PHẦN 1: TÌM HIỂU VÀ CHUẨN BỊ DỮ LIỆU

1.1 ĐỌC DỮ LIỆU

  • Bộ dữ liệu “Thyroid Disease Data” trên Kaggle do người dùng jainaru cung cấp là một bộ dữ liệu y khoa, nhằm hỗ trợ dự đoán khả năng tái phát của bệnh ung thư tuyến giáp biệt hóa tốt (well-differentiated thyroid cancer).

1.1.1 Đọc file dữ liệu gốc

data <- read.csv ("C:/Users/ADMIN/Desktop/PTDL DINH TINH/Thyroid_Diff.csv", header = T)
  • Cấu trúc bộ dữ liệu
str(data)
## 'data.frame':    383 obs. of  13 variables:
##  $ Age                 : int  27 34 30 62 62 52 41 46 51 40 ...
##  $ Gender              : chr  "F" "F" "F" "F" ...
##  $ Smoking             : chr  "No" "No" "No" "No" ...
##  $ Hx.Smoking          : chr  "No" "Yes" "No" "No" ...
##  $ Hx.Radiothreapy     : chr  "No" "No" "No" "No" ...
##  $ Thyroid.Function    : chr  "Euthyroid" "Euthyroid" "Euthyroid" "Euthyroid" ...
##  $ Physical.Examination: chr  "Single nodular goiter-left" "Multinodular goiter" "Single nodular goiter-right" "Single nodular goiter-right" ...
##  $ Adenopathy          : chr  "No" "No" "No" "No" ...
##  $ Pathology           : chr  "Micropapillary" "Micropapillary" "Micropapillary" "Micropapillary" ...
##  $ Focality            : chr  "Uni-Focal" "Uni-Focal" "Uni-Focal" "Uni-Focal" ...
##  $ Risk                : chr  "Low" "Low" "Low" "Low" ...
##  $ Response            : chr  "Indeterminate" "Excellent" "Excellent" "Excellent" ...
##  $ Recurred            : chr  "No" "No" "No" "No" ...

1.1.2 Lựa chọn các biến định tính cần thiết

# Chọn các biến định tính
dldt <- c("Age", "Gender", "Smoking", "Hx.Smoking", "Hx.Radiothreapy", "Thyroid.Function", "Focality", "Response", "Recurred")

# Tạo bộ dữ liệu mới chỉ chứa định tính
dat <- data[, dldt]
  • Cấu trúc bộ dữ liệu
str(dat)
## 'data.frame':    383 obs. of  9 variables:
##  $ Age             : int  27 34 30 62 62 52 41 46 51 40 ...
##  $ Gender          : chr  "F" "F" "F" "F" ...
##  $ Smoking         : chr  "No" "No" "No" "No" ...
##  $ Hx.Smoking      : chr  "No" "Yes" "No" "No" ...
##  $ Hx.Radiothreapy : chr  "No" "No" "No" "No" ...
##  $ Thyroid.Function: chr  "Euthyroid" "Euthyroid" "Euthyroid" "Euthyroid" ...
##  $ Focality        : chr  "Uni-Focal" "Uni-Focal" "Uni-Focal" "Uni-Focal" ...
##  $ Response        : chr  "Indeterminate" "Excellent" "Excellent" "Excellent" ...
##  $ Recurred        : chr  "No" "No" "No" "No" ...

1.2. TỔNG QUAN VỀ DỮ LIỆU

1.2.1 Nội dung dữ liệu

  • Bộ dữ liệu này bao gồm thông tin lâm sàng và tiền sử y tế của 383 bệnh nhân được chẩn đoán và điều trị ung thư tuyến giáp biệt hóa tốt (well-differentiated thyroid cancer). Mục tiêu chính của việc thu thập và phân tích dữ liệu là để tìm hiểu các yếu tố có thể liên quan đến nguy cơ tái phát bệnh sau điều trị, từ đó hỗ trợ bác sĩ đưa ra quyết định điều trị và theo dõi phù hợp hơn cho từng bệnh nhân.

  • Trong quá trình phân tích, chỉ 9 biến được lựa chọn, bao gồm: tuổi (Age), giới tính (Gender), tình trạng hút thuốc hiện tại (Smoking), tiền sử hút thuốc (Hx.Smoking), tiền sử xạ trị (Hx.Radiothreapy), tình trạng chức năng tuyến giáp (Thyroid.Function), tình trạng ổ khối u (Focality), mức độ đáp ứng điều trị (Response) và biến mục tiêu là khả năng tái phát (Recurred). Đây đều là những yếu tố quan trọng có thể ảnh hưởng đến diễn tiến bệnh và được ghi nhận theo dạng số hoặc dạng phân loại (danh mục).

  • Biến mục tiêu Recurred cho biết liệu bệnh nhân có bị tái phát ung thư tuyến giáp sau điều trị hay không, với hai giá trị là “Yes” (tái phát) và “No” (không tái phát). Các biến còn lại được xem là đặc trưng đầu vào dùng để phân tích

1.2.2 Danh sách các biến và mô tả

Cấu trúc bộ dữ liệu Supermarket Transactions

  • Nhưng với yêu cầu chỉ sử dụng các biến định tính để phân tính nên chúng ta chỉ quan tâm đến các biến như sau :

    • Age: Tuổi của bệnh nhân tại thời điểm điều trị
    • Gender(F/M): Giới tính của bệnh nhân
    • Smoking(Yes/No): Bệnh nhân có đang hút thuốc hiện tại không
    • Hx.Smoking(Yes/No): Tiền sử hút thuốc
    • Hx.Radiothreapy(Yes/No): Bệnh nhân có từng xạ trị trước đó không
    • Thyroid.Function(Euthyroid, Hyperthyroid, Hypothyroid): Tình trạng chức năng tuyến giáp
    • Focality(Uni-Focal, Multi-Focal): Tình trạng khối u đơn ổ hay đa ổ
    • Response(Excellent, Indeterminate, Incomplete…): Mức độ đáp ứng điều trị
    • Recurred(Yes/No): Bệnh nhân có tái phát sau điều trị không?

1.2.3 Kiểm tra dữ liệu

1.2.3.1 Kiểm tra số lượng NA trong cột định tính
# Kiểm tra số lượng NA trong mỗi cột định tính
na_counts <- sapply(dat, function(x) sum(is.na(x)))
na_counts
##              Age           Gender          Smoking       Hx.Smoking 
##                0                0                0                0 
##  Hx.Radiothreapy Thyroid.Function         Focality         Response 
##                0                0                0                0 
##         Recurred 
##                0

Nhận xét - Kết quả thu được cho thấy rằng tất cả các cột định tính đều không có giá trị thiếu (NA) vì số lượng NA trong các cột đều hiển thị là 0

1.2.3.2 Chuyển đổi các biến định tính sang kiểu factor
# Chuyển các biến định tính sang factor
dat$Age <- as.factor(dat$Age)
dat$Gender <- as.factor(dat$Gender)
dat$Smoking <- as.factor(dat$Smoking)
dat$Hx.Radiothreapy <- as.factor(dat$Hx.Smoking)
dat$Hx.Radiothreapy <- as.factor(dat$Hx.Radiothreapy)
dat$Thyroid.Function <- as.factor(dat$Thyroid.Function)
dat$Focality <- as.factor(dat$Focality)
dat$Response <- as.factor(dat$Response)
dat$Recurred <- as.factor(dat$Recurred)

Kiểm tra lại sau khi chuyển đổi

Giải thích:

  • sapply(dat, class): Áp dụng hàm class() cho từng cột để kiểm tra kiểu dữ liệu. Kết quả trả về là một vector hiển thị tên cột và loại dữ liệu tương ứng.

  • Nếu kết quả là “factor” cho tất cả các cột → chuyển đổi thành công.

sapply(dat, class)
##              Age           Gender          Smoking       Hx.Smoking 
##         "factor"         "factor"         "factor"      "character" 
##  Hx.Radiothreapy Thyroid.Function         Focality         Response 
##         "factor"         "factor"         "factor"         "factor" 
##         Recurred 
##         "factor"

Nhận xét : Kết quả thu được toàn bộ các biến đã được chuyển đổi thành dạng factor.

PHẦN 2: PHÂN TÍCH MÔ TẢ BIẾN ĐỊNH TÍNH

install.packages("ggplot2", repos = "https://cloud.r-project.org")
## Installing package into 'C:/Users/ADMIN/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## 
##   There is a binary version available but the source version is later:
##         binary source needs_compilation
## ggplot2  3.5.1  3.5.2             FALSE
## installing the source package 'ggplot2'
library(ggplot2)

2.1. Gender - Giới tính

2.1.1 Thống kê tần số, tần suất và trực quan hóa

2.1.1.1 Tần số, tần suất
tab_gender <- table(dat$Gender)
tab_gender
## 
##   F   M 
## 312  71
table(dat$Gender)/sum(nrow(dat))
## 
##         F         M 
## 0.8146214 0.1853786
2.2.1.2 Trực quan hoá
# Tạo dataframe từ bảng tần số
gender_freq <- as.data.frame(tab_gender)
colnames(gender_freq) <- c("Gender", "Frequency")

# Tính phần trăm
gender_freq$Percentage <- gender_freq$Frequency / sum(gender_freq$Frequency) * 100

# Tạo nhãn chỉ gồm phần trăm
gender_freq$Label <- paste0(round(gender_freq$Percentage, 1), "%")

# Vẽ biểu đồ tròn với nhãn chỉ phần trăm
ggplot(gender_freq, aes(x = "", y = Percentage, fill = Gender)) +
  geom_col(width = 1, color = "white") +
  coord_polar(theta = "y") +
  theme_void() +
  geom_text(aes(label = Label), position = position_stack(vjust = 0.5), size = 5) +
  labs(title = "Phân bố giới tính của các bệnh nhân") +
  scale_fill_brewer(palette = "Pastel1")

2.2.2 Nhận xét

2.3 Smoking - Đang hút thuốc

2.3.1 Thống kê mô tả tần số, tần suất, trực quan hoá

2.3.1.1 Bảng tần số, tần suất
tab_smoking <- table(dat$Smoking)
tab_smoking
## 
##  No Yes 
## 334  49
table(dat$Smoking)/sum(nrow(dat))
## 
##        No       Yes 
## 0.8720627 0.1279373

2.3.1.2 Trực quan hoá

# Tạo bảng tần số
tab_smoking <- table(dat$Smoking)

# Chuyển sang data frame
smoking_freq <- as.data.frame(tab_smoking)
colnames(smoking_freq) <- c("Smoking", "Frequency")

# Tính phần trăm
smoking_freq$Percentage <- smoking_freq$Frequency / sum(smoking_freq$Frequency) * 100

# Tạo nhãn chỉ gồm phần trăm
smoking_freq$Label <- paste0(round(smoking_freq$Percentage, 1), "%")

# Vẽ biểu đồ tròn
ggplot(smoking_freq, aes(x = "", y = Percentage, fill = Smoking)) +
  geom_col(width = 1, color = "white") +
  coord_polar(theta = "y") +
  theme_void() +
  geom_text(aes(label = Label), 
            position = position_stack(vjust = 0.5), size = 4) +
  labs(title = "Phân bố tình trạng hút thuốc của người tham gia") +
  scale_fill_brewer(palette = "Set3")

2.3.2 Nhận xét

2.4 Hx Smoking - tiền sử hút thuốc

2.4.1 Thống kê mô tả tần số, tần suất, trực quan hoá

2.4.1.1 Bảng tần số, tần suất
tab_xatri <- table(dat$Hx.Radiothreapy)
tab_xatri
## 
##  No Yes 
## 355  28
table(dat$Hx.Radiothreapy)/sum(nrow(dat))
## 
##         No        Yes 
## 0.92689295 0.07310705

2.4.1.2 Trực quan hoá

# Tạo bảng tần số
tab_xatri <- table(dat$Hx.Radiothreapy)

# Chuyển sang data frame
xatri_freq <- as.data.frame(tab_xatri)
colnames(xatri_freq) <- c("Hx.Radiothreapy", "Frequency")

# Tính phần trăm
xatri_freq$Percentage <- xatri_freq$Frequency / nrow(dat) * 100

# Tạo nhãn phần trăm
xatri_freq$Label <- paste0(round(xatri_freq$Percentage, 1), "%")

# Vẽ biểu đồ tròn
ggplot(xatri_freq, aes(x = "", y = Percentage, fill = Hx.Radiothreapy)) +
  geom_col(width = 1, color = "white") +
  coord_polar(theta = "y") +
  theme_void() +
  geom_text(aes(label = Label), 
            position = position_stack(vjust = 0.5), size = 4) +
  labs(title = "Phân bố tiền sử xạ trị của người tham gia") +
  scale_fill_brewer(palette = "Set2")

2.4.2 Nhận xét

2.5 Thyroid funtion - Tình trạng chức năng tuyến giáp

2.5.1 Thống kê mô tả tần số, tần suất, trực quan hoá

2.5.1.1 Bảng tần số, tần suất
tab_tuyengiap <- table(dat$Thyroid.Function)
tab_tuyengiap
## 
##    Clinical Hyperthyroidism     Clinical Hypothyroidism 
##                          20                          12 
##                   Euthyroid Subclinical Hyperthyroidism 
##                         332                           5 
##  Subclinical Hypothyroidism 
##                          14
table(dat$Thyroid.Function)/sum(nrow(dat))
## 
##    Clinical Hyperthyroidism     Clinical Hypothyroidism 
##                  0.05221932                  0.03133159 
##                   Euthyroid Subclinical Hyperthyroidism 
##                  0.86684073                  0.01305483 
##  Subclinical Hypothyroidism 
##                  0.03655352
2.5.1.2 Trực quan hoá
install.packages("dplyr", repos = "https://cloud.r-project.org")
## Installing package into 'C:/Users/ADMIN/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## package 'dplyr' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'dplyr'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problem copying
## C:\Users\ADMIN\AppData\Local\R\win-library\4.3\00LOCK\dplyr\libs\x64\dplyr.dll
## to C:\Users\ADMIN\AppData\Local\R\win-library\4.3\dplyr\libs\x64\dplyr.dll:
## Permission denied
## Warning: restored 'dplyr'
## 
## The downloaded binary packages are in
##  C:\Users\ADMIN\AppData\Local\Temp\RtmpUzsJ2Y\downloaded_packages
library(dplyr)
## Warning: package 'dplyr' was built under R version 4.3.3
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
install.packages("ggplot2")
## Warning: package 'ggplot2' is in use and will not be installed
library(ggplot2)
# Tạo bảng tần số
tab_tuyengiap <- table(dat$Thyroid.Function)

# Chuyển sang data frame
tuyengiap_freq <- as.data.frame(tab_tuyengiap)
colnames(tuyengiap_freq) <- c("Thyroid.Function", "Frequency")

# Tính phần trăm
tuyengiap_freq$Percentage <- tuyengiap_freq$Frequency / nrow(dat) * 100

# Đổi tên các mức sang tiếng Việt
tuyengiap_freq$Thyroid.Function <- recode(tuyengiap_freq$Thyroid.Function,
  "Euthyroid" = "Tuyến giáp bình thường",
  "Clinical Hyperthyroidism" = "Cường giáp lâm sàng",
  "Clinical Hypothyroidism" = "Suy giáp lâm sàng",
  "Subclinical Hyperthyroidism" = "Cường giáp cận lâm sàng",
  "Subclinical Hypothyroidism" = "Suy giáp cận lâm sàng"
)

# Vẽ biểu đồ cột
ggplot(tuyengiap_freq, aes(x = Thyroid.Function, y = Frequency, fill = Thyroid.Function)) +
  geom_col(width = 0.6) +
  geom_text(aes(label = paste0(round(Percentage, 1), "%")), 
            vjust = -0.5, size = 4) +
  labs(title = "Tần số theo tình trạng chức năng tuyến giáp",
       x = "Chức năng tuyến giáp (dịch sang tiếng Việt)",
       y = "Số lượng") +
  theme_minimal() +
  theme(legend.position = "none") +
  scale_fill_brewer(palette = "Set2")

2.5.2 Nhận xét

2.6 Focality - Tình trạng khối u

2.6.1 Thống kê mô tả tần số, tần suất, trực quan hoá

2.6.1.1 Bảng tần số, tần suất
tab_khoiu <- table(dat$Focality)
tab_khoiu 
## 
## Multi-Focal   Uni-Focal 
##         136         247
table(dat$Focality)/sum(nrow(dat))
## 
## Multi-Focal   Uni-Focal 
##   0.3550914   0.6449086
2.6.1.2 Trực quan hoá
# Bước 1: Tạo bảng tần số
tab_khoiu <- table(dat$Focality)

# Bước 2: Chuyển sang data frame
khoiu_freq <- as.data.frame(tab_khoiu)
colnames(khoiu_freq) <- c("Focality", "Frequency")

# Bước 3: Tính phần trăm
khoiu_freq$Percentage <- khoiu_freq$Frequency / sum(khoiu_freq$Frequency) * 100

# Bước 4: Tạo nhãn phần trăm
khoiu_freq$Label <- paste0(round(khoiu_freq$Percentage, 1), "%")

# Đổi tên các thành phần
khoiu_freq$Focality <- recode(khoiu_freq$Focality,
                               "Multi-Focal" = "Đa ổ",
                               "Uni-Focal" = "Đơn ổ")
ggplot(khoiu_freq, aes(x = "", y = Percentage, fill = Focality)) +
  geom_col(width = 1, color = "white") +
  coord_polar(theta = "y") +
  geom_text(aes(label = Label), position = position_stack(vjust = 0.5), size = 5) +
  labs(title = "Phân bố theo đặc điểm khối u (Focality)") +
  theme_void() +
  scale_fill_brewer(palette = "Pastel2")

2.6.2 Nhận xét

2.7 Respon - Mức độ đáp ứng điều trị

2.7.1 Thống kê mô tả tần số, tần suất, trực quan hoá

2.7.1.1 Bảng tần số, tần suất
tab_dapung <- table(dat$Response)
tab_dapung
## 
## Biochemical Incomplete              Excellent          Indeterminate 
##                     23                    208                     61 
##  Structural Incomplete 
##                     91
table(dat$Response)/sum(nrow(dat))
## 
## Biochemical Incomplete              Excellent          Indeterminate 
##             0.06005222             0.54308094             0.15926893 
##  Structural Incomplete 
##             0.23759791
2.7.1.2 Trực quan hoá
# Tạo bảng tần số
tab_dapung <- table(dat$Response)

# Chuyển sang data frame
dapung_freq <- as.data.frame(tab_dapung)
colnames(dapung_freq) <- c("Response", "Frequency")

# Tính phần trăm
dapung_freq$Percentage <- dapung_freq$Frequency / sum(dapung_freq$Frequency) * 100

# Vẽ biểu đồ cột
ggplot(dapung_freq, aes(x = Response, y = Frequency, fill = Response)) +
  geom_bar(stat = "identity", width = 0.6) +
  geom_text(aes(label = Frequency), vjust = -0.5) +
  labs(title = "Phân bố mức độ đáp ứng điều trị", x = "Đáp ứng", y = "Tần số") +
  theme_minimal() +
  theme(legend.position = "none") +
  scale_fill_brewer(palette = "Set2")

2.7.2 Nhận xét

2.8 Recurred - Tái phát sau điều trị

2.8.1 Thống kê mô tả tần số, tần suất, trực quan hoá

2.8.1.1 Bảng tần số, tần suất
tab_taiphat <- table(dat$Recurred)
tab_taiphat 
## 
##  No Yes 
## 275 108
table(dat$Recurred)/sum(nrow(dat))
## 
##        No       Yes 
## 0.7180157 0.2819843
2.8.1.2 Trực quan hoá
# Tạo bảng tần số
tab_taiphat <- table(dat$Recurred)

# Chuyển sang data frame
taiphat_freq <- as.data.frame(tab_taiphat)
colnames(taiphat_freq) <- c("Recurred", "Frequency")

# Tính phần trăm
taiphat_freq$Percentage <- taiphat_freq$Frequency / sum(taiphat_freq$Frequency) * 100

# Tạo nhãn hiển thị phần trăm
taiphat_freq$Label <- paste0(round(taiphat_freq$Percentage, 1), "%")
ggplot(taiphat_freq, aes(x = "", y = Percentage, fill = Recurred)) +
  geom_col(width = 1, color = "white") +
  coord_polar(theta = "y") +
  theme_void() +
  geom_text(aes(label = Label), position = position_stack(vjust = 0.5), size = 4) +
  labs(title = "Tỷ lệ tái phát sau điều trị") +
  scale_fill_brewer(palette = "Pastel1")

2.8.2 Nhận xét

PHẦN 3: ƯỚC LƯỢNG KHOẢNG VÀ KIỂM ĐỊNH GIẢ THUYẾT TỶ LỆ CHO 1 BIẾN

3.1 Gender - Male

3.1.1 Ước lượng khoảng tin cậy 95% cho tỷ lệ nam

prop.test(x = sum(dat$Gender == "Male"),
          n = nrow(dat),
          p = 0.5,             # Giả thuyết H0: p = 0.5
          conf.level = 0.95)
## 
##  1-sample proportions test with continuity correction
## 
## data:  sum(dat$Gender == "Male") out of nrow(dat), null probability 0.5
## X-squared = 381, df = 1, p-value < 2.2e-16
## alternative hypothesis: true p is not equal to 0.5
## 95 percent confidence interval:
##  0.00000000 0.01237905
## sample estimates:
## p 
## 0

3.1.2 Bài toán kiểm định

  • Giả thuyết:

    • H₀: p = 0.5 (tỷ lệ nam bằng 50%)
    • H₁: p ≠ 0.5 (tỷ lệ nam khác 50%)

  • Nhận xét:

3.2 Thyroid.Function - Euthyroid

3.2.1 Ước lượng khoảng tin cậy 95% cho tỷ lệ người có tình trạng tuyến giáp bình thường

prop.test(x = sum(dat$Thyroid.Function == "Euthyroid"),
          n = nrow(dat),
          p = 0.8,   # Giả thuyết: 80% người bệnh có tuyến giáp bình thường 
          conf.level = 0.95)
## 
##  1-sample proportions test with continuity correction
## 
## data:  sum(dat$Thyroid.Function == "Euthyroid") out of nrow(dat), null probability 0.8
## X-squared = 10.281, df = 1, p-value = 0.001344
## alternative hypothesis: true p is not equal to 0.8
## 95 percent confidence interval:
##  0.8277161 0.8984031
## sample estimates:
##         p 
## 0.8668407

3.2.2 Bài toán kiểm định

  • Giả thuyết kiểm định:

    • H₀: p = 0.8 (80% người bệnh có tuyến giáp bình thường)
    • H₁: p ≠ 0.8 (khác 80% người bệnh có tuyến giáp bình thường )

  • Nhận xét

3.3 Focality - Uni-Focal

3.3.1 Ước lượng khoảng tin cậy 95% cho tỷ lệ người bệnh nhân có tình trạng khối u là đơn ổ 

prop.test(
  x = sum(dat$Focality == "Uni-Focal"),
  n = nrow(dat),
  p = 0.8,
  alternative = "greater",  # Một phía: kiểm định p > 0.8
  conf.level = 0.95
)
## 
##  1-sample proportions test with continuity correction
## 
## data:  sum(dat$Focality == "Uni-Focal") out of nrow(dat), null probability 0.8
## X-squared = 56.612, df = 1, p-value = 1
## alternative hypothesis: true p is greater than 0.8
## 95 percent confidence interval:
##  0.6024711 1.0000000
## sample estimates:
##         p 
## 0.6449086

3.3.2 Bài toán kiểm định

  • Giả thuyết kiểm định:
    • H₀: p = 0.5 Tỷ lệ bệnh nhân có khối u đơn ổ là 50%
    • H₁: p > 0.5 Tỷ lệ bệnh nhân có khối u đơn ổ > 50%
  • Kết quả kiểm định:

3.4 Response - Excellent

3.4.1 Ước lượng khoảng tin cậy 95% cho tỷ lệ người bệnh nhân mức độ đáp ứng điều trị là xuất sắc

prop.test(
  x = sum(dat$Response == "Excellent"),
  n = nrow(dat),
  p = 0.5,
  alternative = "less",  # Một phía: kiểm định p < 0.5
  conf.level = 0.95
)
## 
##  1-sample proportions test with continuity correction
## 
## data:  sum(dat$Response == "Excellent") out of nrow(dat), null probability 0.5
## X-squared = 2.6736, df = 1, p-value = 0.949
## alternative hypothesis: true p is less than 0.5
## 95 percent confidence interval:
##  0.0000000 0.5857873
## sample estimates:
##         p 
## 0.5430809

3.4.2 Bài toán kiểm định

  • Giả thuyết kiểm định:
    • H₀: p = 0.5 Tỷ lệ bệnh nhân đáp ứng sau điều trị xuất sắc là 50%
    • H₁: p < 0.5 Tỷ lệ bệnh nhân đáp ứng sau điều trị xuất sắc < 50%
  • Kết quả kiểm định:

3.4 Recurred - No

3.4.1 Ước lượng khoảng tin cậy 95% cho tỷ lệ người bệnh nhân không bị tái phát bệnh sau điều trị

prop.test(
  x = sum(dat$Recurred == "No"),
  n = nrow(dat),
  p = 0.7,
  alternative = "greater",  # Một phía: kiểm định p > 0.7
  conf.level = 0.95
)
## 
##  1-sample proportions test with continuity correction
## 
## data:  sum(dat$Recurred == "No") out of nrow(dat), null probability 0.7
## X-squared = 0.50926, df = 1, p-value = 0.2377
## alternative hypothesis: true p is greater than 0.7
## 95 percent confidence interval:
##  0.6774208 1.0000000
## sample estimates:
##         p 
## 0.7180157

3.4.2 Bài toán kiểm định

  • Giả thuyết kiểm định:
    • H₀: p = 0.5 Tỷ lệ bệnh nhân không tái phát bệnh sau điều trị là 70%
    • H₁: p > 0.5 Tỷ lệ bệnh nhân không bị tái phát bệnh sau điều trị là > 50%
  • Kết quả kiểm định:

PHẦN 4: PHÂN TÍCH MỐI LIÊN HỆ GIỮA HAI BIẾN

4.1 Gender và Smoking

  • Lý. do:
    • Liệu giới tính có ảnh hưởng đến tình trạng hút thuốc hiện tại hay không, giới tính nào sẽ chiếm tỷ lệ hút thuốc cao hơn trong bài khảo sát này.

4.1.1 Bảng tần suất chéo

table_gender_smoking <- table(dat$Gender, dat$Smoking)
table_gender_smoking
##    
##      No Yes
##   F 303   9
##   M  31  40

4.1.2 Trực quan hoá

# Bảng chéo số lượng
cross_gs <- table(dat$Gender, dat$Smoking)

# Chuyển sang tỷ lệ phần trăm theo từng giới tính (hàng)
prop_gs <- prop.table(cross_gs, margin = 1)

# Chuyển thành data frame
cross_dfgs <- as.data.frame(prop_gs)
colnames(cross_dfgs) <- c("Gender", "Smoking", "Percentage")

# Nhân 100 để biểu diễn phần trăm
cross_dfgs$Percentage <- cross_dfgs$Percentage * 100

# Biểu đồ
ggplot(cross_dfgs, aes(x = Smoking, y = Percentage, fill = Gender)) +
  geom_col(position = "dodge") +
  labs(title = "Tỷ lệ hút thuốc theo giới tính",
       x = "Tình trạng hút thuốc",
       y = "Tỷ lệ (%)") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 0, hjust = 0.5)) +
  scale_fill_brewer(palette = "Set2")

4.1.3 Nhận xét

4.1.4 Kiểm định chi bình phương

# Bảng tần số giữa Gender và Smoking
tbl_gs <- table(dat$Gender, dat$Smoking)
# Kiểm định Chi bình phương
chisq.test(tbl_gs)
## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  tbl_gs
## X-squared = 143.37, df = 1, p-value < 2.2e-16

Các giả thuyết

  • Giả thuyết không (H₀): Giới tính và tình trạng đang hút thuốc của bệnh nhân độc lập với nhau

  • Giả thuyết đối (H₁): Giới tính và tình trạng đang hút thuốc của bệnh nhân có mối quan hệ phụ thuộc.

  • Kết quả kiểm định

    • Kiểu kiểm định: Pearson’s Chi-squared test (với hiệu chỉnh Yates)

    • Giá trị thống kê Chi-squared (X-squared): 143.37

    • Bậc tự do (df): 1

    • Giá trị p (p-value): < 2.2e-16 (rất nhỏ, gần bằng 0)

Kết luận

  • Với p-value < 0.05, ta bác bỏ giả thuyết không (H₀) — tức là bác bỏ giả thuyết H₀. Vậy giới tính và tình trạng đang hút thuốc của bệnh nhân có mối quan hệ phụ thuộc.

4.1.5 Relative Risk

install.packages("epitools", repos = "https://cloud.r-project.org")
## Installing package into 'C:/Users/ADMIN/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## package 'epitools' successfully unpacked and MD5 sums checked
## 
## The downloaded binary packages are in
##  C:\Users\ADMIN\AppData\Local\Temp\RtmpUzsJ2Y\downloaded_packages
library(epitools)
# Tạo bảng chéo
table_gender_smoking <- table(dat$Gender, dat$Smoking)
riskratio(table_gender_smoking)
## $data
##        
##          No Yes Total
##   F     303   9   312
##   M      31  40    71
##   Total 334  49   383
## 
## $measure
##    risk ratio with 95% C.I.
##     estimate    lower    upper
##   F  1.00000       NA       NA
##   M 19.53052 9.938032 38.38195
## 
## $p.value
##    two-sided
##     midp.exact fisher.exact   chi.square
##   F         NA           NA           NA
##   M          0 3.555162e-26 4.460945e-34
## 
## $correction
## [1] FALSE
## 
## attr(,"method")
## [1] "Unconditional MLE & normal approximation (Wald) CI"

Nhận xét

  • Nhóm tham chiếu được chọn là Femal (F = 1.0000)
  • Kết quả RR = 19.53 cho biết tỷ lệ bệnh nhân là nam giới đang trong tình trạng hút thuốc cao hơn nữ giới khoảng 19.53 lần so với nữ giới đang hút thuốc.

Kết luận

  • Có sự khác biệt rõ rệt về hành vi hút thuốc giữa các nhóm giới tính. Nam giới có xu hướng hút thuốc nhiều hơn đáng kể so với nữ giới trong bộ dữ liệu khảo sát. Kết quả này phản ánh một vấn đề xã hội đáng quan tâm và có thể được sử dụng làm cơ sở cho các chiến dịch truyền thông, giáo dục hoặc can thiệp sức khỏe cộng đồng hướng đến giới tính nam.

4.1.6 Relative Risk

# Tính Odds Ratio
oddsratio(table_gender_smoking)
## $data
##        
##          No Yes Total
##   F     303   9   312
##   M      31  40    71
##   Total 334  49   383
## 
## $measure
##    odds ratio with 95% C.I.
##     estimate    lower    upper
##   F   1.0000       NA       NA
##   M  42.0625 19.39216 100.7353
## 
## $p.value
##    two-sided
##     midp.exact fisher.exact   chi.square
##   F         NA           NA           NA
##   M          0 3.555162e-26 4.460945e-34
## 
## $correction
## [1] FALSE
## 
## attr(,"method")
## [1] "median-unbiased estimate & mid-p exact CI"

Nhận xét

  • Nhóm tham chiếu được chọn là Femal (F = 1.0000)
  • Kết quả OR = 42.06 cho biết tỷ lệ bệnh nhân là nam giới trong tình trạng hút thuốc / nam giới không trong tình trạng hút thuốc cao hơn khoảng 42.06 lần so với nữ giới trong tình trang hút thuốc / nữ giới không trong tình trạng hút thuốc.

Kết luận

  • Kết quả phân tích cho thấy nam giới có xu hướng hút thuốc cao hơn nữ giới một cách đáng kể. Cụ thể, Odds Ratio (OR) = 42.06, nghĩa là: Xác suất hút thuốc của nam giới cao hơn khoảng 42 lần so với nữ giới.

  • Khoảng tin cậy 95% cho OR là từ 19.39 đến 100.74, cho thấy ước lượng này có độ chính xác cao và khác biệt là có ý nghĩa thống kê. Giá trị p-value rất nhỏ (< 0.001) củng cố kết luận rằng mối liên hệ giữa giới tính và hành vi hút thuốc là có ý nghĩa thống kê.