Entregable María Paula 3
Nicolas Martínez Ramos
2024-10-14
Preparación base de datos
- Codificación variable tratamiento y edad
- Codificación variable ocupación
- Codificación variable religión
- Diagnósticos
- Recodificando tipo de MAC no detectable con una sola variable
- Rocidificando el tipo de MAC acorde a las nuevas agrupaciones
library(readxl)
GAT <- read_excel("GAT.xlsx")Primero se verifica que ek conteo de las columnas sea el mismo que el que se tomó en el artículo de resultados global.
# Cargar las librerías necesarias
library(knitr)
library(kableExtra)
# Crear la tabla
kable(
data.frame(
Tratamiento = c("Quimioterapia", "Radioterapia", "Cirugía", "Cuidado Paliativo"),
Frecuencia = c("2875 (89.6%)", "1064 (34.1%)", "1566 (50.2%)", "32 (1.0%)")
),
format = "html", # Genera la tabla en formato HTML para bordes y estilo
align = "c", # Centra el contenido de las columnas
col.names = c("Tratamiento", "n (%)") # Asigna nombres de columnas
) %>%
kable_styling(
bootstrap_options = c("striped", "hover", "condensed", "responsive"),
full_width = F,
font_size = 15,
position = "center"
)| Tratamiento | n (%) |
|---|---|
| Quimioterapia | 2875 (89.6%) |
| Radioterapia | 1064 (34.1%) |
| Cirugía | 1566 (50.2%) |
| Cuidado Paliativo | 32 (1.0%) |
Se procede a verificar esta información
a <- as.data.frame(table(GAT$BQuimioTerSiste))
b <- as.data.frame(table(GAT$ARadio))
c <- as.data.frame(table(GAT$ACirugia))
d <- as.data.frame(table(GAT$APaliativo))
kable(
data.frame(
Tratamiento = c("Quimioterapia", "Radioterapia", "Cirugía", "Cuidado Paliativo"),
Frecuencia = c(a$Freq[1], b$Freq[1], c$Freq[1], d$Freq[1])
),
format = "html", # Genera la tabla en formato HTML para bordes y estilo
align = "c", # Centra el contenido de las columnas
col.names = c("Tratamiento", "n") # Asigna nombres de columnas
) %>%
kable_styling(
bootstrap_options = c("striped", "hover", "condensed", "responsive"),
full_width = F,
font_size = 15,
position = "center"
)| Tratamiento | n |
|---|---|
| Quimioterapia | 2875 |
| Radioterapia | 1064 |
| Cirugía | 1566 |
| Cuidado Paliativo | 32 |
SE DEBEN TOMAR LA VARIBLE CON EL ÍNDICE “B” PARA QUIMIOTERAPIA EN EL RESTO DE TRATAMIENTOS DEBE SER EL “A”.
library(dplyr)
GAT <- GAT %>%
mutate(
QUIM = ifelse(tolower(trimws(BQuimioTerSiste)) == "checked", 1, 0),
RAD = ifelse(tolower(trimws(ARadio)) == "checked", 1, 0),
CIR = ifelse(tolower(trimws(ACirugia)) == "checked", 1, 0),
PAL = ifelse(tolower(trimws(APaliativo)) == "checked", 1, 0)
)
library(limma)
V <- vennCounts(GAT[,141:144])
V## QUIM RAD CIR PAL Counts
## 1 0 0 0 0 14
## 2 0 0 0 1 30
## 3 0 0 1 0 119
## 4 0 0 1 1 0
## 5 0 1 0 0 33
## 6 0 1 0 1 0
## 7 0 1 1 0 46
## 8 0 1 1 1 0
## 9 1 0 0 0 1149
## 10 1 0 0 1 2
## 11 1 0 1 0 739
## 12 1 0 1 1 0
## 13 1 1 0 0 323
## 14 1 1 0 1 0
## 15 1 1 1 0 662
## 16 1 1 1 1 0
## attr(,"class")
## [1] "VennCounts"vennDiagram(V, cex = 1, circle.col = c("black", "#8B7E66", "grey", "#B4CDCD"),
counts.col = "black", lwd = 2)
Los 14 datos excluídos del diagrama de Venn corresponde a pacietes que cumplen algunas de las condicones: “No ha recibido quimioterapia”, “En el momento de la encuesta no recibe radioterapia”, “En el momento de la encuesta no tiene programada cirugía” o “En el momento de la encuesta no está bajo cuidado paliativo”.
Se procede a unificar solo los pacientes de radioterapia y cirugía
GAT <- GAT %>%
mutate(
QUIM1 = ifelse(QUIM == 1 & RAD == 0 & CIR == 0 & PAL == 0, 1, 0),
RAD_Cir = ifelse((RAD == 1 & QUIM == 0 & PAL == 0 & CIR == 0) | (CIR == 1 & QUIM == 0 & PAL == 0 & RAD == 0), 1, 0),
PAL1 = ifelse(QUIM == 0 & RAD == 0 & CIR == 0 & PAL == 1, 1, 0)
)
V2 <- vennCounts(GAT[,145:147])
V2## QUIM1 RAD_Cir PAL1 Counts
## 1 0 0 0 1786
## 2 0 0 1 30
## 3 0 1 0 152
## 4 0 1 1 0
## 5 1 0 0 1149
## 6 1 0 1 0
## 7 1 1 0 0
## 8 1 1 1 0
## attr(,"class")
## [1] "VennCounts"vennDiagram(V2, cex = 1, circle.col = c("black", "#8B7E66", "grey"),
counts.col = "black", lwd = 2)
Se aislaron los pacientes que solo recibieron quimioterpia, los pacientes que solo recibieron radioterapia o cirugía y los que solo están bajo cuidado paliativo.
Ahora se recodifica la base de datos acorde a lo ya presentado
- Se recodifica la variable de tratamientos “aislados”.
- Recodifiacio variable edad
- Codificación variable ocupación
- Codificación variable religión
- Diagnósticos
- Recodificando tipo de MAC no detectable con una sola variable
- Rocidificando el tipo de MAC acorde a las nuevas agrupaciones
- Se excluyen los pacientes que “no saben” el estadio de su enfermedad
#1 Recodifica la variable tratamiento aislados
GAT <- GAT %>%
mutate(
QUIM1 = factor(ifelse(QUIM1 == 1, "Si", "No")),
RAD_Cir = factor(ifelse(RAD_Cir == 1, "Si", "No")),
PAL1 = factor(ifelse(PAL1 == 1, "Si", "No"))
)
#2 Recodifica la edad
GAT <- GAT %>% mutate(Edadcat = cut(Edad, breaks = c(-Inf, 49, 64, Inf), right = F, labels = c("< 50 años", "50 - 64 años", ">=65")))
#3 Recodificando la ocupación
GAT$Nocup <- ifelse(GAT$Ocupacion %in% c("Cesante"), "Cesante",
ifelse(GAT$Ocupacion %in% c("Estudiante"), "Estudiante",
ifelse(GAT$Ocupacion %in% c("Empleado", "Independiente"), "Empleado/Independiente",
ifelse(GAT$Ocupacion %in% c("Hogar", "Pensionado"), "Hogar/Pensionado",GAT$Ocupacion))))
#4 recodificando la religion
GAT$Nrel <- ifelse(GAT$Religion %in% c("Católica"), "Católica",
ifelse(GAT$Religion %in% c("Cristiana"), "Cristiana",
ifelse(GAT$Religion %in% c("Judía", "No profesa religión", "Otra"), "Otra", GAT$Religion)))
#5 Recodificando la variable de tipo de cáncer
GAT$CIE <- ifelse(substr(GAT$TipoCancer, 1, 1) == "D", "D", substr(GAT$TipoCancer, 1, 3))
GAT$Tipotumor <- ifelse(GAT$CIE == "D", "hematologico", "tumor solido")
#6
#Unificando el tipo de MAC que no se capta con un única respuesta
#cuerpo
GAT <- GAT %>%
mutate(cuerpo = ifelse(rowSums(!is.na(select(., Masaje, Reflexología, Quiropraxia))) > 0 & rowSums(select(., Masaje, Reflexología, Quiropraxia) == "Si", na.rm = TRUE) > 0,
"Si", "No"))
#terapia energetica
GAT <- GAT %>%
mutate(energetica = ifelse(rowSums(!is.na(select(., Bioenergética, `Terapia electromagnética`, Acupuntura, TerapiaNeural, Aromaterapia))) > 0 & rowSums(select(., Bioenergética, `Terapia electromagnética`, Acupuntura, TerapiaNeural) == "Si", na.rm = TRUE) > 0,
"Si", "No"))
#terapia mente
GAT <- GAT %>%
mutate(mente = ifelse(rowSums(!is.na(select(., Meditacion, Yoga, Taichi, Yorae, OtroMente))) > 0 & rowSums(select(., Meditacion, Yoga, Taichi, Yorae, OtroMente) == "Checked", na.rm = TRUE) > 0, "Si", "No"))
#7 Reagrupando los otros tipos de MAC
library(dplyr)
GAT <- GAT %>%
mutate(
Base_planta = ifelse(
tolower(trimws(Planta)) == "si" | tolower(trimws(Hierbas)) == "si",
"Si",
"No"
),
Base_animal = ifelse(
tolower(trimws(Animal)) == "si" | tolower(trimws(OrigenAnimal)) == "si",
"Si",
"No"
),
Nutricionales = ifelse(
tolower(trimws(Dieta)) == "si" | tolower(trimws(Vitaminas)) == "si",
"Si",
"No"
),
whole = ifelse(
tolower(trimws(Homeopatia)) == "si" | tolower(trimws(Tradicionales)) == "si" |
tolower(trimws(cuerpo)) == "si" | tolower(trimws(energetica)) == "si" |
tolower(trimws(mente)) == "si",
"Si",
"No"
)
)
#8 excluuyendo pacientes que desconocen el estadio de su enfermedad
GAT_TRAT <- GAT %>% filter(EstadoCancer != "No sabe") # se excluyero 287 pacientes
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"
))Cruce de variables
Tratamientos
GAT_TRAT$Sexo <- as.factor(GAT_TRAT$Sexo)
GAT_TRAT$Nrel <- as.factor(GAT_TRAT$Nrel)
GAT_TRAT$Nocup <- as.factor(GAT_TRAT$Nocup)
GAT_TRAT$Tipotumor <- as.factor(GAT_TRAT$Tipotumor)
GAT_TRAT$EstadoCancer <- as.factor(GAT_TRAT$EstadoCancer)
table(GAT_TRAT$QUIM1, GAT_TRAT$AlternativaActual)##
## No Si
## No 866 930
## Si 499 535myVars1 <- c("Sexo", "Nocup", "Nrel", "Edadcat", "Tipotumor","EstadoCancer", "QUIM1","RAD_Cir" , "PAL1")
catVars1 <- c("Sexo", "Nocup", "Nrel", "Edadcat", "Tipotumor","EstadoCancer", "QUIM1","RAD_Cir" , "PAL1")
library(tableone)
table1 <- CreateTableOne(vars = myVars1, data = GAT_TRAT, factorVars = catVars1, includeNA = FALSE, strata = "AlternativaActual")
table1 <- as.data.frame(print(table1, show.all = TRUE, printToggle = FALSE))
kable(table1, format = "html", caption = "Cruce MAC - VRBLS SOC_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") | No | Si | p | test | |
|---|---|---|---|---|
| n | 1365 | 1465 | ||
| Sexo = Masculino (%) | 607 (44.5) | 437 (29.8) | <0.001 | |
| Nocup (%) | <0.001 | |||
| Cesante | 223 (16.3) | 139 ( 9.5) | ||
| Empleado/Independiente | 379 (27.8) | 478 (32.6) | ||
| Estudiante | 12 ( 0.9) | 16 ( 1.1) | ||
| Hogar/Pensionado | 751 (55.0) | 832 (56.8) | ||
| Nrel (%) | <0.001 | |||
| Católica | 1104 (80.9) | 1110 (75.8) | ||
| Cristiana | 164 (12.0) | 253 (17.3) | ||
| Otra | 97 ( 7.1) | 102 ( 7.0) | ||
| Edadcat (%) | <0.001 | |||
| < 50 años | 277 (20.3) | 361 (24.6) | ||
| 50 - 64 años | 450 (33.0) | 594 (40.5) | ||
| >=65 | 638 (46.7) | 510 (34.8) | ||
| Tipotumor = tumor solido (%) | 1329 (97.4) | 1421 (97.0) | 0.636 | |
| EstadoCancer = Metastasis (%) | 401 (29.4) | 425 (29.0) | 0.862 | |
| QUIM1 = Si (%) | 499 (36.6) | 535 (36.5) | 1.000 | |
| RAD_Cir = Si (%) | 76 ( 5.6) | 51 ( 3.5) | 0.010 | |
| PAL1 = Si (%) | 13 ( 1.0) | 7 ( 0.5) | 0.200 |
Se realiza el cruce de variables en relación al tipo de tratamientos solo para los usuarios.
GAT_MAC <- GAT_TRAT %>% filter(AlternativaActual == "Si")
myVars2 <- c("Sexo", "Nocup", "Nrel", "Edadcat", "Tipotumor", "EstadoCancer")
catVars2 <- c("Sexo", "Nocup", "Nrel", "Edadcat", "Tipotumor", "EstadoCancer")
table2 <- CreateTableOne(vars = myVars2, data = GAT_MAC, factorVars = catVars2, includeNA = FALSE, strata = "QUIM1")
table3 <- CreateTableOne(vars = myVars2, data = GAT_MAC, factorVars = catVars2, includeNA = FALSE, strata = "RAD_Cir")
table4 <- CreateTableOne(vars = myVars2, data = GAT_MAC, factorVars = catVars2, includeNA = FALSE, strata = "PAL1")
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))
kable(table2, format = "html", caption = "Cruce SOLO 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 = "blue") %>%
column_spec(2, border_left = T, background = "#ADD8E6")| No | Si | p | test | |
|---|---|---|---|---|
| n | 930 | 535 | ||
| Sexo = Masculino (%) | 282 (30.3) | 155 (29.0) | 0.628 | |
| Nocup (%) | 0.271 | |||
| Cesante | 95 (10.2) | 44 ( 8.2) | ||
| Empleado/Independiente | 299 (32.2) | 179 (33.5) | ||
| Estudiante | 13 ( 1.4) | 3 ( 0.6) | ||
| Hogar/Pensionado | 523 (56.2) | 309 (57.8) | ||
| Nrel (%) | 0.008 | |||
| Católica | 728 (78.3) | 382 (71.4) | ||
| Cristiana | 148 (15.9) | 105 (19.6) | ||
| Otra | 54 ( 5.8) | 48 ( 9.0) | ||
| Edadcat (%) | 0.010 | |||
| < 50 años | 208 (22.4) | 153 (28.6) | ||
| 50 - 64 años | 377 (40.5) | 217 (40.6) | ||
| >=65 | 345 (37.1) | 165 (30.8) | ||
| Tipotumor = tumor solido (%) | 900 (96.8) | 521 (97.4) | 0.618 | |
| EstadoCancer = Metastasis (%) | 305 (32.8) | 120 (22.4) | <0.001 |
kable(table3, format = "html", caption = "Cruce SOLO RAD y 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")| No | Si | p | test | |
|---|---|---|---|---|
| n | 1414 | 51 | ||
| Sexo = Masculino (%) | 416 (29.4) | 21 (41.2) | 0.100 | |
| Nocup (%) | <0.001 | |||
| Cesante | 133 ( 9.4) | 6 (11.8) | ||
| Empleado/Independiente | 462 (32.7) | 16 (31.4) | ||
| Estudiante | 12 ( 0.8) | 4 ( 7.8) | ||
| Hogar/Pensionado | 807 (57.1) | 25 (49.0) | ||
| Nrel (%) | 0.110 | |||
| Católica | 1072 (75.8) | 38 (74.5) | ||
| Cristiana | 247 (17.5) | 6 (11.8) | ||
| Otra | 95 ( 6.7) | 7 (13.7) | ||
| Edadcat (%) | 0.002 | |||
| < 50 años | 350 (24.8) | 11 (21.6) | ||
| 50 - 64 años | 583 (41.2) | 11 (21.6) | ||
| >=65 | 481 (34.0) | 29 (56.9) | ||
| Tipotumor = tumor solido (%) | 1372 (97.0) | 49 (96.1) | 1.000 | |
| EstadoCancer = Metastasis (%) | 414 (29.3) | 11 (21.6) | 0.301 |
kable(table4, format = "html", caption = "Cruce SOLO 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")| No | Si | p | test | |
|---|---|---|---|---|
| n | 1458 | 7 | ||
| Sexo = Masculino (%) | 433 (29.7) | 4 (57.1) | 0.242 | |
| Nocup (%) | 0.963 | |||
| Cesante | 138 ( 9.5) | 1 (14.3) | ||
| Empleado/Independiente | 476 (32.6) | 2 (28.6) | ||
| Estudiante | 16 ( 1.1) | 0 ( 0.0) | ||
| Hogar/Pensionado | 828 (56.8) | 4 (57.1) | ||
| Nrel (%) | 0.742 | |||
| Católica | 1105 (75.8) | 5 (71.4) | ||
| Cristiana | 252 (17.3) | 1 (14.3) | ||
| Otra | 101 ( 6.9) | 1 (14.3) | ||
| Edadcat (%) | 0.253 | |||
| < 50 años | 361 (24.8) | 0 ( 0.0) | ||
| 50 - 64 años | 591 (40.5) | 3 (42.9) | ||
| >=65 | 506 (34.7) | 4 (57.1) | ||
| Tipotumor = tumor solido (%) | 1415 (97.1) | 6 (85.7) | 0.520 | |
| EstadoCancer = Metastasis (%) | 421 (28.9) | 4 (57.1) | 0.220 |
Se procede a revisar el uso de MAC en la base de datos completa
library(dplyr)
GAT <- GAT %>%
mutate(MAC_ANI = ifelse(Base_animal == "Si", 1, 0),
MAC_PLANT = ifelse(Base_planta == "Si", 1, 0),
MAC_NUT = ifelse(Nutricionales == "Si", 1, 0),
MAC_WHOLE = ifelse(whole == "Si", 1, 0))
V3 <- vennCounts(GAT[,160:163])
V3## MAC_ANI MAC_PLANT MAC_NUT MAC_WHOLE Counts
## 1 0 0 0 0 0
## 2 0 0 0 1 1
## 3 0 0 1 0 1
## 4 0 0 1 1 0
## 5 0 1 0 0 149
## 6 0 1 0 1 35
## 7 0 1 1 0 284
## 8 0 1 1 1 128
## 9 1 0 0 0 0
## 10 1 0 0 1 0
## 11 1 0 1 0 4
## 12 1 0 1 1 2
## 13 1 1 0 0 93
## 14 1 1 0 1 24
## 15 1 1 1 0 165
## 16 1 1 1 1 86
## attr(,"class")
## [1] "VennCounts"vennDiagram(V3, cex = 1, circle.col = c("black", "#8B7E66", "grey", "#B4CDCD"),
counts.col = "black", lwd = 2)
Se revisa el uso de MAC, eliminado los que “No conocen el esatdio de la enfermedad”
library(dplyr)
GAT_TRAT <- GAT_TRAT %>%
mutate(MAC_ANI = ifelse(Base_animal == "Si", 1, 0),
MAC_PLANT = ifelse(Base_planta == "Si", 1, 0),
MAC_NUT = ifelse(Nutricionales == "Si", 1, 0),
MAC_WHOLE = ifelse(whole == "Si", 1, 0))
V4 <- vennCounts(GAT_TRAT[,160:163])
V4## MAC_ANI MAC_PLANT MAC_NUT MAC_WHOLE Counts
## 1 0 0 0 0 0
## 2 0 0 0 1 1
## 3 0 0 1 0 1
## 4 0 0 1 1 0
## 5 0 1 0 0 132
## 6 0 1 0 1 34
## 7 0 1 1 0 257
## 8 0 1 1 1 116
## 9 1 0 0 0 0
## 10 1 0 0 1 0
## 11 1 0 1 0 4
## 12 1 0 1 1 2
## 13 1 1 0 0 88
## 14 1 1 0 1 24
## 15 1 1 1 0 154
## 16 1 1 1 1 84
## attr(,"class")
## [1] "VennCounts"vennDiagram(V4, cex = 1, circle.col = c("black", "#8B7E66", "grey", "#B4CDCD"),
counts.col = "black", lwd = 2)
Se verifica el anterior resultado filtrando por solo usuarios de MAC
GAT_MAC <- GAT_MAC %>%
mutate(MAC_ANI = ifelse(Base_animal == "Si", 1, 0),
MAC_PLANT = ifelse(Base_planta == "Si", 1, 0),
MAC_NUT = ifelse(Nutricionales == "Si", 1, 0),
MAC_WHOLE = ifelse(whole == "Si", 1, 0))
V5 <- vennCounts(GAT_MAC[,160:163])
V5## MAC_ANI MAC_PLANT MAC_NUT MAC_WHOLE Counts
## 1 0 0 0 0 0
## 2 0 0 0 1 1
## 3 0 0 1 0 1
## 4 0 0 1 1 0
## 5 0 1 0 0 132
## 6 0 1 0 1 34
## 7 0 1 1 0 257
## 8 0 1 1 1 116
## 9 1 0 0 0 0
## 10 1 0 0 1 0
## 11 1 0 1 0 4
## 12 1 0 1 1 2
## 13 1 1 0 0 88
## 14 1 1 0 1 24
## 15 1 1 1 0 154
## 16 1 1 1 1 84
## attr(,"class")
## [1] "VennCounts"vennDiagram(V5, cex = 1, circle.col = c("black", "#8B7E66", "grey", "#B4CDCD"),
counts.col = "black", lwd = 2)