Entregable Maria Paula

Tratamientos recibidos

library(readxl)
GAT <- read_excel("GAT.xlsx")
#se unifican las variables antes y después del diagnóstico por tipo de tratamiento. 

library(dplyr)
GAT <- GAT %>% 
  mutate(QUIM = ifelse(AQuimioTerSiste == "Checked" | BQuimioTerSiste == "Checked", 1, 0)) %>% 
  mutate(RAD = ifelse(ARadio == "Checked" | BRadio == "Checked", 1, 0)) %>% 
  mutate(CIR = ifelse(ACirugia == "Checked" | BCirugia == "Checked", 1, 0)) %>% 
  mutate(PAL = ifelse(APaliativo == "Checked" | BPaliativo == "Checked", 1, 0))

library(limma)
V <- vennCounts(GAT[,139:142])
V

##    QUIM RAD CIR PAL Counts
## 1     0   0   0   0      3
## 2     0   0   0   1     30
## 3     0   0   1   0     71
## 4     0   0   1   1      8
## 5     0   1   0   0     16
## 6     0   1   0   1      2
## 7     0   1   1   0     20
## 8     0   1   1   1      2
## 9     1   0   0   0   1141
## 10    1   0   0   1      4
## 11    1   0   1   0    747
## 12    1   0   1   1     15
## 13    1   1   0   0    335
## 14    1   1   0   1      6
## 15    1   1   1   0    702
## 16    1   1   1   1     15
## attr(,"class")
## [1] "VennCounts"

vennDiagram(V, cex = 1, circle.col = c("black", "#8B7E66", "grey", "#B4CDCD"),
            counts.col = "black", lwd = 2)

Otra visualizacion

#sapply(GAT[139:142], class)
library(UpSetR)
GATPLOT <- as.data.frame(GAT[139:142])
upset(GATPLOT, order.by = "freq", nsets = 4, nintersects = NA, matrix.color = "#8B5A2B", 
      main.bar.color = "black", sets.bar.color = "#8B8386", mainbar.y.label = "Frecuencia Tratamiento", 
      sets.x.label = "Tratamiento", point.size = 2, line.size = 0.5, number.angles = 0, 
      group.by = "degree", shade.alpha = 1, matrix.dot.alpha = 1, 
      scale.intersections = "identity", scale.sets = "identity", text.scale = 1.5, set_size.show = T)

2965 en quimioterapia (antes o despues del diagnostico)

Cruce tratamiento con variables sociodemográficas filtrando por uso de MAC

GAT_MAC <- GAT %>% filter(AlternativaActual == "Si")
GATPLOT2 <- as.data.frame(GAT_MAC[139:142])
upset(GATPLOT2, order.by = "freq", nsets = 4, nintersects = NA, matrix.color = "#8B5A2B", 
      main.bar.color = "black", sets.bar.color = "#8B8386", mainbar.y.label = "Frecuencia Tratamiento", 
      sets.x.label = "Tratamiento", point.size = 2, line.size = 0.5, number.angles = 0, 
      group.by = "degree", shade.alpha = 1, matrix.dot.alpha = 1, 
      scale.intersections = "identity", scale.sets = "identity", text.scale = 1.5, set_size.show = T)

1549 QUIMIOTERAPIA

Cruce de variables

#categorizacion edad
GAT_MAC <- GAT_MAC %>% mutate(Edadcat = cut(Edad, breaks = c(-Inf, 49, 64, Inf), right = F, labels = c("< 50 años", "50 - 64 años", ">=65")))
library(tableone)
GAT_MAC$Sexo <- as.factor(GAT_MAC$Sexo)
GAT_MAC$Ocupacion <- as.factor(GAT_MAC$Ocupacion)
GAT_MAC$Religion <- as.factor(GAT_MAC$Religion)

#codificacion tratamientos
GAT_MAC$QUIM <- ifelse(GAT_MAC$QUIM == 1, "Sí", "No")
GAT_MAC$RAD <- ifelse(GAT_MAC$RAD == 1, "Sí", "No")
GAT_MAC$CIR <- ifelse(GAT_MAC$CIR == 1, "Sí", "No")
GAT_MAC$PAL <- ifelse(GAT_MAC$PAL == 1, "Sí", "No")

GAT_MAC$QUIM <- as.factor(GAT_MAC$QUIM)
GAT_MAC$RAD <- as.factor(GAT_MAC$RAD)
GAT_MAC$CIR <- as.factor(GAT_MAC$CIR)
GAT_MAC$PAL <- as.factor(GAT_MAC$PAL)

myVars1 <- c("Sexo", "Ocupacion", "Religion", "Edadcat")
catVars1 <- c("Sexo", "Ocupacion", "Religion", "Edadcat")
table1 <- CreateTableOne(vars = myVars1, data = GAT_MAC, factorVars = catVars1, includeNA = FALSE, strata = "QUIM")
table2 <- CreateTableOne(vars = myVars1, data = GAT_MAC, factorVars = catVars1, includeNA = FALSE, strata = "RAD")
table3 <- CreateTableOne(vars = myVars1, data = GAT_MAC, factorVars = catVars1, includeNA = FALSE, strata = "CIR")
table4 <- CreateTableOne(vars = myVars1, data = GAT_MAC, factorVars = catVars1, includeNA = FALSE, strata = "PAL")
table1 <- as.data.frame(print(table1, show.all = TRUE, printToggle = FALSE))
table2 <- as.data.frame(print(table2, show.all = TRUE, printToggle = FALSE))
table3 <- as.data.frame(print(table3, show.all = TRUE, printToggle = FALSE))
table4 <- as.data.frame(print(table4, show.all = TRUE, printToggle = FALSE))
library(knitr)
library(kableExtra)
kable(table1, format = "html", caption = "Cruce Quim - VRBLS SOCIO_DEM.") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), 
                full_width = F, 
                position = "center") %>%
  column_spec(1, bold = T, color = "white", background = "#D7261E") %>%
  column_spec(2, border_left = T, background = "#F3E6E3")

Cruce Quim - VRBLS SOCIO_DEM.
	No	Sí	p
n	61	1549
Sexo = Masculino (%)	24 (39.3)	458 (29.6)	0.135
Ocupacion (%)			0.281
Cesante	7 (11.5)	156 (10.1)
Empleado	8 (13.1)	227 (14.7)
Estudiante	2 ( 3.3)	14 ( 0.9)
Hogar	21 (34.4)	674 (43.5)
Independiente	11 (18.0)	268 (17.3)
Pensionado	12 (19.7)	210 (13.6)
Religion (%)			0.007
Católica	45 (73.8)	1177 (76.0)
Cristiana	6 ( 9.8)	273 (17.6)
Judía	0 ( 0.0)	2 ( 0.1)
No profesa religión	7 (11.5)	50 ( 3.2)
Otra	3 ( 4.9)	47 ( 3.0)
Edadcat (%)			0.017
< 50 años	10 (16.4)	369 (23.8)
50 - 64 años	18 (29.5)	620 (40.0)
>=65	33 (54.1)	560 (36.2)

kable(table2, format = "html", caption = "Cruce RAD - VRBLS SOCIO_DEM.") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), 
                full_width = F, 
                position = "center") %>%
  column_spec(1, bold = T, color = "white", background = "blue") %>%
  column_spec(2, border_left = T, background = "#ADD8E6")

Cruce RAD - VRBLS SOCIO_DEM.
	No	Sí	p
n	1033	577
Sexo = Masculino (%)	313 (30.3)	169 (29.3)	0.713
Ocupacion (%)			0.083
Cesante	102 ( 9.9)	61 (10.6)
Empleado	166 (16.1)	69 (12.0)
Estudiante	7 ( 0.7)	9 ( 1.6)
Hogar	450 (43.6)	245 (42.5)
Independiente	176 (17.0)	103 (17.9)
Pensionado	132 (12.8)	90 (15.6)
Religion (%)			0.026
Católica	765 (74.1)	457 (79.2)
Cristiana	185 (17.9)	94 (16.3)
Judía	1 ( 0.1)	1 ( 0.2)
No profesa religión	47 ( 4.5)	10 ( 1.7)
Otra	35 ( 3.4)	15 ( 2.6)
Edadcat (%)			0.064
< 50 años	260 (25.2)	119 (20.6)
50 - 64 años	410 (39.7)	228 (39.5)
>=65	363 (35.1)	230 (39.9)

kable(table3, format = "html", caption = "Cruce CIR - VRBLS SOCIO_DEM.") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), 
                full_width = F, 
                position = "center") %>%
  column_spec(1, bold = T, color = "white", background = "#698B22") %>%
  column_spec(2, border_left = T, background = "#98FB98")

Cruce CIR - VRBLS SOCIO_DEM.
	No	Sí	p
n	782	828
Sexo = Masculino (%)	257 (32.9)	225 (27.2)	0.015
Ocupacion (%)			0.890
Cesante	78 (10.0)	85 (10.3)
Empleado	114 (14.6)	121 (14.6)
Estudiante	7 ( 0.9)	9 ( 1.1)
Hogar	345 (44.1)	350 (42.3)
Independiente	138 (17.6)	141 (17.0)
Pensionado	100 (12.8)	122 (14.7)
Religion (%)			0.078
Católica	572 (73.1)	650 (78.5)
Cristiana	145 (18.5)	134 (16.2)
Judía	1 ( 0.1)	1 ( 0.1)
No profesa religión	33 ( 4.2)	24 ( 2.9)
Otra	31 ( 4.0)	19 ( 2.3)
Edadcat (%)			0.089
< 50 años	202 (25.8)	177 (21.4)
50 - 64 años	295 (37.7)	343 (41.4)
>=65	285 (36.4)	308 (37.2)

kable(table4, format = "html", caption = "Cruce PAL - VRBLS SOCIO_DEM.") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), 
                full_width = F, 
                position = "center") %>%
  column_spec(1, bold = T, color = "white", background = "#8B475D") %>%
  column_spec(2, border_left = T, background = "#FFC0CB")

Cruce PAL - VRBLS SOCIO_DEM.
	No	Sí	p
n	1569	41
Sexo = Masculino (%)	466 (29.7)	16 (39.0)	0.265
Ocupacion (%)			0.038
Cesante	153 ( 9.8)	10 (24.4)
Empleado	231 (14.7)	4 ( 9.8)
Estudiante	15 ( 1.0)	1 ( 2.4)
Hogar	681 (43.4)	14 (34.1)
Independiente	274 (17.5)	5 (12.2)
Pensionado	215 (13.7)	7 (17.1)
Religion (%)			0.219
Católica	1195 (76.2)	27 (65.9)
Cristiana	271 (17.3)	8 (19.5)
Judía	2 ( 0.1)	0 ( 0.0)
No profesa religión	53 ( 3.4)	4 ( 9.8)
Otra	48 ( 3.1)	2 ( 4.9)
Edadcat (%)			0.005
< 50 años	374 (23.8)	5 (12.2)
50 - 64 años	627 (40.0)	11 (26.8)
>=65	568 (36.2)	25 (61.0)

Tipo de cáncer

table(GAT_MAC$EstadoCancer)

## 
## Con ganglios comprometidos, pero sin metástasis a otros órganos 
##                                                             301 
##                                  Con metástasis a otros órganos 
##                                                             425 
##                                                      Localizado 
##                                                             739 
##                                                         No sabe 
##                                                             145

GAT_TRAT <- GAT %>% filter(EstadoCancer != "No sabe")
table(GAT_TRAT$EstadoCancer)

## 
## Con ganglios comprometidos, pero sin metástasis a otros órganos 
##                                                             549 
##                                  Con metástasis a otros órganos 
##                                                             826 
##                                                      Localizado 
##                                                            1455

GAT_TRAT <- GAT_TRAT %>%
  mutate(EstadoCancer = case_when(
    EstadoCancer == "Con ganglios comprometidos, pero sin metástasis a otros órganos" | EstadoCancer == "Localizado" ~ "Localizado/Con ganglios comprometidos",
    EstadoCancer == "Con metástasis a otros órganos" ~ "Metastasis"
  ))
table(GAT_TRAT$EstadoCancer)

## 
## Localizado/Con ganglios comprometidos                            Metastasis 
##                                  2004                                   826

CRUCE DIAGNOSTICO

USO MAC
SEXO
OCUPACION RELIGIÓN
EDAD CATEGORIZADA

GAT_TRAT$AlternativaActual <- as.factor(GAT_TRAT$AlternativaActual)
GAT_TRAT$Sexo <- as.factor(GAT_TRAT$Sexo)
GAT_TRAT$Ocupacion <- as.factor(GAT_TRAT$Ocupacion)
GAT_TRAT$Religion <- as.factor(GAT_TRAT$Religion)
GAT_TRAT <- GAT_TRAT %>% mutate(Edadcat = cut(Edad, breaks = c(-Inf, 49, 64, Inf), right = F, labels = c("< 50 años", "50 - 64 años", ">=65")))
GAT_TRAT$EstadoCancer <- as.factor(GAT_TRAT$EstadoCancer)

myVars2 <- c("Sexo", "Ocupacion", "Religion", "Edadcat", "EstadoCancer")
catVars2 <- c("Sexo", "Ocupacion", "Religion", "Edadcat", "EstadoCancer")
table5 <- CreateTableOne(vars = myVars2, data = GAT_TRAT, factorVars = catVars2, includeNA = FALSE, strata = "AlternativaActual", addOverall = TRUE)
table5 <- as.data.frame(print(table5, show.all = TRUE, printToggle = FALSE))
kable(table5, format = "html", caption = "Cruce MAC - VRBLS SOCIO_DEM.") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), 
                full_width = F, 
                position = "center") %>%
  column_spec(1, bold = T, color = "white", background = "orange") %>%
  column_spec(2, border_left = T, background = "#EEDD82")

Cruce MAC - VRBLS SOCIO_DEM.
	Overall	No	Si	p
n	2830	1365	1465
Sexo = Masculino (%)	1044 (36.9)	607 (44.5)	437 (29.8)	<0.001
Ocupacion (%)				<0.001
Cesante	362 (12.8)	223 (16.3)	139 ( 9.5)
Empleado	412 (14.6)	192 (14.1)	220 (15.0)
Estudiante	28 ( 1.0)	12 ( 0.9)	16 ( 1.1)
Hogar	1152 (40.7)	517 (37.9)	635 (43.3)
Independiente	445 (15.7)	187 (13.7)	258 (17.6)
Pensionado	431 (15.2)	234 (17.1)	197 (13.4)
Religion (%)				<0.001
Católica	2214 (78.2)	1104 (80.9)	1110 (75.8)
Cristiana	417 (14.7)	164 (12.0)	253 (17.3)
Judía	3 ( 0.1)	1 ( 0.1)	2 ( 0.1)
No profesa religión	120 ( 4.2)	68 ( 5.0)	52 ( 3.5)
Otra	76 ( 2.7)	28 ( 2.1)	48 ( 3.3)
Edadcat (%)				<0.001
< 50 años	638 (22.5)	277 (20.3)	361 (24.6)
50 - 64 años	1044 (36.9)	450 (33.0)	594 (40.5)
>=65	1148 (40.6)	638 (46.7)	510 (34.8)
EstadoCancer = Metastasis (%)	826 (29.2)	401 (29.4)	425 (29.0)	0.862

Cruce 2

myVars3 <- c("Sexo", "Ocupacion", "Religion", "Edadcat")
catVars3 <- c("Sexo", "Ocupacion", "Religion", "Edadcat")
table6 <- CreateTableOne(vars = myVars3, data = GAT_TRAT, factorVars = catVars3, includeNA = FALSE, strata = "EstadoCancer", addOverall = TRUE)
table6 <- as.data.frame(print(table6, show.all = TRUE, printToggle = FALSE))
kable(table6, format = "html", caption = "Cruce MAC - VRBLS SOCIO_DEM.") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), 
                full_width = F, 
                position = "center") %>%
  column_spec(1, bold = T, color = "white", background = "brown") %>%
  column_spec(2, border_left = T, background = "#D2691E")

Cruce MAC - VRBLS SOCIO_DEM.
	Overall	Localizado/Con ganglios comprometidos	Metastasis	p
n	2830	2004	826
Sexo = Masculino (%)	1044 (36.9)	685 (34.2)	359 (43.5)	<0.001
Ocupacion (%)				<0.001
Cesante	362 (12.8)	213 (10.6)	149 (18.0)
Empleado	412 (14.6)	317 (15.8)	95 (11.5)
Estudiante	28 ( 1.0)	21 ( 1.0)	7 ( 0.8)
Hogar	1152 (40.7)	834 (41.6)	318 (38.5)
Independiente	445 (15.7)	338 (16.9)	107 (13.0)
Pensionado	431 (15.2)	281 (14.0)	150 (18.2)
Religion (%)				0.289
Católica	2214 (78.2)	1557 (77.7)	657 (79.5)
Cristiana	417 (14.7)	309 (15.4)	108 (13.1)
Judía	3 ( 0.1)	2 ( 0.1)	1 ( 0.1)
No profesa religión	120 ( 4.2)	88 ( 4.4)	32 ( 3.9)
Otra	76 ( 2.7)	48 ( 2.4)	28 ( 3.4)
Edadcat (%)				<0.001
< 50 años	638 (22.5)	493 (24.6)	145 (17.6)
50 - 64 años	1044 (36.9)	735 (36.7)	309 (37.4)
>=65	1148 (40.6)	776 (38.7)	372 (45.0)

Entregable Maria Paula

Nicolas Martínez Ramos

2024-09-28

Tratamientos recibidos

Otra visualizacion

Cruce tratamiento con variables sociodemográficas filtrando por uso de MAC

Cruce de variables

Tipo de cáncer

CRUCE DIAGNOSTICO

Cruce 2