NHIỆM VỤ TUẦN 5

library(readr)
library(ggplot2)
library(dplyr)

## 
## 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

library(skimr)
library(psych)

## Warning: package 'psych' was built under R version 4.5.1

## 
## Attaching package: 'psych'

## The following objects are masked from 'package:ggplot2':
## 
##     %+%, alpha

PHẦN 1. GIỚI THIỆU VỀ BỘ DỮ LIỆU

Bộ dữ liệu hiện tại bao gồm thông tin chi tiết từ 3.000 hồ sơ bệnh nhân nhiễm COVID-19 tại Đan Mạch, được trình bày dưới dạng dữ liệu bảng, trong đó mỗi dòng đại diện cho một cá nhân riêng biệt. Tổng cộng có 20 biến định danh và mô tả đặc trưng, phản ánh đa chiều các yếu tố dịch tễ học, đặc điểm nền, quá trình điều trị và kết cục lâm sàng.

Cụ thể, dữ liệu ghi nhận các thông tin nền tảng như giới tính, vùng cư trú, nghề nghiệp, tiền sử bệnh nền, tình trạng hút thuốc và chỉ số BMI. Về tiến trình bệnh, các biến thể hiện thời điểm phát hiện nhiễm bệnh, triệu chứng khởi phát, mức độ nghiêm trọng, và các can thiệp điều trị bao gồm nhập viện, điều trị ICU, hỗ trợ thở máy và ngày xuất viện. Các biến kết quả như hồi phục, tái nhiễm và hội chứng hậu COVID cũng được theo dõi đầy đủ. Cuối cùng, bộ dữ liệu còn bao gồm thông tin liên quan đến miễn dịch học như tình trạng tiêm chủng, loại vắc-xin đã sử dụng và khoảng thời gian kể từ mũi tiêm gần nhất.

Với cấu trúc đầy đủ gồm 20 biến, bộ dữ liệu này cho phép thực hiện các phân tích thống kê từ mô tả đến suy luận, đồng thời tạo điều kiện cho việc kiểm định mối liên hệ giữa các yếu tố nguy cơ và kết quả điều trị trong bối cảnh thực tiễn tại Đan Mạch.

d <- read.csv(file.choose())

str(d)

## 'data.frame':    3000 obs. of  20 variables:
##  $ Patient_ID             : int  1 2 3 4 5 6 7 8 9 10 ...
##  $ Gioi_tinh              : chr  "Male" "Male" "Female" "Female" ...
##  $ Khu_vuc                : chr  "Hovedstaden" "Sjælland" "Syddanmark" "Hovedstaden" ...
##  $ Preexisting_Condition  : chr  "Obesity" "Asthma" "Hypertension" "Asthma" ...
##  $ Date_of_Infection      : chr  "6/21/2022" "2/2/2024" "5/28/2023" "8/13/2023" ...
##  $ COVID_Strain           : chr  "Delta" "XBB.1.5" "Beta" "Delta" ...
##  $ Trieu_chung            : chr  "Mild" "Mild" "Mild" "Severe" ...
##  $ Severity               : chr  "Moderate" "Moderate" "High" "High" ...
##  $ Nhap_vien              : chr  "Yes" "No" "Yes" "No" ...
##  $ Hospital_Admission_Date: chr  "1/13/2025" "" "3/7/2025" "" ...
##  $ Hospital_Discharge_Date: chr  "1/26/2025" "" "4/26/2025" "" ...
##  $ ICU_Admission          : chr  "No" "No" "Yes" "No" ...
##  $ Ventilator_Support     : chr  "No" "No" "Yes" "No" ...
##  $ Hoi_phuc               : chr  "Yes" "No" "No" "Yes" ...
##  $ Date_of_Recovery       : chr  "4/19/2023" "" "" "2/9/2025" ...
##  $ Tai_nhiem              : chr  "No" "No" "No" "Yes" ...
##  $ Date_of_Reinfection    : chr  "" "" "" "8/24/2024" ...
##  $ Tiem_chung             : chr  "Yes" "No" "Yes" "Yes" ...
##  $ Vaccine_Type           : chr  "None" "None" "Janssen" "AstraZeneca" ...
##  $ Nghe_nghiep            : chr  "Healthcare" "Healthcare" "Unemployed" "Office Worker" ...

• Các biến trong bộ dữ liệu bao gồm:

Tên biến	Mô tả
Patient_ID	Mã ẩn danh duy nhất của mỗi bệnh nhân
Gioi_tinh	Giới tính của bệnh nhân
Khu_vuc	Khu vực cư trú của bệnh nhân
Nghe_nghiep	Nghề nghiệp hoặc lĩnh vực công tác của bệnh nhân
COVID_Strain	Biến chủng virus
Trieu_chung	Danh sách triệu chứng chính khi nhiễm
Severity	Mức độ nặng của bệnh
Nhap_vien	Cho biết bệnh nhân có nhập viện hay không
Hospital_Admission_Date	Ngày bệnh nhân nhập viện
Hospital_Discharge_Date	Ngày bệnh nhân xuất viện
ICU_Admission	Cho biết bệnh nhân có từng vào đơn vị ICU hay không
Ventilator_Support	Cho biết bệnh nhân có cần hỗ trợ thở máy hay không
Hoi_phuc	Cho biết bệnh nhân đã hồi phục hoàn toàn hay chưa
Date_of_Recovery	Ngày xác nhận bệnh nhân hồi phục
Tai_nhiem	Cho biết bệnh nhân có bị tái nhiễm hay không
Date_of_Tai_nhiem	Ngày xác nhận tái nhiễm SARS-CoV-2
Tiem_chung	Tình trạng tiêm chủng COVID-19
Vaccine_Type	Loại vaccine đã tiêm

PHẦN 2. PHÂN TÍCH MỘT BIẾN ĐỊNH TÍNH

Bộ dữ liệu bao gồm 9 biến định tính

dldt <- c("Gioi_tinh","Khu_vuc","Nghe_nghiep", "Trieu_chung","Nhap_vien","Hoi_phuc","Tai_nhiem","Tiem_chung","Vaccine_Type")
dldt

## [1] "Gioi_tinh"    "Khu_vuc"      "Nghe_nghiep"  "Trieu_chung"  "Nhap_vien"   
## [6] "Hoi_phuc"     "Tai_nhiem"    "Tiem_chung"   "Vaccine_Type"

dt <- d[, dldt]

dt <- data.frame(lapply(dt, as.factor))

Biến Nhap_vien

Bảng tần số và tần suất

# 1. Bảng tần số của biến Nhap_vien
tanso_hosp <- table(dt$Nhap_vien)
print(tanso_hosp)

## 
##   No  Yes 
## 2124  876

# 2. Bảng tần suất (tỷ lệ) của biến Nhap_vien
tansuat_hosp <- prop.table(tanso_hosp)
print(round(tansuat_hosp, 4)*100)            # làm tròn 4 chữ số thập phân

## 
##   No  Yes 
## 70.8 29.2

Biểu đồ

# 1. Tính bảng tần số và tần suất
tanso_hosp   <- table(dt$Nhap_vien)
tansuat_hosp <- prop.table(tanso_hosp)

# 2. Màu cho từng lát
cols <- c("pink", "green")

# 3. Nhãn phần trăm cho legend
nhalabels <- paste0(round(tansuat_hosp * 100, 1), "%")

# 4. Vẽ pie chart không nhãn ngay trên lát
pie(
  tansuat_hosp,
  labels = NA,               
  main   = "Tần suất bệnh nhân nhập viện",
  col    = cols,
  border = "white"
)

# 5. Thêm legend bên ngoài góc phải
legend(
  x      = "topright",
  legend = paste(names(tansuat_hosp), nhalabels),
  fill   = cols
)

Nhận xét

Trong số 3.000 bệnh nhân, có 2.124 người (chiếm 70,8%) không phải nhập viện và 876 người (29,2%) phải nhập viện. Tỷ lệ nhập viện gần 30% cho thấy khoảng 3 trên 10 ca nhiễm COVID-19 trong mẫu này cần được điều trị tại bệnh viện.

Biến Nghe_nghiep

Bảng tần số và tần suất

# 1. Bảng tần số của biến Nghe_nghiep
tanso_occ <- table(dt$Nghe_nghiep)
print(tanso_occ)

## 
##        Driver    Healthcare Office Worker       Student       Teacher 
##           492           484           503           533           491 
##    Unemployed 
##           497

# 2. Bảng tần suất (tỷ lệ) của biến Nghe_nghiep
tansuat_occ <- prop.table(tanso_occ)
print(round(tansuat_occ, 4)*100)           # tỷ lệ làm tròn 4 chữ số thập phân

## 
##        Driver    Healthcare Office Worker       Student       Teacher 
##         16.40         16.13         16.77         17.77         16.37 
##    Unemployed 
##         16.57

Biểu đồ

library(ggplot2)

ggplot(dt, aes(x = Nghe_nghiep, fill = Nghe_nghiep)) +
  geom_bar(width = 0.7) +
  labs(title = "Tần số bệnh nhân theo Nghe_nghiep",
       x     = "Nghề nghiệp",
       y     = "Số bệnh nhân") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        legend.position = "none")

Nhận xét

Trong số 3.000 bệnh nhân, nhóm “Student” chiếm nhiều nhất với 533 người, tương đương 17,77%. Theo sau là “Office Worker” với 503 ca (16,77%) và “Unemployed” với 497 ca (16,57%). Ba nhóm còn lại gồm “Driver” có 492 ca (16,40%), “Teacher” 491 ca (16,37%) và “Healthcare Worker” 484 ca (16,13%). Khoảng cách giữa nhóm cao nhất và thấp nhất chỉ là 1,64 phần trăm, cho thấy các nghề nghiệp trong mẫu được phân bố tương đối đồng đều.

Biến Trieu_chung

Bảng tần số và tần suất

# 1. Bảng tần số của biến Trieu_chung
tanso_Trieu_chung <- table(dt$Trieu_chung)
print(tanso_Trieu_chung)

## 
##     Mild Moderate   Severe 
##     1010      978     1012

# 2. Bảng tần suất (tỷ lệ) của biến Trieu_chung
tansuat_Trieu_chung <- prop.table(tanso_Trieu_chung)
print(round(tansuat_Trieu_chung, 4)*100)       # làm tròn 4 chữ số thập phân

## 
##     Mild Moderate   Severe 
##    33.67    32.60    33.73

Biểu đồ

library(ggplot2)

ggplot(dt, aes(x = Trieu_chung, fill = Trieu_chung)) +
  geom_bar(width = 0.7) +
  labs(title = "Tần số bệnh nhân theo Trieu_chung",
       x     = "Triệu chứng",
       y     = "Số bệnh nhân") +
  theme_minimal() +
  theme(
    axis.text.x = element_text(angle = 45, hjust = 1),
    legend.position = "none"
  )

Nhận xét

Trong tổng số 3.000 bệnh nhân, có 1.010 người (33,67%) thuộc nhóm triệu chứng nhẹ, 978 người (32,60%) ở nhóm trung bình và 1.012 người (33,73%) ở nhóm nặng. Chênh lệch giữa nhóm nhiều nhất và ít nhất chỉ khoảng 1,13 phần trăm, cho thấy mức độ biểu hiện triệu chứng được phân phối khá đồng đều.

Biến Hoi_phuc

Bảng tần số và tần suất

# 1. Bảng tần số
tanso_rec <- table(dt$Hoi_phuc)
print(tanso_rec)

## 
##   No  Yes 
## 1492 1508

# 2. Bảng tần suất (tỷ lệ)
tansuat_rec <- prop.table(tanso_rec)
print(round(tansuat_rec, 4)*100)   # làm tròn 4 chữ số thập phân

## 
##    No   Yes 
## 49.73 50.27

Biểu đồ

# Màu cho từng lát (Yes / No)
cols <- c("lightblue", "orange")

# Nhãn phần trăm cho legend
nhalabels <- paste0(round(tansuat_rec * 100, 1), "%")

# Vẽ pie chart
pie(
  tansuat_rec,
  labels = NA,
  main   = "Tỷ lệ bệnh nhân hồi phục (Hoi_phuc)",
  col    = cols,
  border = "white"
)

# Thêm legend bên ngoài góc phải
legend(
  x      = "topright",
  legend = paste(names(tansuat_rec), nhalabels),
  fill   = cols,
  bty    = "n"
)

Nhận xét

Trong số 3.000 bệnh nhân, 1.508 người (50,27%) đã phục hồi và 1.492 người (49,73%) chưa phục hồi. Tỷ lệ hồi phục nhỉnh hơn chỉ 0,54 phần trăm, cho thấy sức khỏe của những người từng nhiễm COVID-19 trong mẫu này được cải thiện ở mức gần như cân bằng.

Biến Tai_nhiem

Bảng tần số và tần suất

# 1. Bảng tần số
tanso_reinf <- table(dt$Tai_nhiem)
print(tanso_reinf)

## 
##   No  Yes 
## 2715  285

# 2. Bảng tần suất (tỷ lệ)
tansuat_reinf <- prop.table(tanso_reinf)
print(round(tansuat_reinf, 4)*100)   # làm tròn 4 chữ số thập phân

## 
##   No  Yes 
## 90.5  9.5

Biểu đồ

# Màu cho từng lát (Yes / No)
cols <- c("lightblue","pink")

# Nhãn phần trăm cho legend
nhalabels <- paste0(round(tansuat_reinf * 100, 1), "%")

# Vẽ pie chart không nhãn ngay trên lát
pie(
  tansuat_reinf,
  labels = NA,
  main   = "Tỷ lệ tái nhiễm (Tai_nhiem)",
  col    = cols,
  border = "white"
)

# Thêm legend bên ngoài góc phải
legend(
  x      = "topright",
  legend = paste(names(tansuat_reinf), nhalabels),
  fill   = cols,
  bty    = "n"
)

Nhận xét

Trong 3.000 bệnh nhân, 285 người (9,5%) tái nhiễm COVID-19, còn lại 2.715 người (90,5%) không tái nhiễm. Điều này cho thấy tỷ lệ tái nhiễm trong mẫu vào khoảng 1 trên 10 ca.

Biến Gioi_tinh

Bảng tần số và tần suất

# Bảng tần số của biến Gioi_tinh
tanso_Gioi_tinh <- table(dt$Gioi_tinh)
print(tanso_Gioi_tinh)

## 
## Female   Male 
##   1527   1473

# Bảng tần suất (prop.table tự chia cho tổng số quan sát)
tansuat_Gioi_tinh <- prop.table(tanso_Gioi_tinh)
print(round(tansuat_Gioi_tinh, 4)*100)  # làm tròn 4 chữ số thập phân

## 
## Female   Male 
##   50.9   49.1

Biểu đồ

# Tính bảng tần số
tanso_Gioi_tinh <- table(dt$Gioi_tinh)

# Vẽ barplot tần số
barplot(tanso_Gioi_tinh,
        main = "Phân phối số lượng theo Gioi_tinh",
        xlab = "Giới tính",
        ylab = "Số lượng bệnh nhân",
        col  = c("steelblue", "salmon"),
        border = NA)

Nhận xét

Trong tổng số 3.000 bệnh nhân, có 1.527 người là nữ (chiếm 50,9%) và 1.473 người là nam (chiếm 49,1%). Chênh lệch giữa hai nhóm chỉ 54 người, tương ứng 1,8% về tỷ lệ, cho thấy số lượng nam và nữ trong mẫu gần như ngang nhau.

Biến Tiem_chung

Bảng tần số và tần suất

# 1. Bảng tần số
tanso_vacc <- table(dt$Tiem_chung)
print(tanso_vacc)

## 
##   No  Yes 
## 1528 1472

# 2. Bảng tần suất (tỷ lệ)
tansuat_vacc <- prop.table(tanso_vacc)
print(round(tansuat_vacc, 4)*100)   # làm tròn 4 chữ số thập phân

## 
##    No   Yes 
## 50.93 49.07

Biểu đồ

# Màu cho từng lát (Vaccinated / Unvaccinated)
cols <- c("lightpink", "lightblue")

# Nhãn phần trăm cho legend
nhalabels <- paste0(round(tansuat_vacc * 100, 1), "%")

# Vẽ pie chart không nhãn ngay trên lát
pie(
  tansuat_vacc,
  labels = NA,
  main   = "Tỷ lệ tiêm chủng (Tiem_chung)",
  col    = cols,
  border = "white"
)

# Thêm legend bên ngoài góc phải
legend(
  x      = "topright",
  legend = paste(names(tansuat_vacc), nhalabels),
  fill   = cols,
  bty    = "n"
)

Nhận xét

Trong 3.000 bệnh nhân, 1.472 người đã tiêm vắc-xin (49,1%) và 1.528 người chưa tiêm (50,9%). Chênh lệch giữa hai nhóm chỉ 1,8 phần trăm, cho thấy tỷ lệ tiêm chủng trong mẫu gần như cân bằng.

Biến Khu_vuc

Bảng tần số và tần suất

# 1. Bảng tần số của biến Khu_vuc
tanso_Khu_vuc <- table(dt$Khu_vuc)
print(tanso_Khu_vuc)

## 
## Hovedstaden Midtjylland Nordjylland    Sjælland  Syddanmark 
##         612         628         554         609         597

# 2. Bảng tần suất (tỷ lệ) của biến Khu_vuc
tansuat_Khu_vuc <- prop.table(tanso_Khu_vuc)
print(round(tansuat_Khu_vuc, 4)*100)       # làm tròn 4 chữ số thập phân

## 
## Hovedstaden Midtjylland Nordjylland    Sjælland  Syddanmark 
##       20.40       20.93       18.47       20.30       19.90

Biểu đồ

library(ggplot2)

ggplot(dt, aes(x = Khu_vuc, fill = Khu_vuc)) +
  geom_bar(width = 0.6) +
  labs(title = "Tần số bệnh nhân theo Khu_vuc",
       x     = "Khu vực",
       y     = "Số bệnh nhân") +
  theme_minimal() +
  theme(legend.position = "none")

Nhận xét

Trong 3.000 bệnh nhân, vùng Midtjylland có số ca cao nhất với 628 người (20,93%), tiếp theo là Hovedstaden 612 ca (20,40%) và Sjælland 609 ca (20,30%). Vùng Syddanmark đứng thứ tư với 597 ca (19,90%) và Nordjylland có số ca thấp nhất 554 người (18,47%). Khoảng cách giữa vùng có tỷ lệ cao nhất và thấp nhất chỉ khoảng 2,46 phần trăm, cho thấy sự phân bố bệnh nhân giữa năm khu vực tương đối đồng đều.

Bảng tần số và tần suất

# 1. Bảng tần số của biến Preexisting_Condition
tanso_pre <- table(dt$Preexisting_Condition)
print(tanso_pre)

## < table of extent 0 >

# 2. Bảng tần suất (tỷ lệ) của biến Preexisting_Condition
tansuat_pre <- prop.table(tanso_pre)
print(round(tansuat_pre, 4)*100)            # tỷ lệ làm tròn 4 chữ số thập phân

## numeric(0)

Biến Vaccine_Type

Bảng tần số và tần suất

# 1. Bảng tần số
tanso_vtype <- table(dt$Vaccine_Type)
print(tanso_vtype)

## 
## AstraZeneca     Janssen     Moderna        None      Pfizer 
##         295         293         292        1809         311

# 2. Bảng tần suất (tỷ lệ)
tansuat_vtype <- prop.table(tanso_vtype)
print(round(tansuat_vtype, 4)*100)   # làm tròn 4 chữ số thập phân

## 
## AstraZeneca     Janssen     Moderna        None      Pfizer 
##        9.83        9.77        9.73       60.30       10.37

Biểu đồ

# 3. Chuẩn bị màu cho từng loại vaccine
cols <- rainbow(length(tanso_vtype))

# 4. Nhãn phần trăm cho legend
nhalabels <- paste0(round(tansuat_vtype * 100, 1), "%")

# 5. Vẽ pie chart không hiển thị nhãn trên lát
pie(
  tansuat_vtype,
  labels = NA,
  main   = "Tỷ lệ các loại vaccine (Vaccine_Type)",
  col    = cols,
  border = "white"
)

# 6. Thêm legend bên ngoài góc phải
legend(
  x      = "topright",
  legend = paste(names(tansuat_vtype), nhalabels),
  fill   = cols,
  cex    = 0.5,
  bty    = "n"
)

Nhận xét

Trong 3.000 bệnh nhân, 1.809 người (60,30%) chưa tiêm loại vaccine nào, chiếm đa số, trong khi các loại vaccine còn lại có số ca gần như nhau: AstraZeneca 295 ca (9,83%), Janssen 293 ca (9,77%), Moderna 292 ca (9,73%) và Pfizer 311 ca (10,37%). Sự chênh lệch giữa các loại vaccine đã tiêm (ngoại trừ “None”) chỉ dao động từ 9,73% đến 10,37%, cho thấy không có loại nào chiếm ưu thế tuyệt đối trong nhóm đã tiêm.

PHẦN 3. ƯỚC LƯỢNG KHOẢNG TIN CẬY

Nhap_vien (Nhập viện = “Yes”)

Giả thuyết kiểm định

• H₀: Tỷ lệ bệnh nhân phải nhập viện trong dân số là 50 % (p = 0.5).

• H₁: Tỷ lệ bệnh nhân phải nhập viện khác 50 % (p ≠ 0.5).

n_hosp      <- sum(dt$Nhap_vien == "Yes")
n_total     <- nrow(dt)
ci_hosp     <- prop.test(n_hosp, n_total, conf.level = 0.95, correct = FALSE)
print(ci_hosp)

## 
##  1-sample proportions test without continuity correction
## 
## data:  n_hosp out of n_total, null probability 0.5
## X-squared = 519.17, df = 1, p-value < 2.2e-16
## alternative hypothesis: true p is not equal to 0.5
## 95 percent confidence interval:
##  0.2760039 0.3085281
## sample estimates:
##     p 
## 0.292

Nhận xét

• Thống kê kiểm định: \(X^2=519.17\) , df=1

• p-value < 2.2 × 10⁻¹⁶.

• Khoảng tin cậy 95 % cho p: [0.2760, 0.3085] (27.60 % – 30.85 %).

Với mức ý nghĩa α = 0.05 và p-value rất nhỏ (< 2.2 × 10⁻¹⁶), bác bỏ H₀. Điều này có nghĩa tỷ lệ nhập viện thực sự không phải 50 % mà xấp xỉ 29.2 %, và với 95 % độ tin cậy, tỷ lệ này nằm trong khoảng [27.6 %, 30.9 %]. Kết quả cho thấy tỷ lệ nhập viện trong mẫu có sự khác biệt rõ rệt so với giả thiết 50 %.

Tai_nhiem (Tái nhiễm = “Yes”)

Giả thuyết kiểm định

• H₀: Tỷ lệ bệnh nhân tái nhiễm trong dân số là 50 % (p = 0.5).

• H₁: Tỷ lệ bệnh nhân tái nhiễm khác 50 % (p ≠ 0.5).

n_reinf     <- sum(dt$Tai_nhiem == "Yes")
ci_reinf    <- prop.test(n_reinf, n_total, conf.level = 0.95, correct = FALSE)
print(ci_reinf)

## 
##  1-sample proportions test without continuity correction
## 
## data:  n_reinf out of n_total, null probability 0.5
## X-squared = 1968.3, df = 1, p-value < 2.2e-16
## alternative hypothesis: true p is not equal to 0.5
## 95 percent confidence interval:
##  0.08501949 0.10601638
## sample estimates:
##     p 
## 0.095

Nhận xét

• Thống kê kiểm định: \(X^2=1968.3\) , df=1

• p-value < 2.2 × 10⁻¹⁶.

• Khoảng tin cậy 95 % cho p: [0.0850, 0.1060] (8.50 % – 10.60 %).

Với mức ý nghĩa α = 0.05 và p-value rất nhỏ (< 2.2 × 10⁻¹⁶, bác bỏ H₀. Điều này chứng tỏ tỷ lệ tái nhiễm thực sự không bằng 50 % mà chỉ khoảng 9.5 %, và với 95 % độ tin cậy, tỷ lệ này nằm trong khoảng [8.50 %, 10.60 %]. Kết quả cho thấy tỷ lệ tái nhiễm trong mẫu khác biệt rất rõ rệt so với giả thiết 50 %.

Tiem_chung (Đã tiêm = “Yes”)

Giả thuyết kiểm định

• H₀: Tỷ lệ bệnh nhân đã tiêm trong dân số là 50 % (p = 0.5).

• H₁: Tỷ lệ bệnh nhân đã tiêm khác 50 % (p ≠ 0.5).

n_vac       <- sum(dt$Tiem_chung == "Yes")
ci_vac      <- prop.test(n_vac, n_total, conf.level = 0.95, correct = FALSE)
print(ci_vac)

## 
##  1-sample proportions test without continuity correction
## 
## data:  n_vac out of n_total, null probability 0.5
## X-squared = 1.0453, df = 1, p-value = 0.3066
## alternative hypothesis: true p is not equal to 0.5
## 95 percent confidence interval:
##  0.4728012 0.5085560
## sample estimates:
##         p 
## 0.4906667

Nhận xét

• Thống kê kiểm định: \(X^2=1.0453\) , df=1

• p-value = 0.3066.

• Khoảng tin cậy 95 % cho p: [0.4728, 0.5086] (47.28 % – 50.86 %).

Với mức ý nghĩa α=0.05 và p-value = 0.3066 > 0.05, ta không đủ cơ sở để bác bỏ H₀. Điều này có nghĩa tỷ lệ bệnh nhân đã tiêm vắc-xin trong dân số không khác biệt có ý nghĩa so với 50 %; với 95 % độ tin cậy, tỷ lệ này nằm trong khoảng [47.3 %, 50.9 %].

PHẦN 4. PHÂN TÍCH MỐI QUAN HỆ GIỮA HAI BIẾN ĐỊNH TÍNH

Chọn biến Nhap_vien và Tai_nhiem làm biến phụ thuộc để phân tích các yếu tố ảnh hưởng đến việc bệnh nhân có phải nhập viện và có bị tái nhiễm COVID-19 hay không.

# Đảm bảo R dùng UTF-8
options(encoding = "UTF-8")
Sys.setlocale("LC_CTYPE", "en_US.UTF-8")  # hoặc "Vietnamese_Vietnam.1258" trên Windows

## [1] "en_US.UTF-8"

Nhap_vien và Hoi_phuc

Bảng tần số và tần suất

# Gán nhãn rõ ràng cho hai biến
dt$Hoi_phuc <- factor(
  dt$Hoi_phuc,
  levels = c("No", "Yes"),
  labels = c("Chưa hồi phục", "Hồi phục")
)

# Lập bảng tần số chéo
hr_tab2  <- table(dt$Nhap_vien, dt$Hoi_phuc)
hr_tab2a <- addmargins(hr_tab2)
print(hr_tab2a)

##      
##       Chưa hồi phục Hồi phục  Sum
##   No           1050     1074 2124
##   Yes           442      434  876
##   Sum          1492     1508 3000

# Bảng tần suất theo hàng (trong mỗi nhóm Nhap_vien)
hr_prop2         <- prop.table(hr_tab2, margin = 1)
hr_prop2_rounded <- round(hr_prop2, 4)
print(hr_prop2_rounded)

##      
##       Chưa hồi phục Hồi phục
##   No         0.4944   0.5056
##   Yes        0.5046   0.4954

Đồ thị

# Chuyển bảng tần số sang dạng data frame
hr_df2 <- as.data.frame(hr_tab2)
colnames(hr_df2) <- c("Nhap_vien", "Hoi_phuc", "Count")

# Vẽ biểu đồ cột nhóm
library(ggplot2)

ggplot(hr_df2, aes(x = Hoi_phuc, y = Count, fill = Nhap_vien)) +
  geom_bar(stat = "identity", position = position_dodge(width = 0.7), width = 0.6) +
  labs(
    title = "Số bệnh nhân nhập viện theo tình trạng hồi phục",
    x     = "Tình trạng hồi phục",
    y     = "Số bệnh nhân",
    fill  = "Tình trạng nhập viện"
  ) +
  theme_minimal() +
  scale_fill_manual(values = c(
    "Chưa nhập viện" = "darkblue",
    "Nhập viện"       = "pink"
  ))

## Warning: No shared levels found between `names(values)` of the manual scale and the
## data's fill values.
## No shared levels found between `names(values)` of the manual scale and the
## data's fill values.

Nhận xét

Trong số 3.000 bệnh nhân, có 1.508 người đã hồi phục và 1.492 người vẫn chưa hồi phục. Xét nhóm không nhập viện (2.124 ca), 1.074 người (50,56 %) đã hồi phục và 1.050 người (49,44 %) chưa hồi phục. Ngược lại, trong 876 ca phải nhập viện, chỉ có 434 người (49,54 %) hồi phục và 442 người (50,46 %) chưa hồi phục. Như vậy, dù nhóm không nhập viện có số ca hồi phục cao hơn (1.074 so với 434), tỷ lệ hồi phục giữa hai nhóm cũng rất gần nhau, chỉ chênh lệch khoảng 1 phần trăm, cho thấy việc nhập viện không dẫn đến khác biệt lớn về khả năng hồi phục trong mẫu này.

Kiểm định Thống kê

Giả thuyết kiểm định:

• H₀:Tình trạng nhập viện và khả năng hồi phục là hai biến độc lập.

• H₁:Có mối liên hệ giữa nhập viện và hồi phục.

chi_hr2 <- chisq.test(hr_tab2)
print(chi_hr2)

## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  hr_tab2
## X-squared = 0.21967, df = 1, p-value = 0.6393

Nhận xét

• Giá trị thống kê Chi bình phương: X² = 0.21967

• Bậc tự do (df) = 1

• p-value = 0.6393

Với α = 0.05, p-value (0.6393) > 0.05, không đủ cơ sở để bác bỏ H₀.Vậy tình trạng nhập viện và khả năng hồi phục là hai biến độc lập.

Nói cách khác, trong mẫu 3.000 bệnh nhân này, tỷ lệ hồi phục ở nhóm không nhập viện (1.074/2.124 ≈ 50,6 %) và nhóm nhập viện (434/876 ≈ 49,5 %) không khác biệt một cách có ý nghĩa thống kê. Sự chênh lệch chỉ khoảng 1,1 % cho thấy việc phải nhập viện không ảnh hưởng rõ rệt đến khả năng hồi phục của bệnh nhân.

Hiệu tỷ lệ (Risk Difference - RD)

Giả thuyết kiểm định

• H₀: p₁ − p₂ = 0 (Tỷ lệ hồi phục ở nhóm chưa nhập viện bằng tỷ lệ hồi phục ở nhóm nhập viện)

• H₁: p₁ − p₂ ≠ 0 (Có sự khác biệt về tỷ lệ hồi phục giữa hai nhóm)

# Việt hóa 
d$Nhap_vien <- factor(d$Nhap_vien, levels = c("No", "Yes"),
                      labels = c("Chưa nhập viện", "Đã nhập viện"))
d$Hoi_phuc <- factor(d$Hoi_phuc, levels = c("No", "Yes"),
                     labels = c("Chưa hồi phục", "Đã hồi phục"))

# Tạo bảng đếm
hr_tab2 <- table(d$Nhap_vien, d$Hoi_phuc)

# Truy xuất đúng tên nhãn
counts_hr2 <- c(
  hr_tab2["Chưa nhập viện", "Đã hồi phục"],
  hr_tab2["Đã nhập viện",   "Đã hồi phục"]
)

totals_hr2 <- c(
  sum(hr_tab2["Chưa nhập viện", ]),
  sum(hr_tab2["Đã nhập viện",   ])
)

# Kiểm định tỉ lệ
rd_test_hr2 <- prop.test(counts_hr2, totals_hr2, correct = FALSE)
print(rd_test_hr2)

## 
##  2-sample test for equality of proportions without continuity correction
## 
## data:  counts_hr2 out of totals_hr2
## X-squared = 0.25892, df = 1, p-value = 0.6109
## alternative hypothesis: two.sided
## 95 percent confidence interval:
##  -0.02913260  0.04956446
## sample estimates:
##    prop 1    prop 2 
## 0.5056497 0.4954338

Nhận xét

• Giá trị thống kê Chi-bình phương: X² = 0.25892

• Bậc tự do (df) = 1

• p-value = 0.6109

• Khoảng tin cậy 95% cho p₂ − p₁: [-0.02913, 0.04956]

• Ước lượng tỷ lệ: p₁ = 0.50565 (nhóm chưa tiêm), p₂ = 0.49543 (nhóm đã tiêm)

• Hiệu tỷ lệ p₂ − p₁ ≈-0.01021 (khoảng -1,0%)

Với α = 0.05, p-value (0.6109) > 0.05 và khoảng tin cậy bao gồm 0, chúng ta không đủ cơ sở để bác bỏ H₀. Nói cách khác, hiệu chênh tỷ lệ hồi phục giữa nhóm chưa nhập viện và nhóm nhập viện (khoảng 1,0%) không có ý nghĩa thống kê. Điều này cho thấy trong mẫu 3.000 bệnh nhân, việc phải nhập viện không ảnh hưởng rõ rệt đến khả năng hồi phục.

Rủi ro tương đối (Relative Risk - RR):

Giả thuyết kiểm định

• H₀: Tỷ số nguy cơ (RR) = 1 (Không có sự khác biệt về khả năng hồi phục giữa nhóm chưa nhập viện và nhóm nhập viện.)

• H₁: Tỷ số nguy cơ (RR) ≠ 1 (Có sự khác biệt về khả năng hồi phục giữa hai nhóm.)

library(epitools)

rr_hr2 <- riskratio(hr_tab2, method = "wald")
print(rr_hr2)

## $data
##                 
##                  Chưa hồi phục Đã hồi phục Total
##   Chưa nhập viện          1050        1074  2124
##   Đã nhập viện             442         434   876
##   Total                   1492        1508  3000
## 
## $measure
##                 risk ratio with 95% C.I.
##                   estimate     lower    upper
##   Chưa nhập viện 1.0000000        NA       NA
##   Đã nhập viện   0.9797964 0.9054098 1.060295
## 
## $p.value
##                 two-sided
##                  midp.exact fisher.exact chi.square
##   Chưa nhập viện         NA           NA         NA
##   Đã nhập viện    0.6111487    0.6299499  0.6108632
## 
## $correction
## [1] FALSE
## 
## attr(,"method")
## [1] "Unconditional MLE & normal approximation (Wald) CI"

Nhận xét

• Ước lượng Tỷ số Nguy cơ (RR) của nhóm nhập viện so với nhóm chưa nhập viện là 0.9798.

• Khoảng tin cậy 95% của RR: [0.9055, 1.0603], bao gồm giá trị 1.

• p-value = 0.6111 > 0.05.

Vì p-value lớn hơn 0.05 và khoảng tin cậy chứa 1, chúng ta không đủ cơ sở để bác bỏ H₀. Điều này cho thấy trong mẫu 3.000 bệnh nhân, khả năng hồi phục không khác biệt có ý nghĩa thống kê giữa những người đã nhập viện và những người không nhập viện.

Tỷ số Chênh (Odds Ratio - OR):

or_hr2 <- oddsratio(hr_tab2)
print(or_hr2)

## $data
##                 
##                  Chưa hồi phục Đã hồi phục Total
##   Chưa nhập viện          1050        1074  2124
##   Đã nhập viện             442         434   876
##   Total                   1492        1508  3000
## 
## $measure
##                 odds ratio with 95% C.I.
##                   estimate     lower    upper
##   Chưa nhập viện 1.0000000        NA       NA
##   Đã nhập viện   0.9599776 0.8200695 1.123696
## 
## $p.value
##                 two-sided
##                  midp.exact fisher.exact chi.square
##   Chưa nhập viện         NA           NA         NA
##   Đã nhập viện    0.6111487    0.6299499  0.6108632
## 
## $correction
## [1] FALSE
## 
## attr(,"method")
## [1] "median-unbiased estimate & mid-p exact CI"

Nhận xét

• Ước lượng Odds Ratio (OR) cho “Hồi phục” ở nhóm nhập viện so với nhóm chưa nhập viện là 0.95998, cho thấy xu hướng odds hồi phục ở nhóm nhập viện thấp hơn khoảng 4.0%.

• Khoảng tin cậy 95% cho OR: [0.8201, 1.1237], bao gồm giá trị 1.

• p-value ≈ 0.6111 > 0.05.

Với α = 0.05, vì p-value = 0.6111 > 0.05 và khoảng tin cậy chứa 1, không đủ cơ sở để bác bỏ H₀. Điều này cho thấy trong mẫu 3.000 bệnh nhân, odds hồi phục không khác biệt có ý nghĩa thống kê giữa những người đã nhập viện và chưa nhập viện.

Tai_nhiem và Gioi_tinh

Bảng tần số và tần suất

# 2. Lập bảng tần số chéo
rg_tab  <- table(dt$Tai_nhiem, dt$Gioi_tinh)
rg_tab1 <- addmargins(rg_tab)
print(rg_tab1)

##      
##       Female Male  Sum
##   No    1374 1341 2715
##   Yes    153  132  285
##   Sum   1527 1473 3000

# 3. Bảng tần suất theo hàng (trong mỗi nhóm Tai_nhiem)
rg_prop         <- prop.table(rg_tab, margin = 1)
rg_prop_rounded <- round(rg_prop, 4)
print(rg_prop_rounded)

##      
##       Female   Male
##   No  0.5061 0.4939
##   Yes 0.5368 0.4632

Đồ thị

# Chuyển bảng tần số sang dạng data frame
rg_df <- as.data.frame(rg_tab)
colnames(rg_df) <- c("Tai_nhiem", "Gioi_tinh", "Count")

# Vẽ biểu đồ cột nhóm
library(ggplot2)

ggplot(rg_df, aes(x = Gioi_tinh, y = Count, fill = Tai_nhiem)) +
  geom_bar(stat = "identity", position = position_dodge(width = 0.7), width = 0.6) +
  labs(
    title = "Số bệnh nhân tái nhiễm theo giới tính",
    x     = "Giới tính",
    y     = "Số bệnh nhân",
    fill  = "Tái nhiễm"
  ) +
  theme_minimal() +
  scale_fill_manual(values = c(
    "Không tái nhiễm" = "yellow",
    "Tái nhiễm"       = "lightblue"
  ))

## Warning: No shared levels found between `names(values)` of the manual scale and the
## data's fill values.
## No shared levels found between `names(values)` of the manual scale and the
## data's fill values.

Nhận xét

Trong 1.473 bệnh nhân nam, có 132 ca tái nhiễm (8,97%) và 1.341 ca không tái nhiễm (91,03%). Trong 1.527 bệnh nhân nữ, có 153 ca tái nhiễm (10,02%) và 1.374 ca không tái nhiễm (89,98%). Như vậy, tỷ lệ tái nhiễm ở nữ cao hơn nam khoảng 1,05 phần trăm, cho thấy phụ nữ trong mẫu này có xu hướng tái nhiễm nhẹ hơn so với nam giới.

Kiểm định Thống kê

Giả thuyết kiểm định:

• H₀:Tình trạng tái nhiễm và giới tính là độc lập.

• H₁:Có mối liên hệ giữa tái nhiễm và giới tính.

# Thực hiện kiểm định Chi bình phương
chi_rg <- chisq.test(rg_tab)
print(chi_rg)

## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  rg_tab
## X-squared = 0.85757, df = 1, p-value = 0.3544

Nhận xét

• Giá trị thống kê Chi bình phương: X² = 0.85757

• Bậc tự do (df) = 1

• p-value = 0.3544

Với α = 0.05, p-value (0.3544) > 0.05, không đủ cơ sở để bác bỏ H₀.Vậy tình trạng tái nhiễm và giới tính là độc lập.

Nói cách khác, trong mẫu 3.000 bệnh nhân này, tỷ lệ tái nhiễm ở nam (132/1.473 ≈ 8,97 %) và nữ (153/1.527 ≈ 10,02 %) không khác biệt một cách có ý nghĩa thống kê. Sự chênh lệch khoảng 1,05 % là khá nhỏ, cho thấy giới tính không ảnh hưởng rõ rệt đến nguy cơ tái nhiễm.

Hiệu tỷ lệ (Risk Difference - RD)

Giả thuyết kiểm định

• H₀: p₁ − p₂ = 0 (Tỷ lệ tái nhiễm ở nam bằng tỷ lệ tái nhiễm ở nữ)

• H₁: p₁ − p₂ ≠ 0 (Có khác biệt về tỷ lệ tái nhiễm giữa nam và nữ)

# 1. Việt hóa các biến liên quan )
d$Tai_nhiem <- factor(d$Tai_nhiem, levels = c("No", "Yes"),
                      labels = c("Không tái nhiễm", "Tái nhiễm"))

d$Gioi_tinh <- factor(d$Gioi_tinh, levels = c("Male", "Female"),
                      labels = c("Nam", "Nữ"))

# 2. Tạo bảng đếm chéo giữa Tái nhiễm và Giới tính
rg_tab <- table(d$Tai_nhiem, d$Gioi_tinh)

# 3. Số ca "Tái nhiễm" theo giới tính
counts_rg <- c(
  rg_tab["Tái nhiễm", "Nam"],
  rg_tab["Tái nhiễm", "Nữ"]
)

# 4. Tổng số bệnh nhân mỗi giới tính
totals_rg <- c(
  sum(rg_tab[ , "Nam"]),
  sum(rg_tab[ , "Nữ"])
)

# 5. Kiểm định hiệu hai tỷ lệ (tỷ lệ tái nhiễm theo giới tính)
rd_test_rg <- prop.test(counts_rg, totals_rg, correct = FALSE)

# 6. In kết quả
print(rd_test_rg)

## 
##  2-sample test for equality of proportions without continuity correction
## 
## data:  counts_rg out of totals_rg
## X-squared = 0.97679, df = 1, p-value = 0.323
## alternative hypothesis: two.sided
## 95 percent confidence interval:
##  -0.03154930  0.01038244
## sample estimates:
##     prop 1     prop 2 
## 0.08961303 0.10019646

Nhận xét

• Giá trị thống kê Chi-bình phương: X² = 0.97679

• Bậc tự do (df) = 1

• p-value = 0.3230

• Khoảng tin cậy 95% cho p₁ − p₂: [−0.03155, 0.01038]

• Ước lượng tỷ lệ: p₁ = 0.08961 (nam), p₂ = 0.10020 (nữ)

• Hiệu tỷ lệ p₁ − p₂ ≈ −0.01059 (khoảng −1,06%)

Với α = 0.05, p-value (0.3230) > 0.05 và khoảng tin cậy bao gồm 0, chúng ta không đủ cơ sở để bác bỏ H₀. Điều này có nghĩa là tỷ lệ tái nhiễm giữa nam và nữ trong mẫu dữ liệu này không khác biệt một cách có ý nghĩa thống kê.

Rủi ro tương đối (Relative Risk - RR):

Giả thuyết kiểm định

• H₀: Tỷ số nguy cơ (RR) = 1 (Không có sự khác biệt về giới tính nữ ở nhóm không tái nhiễm và nhóm tái nhiễm)

• H₁: Tỷ số nguy cơ (RR) ≠ 1 (Có sự khác biệt về giới tính nữ ở nhóm không tái nhiễm và nhóm tái nhiễm)

library(epitools)

rr_rg <- riskratio(rg_tab, method = "wald")
print(rr_rg)

## $data
##                  
##                    Nam   Nữ Total
##   Không tái nhiễm 1341 1374  2715
##   Tái nhiễm        132  153   285
##   Total           1473 1527  3000
## 
## $measure
##                  risk ratio with 95% C.I.
##                   estimate     lower    upper
##   Không tái nhiễm 1.000000        NA       NA
##   Tái nhiễm       1.060791 0.9464421 1.188955
## 
## $p.value
##                  two-sided
##                   midp.exact fisher.exact chi.square
##   Không tái nhiễm         NA           NA         NA
##   Tái nhiễm        0.3239372     0.350262  0.3229926
## 
## $correction
## [1] FALSE
## 
## attr(,"method")
## [1] "Unconditional MLE & normal approximation (Wald) CI"

NHận xét

• Ước lượng Tỷ số Nguy cơ (RR) của nhóm “Tái nhiễm” ở nữ so với nam là 1.0608, cho thấy xu hướng tỷ lệ tái nhiễm ở nữ cao hơn khoảng 6 % so với nam.

• Khoảng tin cậy 95 % của RR: [0.9464, 1.1889], bao gồm giá trị 1.

• p-value ≈ 0.3239 > 0.05.

Với mức ý nghĩa α = 0.05, p-value = 0.3239 lớn hơn 0.05 và khoảng tin cậy chứa 1, không đủ cơ sở để bác bỏ H₀.Vậy không có sự khác biệt về giới tính nữ ở nhóm không tái nhiễm và nhóm tái nhiễm

Tỷ số Chênh (Odds Ratio - OR):

# Tính Odds Ratio
or_rg <- oddsratio(rg_tab)
print(or_rg)

## $data
##                  
##                    Nam   Nữ Total
##   Không tái nhiễm 1341 1374  2715
##   Tái nhiễm        132  153   285
##   Total           1473 1527  3000
## 
## $measure
##                  odds ratio with 95% C.I.
##                   estimate     lower   upper
##   Không tái nhiễm  1.00000        NA      NA
##   Tái nhiễm        1.13103 0.8856823 1.44609
## 
## $p.value
##                  two-sided
##                   midp.exact fisher.exact chi.square
##   Không tái nhiễm         NA           NA         NA
##   Tái nhiễm        0.3239372     0.350262  0.3229926
## 
## $correction
## [1] FALSE
## 
## attr(,"method")
## [1] "median-unbiased estimate & mid-p exact CI"

Nhận xét

• Ước lượng Odds Ratio (OR) cho “Tái nhiễm” ở nhóm nữ so với nhóm nam là 1.1310, nghĩa là odds tái nhiễm ở nữ cao hơn khoảng 13.1%.

• Khoảng tin cậy 95% cho OR: [0.8856, 1.4461], bao gồm giá trị 1.

• p-value ≈ 0.3239 > 0.05.

Với α = 0.05, do p-value (0.3239) > 0.05 và khoảng tin cậy chứa 1, không đủ cơ sở để bác bỏ H₀. Điều này cho thấy trong mẫu 3.000 bệnh nhân, giới tính không có mối liên hệ có ý nghĩa thống kê với odds tái nhiễm COVID-19.