Ngày 2
2024-09-09
ob=read.csv("C:\\Users\\drnhu\\Downloads\\obesity data.csv")library(table1)## Warning: package 'table1' was built under R version 4.4.1##
## Attaching package: 'table1'## The following objects are masked from 'package:base':
##
## units, units<-Việc 2; Mô tả đặc điểm mẫu nghiên cứu
table1(~ age + gender + bmi + WBBMC + wbbmd + fat + lean + hypertension + diabetes, data = ob)| Overall (N=1217) |
|
|---|---|
| age | |
| Mean (SD) | 47.2 (17.3) |
| Median [Min, Max] | 48.0 [13.0, 88.0] |
| gender | |
| F | 862 (70.8%) |
| M | 355 (29.2%) |
| bmi | |
| Mean (SD) | 22.4 (3.06) |
| Median [Min, Max] | 22.2 [14.5, 37.1] |
| WBBMC | |
| Mean (SD) | 1720 (363) |
| Median [Min, Max] | 1710 [695, 3040] |
| wbbmd | |
| Mean (SD) | 1.01 (0.113) |
| Median [Min, Max] | 1.01 [0.650, 1.35] |
| fat | |
| Mean (SD) | 17300 (5210) |
| Median [Min, Max] | 17000 [4280, 40800] |
| lean | |
| Mean (SD) | 35500 (7030) |
| Median [Min, Max] | 33600 [19100, 63100] |
| hypertension | |
| Mean (SD) | 0.507 (0.500) |
| Median [Min, Max] | 1.00 [0, 1.00] |
| diabetes | |
| Mean (SD) | 0.111 (0.314) |
| Median [Min, Max] | 0 [0, 1.00] |
Việc 2: nhận xét: tiểu đường + huyết áp chuyển as.factor
table1(~ as.factor(hypertension) + as.factor(diabetes), data = ob)| Overall (N=1217) |
|
|---|---|
| as.factor(hypertension) | |
| 0 | 600 (49.3%) |
| 1 | 617 (50.7%) |
| as.factor(diabetes) | |
| 0 | 1082 (88.9%) |
| 1 | 135 (11.1%) |
Việc 3: Mô tả đặc điểm mẫu nghiên cứu theo giới tính
table1(~ age + bmi + WBBMC + wbbmd + fat + lean + as.factor(hypertension) + as.factor(diabetes) | gender, data = ob)| F (N=862) |
M (N=355) |
Overall (N=1217) |
|
|---|---|---|---|
| age | |||
| Mean (SD) | 48.6 (16.4) | 43.7 (18.8) | 47.2 (17.3) |
| Median [Min, Max] | 49.0 [14.0, 85.0] | 44.0 [13.0, 88.0] | 48.0 [13.0, 88.0] |
| bmi | |||
| Mean (SD) | 22.3 (3.05) | 22.7 (3.04) | 22.4 (3.06) |
| Median [Min, Max] | 22.1 [15.2, 37.1] | 22.5 [14.5, 34.7] | 22.2 [14.5, 37.1] |
| WBBMC | |||
| Mean (SD) | 1600 (293) | 2030 (336) | 1720 (363) |
| Median [Min, Max] | 1610 [695, 2660] | 2030 [1190, 3040] | 1710 [695, 3040] |
| wbbmd | |||
| Mean (SD) | 0.988 (0.111) | 1.06 (0.101) | 1.01 (0.113) |
| Median [Min, Max] | 0.990 [0.650, 1.35] | 1.06 [0.780, 1.34] | 1.01 [0.650, 1.35] |
| fat | |||
| Mean (SD) | 18200 (4950) | 15000 (5110) | 17300 (5210) |
| Median [Min, Max] | 17700 [6220, 40800] | 15100 [4280, 29900] | 17000 [4280, 40800] |
| lean | |||
| Mean (SD) | 32000 (3970) | 43800 (5820) | 35500 (7030) |
| Median [Min, Max] | 31500 [19100, 53400] | 43400 [28600, 63100] | 33600 [19100, 63100] |
| as.factor(hypertension) | |||
| 0 | 430 (49.9%) | 170 (47.9%) | 600 (49.3%) |
| 1 | 432 (50.1%) | 185 (52.1%) | 617 (50.7%) |
| as.factor(diabetes) | |||
| 0 | 760 (88.2%) | 322 (90.7%) | 1082 (88.9%) |
| 1 | 102 (11.8%) | 33 (9.3%) | 135 (11.1%) |
Việc 4. So sánh đặc điểm mẫu nghiên cứu giữa nam và nữ
library(compareGroups)## Warning: package 'compareGroups' was built under R version 4.4.1createTable(compareGroups(gender ~ age + bmi + WBBMC + wbbmd + fat + lean + hypertension + diabetes, data = ob))##
## --------Summary descriptives table by 'gender'---------
##
## ________________________________________________
## F M p.overall
## N=862 N=355
## ¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯
## age 48.6 (16.4) 43.7 (18.8) <0.001
## bmi 22.3 (3.05) 22.7 (3.04) 0.013
## WBBMC 1599 (293) 2030 (336) <0.001
## wbbmd 0.99 (0.11) 1.06 (0.10) <0.001
## fat 18240 (4954) 14978 (5113) <0.001
## lean 32045 (3966) 43762 (5819) <0.001
## hypertension 0.50 (0.50) 0.52 (0.50) 0.527
## diabetes 0.12 (0.32) 0.09 (0.29) 0.181
## ¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯Việc 4. Biểu đồ histogram
library(ggplot2)## Warning: package 'ggplot2' was built under R version 4.4.1library(gridExtra) ## Warning: package 'gridExtra' was built under R version 4.4.1p = ggplot(data = ob, aes(x = pcfat))
p1 = p + geom_histogram()
p2 = p + geom_histogram(fill = "blue", col = "white") + labs(x = "Tỉ trọng mỡ (%)", y = "Số người", title = "Phân bố tỉ trọng mỡ")
grid.arrange(p1, p2, ncol = 2)## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## Hãy vẽ biểu đồ phân bố tỉ trọng mỡ (pcfat) theo giới tính:
p = ggplot(data = ob, aes(x = pcfat, fill = gender))
p1 = p + geom_histogram(col="white") + labs(x = "Tỉ trọng mỡ", y = "Số người", title = "Phân bố tỉ trọng mỡ")
p2 = p + geom_density(alpha = 0.5) + labs(x = "Tỉ trọng mỡ", y = "Số người", title = "Phân bố tỉ trọng mỡ")
grid.arrange(p1, p2, ncol = 2)## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## Việc 5: Soạn biểu đồ thanh
ob$OB[ob$bmi< 18.5] = "Underweight"
ob$OB[ob$bmi>= 18.5 & ob$bmi< 25] = "Normal"
ob$OB[ob$bmi>= 25 & ob$bmi< 30] = "Overweight"
ob$OB[ob$bmi>= 30] = "Obese"5.2 Hãy thể hiện phân bố của tình trạng béo phì bằng biểu đồ thanh.
p = ggplot(data = ob, aes(x = OB, fill = OB, col = OB))
p + geom_bar(position = "dodge")
## 5.3 Phân bố của tình trạng béo phì theo giới tính
p = ggplot(data = ob, aes(x = OB, y = pcfat, fill = gender, group = gender))
p + geom_bar(stat = "identity", position = "dodge")
## Việc 6: Soạn biểu đồ hộp
Tạo tập dữ liệu chỉ gồm nữ
women = subset(ob, gender == "F")
dim(women)## [1] 862 146.1 Các bạn hãy dùng biểu đồ so sánh phân bố của tỉ trọng mỡ (pcfat) giữa các nhóm béo phì cho nữ giới.
p = ggplot(data = women, aes(x = OB, y = pcfat, fill = OB, col = OB))
p1 = p + geom_boxplot(col = "black") + geom_jitter(alpha = 0.05) + labs(x = "Tình trạng béo phì", y = "Tỉ trọng mỡ (%)") + ggtitle("Tỉ trọng mỡ theo tình trạng béo phì ở nữ")
p1
## Theo level
women$OB.n = factor(women$OB, levels = c("Underweight", "Normal", "Overweight", "Obese"))
p = ggplot(data = women, aes(x = OB.n, y = pcfat, fill = OB.n, col = OB.n))
p2 = p + geom_boxplot(col = "black") + geom_jitter(alpha = 0.05) + labs(x = "Tình trạng béo phì", y = "Tỉ trọng mỡ (%)") + ggtitle("Tỉ trọng mỡ theo tình trạng béo phì ở nữ")
p2
grid.arrange(p1, p2, ncol = 2)
## 6.3 Làm thế nào để trình bày kết quả cho cả nam và nữ?
ob$OB.n = factor(ob$OB, levels = c("Underweight", "Normal", "Overweight", "Obese"))
p = ggplot(data = ob, aes(x = OB.n, y = pcfat, fill = gender, col = gender))
p1 = p + geom_boxplot(col = "black") + geom_jitter(alpha = 0.05) + labs(x = "Tình trạng béo phì", y = "Tỉ trọng mỡ (%)") + ggtitle("Tỉ trọng mỡ theo tình trạng béo phì và giới tính")
p1
## 7.1 Các bạn hãy thể hiện mối liên quan giữa chỉ số khối cơ thể (bmi)
và tỉ trọng mỡ (pcfat) bằng hàm ggplot.
p = ggplot(data = ob, aes(x = bmi, y = pcfat))
p1 = p + geom_point()
p2 = p + geom_point() + geom_smooth()
grid.arrange(p1, p2, ncol = 2)## `geom_smooth()` using method = 'gam' and formula = 'y ~ s(x, bs = "cs")'
## 7.2 Hãy thể hiện mối mối liên quan giữa chỉ số khối cơ thể và tỉ
trọng mỡ theo giới tính (gender)
p = ggplot(data = ob, aes(x = bmi, y = pcfat, fill = gender, col = gender))
p1 = p + geom_point() + geom_smooth() + labs(x = "Chỉ số khối cơ thể (kg/m2)", y = "Tỉ trọng mỡ (%)") + ggtitle("Liên quan giữa chỉ số khối cơ thể và tỉ trọng mỡ theo giới tính")
p1## `geom_smooth()` using method = 'loess' and formula = 'y ~ x'