Evaluacion de componentes del CRI
Introduccion
Materiales y métodos
Se analizaron los siguientes datos de 264 pacientes evaluados entre el 13/01/2014 y el 21/01/2016. Fueron excluidas 39 evaluaciones: 33 por algun criterio de exclusion y 6 por ser reevaluaciones.
Resultados
Los pacientes tenian una mediana (IQR) de edad de 78 (72-83) años y 26.67% eran hombres. El tiempo de educacion en años fue 12 (7-15). Fueron clasificados en 3 categorias: 65 sin deterioro (28.89%), 124 con deterioro cognitivo leve, DCL, (55.11%) y 36 con demencia (16%).
Figura 1: CRI en funcion del diagnostico cognitivo
Figura 1bis: Tiempo de educacion en funcion del diagnostico cognitivo
Modelo de regresion logistica ordinal de diagnostico en funcion de educacion y cri
##
## Attaching package: 'MASS'## The following object is masked from 'package:dplyr':
##
## select##
## Re-fitting to get Hessian## polr(formula = diagnosticoCat ~ añosdeeducacion + edad, data = datos.completos)## Value Std. Error t value p.value
## añosdeeducacion -0.068 0.031 -2.177 0.031
## edad 0.107 0.020 5.259 0.000
## Sin deterioro|DCL 6.390 1.625 3.932 0.000
## DCL|Demencia 9.332 1.702 5.482 0.000Ajuste por CRI total
##
## Re-fitting to get Hessian## polr(formula = diagnosticoCat ~ añosdeeducacion + edad + critotal,
## data = datos.completos)## Value Std. Error t value p.value
## añosdeeducacion 0.019 0.048 0.405 0.686
## edad 0.105 0.022 4.804 0.000
## critotal -0.022 0.009 -2.378 0.018
## Sin deterioro|DCL 4.561 1.869 2.440 0.016
## DCL|Demencia 7.794 1.939 4.020 0.000Ajuste por componentes del CRI
##
## Re-fitting to get Hessian## polr(formula = diagnosticoCat ~ añosdeeducacion + edad + critiempolibre +
## critrabajo, data = datos.completos)## Value Std. Error t value p.value
## añosdeeducacion -0.006 0.041 -0.141 0.888
## edad 0.096 0.022 4.307 0.000
## critiempolibre -0.031 0.009 -3.477 0.001
## critrabajo -0.004 0.006 -0.642 0.522
## Sin deterioro|DCL 2.533 2.047 1.238 0.217
## DCL|Demencia 5.858 2.092 2.800 0.006Efecto del CRI total sobre el diagnostico, ajustado por confundidores.
Se genero un modelo inicial con cri y edad y se agregaron variables. Se evaluo con el nested regression model likelihood test sin encontrar un modelo mejor.
##
## Re-fitting to get Hessian## polr(formula = diagnosticoCat ~ critotal + edad, data = datos.filtrados)## Value Std. Error t value p.value
## critotal -0.020 0.006 -3.032 0.003
## edad 0.104 0.022 4.788 0.000
## Sin deterioro|DCL 4.596 1.868 2.460 0.015
## DCL|Demencia 7.826 1.938 4.038 0.000Efecto de los componentes del CRI sobre el diagnostico, ajustado por confundidores.
Se genero un modelo inicial con cri y edad y se agregaron variables. Se evaluo con el nested regression model likelihood test sin encontrar un modelo mejor.
##
## Re-fitting to get Hessian## polr(formula = diagnosticoCat ~ criescuela + critrabajo + critiempolibre +
## edad, data = datos.filtrados)## Value Std. Error t value p.value
## criescuela 0.004 0.008 0.466 0.641
## critrabajo -0.006 0.006 -0.933 0.352
## critiempolibre -0.033 0.009 -3.576 0.000
## edad 0.094 0.023 4.118 0.000
## Sin deterioro|DCL 2.538 2.046 1.241 0.216
## DCL|Demencia 5.864 2.092 2.803 0.006Figura 2: relacion entre el tiempo de educacion y el CRI*Trabaja actualmente 
Figura 3: relacion entre el puntaje de ANSG y el CRI 
Relacion entre DAD y CRI total
Utilizo un modelo de regresion binominal ya que dad va de 0 a 100.
## glm(formula = cbind(dadSuccess, dadFailure) ~ critotal + edad +
## sexoMasculino + mmse + farmacosirss + yesavage, family = "binomial",
## data = datos.dad)## Estimate Std. Error z value Pr(>|z|)
## (Intercept) 4.21787998 0.569063194 7.411971 1.244358e-13
## critotal -0.01041337 0.001551251 -6.712887 1.908109e-11
## edad -0.07662531 0.005665104 -13.525842 1.100764e-41
## sexoMasculinoTRUE -0.14104930 0.074801481 -1.885648 5.934234e-02
## mmse 0.22767301 0.009642945 23.610319 3.019605e-123
## farmacosirssTRUE -0.47747571 0.071243044 -6.702068 2.054906e-11
## yesavage 0.08977357 0.017248510 5.204714 1.942952e-07## glm(formula = cbind(dadSuccess, dadFailure) ~ critotal + edad +
## sexoMasculino + mmse + farmacosirss + yesavage + diagnosticoCat,
## family = "binomial", data = datos.dad)## Estimate Std. Error z value Pr(>|z|)
## (Intercept) 6.627640106 0.589777820 11.237520 2.667712e-29
## critotal -0.007801523 0.001517848 -5.139858 2.749462e-07
## edad -0.049036806 0.005767443 -8.502347 1.857948e-17
## sexoMasculinoTRUE -0.234163629 0.076942330 -3.043365 2.339480e-03
## mmse 0.119090148 0.010852007 10.974021 5.095497e-28
## farmacosirssTRUE -0.372339936 0.071626680 -5.198341 2.010746e-07
## yesavage 0.066521742 0.015343481 4.335505 1.454258e-05
## diagnosticoCatDCL -1.799880449 0.227435274 -7.913814 2.496212e-15
## diagnosticoCatDemencia -3.188528086 0.233696254 -13.643899 2.195036e-42## glm(formula = cbind(dadSuccess, dadFailure) ~ critotal + edad +
## sexoMasculino + mmse + farmacosirss + yesavage + diagnosticoCat +
## critotal:diagnosticoCat, family = "binomial", data = datos.dad)## Estimate Std. Error z value
## (Intercept) 3.82585299 1.644767174 2.3260757
## critotal 0.01655285 0.013116347 1.2620012
## edad -0.05069637 0.005787848 -8.7591052
## sexoMasculinoTRUE -0.23733482 0.077774917 -3.0515599
## mmse 0.11858863 0.010784660 10.9960478
## farmacosirssTRUE -0.33818243 0.071809668 -4.7094276
## yesavage 0.06880923 0.015647494 4.3974598
## diagnosticoCatDCL 0.25423213 1.566674459 0.1622750
## diagnosticoCatDemencia 0.35105322 1.560768346 0.2249233
## critotal:diagnosticoCatDCL -0.01634419 0.013310574 -1.2279103
## critotal:diagnosticoCatDemencia -0.03000503 0.013231658 -2.2676700
## Pr(>|z|)
## (Intercept) 2.001451e-02
## critotal 2.069483e-01
## edad 1.968064e-18
## sexoMasculinoTRUE 2.276556e-03
## mmse 3.992492e-28
## farmacosirssTRUE 2.484134e-06
## yesavage 1.095252e-05
## diagnosticoCatDCL 8.710893e-01
## diagnosticoCatDemencia 8.220389e-01
## critotal:diagnosticoCatDCL 2.194806e-01
## critotal:diagnosticoCatDemencia 2.334933e-02Relacion entre DAD y CRI componentes
Utilizo un modelo de regresion binominal ya que dad va de 0 a 100.
## glm(formula = cbind(dadSuccess, dadFailure) ~ criescuela + critrabajo +
## critiempolibre, family = "binomial", data = datos.dad)## Estimate Std. Error z value Pr(>|z|)
## (Intercept) " 1.03e+00" " 3.08e-01" " 3.36e+00" " 7.83e-04"
## criescuela "-1.02e-02" " 2.59e-03" "-3.93e+00" " 8.39e-05"
## critrabajo "-1.79e-03" " 1.97e-03" "-9.08e-01" " 3.64e-01"
## critiempolibre " 3.19e-02" " 2.97e-03" " 1.08e+01" " 5.11e-27"## glm(formula = cbind(dadSuccess, dadFailure) ~ criescuela + critrabajo +
## critiempolibre + diagnosticoCat, family = "binomial", data = datos.dad)## Estimate Std. Error z value Pr(>|z|)
## (Intercept) " 5.27e+00" " 4.75e-01" " 1.11e+01" " 1.19e-28"
## criescuela "-3.92e-03" " 2.95e-03" "-1.33e+00" " 1.84e-01"
## critrabajo "-8.21e-03" " 2.12e-03" "-3.87e+00" " 1.07e-04"
## critiempolibre " 1.44e-02" " 3.30e-03" " 4.37e+00" " 1.21e-05"
## diagnosticoCatDCL "-2.20e+00" " 3.43e-01" "-6.42e+00" " 1.34e-10"
## diagnosticoCatDemencia "-4.05e+00" " 3.45e-01" "-1.18e+01" " 6.57e-32"## glm(formula = cbind(dadSuccess, dadFailure) ~ criescuela + critrabajo +
## critiempolibre + diagnosticoCat + criescuela:diagnosticoCat +
## critrabajo:diagnosticoCat + critiempolibre:diagnosticoCat,
## family = "binomial", data = datos.dad)## Estimate Std. Error z value
## (Intercept) "-0.184497" " 3.761334" "-0.049051"
## criescuela " 0.024048" " 0.020048" " 1.199547"
## critrabajo "-0.011949" " 0.011934" "-1.001230"
## critiempolibre " 0.039664" " 0.025475" " 1.556957"
## diagnosticoCatDCL " 2.581763" " 3.791666" " 0.680905"
## diagnosticoCatDemencia " 2.053412" " 3.786391" " 0.542314"
## criescuela:diagnosticoCatDCL "-0.024476" " 0.020442" "-1.197373"
## criescuela:diagnosticoCatDemencia "-0.035709" " 0.020640" "-1.730113"
## critrabajo:diagnosticoCatDCL " 0.010123" " 0.012346" " 0.819909"
## critrabajo:diagnosticoCatDemencia " 0.000477" " 0.012329" " 0.038699"
## critiempolibre:diagnosticoCatDCL "-0.029964" " 0.025914" "-1.156282"
## critiempolibre:diagnosticoCatDemencia "-0.018109" " 0.025973" "-0.697246"
## Pr(>|z|)
## (Intercept) " 0.960879"
## criescuela " 0.230315"
## critrabajo " 0.316715"
## critiempolibre " 0.119481"
## diagnosticoCatDCL " 0.495932"
## diagnosticoCatDemencia " 0.587602"
## criescuela:diagnosticoCatDCL " 0.231161"
## criescuela:diagnosticoCatDemencia " 0.083610"
## critrabajo:diagnosticoCatDCL " 0.412268"
## critrabajo:diagnosticoCatDemencia " 0.969131"
## critiempolibre:diagnosticoCatDCL " 0.247566"
## critiempolibre:diagnosticoCatDemencia " 0.485649"Figura 4: relacion entre el DAD y el CRI 
Figura 5: relacion entre el MMSE y el CRI 