Introdução a ciencia de dados

library("tidyverse")
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.2.1     ✔ readr     2.2.0
## ✔ forcats   1.0.1     ✔ stringr   1.6.0
## ✔ ggplot2   4.0.3     ✔ tibble    3.3.1
## ✔ lubridate 1.9.5     ✔ tidyr     1.3.2
## ✔ purrr     1.2.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
library("ggpubr")
library("table1")
## 
## Anexando pacote: 'table1'
## 
## Os seguintes objetos são mascarados por 'package:base':
## 
##     units, units<-
library("nortest")
library("patchwork")
library("readxl")
## importação df

df <- read_excel("df.xlsx")
## recodificar cidade
df$cidade[df$cidade == 0] <- "Porto Alegre"
df$cidade[df$cidade == 1] <- "Canoas"
df$cidade[df$cidade == 2] <- "Guaiba"
df$cidade[df$cidade == 3] <- "Gravatai"
df$cidade <- as.factor(df$cidade)


df$tabagismo[df$tabagismo == 0] <- "Não Fumante"
df$tabagismo[df$tabagismo == 1] <- "Ex-Fumante"
df$tabagismo[df$tabagismo == 2] <- "Fumante"
df$tabagismo <- as.factor(df$tabagismo)
table(df$tabagismo)
## 
##  Ex-Fumante     Fumante Não Fumante 
##          49          56         195
table(df$cidade)
## 
##       Canoas     Gravatai       Guaiba Porto Alegre 
##           75           75           75           75

Tabela demográfica

table1(~ idade + tabagismo + altura + peso + imc | cidade, data = df, overall = "overall")
Canoas
(N=75)		 Gravatai
(N=75)		 Guaiba
(N=75)		 Porto Alegre
(N=75)		 overall
(N=300)
idade
Mean (SD) 35.6 (11.2) 29.8 (10.3) 36.1 (11.6) 34.0 (11.0) 33.9 (11.3)
Median [Min, Max] 35.7 [18.6, 62.9] 26.1 [18.1, 54.2] 34.8 [18.3, 55.9] 35.5 [18.0, 53.8] 33.0 [18.0, 62.9]
tabagismo
Ex-Fumante 13 (17.3%) 5 (6.7%) 17 (22.7%) 14 (18.7%) 49 (16.3%)
Fumante 18 (24.0%) 17 (22.7%) 6 (8.0%) 15 (20.0%) 56 (18.7%)
Não Fumante 44 (58.7%) 53 (70.7%) 52 (69.3%) 46 (61.3%) 195 (65.0%)
altura
Mean (SD) 175 (6.78) 175 (8.13) 172 (7.86) 173 (7.78) 174 (7.69)
Median [Min, Max] 175 [162, 196] 174 [150, 197] 172 [157, 197] 174 [157, 192] 174 [150, 197]
peso
Mean (SD) 82.8 (14.2) 81.1 (13.5) 80.8 (15.6) 82.0 (15.4) 81.7 (14.6)
Median [Min, Max] 82.0 [50.0, 132] 80.0 [54.0, 122] 80.0 [58.0, 140] 82.0 [54.0, 125] 80.0 [50.0, 140]
imc
Mean (SD) 27.0 (3.96) 26.6 (4.32) 27.2 (4.37) 26.9 (5.70) 26.9 (4.62)
Median [Min, Max] 26.6 [17.7, 39.0] 25.8 [18.6, 41.7] 26.1 [19.6, 40.9] 27.0 [0.00257, 38.7] 26.4 [0.00257, 41.7]

Tabela de função pulmonar

table1(~ fvcz + fev1z + fev1fvcz + fef2575z | cidade, data = df, overall = "overall")
Canoas
(N=75)		 Gravatai
(N=75)		 Guaiba
(N=75)		 Porto Alegre
(N=75)		 overall
(N=300)
fvcz
Mean (SD) -0.577 (0.830) -1.24 (1.02) -0.921 (0.920) -0.980 (1.02) -0.930 (0.974)
Median [Min, Max] -0.537 [-2.84, 1.26] -1.06 [-3.61, 0.700] -0.872 [-3.82, 1.33] -0.975 [-4.11, 1.61] -0.883 [-4.11, 1.61]
fev1z
Mean (SD) -0.493 (0.848) -1.16 (1.02) -0.700 (0.847) -0.760 (1.05) -0.779 (0.972)
Median [Min, Max] -0.467 [-2.73, 1.37] -0.980 [-4.13, 1.23] -0.589 [-3.39, 1.57] -0.772 [-3.20, 1.34] -0.724 [-4.13, 1.57]
fev1fvcz
Mean (SD) 0.192 (1.13) 0.158 (1.30) 0.444 (1.03) 0.423 (1.18) 0.304 (1.16)
Median [Min, Max] 0.173 [-2.57, 2.46] 0.176 [-3.65, 3.74] 0.470 [-2.51, 3.61] 0.348 [-2.48, 3.55] 0.319 [-3.65, 3.74]
fef2575z
Mean (SD) -0.137 (0.899) -0.491 (1.09) -0.0772 (0.782) -0.184 (0.954) -0.222 (0.946)
Median [Min, Max] -0.178 [-2.57, 1.59] -0.440 [-4.38, 1.68] -0.0775 [-2.53, 1.42] -0.126 [-2.36, 1.93] -0.175 [-4.38, 1.93]

Teste a normalidade

lillie.test(df$fvcz)
## 
##  Lilliefors (Kolmogorov-Smirnov) normality test
## 
## data:  df$fvcz
## D = 0.058471, p-value = 0.01504
lillie.test(df$fev1z)
## 
##  Lilliefors (Kolmogorov-Smirnov) normality test
## 
## data:  df$fev1z
## D = 0.050336, p-value = 0.06404
lillie.test(df$fev1fvcz)
## 
##  Lilliefors (Kolmogorov-Smirnov) normality test
## 
## data:  df$fev1fvcz
## D = 0.050541, p-value = 0.06195
lillie.test(df$fef2575z)
## 
##  Lilliefors (Kolmogorov-Smirnov) normality test
## 
## data:  df$fef2575z
## D = 0.056845, p-value = 0.02054

Diferenças de função pulmonar

kruskal.test(fev1z ~ cidade, data = df)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  fev1z by cidade
## Kruskal-Wallis chi-squared = 17.793, df = 3, p-value = 0.0004852
kruskal.test(fvcz ~ cidade, data = df)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  fvcz by cidade
## Kruskal-Wallis chi-squared = 15.091, df = 3, p-value = 0.00174
kruskal.test(fev1fvcz ~ cidade, data = df)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  fev1fvcz by cidade
## Kruskal-Wallis chi-squared = 4.733, df = 3, p-value = 0.1924
kruskal.test(fef2575z ~ cidade, data = df)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  fef2575z by cidade
## Kruskal-Wallis chi-squared = 7.9169, df = 3, p-value = 0.04776

Comparando a função pulmonar entre as cidades

pairwise.wilcox.test(df$fvcz, df$cidade, p.adjust.method = "hochberg")
## 
##  Pairwise comparisons using Wilcoxon rank sum test with continuity correction 
## 
## data:  df$fvcz and df$cidade 
## 
##              Canoas Gravatai Guaiba
## Gravatai     0.0013 -        -     
## Guaiba       0.1360 0.2300   -     
## Porto Alegre 0.0450 0.4297   0.5011
## 
## P value adjustment method: hochberg
pairwise.wilcox.test(df$fev1z, df$cidade, p.adjust.method = "hochberg")
## 
##  Pairwise comparisons using Wilcoxon rank sum test with continuity correction 
## 
## data:  df$fev1z and df$cidade 
## 
##              Canoas  Gravatai Guaiba 
## Gravatai     0.00026 -        -      
## Guaiba       0.32408 0.01529  -      
## Porto Alegre 0.22813 0.14384  0.50107
## 
## P value adjustment method: hochberg
pairwise.wilcox.test(df$fev1fvcz, df$cidade, p.adjust.method = "hochberg")
## 
##  Pairwise comparisons using Wilcoxon rank sum test with continuity correction 
## 
## data:  df$fev1fvcz and df$cidade 
## 
##              Canoas Gravatai Guaiba
## Gravatai     0.88   -        -     
## Guaiba       0.57   0.41     -     
## Porto Alegre 0.58   0.57     0.88  
## 
## P value adjustment method: hochberg
pairwise.wilcox.test(df$fef2575z, df$cidade, p.adjust.method = "hochberg")
## 
##  Pairwise comparisons using Wilcoxon rank sum test with continuity correction 
## 
## data:  df$fef2575z and df$cidade 
## 
##              Canoas Gravatai Guaiba
## Gravatai     0.208  -        -     
## Guaiba       0.781  0.035    -     
## Porto Alegre 0.781  0.285    0.781 
## 
## P value adjustment method: hochberg

Gráfico combinado de cada variável de função pulmonar por cidade

# Gráfico 1 - fvcz
g1 <- ggplot(df, aes(x = cidade, y = fvcz)) +
  geom_boxplot(fill = "pink") +
  stat_compare_means() +
  xlab("Município") + ylab("FVCz")

# Gráfico 2 - fev1z
g2 <- ggplot(df, aes(x = cidade, y = fev1z)) +
  geom_boxplot(fill = "pink") +
  stat_compare_means() +
  xlab("Município") + ylab("FEV1z")

# Gráfico 3 - fev1/fvcz
g3 <- ggplot(df, aes(x = cidade, y = fev1fvcz)) +
  geom_boxplot(fill = "pink") +
  stat_compare_means() +
  xlab("Município") + ylab("FEV1/FVCz")

# Gráfico 4 - fef2575
g4 <- ggplot(df, aes(x = cidade, y = fef2575z)) +
  geom_boxplot(fill = "pink") +
  stat_compare_means() +
  xlab("Município") + ylab("FEF25-75")

# Combinar os gráficos
(g1 | g2) / (g3 | g4)