prova_final
Fabiane_brauner
2026-04-25
# load packages
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 1.2.1
## ── 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 errorslibrary(ggpubr)
library(table1)##
## Anexando pacote: 'table1'
##
## Os seguintes objetos são mascarados por 'package:base':
##
## units, units<-library(nortest)
library(patchwork)
library(readxl)# load data
df <- read_excel("df.xlsx")
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)
# tabagismo
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)#chunk#2
library(table1)
table1(~ idade + altura + peso + imc + tabagismo | cidade, data = df)| 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] |
| 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] |
| 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%) |
lillie.test(df$fvcz)##
## Lilliefors (Kolmogorov-Smirnov) normality test
##
## data: df$fvcz
## D = 0.058471, p-value = 0.01504lillie.test(df$fev1z)##
## Lilliefors (Kolmogorov-Smirnov) normality test
##
## data: df$fev1z
## D = 0.050336, p-value = 0.06404lillie.test(df$fev1fvcz)##
## Lilliefors (Kolmogorov-Smirnov) normality test
##
## data: df$fev1fvcz
## D = 0.050541, p-value = 0.06195lillie.test(df$fef2575z)##
## Lilliefors (Kolmogorov-Smirnov) normality test
##
## data: df$fef2575z
## D = 0.056845, p-value = 0.02054kruskal.test(fvcz ~ cidade, data = df)##
## Kruskal-Wallis rank sum test
##
## data: fvcz by cidade
## Kruskal-Wallis chi-squared = 15.091, df = 3, p-value = 0.00174kruskal.test(fev1z ~ cidade, data = df)##
## Kruskal-Wallis rank sum test
##
## data: fev1z by cidade
## Kruskal-Wallis chi-squared = 17.793, df = 3, p-value = 0.0004852kruskal.test(fev1fvcz ~ cidade, data = df)##
## Kruskal-Wallis rank sum test
##
## data: fev1fvcz by cidade
## Kruskal-Wallis chi-squared = 4.733, df = 3, p-value = 0.1924kruskal.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##6”: faça um teste post-hoc comparando a função pulmonar entre as cidades (fvcz fev1z fev1fvcz e fef2575z) (dica: pairwise.wilcox.test)
pairwise.wilcox.test(df$fvcz, df$cidade, p.adjust.method = "bonferroni")##
## Pairwise comparisons using Wilcoxon rank sum test with continuity correction
##
## data: df$fvcz and df$cidade
##
## Canoas Gravatai Guaiba
## Gravatai 0.0013 - -
## Guaiba 0.2041 0.4600 -
## Porto Alegre 0.0540 1.0000 1.0000
##
## P value adjustment method: bonferronipairwise.wilcox.test(df$fev1z, df$cidade, p.adjust.method = "bonferroni")##
## Pairwise comparisons using Wilcoxon rank sum test with continuity correction
##
## data: df$fev1z and df$cidade
##
## Canoas Gravatai Guaiba
## Gravatai 0.00026 - -
## Guaiba 0.97223 0.01835 -
## Porto Alegre 0.45626 0.21576 1.00000
##
## P value adjustment method: bonferronipairwise.wilcox.test(df$fev1fvcz, df$cidade, p.adjust.method = "bonferroni")##
## Pairwise comparisons using Wilcoxon rank sum test with continuity correction
##
## data: df$fev1fvcz and df$cidade
##
## Canoas Gravatai Guaiba
## Gravatai 1.00 - -
## Guaiba 0.84 0.41 -
## Porto Alegre 1.00 0.85 1.00
##
## P value adjustment method: bonferroni#```{r chunk7}
library(ggplot2)
library(ggpubr)
g1 <- ggplot(df, aes(x = cidade, y = fvcz)) +
geom_boxplot() +
labs(title = "FVCz", x = "Cidade", y = "FVCz")
g2 <- ggplot(df, aes(x = cidade, y = fev1z)) +
geom_boxplot() +
labs(title = "FEV1z", x = "Cidade", y = "FEV1z")
g3 <- ggplot(df, aes(x = cidade, y = fev1fvcz)) +
geom_boxplot() +
labs(title = "FEV1/FVCz", x = "Cidade", y = "FEV1/FVCz")
g4 <- ggplot(df, aes(x = cidade, y = fef2575z)) +
geom_boxplot() +
labs(title = "FEF25-75z", x = "Cidade", y = "FEF25-75z")
ggarrange(g1, g2, g3, g4, ncol = 2, nrow = 2)
g1 <- ggplot(df, aes(x = cidade, y = fvcz)) +
geom_boxplot(fill = "gray") +
stat_compare_means() +
xlab("Municipio") + ylab("FVCz") +
ggtitle("FVCz por cidade")
g2 <- ggplot(df, aes(x = cidade, y = fev1z)) +
geom_boxplot(fill = "gray") +
stat_compare_means() +
xlab("Municipio") + ylab("FEV1z") +
ggtitle("FEV1z por cidade")
g3 <- ggplot(df, aes(x = cidade, y = fev1fvcz)) +
geom_boxplot(fill = "gray") +
stat_compare_means() +
xlab("Municipio") + ylab("FEV1/FVCz") +
ggtitle("FEV1/FVCz por cidade")
g4 <- ggplot(df, aes(x = cidade, y = fef2575z)) +
geom_boxplot(fill = "gray") +
stat_compare_means() +
xlab("Municipio") + ylab("FEF25-75") +
ggtitle("FEF25-75 por cidade")
ggarrange(g1, g2, g3, g4, ncol = 2, nrow = 2)
g4 <- ggplot(df, aes(x = cidade, y = fef2575z, fill=cidade)) +
geom_boxplot() +
stat_compare_means(method = "kruskal.test") +
xlab("Municipio") + ylab("FEF25-75z") +
scale_fill_manual(values = c(
"Porto Alegre" = "lightblue",
"Canoas" = "lightgreen",
"Guaiba" = "lightpink",
"Gravatai" = "lightyellow")) +
ggtitle("FEF25-75z por cidade")
g4