééxpansion. emphysème.sous.cutané.
## Non:121 Non:118 Non:114
## Oui: 0 Oui: 3 Oui: 7
##
##
##
##
##
## autres..complications Déviation.médiastinale NHA Poumon.au.hile
## Non :121 Non:90 Non:102 Non:75
## suspi hémoptysie: 0 Oui:31 Oui: 19 Oui:46
##
##
##
##
##
## Ptx.de.grande.abondance.
## Oui:121
##
##
##
##
##
##
## Ptx.persistant.de.grande..abondance.à.la.RT..post.drainage.immédiat
## Non:115
## Oui: 6
##
##
##
##
##
## drainage NOMBRE_DE_RT_SUR_1_AN NOMBRE.DE..TDM_SUR.1.AN
## anterieur:34 Min. : 5.00 : 1
## axillaire:87 1st Qu.: 7.00 TDM_0:87
## PV : 0 Median :11.00 TDM_1:28
## Mean :11.94 TDM_2: 5
## 3rd Qu.:15.00
## Max. :35.00
##
## bons.de.transport. CONSOMMATION..D.ANTALGIQUES._LE.PREMIER.MOIS X.PALIER.1.
## :121 Mode:logical :121
## Non: 0 NA's:121 Oui: 0
##
##
##
##
##
## doses.cumulées MORPHINIQUES doses.cumulées.1 Duree_hospit_jour
## Mode:logical :121 Mode:logical Mode:logical
## NA's:121 Non: 0 NA's:121 NA's:121
##
##
##
##
##
## duree_arret_travail_jour
## Min. : 2.00
## 1st Qu.:12.00
## Median :21.00
## Mean :23.26
## 3rd Qu.:30.00
## Max. :82.00
## NA's :75by(PV_Retro,PV_Retro$groupe.patient, summarytools::descr,heading=FALSE,transpose =TRUE)## PV_Retro$groupe.patient: PV## For best results printing list objects with summarytools, use print(x); if by() was used, use stby() instead## Non-numerical variable(s) ignored: groupe.patient, SEXE, TABAC., cannabis., PROFESSION, COMORBIDITES., Ptx, symptomes.dyspnée, symptomes.douleurs.thoraciques, ambulatoire._pleuralvent, hospitalisation.., type.de.drain.initial, mise.en.aspiration..au.drainage.initial.., mise.en.aspiration..au.cours.de.la.prise.en.charge., oxygénothérapie, DECOUVERTE.pathologie.sous.jacente, Nbre.de.CHIRURGIE.sur.1.an, REDRAINAGE._SUR.1.AN., Nbre.RECIDIVE._SUR.REC_1.AN., coté.recidive, INFECTION., hemothorax.., décès., materiel.intrathoracique., œdème.de.rééxpansion., emphysème.sous.cutané., autres..complications, Déviation.médiastinale, NHA, Poumon.au.hile, Ptx.de.grande.abondance., Ptx.persistant.de.grande..abondance.à.la.RT..post.drainage.immédiat, drainage, NOMBRE.DE..TDM_SUR.1.AN, bons.de.transport., CONSOMMATION..D.ANTALGIQUES._LE.PREMIER.MOIS, X.PALIER.1., doses.cumulées, MORPHINIQUES, doses.cumulées.1, Duree_hospit_jour## Group: groupe.patient = PV
##
## Mean Std.Dev Min Q1 Median Q3
## --------------------------------------------- ------- --------- ------- ------- -------- -------
## AGE 28.05 7.53 18.00 22.00 26.00 32.00
## durée.des.symptomes.avant.drainage_jour 1.89 2.49 1.00 1.00 1.00 2.00
## duree_arret_travail_jour 22.32 14.81 3.00 12.00 21.00 30.00
## IMC 19.90 2.51 16.90 18.20 19.60 20.90
## nbr.de.PA 9.22 7.42 1.00 5.00 7.50 10.00
## NOMBRE.DE..CS_SUR.1.AN_.pour.psp 3.38 1.44 1.00 2.00 3.50 4.00
## nombre.de.jours.de.drainage 6.28 2.91 2.00 4.00 6.00 8.50
## NOMBRE_DE_RT_SUR_1_AN 9.26 4.89 3.00 6.00 8.00 11.00
## nombres.d.heures.de.bullage NA NA NA NA NA NA
## numero.d.inclusion 20.68 11.95 1.00 10.50 20.50 30.50
## POIDS_kg 62.22 11.56 45.00 54.00 61.00 70.00
## taille.du.drain NA NA NA NA NA NA
## TAILLE_m 1.77 0.11 1.48 1.72 1.78 1.87
##
## Table: Table continues below
##
##
##
## Max MAD IQR CV Skewness
## --------------------------------------------- ------- ------- ------- ------ ----------
## AGE 54.00 5.93 10.00 0.27 1.21
## durée.des.symptomes.avant.drainage_jour 15.00 0.00 1.00 1.32 4.16
## duree_arret_travail_jour 58.00 13.34 17.00 0.66 0.95
## IMC 27.80 2.08 2.65 0.13 1.55
## nbr.de.PA 30.00 3.71 5.00 0.81 1.27
## NOMBRE.DE..CS_SUR.1.AN_.pour.psp 6.00 2.22 2.00 0.43 0.04
## nombre.de.jours.de.drainage 13.00 2.97 4.25 0.46 0.50
## NOMBRE_DE_RT_SUR_1_AN 25.00 4.45 5.00 0.53 1.12
## nombres.d.heures.de.bullage NA NA NA NA NA
## numero.d.inclusion 41.00 14.83 19.50 0.58 0.05
## POIDS_kg 95.00 13.34 15.50 0.19 0.73
## taille.du.drain NA NA NA NA NA
## TAILLE_m 1.95 0.10 0.14 0.06 -0.64
##
## Table: Table continues below
##
##
##
## SE.Skewness Kurtosis N.Valid Pct.Valid
## --------------------------------------------- ------------- ---------- --------- -----------
## AGE 0.37 1.63 40.00 100.00
## durée.des.symptomes.avant.drainage_jour 0.39 18.48 36.00 90.00
## duree_arret_travail_jour 0.49 0.34 22.00 55.00
## IMC 0.45 2.42 27.00 67.50
## nbr.de.PA 0.54 1.00 18.00 45.00
## NOMBRE.DE..CS_SUR.1.AN_.pour.psp 0.37 -1.02 40.00 100.00
## nombre.de.jours.de.drainage 0.37 -0.76 40.00 100.00
## NOMBRE_DE_RT_SUR_1_AN 0.38 0.95 39.00 97.50
## nombres.d.heures.de.bullage NA NA 0.00 NA
## numero.d.inclusion 0.37 -1.26 40.00 100.00
## POIDS_kg 0.45 0.31 27.00 67.50
## taille.du.drain NA NA 0.00 NA
## TAILLE_m 0.45 -0.17 27.00 67.50
## ------------------------------------------------------------
## PV_Retro$groupe.patient: Retro## For best results printing list objects with summarytools, use print(x); if by() was used, use stby() instead## Group: groupe.patient = Retro
##
## Mean Std.Dev Min Q1 Median Q3
## --------------------------------------------- ------- --------- ------- ------- -------- -------
## AGE 29.00 7.54 18.00 23.00 27.00 34.00
## durée.des.symptomes.avant.drainage_jour 1.60 2.02 1.00 1.00 1.00 1.00
## duree_arret_travail_jour 23.26 15.48 2.00 12.00 21.00 30.00
## IMC 20.32 2.74 15.50 18.50 20.10 21.70
## nbr.de.PA 11.08 7.05 0.25 5.00 10.00 15.00
## NOMBRE.DE..CS_SUR.1.AN_.pour.psp 1.19 0.84 0.00 1.00 1.00 2.00
## nombre.de.jours.de.drainage 3.67 1.96 1.00 2.00 3.00 5.00
## NOMBRE_DE_RT_SUR_1_AN 11.94 6.46 5.00 7.00 11.00 15.00
## nombres.d.heures.de.bullage 51.23 47.86 1.00 1.00 24.00 96.00
## numero.d.inclusion 64.50 37.50 1.00 32.00 65.00 96.00
## POIDS_kg 64.41 9.89 46.50 58.00 63.00 68.50
## taille.du.drain 13.95 4.60 8.00 8.50 16.00 18.00
## TAILLE_m 1.78 0.07 1.62 1.73 1.77 1.81
##
## Table: Table continues below
##
##
##
## Max MAD IQR CV Skewness
## --------------------------------------------- -------- ------- ------- ------ ----------
## AGE 54.00 7.41 11.00 0.26 1.01
## durée.des.symptomes.avant.drainage_jour 15.00 0.00 0.00 1.26 4.46
## duree_arret_travail_jour 82.00 13.34 18.00 0.67 1.28
## IMC 29.30 2.37 3.20 0.13 0.86
## nbr.de.PA 30.00 7.41 10.00 0.64 0.74
## NOMBRE.DE..CS_SUR.1.AN_.pour.psp 4.00 0.00 1.00 0.71 0.72
## nombre.de.jours.de.drainage 9.00 1.48 3.00 0.54 0.87
## NOMBRE_DE_RT_SUR_1_AN 35.00 5.93 8.00 0.54 1.16
## nombres.d.heures.de.bullage 168.00 34.10 95.00 0.93 0.56
## numero.d.inclusion 128.00 47.44 64.00 0.58 0.00
## POIDS_kg 96.00 7.41 10.50 0.15 0.96
## taille.du.drain 20.00 2.97 9.50 0.33 -0.20
## TAILLE_m 1.95 0.06 0.08 0.04 0.53
##
## Table: Table continues below
##
##
##
## SE.Skewness Kurtosis N.Valid Pct.Valid
## --------------------------------------------- ------------- ---------- --------- -----------
## AGE 0.22 1.08 121.00 100.00
## durée.des.symptomes.avant.drainage_jour 0.24 22.12 100.00 82.64
## duree_arret_travail_jour 0.35 2.69 46.00 38.02
## IMC 0.27 0.93 77.00 63.64
## nbr.de.PA 0.31 -0.36 61.00 50.41
## NOMBRE.DE..CS_SUR.1.AN_.pour.psp 0.22 0.47 120.00 99.17
## nombre.de.jours.de.drainage 0.22 -0.24 121.00 100.00
## NOMBRE_DE_RT_SUR_1_AN 0.22 1.05 121.00 100.00
## nombres.d.heures.de.bullage 0.33 -0.99 53.00 43.80
## numero.d.inclusion 0.22 -1.24 121.00 100.00
## POIDS_kg 0.27 0.97 77.00 63.64
## taille.du.drain 0.52 -1.76 19.00 15.70
## TAILLE_m 0.27 -0.10 77.00 63.64Comparaisons PV VS Retro données quantitatives
comparaison AGE
Evaluation des conditions de validité
library(car)
ggplot(PV_Retro, aes(y=groupe.patient, x=AGE, colour=AGE, fill=AGE))+
geom_jitter(height=0, width=0.25)+
geom_boxplot(alpha=0.5,notch=TRUE)## Warning: The following aesthetics were dropped during statistical transformation:
## colour, fill
## ℹ This can happen when ggplot fails to infer the correct grouping structure in
## the data.
## ℹ Did you forget to specify a `group` aesthetic or to convert a numerical
## variable into a factor?
Le tableur ci-dessous ontre le tableau de comparaison entre les deux groupes PV Vs Retro
groupwiseMean(AGE~groupe.patient,data=PV_Retro, conf=0.95, digits=5)## groupe.patient n Mean Conf.level Trad.lower Trad.upper
## 1 PV 40 28.05 0.95 25.640 30.460
## 2 Retro 121 29.00 0.95 27.643 30.357Le test ci-dessous nous permet de verifier les conditions de validité du test de student:
- Normalité :
shapiro.test(PV_Retro$AGE[PV_Retro$groupe.patient=="PV"])##
## Shapiro-Wilk normality test
##
## data: PV_Retro$AGE[PV_Retro$groupe.patient == "PV"]
## W = 0.90093, p-value = 0.002035==> la normalité n’est pas accepté dans le groupe PV
shapiro.test(PV_Retro$AGE[PV_Retro$groupe.patient=="Retro"])##
## Shapiro-Wilk normality test
##
## data: PV_Retro$AGE[PV_Retro$groupe.patient == "Retro"]
## W = 0.92823, p-value = 6.894e-06==> la normalité n’est pas accepté dans le groupe Retro
La normalité étant rejetée dans les deux groupes, nous devons employer un test de de Wilcoxon
- test d’egalité des variances
var.test(PV_Retro$AGE ~ PV_Retro$groupe.patient)##
## F test to compare two variances
##
## data: PV_Retro$AGE by PV_Retro$groupe.patient
## F = 0.99824, num df = 39, denom df = 120, p-value = 0.97
## alternative hypothesis: true ratio of variances is not equal to 1
## 95 percent confidence interval:
## 0.6161083 1.7320903
## sample estimates:
## ratio of variances
## 0.9982415l’egalité des variances n’est pas rejetée
Test de Wilcoxon AGE
wilcox.test(PV_Retro$AGE ~ PV_Retro$groupe.patient)##
## Wilcoxon rank sum test with continuity correction
##
## data: PV_Retro$AGE by PV_Retro$groupe.patient
## W = 2188.5, p-value = 0.3655
## alternative hypothesis: true location shift is not equal to 0L’hypothèse nulle d’égalité des moyennes d’age n’est pas rejetée car la p-value est > 0.05. Ainsi, rien ne permet d’affirmer que les médianes d’ages des du groupe PV et du groupe Retro sont différentes. Pas de difference
comparaison POIDS_KG
Evaluation des conditions de validité
ggplot(PV_Retro, aes(y=groupe.patient, x=POIDS_kg, colour=POIDS_kg, fill=POIDS_kg))+
geom_jitter(height=0, width=0.25)+
geom_boxplot(alpha=0.5,notch=TRUE)## Warning: Removed 57 rows containing non-finite values (`stat_boxplot()`).## Warning: The following aesthetics were dropped during statistical transformation:
## colour, fill
## ℹ This can happen when ggplot fails to infer the correct grouping structure in
## the data.
## ℹ Did you forget to specify a `group` aesthetic or to convert a numerical
## variable into a factor?## Warning: Removed 57 rows containing missing values (`geom_point()`).
Le tableur ci-dessous ontre le tableau de comparaison entre les deux groupes PV Vs Retro
groupwiseMean(POIDS_kg~groupe.patient,data=PV_Retro, conf=0.95, digits=5)## groupe.patient n Mean Conf.level Trad.lower Trad.upper
## 1 PV 40 NA 0.95 NA NA
## 2 Retro 121 NA 0.95 NA NALe test ci-dessous nous permet de verifier les conditions de validité du test de student:
- Normalité :
shapiro.test(PV_Retro$POIDS_kg[PV_Retro$groupe.patient=="PV"])##
## Shapiro-Wilk normality test
##
## data: PV_Retro$POIDS_kg[PV_Retro$groupe.patient == "PV"]
## W = 0.95042, p-value = 0.2194==> la normalité est accepté dans le groupe PV
shapiro.test(PV_Retro$POIDS_kg[PV_Retro$groupe.patient=="Retro"])##
## Shapiro-Wilk normality test
##
## data: PV_Retro$POIDS_kg[PV_Retro$groupe.patient == "Retro"]
## W = 0.93994, p-value = 0.001228==> la normalité n’est pas accepté dans le groupe Retro
La normalité étant rejetée dans un des, nous devons employer un test de de Wilcoxon
- test d’egalité des variances
var.test(PV_Retro$POIDS_kg~ PV_Retro$groupe.patient)##
## F test to compare two variances
##
## data: PV_Retro$POIDS_kg by PV_Retro$groupe.patient
## F = 1.368, num df = 26, denom df = 76, p-value = 0.2954
## alternative hypothesis: true ratio of variances is not equal to 1
## 95 percent confidence interval:
## 0.7581357 2.7309375
## sample estimates:
## ratio of variances
## 1.368022l’egalité des variances n’est pas rejetée
Test de Wilcoxon POIDS_kg
wilcox.test(PV_Retro$POIDS_kg ~ PV_Retro$groupe.patient)##
## Wilcoxon rank sum test with continuity correction
##
## data: PV_Retro$POIDS_kg by PV_Retro$groupe.patient
## W = 904.5, p-value = 0.3181
## alternative hypothesis: true location shift is not equal to 0L’hypothèse nulle d’égalité des moyennes d’age n’est pas rejetée car la p-value est > 0.05. Ainsi, rien ne permet d’affirmer que les médianes de poids des du groupe PV et du groupe Retro sont différentes. Pas de difference
comparaison taille
Evaluation des conditions de validité
library(car)
ggplot(PV_Retro, aes(y=groupe.patient, x=TAILLE_m, colour=TAILLE_m, fill=AGE))+
geom_jitter(height=0, width=0.25)+
geom_boxplot(alpha=0.5,notch=TRUE)## Warning: Removed 57 rows containing non-finite values (`stat_boxplot()`).## Warning: The following aesthetics were dropped during statistical transformation:
## colour, fill
## ℹ This can happen when ggplot fails to infer the correct grouping structure in
## the data.
## ℹ Did you forget to specify a `group` aesthetic or to convert a numerical
## variable into a factor?## Warning: Removed 57 rows containing missing values (`geom_point()`).
Le tableur ci-dessous ontre le tableau de comparaison entre les deux groupes PV Vs Retro
groupwiseMean(TAILLE_m~groupe.patient,data=PV_Retro, conf=0.95, digits=5)## groupe.patient n Mean Conf.level Trad.lower Trad.upper
## 1 PV 40 NA 0.95 NA NA
## 2 Retro 121 NA 0.95 NA NALe test ci-dessous nous permet de verifier les conditions de validité du test de student:
- Normalité :
shapiro.test(PV_Retro$TAILLE_m[PV_Retro$groupe.patient=="PV"])##
## Shapiro-Wilk normality test
##
## data: PV_Retro$TAILLE_m[PV_Retro$groupe.patient == "PV"]
## W = 0.95898, p-value = 0.3503==> la normalité estaccepté dans le groupe PV
shapiro.test(PV_Retro$TAILLE_m[PV_Retro$groupe.patient=="Retro"])##
## Shapiro-Wilk normality test
##
## data: PV_Retro$TAILLE_m[PV_Retro$groupe.patient == "Retro"]
## W = 0.96262, p-value = 0.02319==> la normalité n’est pas accepté dans le groupe Retro
La normalité étant rejetée dans les deux groupes, nous devons employer un test de de Wilcoxon
- test d’egalité des variances
var.test(PV_Retro$TAILLE_m ~ PV_Retro$groupe.patient)##
## F test to compare two variances
##
## data: PV_Retro$TAILLE_m by PV_Retro$groupe.patient
## F = 2.6246, num df = 26, denom df = 76, p-value = 0.001208
## alternative hypothesis: true ratio of variances is not equal to 1
## 95 percent confidence interval:
## 1.454485 5.239310
## sample estimates:
## ratio of variances
## 2.624554l’egalité des variances est rejetée
Test de Wilcoxon AGE
wilcox.test(PV_Retro$TAILLE_m ~ PV_Retro$groupe.patient)##
## Wilcoxon rank sum test with continuity correction
##
## data: PV_Retro$TAILLE_m by PV_Retro$groupe.patient
## W = 1054, p-value = 0.9172
## alternative hypothesis: true location shift is not equal to 0L’hypothèse nulle d’égalité des moyennes d’age n’est pas rejetée car la p-value est > 0.05. Ainsi, rien ne permet d’affirmer que les médianes d’ages des du groupe PV et du groupe Retro sont différentes. Pas de difference
comparaison nombre paquet année
Evaluation des conditions de validité
library(car)
ggplot(PV_Retro, aes(y=groupe.patient, x=nbr.de.PA, colour=nbr.de.PA, fill=nbr.de.PA))+
geom_jitter(height=0, width=0.25)+
geom_boxplot(alpha=0.5,notch=TRUE)## Warning: Removed 82 rows containing non-finite values (`stat_boxplot()`).## Warning: The following aesthetics were dropped during statistical transformation:
## colour, fill
## ℹ This can happen when ggplot fails to infer the correct grouping structure in
## the data.
## ℹ Did you forget to specify a `group` aesthetic or to convert a numerical
## variable into a factor?## Warning: Removed 82 rows containing missing values (`geom_point()`).
Le tableur ci-dessous ontre le tableau de comparaison entre les deux groupes PV Vs Retro
groupwiseMean(nbr.de.PA~groupe.patient,data=PV_Retro, conf=0.95, digits=5)## groupe.patient n Mean Conf.level Trad.lower Trad.upper
## 1 PV 40 NA 0.95 NA NA
## 2 Retro 121 NA 0.95 NA NALe test ci-dessous nous permet de verifier les conditions de validité du test de student:
- Normalité :
shapiro.test(PV_Retro$nbr.de.PA[PV_Retro$groupe.patient=="PV"])##
## Shapiro-Wilk normality test
##
## data: PV_Retro$nbr.de.PA[PV_Retro$groupe.patient == "PV"]
## W = 0.85829, p-value = 0.01147==> la normalité n’est pas accepté dans le groupe PV
shapiro.test(PV_Retro$nbr.de.PA[PV_Retro$groupe.patient=="Retro"])##
## Shapiro-Wilk normality test
##
## data: PV_Retro$nbr.de.PA[PV_Retro$groupe.patient == "Retro"]
## W = 0.91703, p-value = 0.0005218==> la normalité n’est pas accepté dans le groupe Retro
La normalité étant rejetée dans les deux groupes, nous devons employer un test de de Wilcoxon
- test d’egalité des variances
var.test(PV_Retro$nbr.de.PA ~ PV_Retro$groupe.patient)##
## F test to compare two variances
##
## data: PV_Retro$nbr.de.PA by PV_Retro$groupe.patient
## F = 1.1093, num df = 17, denom df = 60, p-value = 0.7337
## alternative hypothesis: true ratio of variances is not equal to 1
## 95 percent confidence interval:
## 0.5525708 2.6403594
## sample estimates:
## ratio of variances
## 1.109346l’egalité des variances n’est pas rejetée
Test de Wilcoxon AGE
wilcox.test(PV_Retro$nbr.de.PA ~ PV_Retro$groupe.patient)##
## Wilcoxon rank sum test with continuity correction
##
## data: PV_Retro$nbr.de.PA by PV_Retro$groupe.patient
## W = 437, p-value = 0.188
## alternative hypothesis: true location shift is not equal to 0L’hypothèse nulle d’égalité des moyennes de nombre de PA n’est pas rejetée car la p-value est > 0.05. Ainsi, rien ne permet d’affirmer que les médianes d’ages des du groupe PV et du groupe Retro sont différentes. Pas de difference
comparaison durée des symptomes avant drainage
Evaluation des conditions de validité
library(car)
ggplot(PV_Retro, aes(y=groupe.patient, x=durée.des.symptomes.avant.drainage_jour, colour=durée.des.symptomes.avant.drainage_jour, fill=durée.des.symptomes.avant.drainage_jour))+
geom_jitter(height=0, width=0.25)+
geom_boxplot(alpha=0.5,notch=TRUE)## Warning: Removed 25 rows containing non-finite values (`stat_boxplot()`).## Warning: The following aesthetics were dropped during statistical transformation:
## colour, fill
## ℹ This can happen when ggplot fails to infer the correct grouping structure in
## the data.
## ℹ Did you forget to specify a `group` aesthetic or to convert a numerical
## variable into a factor?## Warning: Removed 25 rows containing missing values (`geom_point()`).## Notch went outside hinges
## ℹ Do you want `notch = FALSE`?
Le tableur ci-dessous ontre le tableau de comparaison entre les deux groupes PV Vs Retro
groupwiseMean(durée.des.symptomes.avant.drainage_jour~groupe.patient,data=PV_Retro, conf=0.95, digits=5)## groupe.patient n Mean Conf.level Trad.lower Trad.upper
## 1 PV 40 NA 0.95 NA NA
## 2 Retro 121 NA 0.95 NA NALe test ci-dessous nous permet de verifier les conditions de validité du test de student:
- Normalité :
shapiro.test(PV_Retro$durée.des.symptomes.avant.drainage_jour[PV_Retro$groupe.patient=="PV"])##
## Shapiro-Wilk normality test
##
## data: PV_Retro$durée.des.symptomes.avant.drainage_jour[PV_Retro$groupe.patient == "PV"]
## W = 0.40051, p-value = 5.587e-11==> la normalité n’est pas accepté dans le groupe PV
shapiro.test(PV_Retro$durée.des.symptomes.avant.drainage_jour[PV_Retro$groupe.patient=="Retro"])##
## Shapiro-Wilk normality test
##
## data: PV_Retro$durée.des.symptomes.avant.drainage_jour[PV_Retro$groupe.patient == "Retro"]
## W = 0.3401, p-value < 2.2e-16==> la normalité n’est pas accepté dans le groupe Retro
La normalité étant rejetée dans les deux groupes, nous devons employer un test de de Wilcoxon
- test d’egalité des variances
var.test(PV_Retro$durée.des.symptomes.avant.drainage_jour ~ PV_Retro$groupe.patient)##
## F test to compare two variances
##
## data: PV_Retro$durée.des.symptomes.avant.drainage_jour by PV_Retro$groupe.patient
## F = 1.5308, num df = 35, denom df = 99, p-value = 0.1058
## alternative hypothesis: true ratio of variances is not equal to 1
## 95 percent confidence interval:
## 0.9141733 2.7581739
## sample estimates:
## ratio of variances
## 1.530775l’egalité des variances n’est pas rejetée
Test de Wilcoxon AGE
wilcox.test(PV_Retro$durée.des.symptomes.avant.drainage_jour ~ PV_Retro$groupe.patient)##
## Wilcoxon rank sum test with continuity correction
##
## data: PV_Retro$durée.des.symptomes.avant.drainage_jour by PV_Retro$groupe.patient
## W = 2005, p-value = 0.1413
## alternative hypothesis: true location shift is not equal to 0L’hypothèse nulle d’égalité des medianes de la duree des symptomes avant drainage n’est pas rejetée car la p-value est > 0.05. Ainsi, rien ne permet d’affirmer que les médianes d’ages des du groupe PV et du groupe Retro sont différentes. Pas de difference
comparaison nombre de jour de drainage
Evaluation des conditions de validité
library(car)
ggplot(PV_Retro, aes(y=groupe.patient, x=nombre.de.jours.de.drainage, colour=nombre.de.jours.de.drainage, fill=nombre.de.jours.de.drainage))+
geom_jitter(height=0, width=0.25)+
geom_boxplot(alpha=0.5,notch=TRUE)## Warning: The following aesthetics were dropped during statistical transformation:
## colour, fill
## ℹ This can happen when ggplot fails to infer the correct grouping structure in
## the data.
## ℹ Did you forget to specify a `group` aesthetic or to convert a numerical
## variable into a factor?
Le tableur ci-dessous ontre le tableau de comparaison entre les deux groupes PV Vs Retro
groupwiseMean(nombre.de.jours.de.drainage~groupe.patient,data=PV_Retro, conf=0.95, digits=5)## groupe.patient n Mean Conf.level Trad.lower Trad.upper
## 1 PV 40 6.2750 0.95 5.3447 7.2053
## 2 Retro 121 3.6694 0.95 3.3160 4.0229Le test ci-dessous nous permet de verifier les conditions de validité du test de student:
- Normalité :
shapiro.test(PV_Retro$nombre.de.jours.de.drainage[PV_Retro$groupe.patient=="PV"])##
## Shapiro-Wilk normality test
##
## data: PV_Retro$nombre.de.jours.de.drainage[PV_Retro$groupe.patient == "PV"]
## W = 0.94385, p-value = 0.04671==> la normalité n’est pas accepté dans le groupe PV
shapiro.test(PV_Retro$nombre.de.jours.de.drainage[PV_Retro$groupe.patient=="Retro"])##
## Shapiro-Wilk normality test
##
## data: PV_Retro$nombre.de.jours.de.drainage[PV_Retro$groupe.patient == "Retro"]
## W = 0.87295, p-value = 9.16e-09==> la normalité n’est pas accepté dans le groupe Retro
La normalité étant rejetée dans les deux groupes, nous devons employer un test de de Wilcoxon
- test d’egalité des variances
var.test(PV_Retro$nombre.de.jours.de.drainage~ PV_Retro$groupe.patient)##
## F test to compare two variances
##
## data: PV_Retro$nombre.de.jours.de.drainage by PV_Retro$groupe.patient
## F = 2.1939, num df = 39, denom df = 120, p-value = 0.001256
## alternative hypothesis: true ratio of variances is not equal to 1
## 95 percent confidence interval:
## 1.354090 3.806808
## sample estimates:
## ratio of variances
## 2.193947l’egalité des variances est rejetée
Test de Wilcoxon nombre.de.jours.de.drainage
wilcox.test(PV_Retro$nombre.de.jours.de.drainage ~ PV_Retro$groupe.patient)##
## Wilcoxon rank sum test with continuity correction
##
## data: PV_Retro$nombre.de.jours.de.drainage by PV_Retro$groupe.patient
## W = 3747, p-value = 1.359e-07
## alternative hypothesis: true location shift is not equal to 0L’hypothèse nulle d’égalité du nombre.de.jours.de.drainage est rejetée car la p-value est < 0.05. Ainsi,lenombre de.jours.de.drainage du groupe PV et du groupe Retro sont différentes.
Difference significative +++ entre le groupe Pv et le groupe Retro
comparaison taille du drain non possible
##comparaison nombre de CSsur 1 an pour psp
Evaluation des conditions de validité
library(car)
ggplot(PV_Retro, aes(y=groupe.patient, x=NOMBRE.DE..CS_SUR.1.AN_.pour.psp, colour=NOMBRE.DE..CS_SUR.1.AN_.pour.psp, fill=NOMBRE.DE..CS_SUR.1.AN_.pour.psp))+
geom_jitter(height=0, width=0.25)+
geom_boxplot(alpha=0.5,notch=TRUE)## Warning: Removed 1 rows containing non-finite values (`stat_boxplot()`).## Warning: The following aesthetics were dropped during statistical transformation:
## colour, fill
## ℹ This can happen when ggplot fails to infer the correct grouping structure in
## the data.
## ℹ Did you forget to specify a `group` aesthetic or to convert a numerical
## variable into a factor?## Warning: Removed 1 rows containing missing values (`geom_point()`).## Notch went outside hinges
## ℹ Do you want `notch = FALSE`?
Le tableur ci-dessous ontre le tableau de comparaison entre les deux groupes PV Vs Retro
groupwiseMean(NOMBRE.DE..CS_SUR.1.AN_.pour.psp~groupe.patient,data=PV_Retro, conf=0.95, digits=5)## groupe.patient n Mean Conf.level Trad.lower Trad.upper
## 1 PV 40 3.375 0.95 2.913 3.837
## 2 Retro 121 NA 0.95 NA NALe test ci-dessous nous permet de verifier les conditions de validité du test de student:
- Normalité :
shapiro.test(PV_Retro$NOMBRE.DE..CS_SUR.1.AN_.pour.psp[PV_Retro$groupe.patient=="PV"])##
## Shapiro-Wilk normality test
##
## data: PV_Retro$NOMBRE.DE..CS_SUR.1.AN_.pour.psp[PV_Retro$groupe.patient == "PV"]
## W = 0.93348, p-value = 0.02095==> la normalité n’est pas accepté dans le groupe PV
shapiro.test(PV_Retro$NOMBRE.DE..CS_SUR.1.AN_.pour.psp[PV_Retro$groupe.patient=="Retro"])##
## Shapiro-Wilk normality test
##
## data: PV_Retro$NOMBRE.DE..CS_SUR.1.AN_.pour.psp[PV_Retro$groupe.patient == "Retro"]
## W = 0.83654, p-value = 3.341e-10==> la normalité n’est pas accepté dans le groupe Retro
La normalité étant rejetée dans les deux groupes, nous devons employer un test de de Wilcoxon
- test d’egalité des variances
var.test(PV_Retro$NOMBRE.DE..CS_SUR.1.AN_.pour.psp ~ PV_Retro$groupe.patient)##
## F test to compare two variances
##
## data: PV_Retro$NOMBRE.DE..CS_SUR.1.AN_.pour.psp by PV_Retro$groupe.patient
## F = 2.9353, num df = 39, denom df = 119, p-value = 7.955e-06
## alternative hypothesis: true ratio of variances is not equal to 1
## 95 percent confidence interval:
## 1.810406 5.095098
## sample estimates:
## ratio of variances
## 2.935255l’egalité des variances est rejetée
Test de Wilcoxon NOMBRE.DE..CS_SUR.1.AN_.pour.psp
wilcox.test(PV_Retro$NOMBRE.DE..CS_SUR.1.AN_.pour.psp ~ PV_Retro$groupe.patient)##
## Wilcoxon rank sum test with continuity correction
##
## data: PV_Retro$NOMBRE.DE..CS_SUR.1.AN_.pour.psp by PV_Retro$groupe.patient
## W = 4298.5, p-value = 3.724e-15
## alternative hypothesis: true location shift is not equal to 0L’hypothèse nulle d’égalité des moyennes des nombres de Cs sur 1 an est rejetée car la p-value est < 0.05. Ainsi, la difference de nombre de consultation sur 1 an pourpsp est significativement differente
comparaison NOMBRE_DE_RT_SUR_1_AN
Evaluation des conditions de validité
library(car)
ggplot(PV_Retro, aes(y=groupe.patient, x=NOMBRE_DE_RT_SUR_1_AN, colour=NOMBRE_DE_RT_SUR_1_AN, fill=NOMBRE_DE_RT_SUR_1_AN))+
geom_jitter(height=0, width=0.25)+
geom_boxplot(alpha=0.5,notch=TRUE)## Warning: Removed 1 rows containing non-finite values (`stat_boxplot()`).## Warning: The following aesthetics were dropped during statistical transformation:
## colour, fill
## ℹ This can happen when ggplot fails to infer the correct grouping structure in
## the data.
## ℹ Did you forget to specify a `group` aesthetic or to convert a numerical
## variable into a factor?## Warning: Removed 1 rows containing missing values (`geom_point()`).
Le tableur ci-dessous ontre le tableau de comparaison entre les deux groupes PV Vs Retro
groupwiseMean(NOMBRE_DE_RT_SUR_1_AN ~ groupe.patient,data=PV_Retro, conf=0.95, digits=5)## groupe.patient n Mean Conf.level Trad.lower Trad.upper
## 1 PV 40 NA 0.95 NA NA
## 2 Retro 121 11.942 0.95 10.78 13.105Le test ci-dessous nous permet de verifier les conditions de validité du test de student:
- Normalité :
shapiro.test(PV_Retro$NOMBRE_DE_RT_SUR_1_AN[PV_Retro$groupe.patient=="PV"])##
## Shapiro-Wilk normality test
##
## data: PV_Retro$NOMBRE_DE_RT_SUR_1_AN[PV_Retro$groupe.patient == "PV"]
## W = 0.89515, p-value = 0.001607==> la normalité n’est pas accepté dans le groupe PV
shapiro.test(PV_Retro$NOMBRE_DE_RT_SUR_1_AN[PV_Retro$groupe.patient=="Retro"])##
## Shapiro-Wilk normality test
##
## data: PV_Retro$NOMBRE_DE_RT_SUR_1_AN[PV_Retro$groupe.patient == "Retro"]
## W = 0.88256, p-value = 2.507e-08==> la normalité n’est pas accepté dans le groupe Retro
La normalité étant rejetée dans les deux groupes, nous devons employer un test de de Wilcoxon
- test d’egalité des variances
var.test(PV_Retro$NOMBRE_DE_RT_SUR_1_AN ~ PV_Retro$groupe.patient)##
## F test to compare two variances
##
## data: PV_Retro$NOMBRE_DE_RT_SUR_1_AN by PV_Retro$groupe.patient
## F = 0.57259, num df = 38, denom df = 120, p-value = 0.05005
## alternative hypothesis: true ratio of variances is not equal to 1
## 95 percent confidence interval:
## 0.3520181 1.0001166
## sample estimates:
## ratio of variances
## 0.5725912l’egalité des variances n’est pas rejetée
Test de Wilcoxon nombre de RT
wilcox.test(PV_Retro$NOMBRE_DE_RT_SUR_1_AN ~ PV_Retro$groupe.patient)##
## Wilcoxon rank sum test with continuity correction
##
## data: PV_Retro$NOMBRE_DE_RT_SUR_1_AN by PV_Retro$groupe.patient
## W = 1749, p-value = 0.01502
## alternative hypothesis: true location shift is not equal to 0L’hypothèse nulle d’égalité des moyennes de nombre de RT est rejetée car la p-value est < 0.05. Ainsi, la difference entre le nombre de Rt dans le groupe Retro est significativement different de celui dans le groupe PV
comparaison duree hospitalisation en jour à voir medico-eco
comparaison duree arret de travail
Evaluation des conditions de validité
library(car)
ggplot(PV_Retro, aes(y=groupe.patient, x=duree_arret_travail_jour, colour=duree_arret_travail_jour, fill=duree_arret_travail_jour))+
geom_jitter(height=0, width=0.25)+
geom_boxplot(alpha=0.5,notch=TRUE)## Warning: Removed 93 rows containing non-finite values (`stat_boxplot()`).## Warning: The following aesthetics were dropped during statistical transformation:
## colour, fill
## ℹ This can happen when ggplot fails to infer the correct grouping structure in
## the data.
## ℹ Did you forget to specify a `group` aesthetic or to convert a numerical
## variable into a factor?## Warning: Removed 93 rows containing missing values (`geom_point()`).
Le tableur ci-dessous ontre le tableau de comparaison entre les deux groupes PV Vs Retro
groupwiseMean(duree_arret_travail_jour~groupe.patient,data=PV_Retro, conf=0.95, digits=5)## groupe.patient n Mean Conf.level Trad.lower Trad.upper
## 1 PV 40 NA 0.95 NA NA
## 2 Retro 121 NA 0.95 NA NALe test ci-dessous nous permet de verifier les conditions de validité du test de student:
- Normalité :
shapiro.test(PV_Retro$duree_arret_travail_jour[PV_Retro$groupe.patient=="PV"])##
## Shapiro-Wilk normality test
##
## data: PV_Retro$duree_arret_travail_jour[PV_Retro$groupe.patient == "PV"]
## W = 0.90577, p-value = 0.03885==> la normalité n’est pas accepté dans le groupe PV
shapiro.test(PV_Retro$duree_arret_travail_jour[PV_Retro$groupe.patient=="Retro"])##
## Shapiro-Wilk normality test
##
## data: PV_Retro$duree_arret_travail_jour[PV_Retro$groupe.patient == "Retro"]
## W = 0.90357, p-value = 0.001072==> la normalité n’est pas accepté dans le groupe Retro
La normalité étant rejetée dans les deux groupes, nous devons employer un test de de Wilcoxon
- test d’egalité des variances
var.test(PV_Retro$duree_arret_travail_jour ~ PV_Retro$groupe.patient)##
## F test to compare two variances
##
## data: PV_Retro$duree_arret_travail_jour by PV_Retro$groupe.patient
## F = 0.91549, num df = 21, denom df = 45, p-value = 0.8512
## alternative hypothesis: true ratio of variances is not equal to 1
## 95 percent confidence interval:
## 0.455711 2.037250
## sample estimates:
## ratio of variances
## 0.9154943l’egalité des variances n’est pas rejetée
Test de Wilcoxon AGE
wilcox.test(PV_Retro$duree_arret_travail_jour ~ PV_Retro$groupe.patient)## Warning in wilcox.test.default(x = DATA[[1L]], y = DATA[[2L]], ...): impossible
## de calculer la p-value exacte avec des ex-aequos##
## Wilcoxon rank sum test with continuity correction
##
## data: PV_Retro$duree_arret_travail_jour by PV_Retro$groupe.patient
## W = 487, p-value = 0.808
## alternative hypothesis: true location shift is not equal to 0L’hypothèse nulle d’égalité des moyennes d’arret de travail n’est pas rejetée car la p-value est > 0.05. Ainsi, rien ne permet d’affirmer que les médianes d’arrets de travails du groupe PV et du groupe Retro sont différentes. Pas de difference
Comparaisons PV VS Retro données qualitatives
comparaison sexe
PV_Retro_qualitatif <- read.csv2("C:/Users/mallah.s/Desktop/Stats et Theses/Ambuthorax/PV_Retro_qualitatif.csv", stringsAsFactors=TRUE)t_sexe<-table(PV_Retro_qualitatif$groupe.patient, PV_Retro_qualitatif$SEXE ,dnn = c( "groupe","sexe"))
t_sexe## sexe
## groupe Féminin Masculin
## PV 9 31
## Retro 16 105proportion des données
prop.table(t_sexe,1)## sexe
## groupe Féminin Masculin
## PV 0.2250000 0.7750000
## Retro 0.1322314 0.8677686Il sagit donc de comparer 78.04% à 86.67% C’est une situation dans laquelle nous pouvons employer le test du Chi2. Nous commençons par vérifier les conditions d’application.
chisq.test(t_sexe)$expected## sexe
## groupe Féminin Masculin
## PV 6.21118 33.78882
## Retro 18.78882 102.21118realisation du test
chisq.test(t_sexe, correct=FALSE)##
## Pearson's Chi-squared test
##
## data: t_sexe
## X-squared = 1.9724, df = 1, p-value = 0.1602La pvalue est >0.05, l’hypothèse nulle d’égalité des proportions n’est pas rejetée. Ainsi, rien ne nous permet d’affirmer que le porcentage de sexe feminin ou masculin est plus elevé dans un groupe ou l’ autre
Tabac
t_tabac_oui<-table(PV_Retro_qualitatif$groupe.patient, PV_Retro_qualitatif$Tabac_oui ,dnn = c( "groupe","tabac_Oui"))
t_tabac_oui## tabac_Oui
## groupe Non Oui
## PV 4 9 27
## Retro 5 25 91t_tabac_Non<-table(PV_Retro_qualitatif$groupe.patient, PV_Retro_qualitatif$Tabac_non ,dnn = c( "groupe","tabac_Non"))
t_tabac_Non## tabac_Non
## groupe Non Oui
## PV 4 29 7
## Retro 5 100 16t_tabac_sevre<-table(PV_Retro_qualitatif$groupe.patient, PV_Retro_qualitatif$Tabac_sevre ,dnn = c( "groupe","tabac_sevre"))
t_tabac_sevre## tabac_sevre
## groupe Non Oui
## PV 4 34 2
## Retro 5 107 9proportion des données
prop.table(t_tabac_oui,1)## tabac_Oui
## groupe Non Oui
## PV 0.10000000 0.22500000 0.67500000
## Retro 0.04132231 0.20661157 0.75206612Il sagit donc de comparer 68.29% à 75.20% C’est une situation dans laquelle nous pouvons employer le test du Chi2. Nous commençons par vérifier les conditions d’application.
chisq.test(t_tabac_oui)$expected## Warning in chisq.test(t_tabac_oui): L’approximation du Chi-2 est peut-être
## incorrecte## tabac_Oui
## groupe Non Oui
## PV 2.236025 8.447205 29.31677
## Retro 6.763975 25.552795 88.68323realisation du test
chisq.test(t_tabac_oui, correct=FALSE)## Warning in chisq.test(t_tabac_oui, correct = FALSE): L’approximation du Chi-2
## est peut-être incorrecte##
## Pearson's Chi-squared test
##
## data: t_tabac_oui
## X-squared = 2.1433, df = 2, p-value = 0.3424CANABIS
t_cannabis<-table(PV_Retro$groupe.patient, PV_Retro$cannabis. ,dnn = c( "groupe","cannabis"))
t_cannabis## cannabis
## groupe Non Oui sevré
## PV 8 11 15 6
## Retro 30 30 55 6proportion des données
prop.table(t_cannabis,1)## cannabis
## groupe Non Oui sevré
## PV 0.20000000 0.27500000 0.37500000 0.15000000
## Retro 0.24793388 0.24793388 0.45454545 0.04958678C’est une situation dans laquelle nous pouvons employer le test du Chi2. Nous commençons par vérifier les conditions d’application.
realisation du test
fisher.test(t_cannabis)##
## Fisher's Exact Test for Count Data
##
## data: t_cannabis
## p-value = 0.2093
## alternative hypothesis: two.sidedFacteurs pronostiques
library(funModeling)
library(tidyverse)
library(finalfit)## Warning: le package 'finalfit' a été compilé avec la version R 4.2.3library(knitr)
library(rmarkdown)
library(markdown) pronostic_PV_retro <- read.csv("C:/Users/mallah.s/Desktop/Stats et Theses/Ambuthorax/PV_Retro_2.csv", sep=";", stringsAsFactors=TRUE)pronostic_PV_retro$IMC<-as.integer(pronostic_PV_retro$IMC)tableau_PV <- subset(pronostic_PV_retro, groupe.patient == "PV")
tableau_Retro <- subset(pronostic_PV_retro, groupe.patient == "Retro")dependent_1 = "Recidive"
dependent_2 = "INFECTION."
dependent_3 = "Chirurgie"
dependent_4 = "REDRAINAGE._SUR.1.AN."
dependent_5 = "œdème.de.rééxpansion."
dependent_6 = "emphysème.sous.cutané."
explanatory= c("AGE","IMC","Tabac_oui","cannabis_Oui","Déviation.médiastinale", "Poumon.au.hile", "Ptx.persistant.de.grande..abondance.à.la.RT..post.drainage.immédiat","Déviation.médiastinale", "Poumon.au.hile")Facteurs pronostiques: cohorte drainage ambulatoire (PV)
Recidive
res_glm_uni_recidi <- tableau_PV%>%
glmuni(dependent_1, explanatory) %>%
fit2df(estimate_suffix=" (univarié)")## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...kable(res_glm_uni_recidi,row.names=FALSE, align=c("l", "l", "r", "r", "r", "r"))| explanatory | OR (univarié) |
|---|---|
| AGE | 0.93 (0.81-1.04, p=0.259) |
| IMC | 1.08 (1.03-1.16, p=0.007) |
| Tabac_ouiOui | 2.32 (0.47-17.20, p=0.338) |
| cannabis_OuiOui | 0.64 (0.12-2.83, p=0.573) |
| Déviation.médiastinaleOui | 1.11 (0.14-6.49, p=0.911) |
| Poumon.au.hileOui | 0.53 (0.07-2.87, p=0.490) |
| Ptx.persistant.de.grande..abondance.à.la.RT..post.drainage.immédiatOui | 2.19 (0.45-10.15, p=0.313) |
| Déviation.médiastinaleOui | 1.11 (0.14-6.49, p=0.911) |
| Poumon.au.hileOui | 0.53 (0.07-2.87, p=0.490) |
Infection
res_glm_uni_inf <- tableau_PV%>%
glmuni(dependent_2, explanatory) %>%
fit2df(estimate_suffix=" (univarié)")## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...kable(res_glm_uni_inf,row.names=FALSE, align=c("l", "l", "r", "r", "r", "r"))| explanatory | OR (univarié) |
|---|---|
| AGE | 0.78 (0.32-1.14, p=0.418) |
| IMC | 1.00 (0.84-1.12, p=0.947) |
| Tabac_ouiOui | 0.00 (NA-Inf, p=0.997) |
| cannabis_OuiOui | 0.00 (NA-Inf, p=0.997) |
| Déviation.médiastinaleOui | 0.00 (NA-Inf, p=0.998) |
| Poumon.au.hileOui | 0.00 (NA-Inf, p=0.997) |
| Ptx.persistant.de.grande..abondance.à.la.RT..post.drainage.immédiatOui | 0.00 (NA-Inf, p=0.997) |
| Déviation.médiastinaleOui | 0.00 (NA-Inf, p=0.998) |
| Poumon.au.hileOui | 0.00 (NA-Inf, p=0.997) |
Chirurgie
res_glm_uni_Xir <- tableau_PV%>%
glmuni(dependent_3, explanatory) %>%
fit2df(estimate_suffix=" (univarié)")## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...kable(res_glm_uni_Xir,row.names=FALSE, align=c("l", "l", "r", "r", "r", "r"))| explanatory | OR (univarié) |
|---|---|
| AGE | 0.98 (0.89-1.07, p=0.667) |
| IMC | 1.05 (1.01-1.10, p=0.028) |
| Tabac_ouiOui | 2.29 (0.55-12.00, p=0.279) |
| cannabis_OuiOui | 1.42 (0.37-5.42, p=0.608) |
| Déviation.médiastinaleOui | 1.35 (0.23-6.99, p=0.722) |
| Poumon.au.hileOui | 1.90 (0.42-8.61, p=0.394) |
| Ptx.persistant.de.grande..abondance.à.la.RT..post.drainage.immédiatOui | 1.85 (0.43-7.84, p=0.396) |
| Déviation.médiastinaleOui | 1.35 (0.23-6.99, p=0.722) |
| Poumon.au.hileOui | 1.90 (0.42-8.61, p=0.394) |
Redrainage
res_glm_uni_redrai <- tableau_PV%>%
glmuni(dependent_4, explanatory) %>%
fit2df(estimate_suffix=" (univarié)")## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...kable(res_glm_uni_redrai,row.names=FALSE, align=c("l", "l", "r", "r", "r", "r"))| explanatory | OR (univarié) |
|---|---|
| AGE | 1.00 (0.88-1.10, p=0.940) |
| IMC | 1.05 (1.00-1.11, p=0.059) |
| Tabac_ouiOui | 3.43 (0.50-68.84, p=0.279) |
| cannabis_OuiOui | 5.75 (1.05-45.19, p=0.057) |
| Déviation.médiastinaleOui | 0.79 (0.04-6.52, p=0.841) |
| Poumon.au.hileOui | 3.33 (0.47-28.86, p=0.227) |
| Ptx.persistant.de.grande..abondance.à.la.RT..post.drainage.immédiatOui | 4.95 (0.90-30.64, p=0.067) |
| Déviation.médiastinaleOui | 0.79 (0.04-6.52, p=0.841) |
| Poumon.au.hileOui | 3.33 (0.47-28.86, p=0.227) |
Oedeme de reexpansion
res_glm_uni_oedeme<- tableau_PV%>%
glmuni(dependent_5, explanatory) %>%
fit2df(estimate_suffix=" (univarié)")## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...kable(res_glm_uni_oedeme,row.names=FALSE, align=c("l", "l", "r", "r", "r", "r"))| explanatory | OR (univarié) |
|---|---|
| AGE | 0.98 (0.74-1.16, p=0.838) |
| IMC | 1.00 (0.90-1.08, p=0.958) |
| Tabac_ouiOui | 25149281.32 (0.00-NA, p=0.995) |
| cannabis_OuiOui | 1.71 (0.06-45.68, p=0.711) |
| Déviation.médiastinaleOui | 0.00 (NA-2846499500201200392684846848440062604222600040848682686408462800680622688648248048002640444848222444642466446200000882066408208620880000622600248640228824800802606844826800260806208804880228008020400202686226024228224026602020422488080086402008488446844464006642826.00, p=0.996) |
| Poumon.au.hileOui | 1.91 (0.07-51.49, p=0.658) |
| Ptx.persistant.de.grande..abondance.à.la.RT..post.drainage.immédiatOui | 0.00 (NA-726370828440587778806080642282404464822462844026828844260648886026624666280424268864842042062064686802426004242402602268820428806646668260088622040202004060628620828400422646486202862422640062064880468200666408846648400008464.00, p=0.996) |
| Déviation.médiastinaleOui | 0.00 (NA-2846499500201200392684846848440062604222600040848682686408462800680622688648248048002640444848222444642466446200000882066408208620880000622600248640228824800802606844826800260806208804880228008020400202686226024228224026602020422488080086402008488446844464006642826.00, p=0.996) |
| Poumon.au.hileOui | 1.91 (0.07-51.49, p=0.658) |
Emphyseme SC
res_glm_uni_Emphy <- tableau_PV%>%
glmuni(dependent_6, explanatory) %>%
fit2df(estimate_suffix=" (univarié)")## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...kable(res_glm_uni_Emphy,row.names=FALSE, align=c("l", "l", "r", "r", "r", "r"))| explanatory | OR (univarié) |
|---|---|
| AGE | 0.95 (0.59-1.21, p=0.781) |
| IMC | 0.11 (NA-367673630928956159422880086088044642860048206686600420226824862826288.00, p=0.998) |
| Tabac_ouiOui | 32866747.32 (0.00-NA, p=0.997) |
| cannabis_OuiOui | 0.00 (NA-Inf, p=0.997) |
| Déviation.médiastinaleOui | 331838304.56 (0.00-NA, p=0.997) |
| Poumon.au.hileOui | 211169830.18 (0.00-NA, p=0.998) |
| Ptx.persistant.de.grande..abondance.à.la.RT..post.drainage.immédiatOui | 0.00 (NA-Inf, p=0.997) |
| Déviation.médiastinaleOui | 331838304.56 (0.00-NA, p=0.997) |
| Poumon.au.hileOui | 211169830.18 (0.00-NA, p=0.998) |
Facteurs pronostiques: cohorte retro
Recidive
res_glm_uni_recidi_R <-tableau_Retro%>%
glmuni(dependent_1, explanatory) %>%
fit2df(estimate_suffix=" (univarié)")## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...kable(res_glm_uni_recidi_R,row.names=FALSE, align=c("l", "l", "r", "r", "r", "r"))| explanatory | OR (univarié) |
|---|---|
| AGE | 0.99 (0.93-1.05, p=0.698) |
| IMC | 1.01 (0.99-1.03, p=0.346) |
| Tabac_ouiOui | 0.50 (0.19-1.32, p=0.150) |
| cannabis_OuiOui | 0.76 (0.30-1.83, p=0.539) |
| Déviation.médiastinaleOui | 0.49 (0.13-1.42, p=0.223) |
| Poumon.au.hileOui | 0.90 (0.35-2.20, p=0.816) |
| Ptx.persistant.de.grande..abondance.à.la.RT..post.drainage.immédiatOui | 0.00 (NA-1177182262465871871382828844262684464466024646024648048060680.00, p=0.992) |
| Déviation.médiastinaleOui | 0.49 (0.13-1.42, p=0.223) |
| Poumon.au.hileOui | 0.90 (0.35-2.20, p=0.816) |
Infection
res_glm_uni_inf_R <- tableau_Retro%>%
glmuni(dependent_2, explanatory) %>%
fit2df(estimate_suffix=" (univarié)")## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...kable(res_glm_uni_inf_R,row.names=FALSE, align=c("l", "l", "r", "r", "r", "r"))| explanatory | OR (univarié) |
|---|---|
| AGE | 1.09 (0.99-1.18, p=0.054) |
| IMC | 1.00 (0.95-1.04, p=0.821) |
| Tabac_ouiOui | 0.81 (0.17-5.90, p=0.812) |
| cannabis_OuiOui | 0.19 (0.01-1.13, p=0.124) |
| Déviation.médiastinaleOui | 1.17 (0.16-5.77, p=0.854) |
| Poumon.au.hileOui | 0.64 (0.09-3.09, p=0.599) |
| Ptx.persistant.de.grande..abondance.à.la.RT..post.drainage.immédiatOui | 0.00 (NA-659516945844794355384246262286404242620226482866820008226404.00, p=0.993) |
| Déviation.médiastinaleOui | 1.17 (0.16-5.77, p=0.854) |
| Poumon.au.hileOui | 0.64 (0.09-3.09, p=0.599) |
Chirurgie
res_glm_uni_Xir_R <- tableau_Retro%>%
glmuni(dependent_3, explanatory) %>%
fit2df(estimate_suffix=" (univarié)")## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...kable(res_glm_uni_Xir_R,row.names=FALSE, align=c("l", "l", "r", "r", "r", "r"))| explanatory | OR (univarié) |
|---|---|
| AGE | 0.99 (0.94-1.04, p=0.781) |
| IMC | 1.01 (0.99-1.03, p=0.618) |
| Tabac_ouiOui | 1.39 (0.59-3.52, p=0.466) |
| cannabis_OuiOui | 1.07 (0.50-2.26, p=0.862) |
| Déviation.médiastinaleOui | 0.44 (0.16-1.08, p=0.085) |
| Poumon.au.hileOui | 0.95 (0.43-2.04, p=0.892) |
| Ptx.persistant.de.grande..abondance.à.la.RT..post.drainage.immédiatOui | 1.87 (0.33-10.54, p=0.454) |
| Déviation.médiastinaleOui | 0.44 (0.16-1.08, p=0.085) |
| Poumon.au.hileOui | 0.95 (0.43-2.04, p=0.892) |
Redrainage
res_glm_uni_redrai_R <- tableau_Retro%>%
glmuni(dependent_4, explanatory) %>%
fit2df(estimate_suffix=" (univarié)")## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...kable(res_glm_uni_redrai_R,row.names=FALSE, align=c("l", "l", "r", "r", "r", "r"))| explanatory | OR (univarié) |
|---|---|
| AGE | 1.07 (0.84-1.72, p=0.690) |
| IMC | 638719.32 (0.00-NA, p=0.997) |
| Tabac_ouiOui | 0.00 (NA-Inf, p=0.997) |
| cannabis_OuiOui | 0.00 (NA-Inf, p=0.996) |
| Déviation.médiastinaleOui | 0.00 (NA-Inf, p=0.997) |
| Poumon.au.hileOui | 0.00 (NA-Inf, p=0.997) |
| Ptx.persistant.de.grande..abondance.à.la.RT..post.drainage.immédiatOui | 2757596.63 (0.00-NA, p=0.997) |
| Déviation.médiastinaleOui | 0.00 (NA-Inf, p=0.997) |
| Poumon.au.hileOui | 0.00 (NA-Inf, p=0.997) |
Oedeme de reexpansion
res_glm_uni_oedeme_R <- tableau_Retro%>%
glmuni(dependent_5, explanatory) %>%
fit2df(estimate_suffix=" (univarié)")## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...kable(res_glm_uni_oedeme_R,row.names=FALSE, align=c("l", "l", "r", "r", "r", "r"))| explanatory | OR (univarié) |
|---|---|
| AGE | 1.03 (0.87-1.16, p=0.698) |
| IMC | 0.98 (0.90-1.04, p=0.598) |
| Tabac_ouiOui | 0.65 (0.06-14.32, p=0.731) |
| cannabis_OuiOui | 0.59 (0.03-6.35, p=0.673) |
| Déviation.médiastinaleOui | 0.00 (NA-8602369572508240369840284066042602600880086488802222206808620264800280860208804686866608620002240886666624444228228884248666626020826806220484404862824686640686220606222228444206262062.00, p=0.996) |
| Poumon.au.hileOui | 0.00 (NA-144106031659227527890802606882620282428868224268022084282628846880200882408228046084284044406062024884064842842020026608824204200868888624464664066226.00, p=0.995) |
| Ptx.persistant.de.grande..abondance.à.la.RT..post.drainage.immédiatOui | 0.00 (NA-13702240873048201533866286406464064484844244480648468820426462600664664202484866402002062048406224044420444446282662446086484068202044626066646666204844006.00, p=0.996) |
| Déviation.médiastinaleOui | 0.00 (NA-8602369572508240369840284066042602600880086488802222206808620264800280860208804686866608620002240886666624444228228884248666626020826806220484404862824686640686220606222228444206262062.00, p=0.996) |
| Poumon.au.hileOui | 0.00 (NA-144106031659227527890802606882620282428868224268022084282628846880200882408228046084284044406062024884064842842020026608824204200868888624464664066226.00, p=0.995) |
Emphyseme SC
res_glm_uni_Emphy_R <- tableau_Retro%>%
glmuni(dependent_6, explanatory) %>%
fit2df(estimate_suffix=" (univarié)")## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...
## Attente de la réalisation du profilage...kable(res_glm_uni_Emphy_R,row.names=FALSE, align=c("l", "l", "r", "r", "r", "r"))| explanatory | OR (univarié) |
|---|---|
| AGE | 0.99 (0.88-1.09, p=0.917) |
| IMC | 1.03 (0.99-1.08, p=0.121) |
| Tabac_ouiOui | 0.81 (0.17-5.90, p=0.812) |
| cannabis_OuiOui | 0.89 (0.17-4.23, p=0.887) |
| Déviation.médiastinaleOui | 2.30 (0.43-11.07, p=0.293) |
| Poumon.au.hileOui | 2.29 (0.48-12.07, p=0.294) |
| Ptx.persistant.de.grande..abondance.à.la.RT..post.drainage.immédiatOui | 0.00 (NA-659516945845525373726042248024862246028004468606402422886684.00, p=0.993) |
| Déviation.médiastinaleOui | 2.30 (0.43-11.07, p=0.293) |
| Poumon.au.hileOui | 2.29 (0.48-12.07, p=0.294) |