1. Introduzione

Il presente progetto analizza un dataset di 2.500 nascite con l’obiettivo di descrivere le caratteristiche materne, gestazionali e neonatali associate al peso alla nascita. Dopo il controllo della qualità dei dati, vengono presentate analisi descrittive ed esplorative e verificate alcune ipotesi mediante test di statistica inferenziale.

Successivamente viene stimato un modello di regressione lineare multipla per esaminare le associazioni tra peso e predittori disponibili. Poiché la previsione richiesta riguarda una neonata alla 39ª settimana di gestazione, nella terza gravidanza della madre, viene inoltre costruito un modello che utilizza soltanto le informazioni disponibili per tale caso. La scelta dei modelli è accompagnata da controlli diagnostici e analisi di sensibilità, esplicitandone i limiti.


2. Preparazione dei dati

2.1 Setup

2.2 Importazione del dataset e ispezione iniziale dei dati

dati <- read.csv("neonati.csv")
head(dati)
##   Anni.madre N.gravidanze Fumatrici Gestazione Peso Lunghezza Cranio Tipo.parto
## 1         26            0         0         42 3380       490    325        Nat
## 2         21            2         0         39 3150       490    345        Nat
## 3         34            3         0         38 3640       500    375        Nat
## 4         28            1         0         41 3690       515    365        Nat
## 5         20            0         0         38 3700       480    335        Nat
## 6         32            0         0         40 3200       495    340        Nat
##   Ospedale Sesso
## 1     osp3     M
## 2     osp1     F
## 3     osp2     M
## 4     osp2     M
## 5     osp3     F
## 6     osp2     F
dim(dati)
## [1] 2500   10
names(dati)
##  [1] "Anni.madre"   "N.gravidanze" "Fumatrici"    "Gestazione"   "Peso"        
##  [6] "Lunghezza"    "Cranio"       "Tipo.parto"   "Ospedale"     "Sesso"
str(dati)
## 'data.frame':    2500 obs. of  10 variables:
##  $ Anni.madre  : int  26 21 34 28 20 32 26 25 22 23 ...
##  $ N.gravidanze: int  0 2 3 1 0 0 1 0 1 0 ...
##  $ Fumatrici   : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ Gestazione  : int  42 39 38 41 38 40 39 40 40 41 ...
##  $ Peso        : int  3380 3150 3640 3690 3700 3200 3100 3580 3670 3700 ...
##  $ Lunghezza   : int  490 490 500 515 480 495 480 510 500 510 ...
##  $ Cranio      : int  325 345 375 365 335 340 345 349 335 362 ...
##  $ Tipo.parto  : chr  "Nat" "Nat" "Nat" "Nat" ...
##  $ Ospedale    : chr  "osp3" "osp1" "osp2" "osp2" ...
##  $ Sesso       : chr  "M" "F" "M" "M" ...

2.3 Preparazione delle variabili

# Conversione delle variabili categoriali in fattori
dati$Tipo.parto <- factor(dati$Tipo.parto)
dati$Ospedale <- factor(dati$Ospedale)
dati$Sesso <- factor(dati$Sesso)
str(dati)
## 'data.frame':    2500 obs. of  10 variables:
##  $ Anni.madre  : int  26 21 34 28 20 32 26 25 22 23 ...
##  $ N.gravidanze: int  0 2 3 1 0 0 1 0 1 0 ...
##  $ Fumatrici   : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ Gestazione  : int  42 39 38 41 38 40 39 40 40 41 ...
##  $ Peso        : int  3380 3150 3640 3690 3700 3200 3100 3580 3670 3700 ...
##  $ Lunghezza   : int  490 490 500 515 480 495 480 510 500 510 ...
##  $ Cranio      : int  325 345 375 365 335 340 345 349 335 362 ...
##  $ Tipo.parto  : Factor w/ 2 levels "Ces","Nat": 2 2 2 2 2 2 2 2 1 1 ...
##  $ Ospedale    : Factor w/ 3 levels "osp1","osp2",..: 3 1 2 2 3 2 3 1 2 2 ...
##  $ Sesso       : Factor w/ 2 levels "F","M": 2 1 2 2 1 1 1 2 1 1 ...

2.4 Controllo della qualità dei dati

#Verifica dei valori mancanti
colSums(is.na(dati))
##   Anni.madre N.gravidanze    Fumatrici   Gestazione         Peso    Lunghezza 
##            0            0            0            0            0            0 
##       Cranio   Tipo.parto     Ospedale        Sesso 
##            0            0            0            0
# Statistiche descrittive e identificazione di valori sospetti
summary(dati)
##    Anni.madre     N.gravidanze       Fumatrici        Gestazione   
##  Min.   : 0.00   Min.   : 0.0000   Min.   :0.0000   Min.   :25.00  
##  1st Qu.:25.00   1st Qu.: 0.0000   1st Qu.:0.0000   1st Qu.:38.00  
##  Median :28.00   Median : 1.0000   Median :0.0000   Median :39.00  
##  Mean   :28.16   Mean   : 0.9812   Mean   :0.0416   Mean   :38.98  
##  3rd Qu.:32.00   3rd Qu.: 1.0000   3rd Qu.:0.0000   3rd Qu.:40.00  
##  Max.   :46.00   Max.   :12.0000   Max.   :1.0000   Max.   :43.00  
##       Peso        Lunghezza         Cranio    Tipo.parto Ospedale   Sesso   
##  Min.   : 830   Min.   :310.0   Min.   :235   Ces: 728   osp1:816   F:1256  
##  1st Qu.:2990   1st Qu.:480.0   1st Qu.:330   Nat:1772   osp2:849   M:1244  
##  Median :3300   Median :500.0   Median :340              osp3:835           
##  Mean   :3284   Mean   :494.7   Mean   :340                                 
##  3rd Qu.:3620   3rd Qu.:510.0   3rd Qu.:350                                 
##  Max.   :4930   Max.   :565.0   Max.   :390
# Verifica delle osservazioni potenzialmente anomale

# Identificazione delle osservazioni con età materna pari a 0 anni
dati %>%
  filter(Anni.madre == 0)
##   Anni.madre N.gravidanze Fumatrici Gestazione Peso Lunghezza Cranio Tipo.parto
## 1          0            0         0         39 3060       490    330        Nat
##   Ospedale Sesso
## 1     osp3     M
# Controllo delle età materne inferiori a 15 anni,
# potenzialmente anomale ma non necessariamente errate
dati %>%
  filter(Anni.madre < 15) %>%
  arrange(Anni.madre)
##   Anni.madre N.gravidanze Fumatrici Gestazione Peso Lunghezza Cranio Tipo.parto
## 1          0            0         0         39 3060       490    330        Nat
## 2          1            1         0         41 3250       490    350        Nat
## 3         13            0         0         38 2760       470    325        Nat
## 4         14            1         0         39 3510       490    365        Nat
## 5         14            0         0         39 3550       500    355        Ces
##   Ospedale Sesso
## 1     osp3     M
## 2     osp2     F
## 3     osp2     F
## 4     osp2     M
## 5     osp1     M
# Controllo della distribuzione delle gravidanze precedenti
dati %>%
  count(N.gravidanze) %>%
  arrange(desc(N.gravidanze))
##    N.gravidanze    n
## 1            12    1
## 2            11    1
## 3            10    3
## 4             9    2
## 5             8    8
## 6             7    1
## 7             6   11
## 8             5   21
## 9             4   48
## 10            3  150
## 11            2  340
## 12            1  818
## 13            0 1096
# Verifica delle osservazioni con almeno 9 gravidanze precedenti
dati %>%
  filter(N.gravidanze >= 9) %>%
  arrange(desc(N.gravidanze))
##   Anni.madre N.gravidanze Fumatrici Gestazione Peso Lunghezza Cranio Tipo.parto
## 1         38           12         0         39 3350       490    344        Nat
## 2         33           11         0         43 3400       475    360        Nat
## 3         35           10         0         39 2950       495    335        Nat
## 4         33           10         0         40 3090       485    353        Nat
## 5         34           10         0         38 2880       470    345        Ces
## 6         35            9         0         42 3760       540    348        Nat
## 7         35            9         0         37 3150       490    335        Nat
##   Ospedale Sesso
## 1     osp2     M
## 2     osp1     M
## 3     osp1     F
## 4     osp3     M
## 5     osp2     M
## 6     osp2     F
## 7     osp2     M
# Controllo della distribuzione delle settimane di gestazione
dati %>%
  count(Gestazione) %>%
  arrange(desc(Gestazione))
##    Gestazione   n
## 1          43   2
## 2          42  56
## 3          41 329
## 4          40 741
## 5          39 581
## 6          38 437
## 7          37 192
## 8          36  62
## 9          35  33
## 10         34  16
## 11         33  18
## 12         32   9
## 13         31   8
## 14         30   5
## 15         29   3
## 16         28   4
## 17         27   2
## 18         26   1
## 19         25   1
# Statistiche del peso neonatale per settimana di gestazione
dati %>%
  group_by(Gestazione) %>%
  summarise(
    n = n(),
    peso_min = min(Peso),
    peso_mediano = median(Peso),
    peso_max = max(Peso)
  ) %>%
  arrange(Gestazione)
## # A tibble: 19 × 5
##    Gestazione     n peso_min peso_mediano peso_max
##         <int> <int>    <int>        <dbl>    <int>
##  1         25     1      900         900       900
##  2         26     1      930         930       930
##  3         27     2      980        1060      1140
##  4         28     4      830        1108.     1560
##  5         29     3     1190        1280      1620
##  6         30     5     1170        1300      1750
##  7         31     8      990        1710      1960
##  8         32     9     1280        1780      2580
##  9         33    18     1390        2020      2740
## 10         34    16     1370        2425      3030
## 11         35    33     1450        2620      4520
## 12         36    62     1280        2790      4070
## 13         37   192     1750        3000      4050
## 14         38   437     1950        3200      4600
## 15         39   581     2160        3300      4930
## 16         40   741     1850        3410      4760
## 17         41   329     2210        3530      4900
## 18         42    56     2660        3575      4700
## 19         43     2     3400        3770      4140
# Controllo della coerenza tra peso e settimane di gestazione
ggplot(dati, aes(x = Gestazione, y = Peso)) +
  geom_point(alpha = 0.4) +
  labs(
    title = "Peso alla nascita per settimana di gestazione",
    x = "Settimane di gestazione",
    y = "Peso alla nascita (g)"
  ) +
  theme_minimal()

# Controllo dei pesi particolarmente elevati o bassi
# rispetto alle settimane di gestazione,
# dopo l'esame dello scatterplot
dati %>%
  filter(
    (Gestazione == 35 & Peso > 4000) |
    (Gestazione == 40 & Peso < 2000)
  )
##   Anni.madre N.gravidanze Fumatrici Gestazione Peso Lunghezza Cranio Tipo.parto
## 1         18            0         0         40 1850       460    305        Nat
## 2         30            4         0         35 4520       520    360        Nat
##   Ospedale Sesso
## 1     osp3     F
## 2     osp2     F
# Controllo della distribuzione della lunghezza neonatale
ggplot(dati, aes(x = Lunghezza / 10)) +
  geom_histogram(binwidth = 1, color = "white") +
  labs(
    title = "Distribuzione della lunghezza neonatale",
    x = "Lunghezza (cm)",
    y = "Frequenza"
  ) +
  theme_minimal()

# Controllo della coerenza tra lunghezza neonatale e settimane di gestazione
ggplot(dati, aes(x = Gestazione, y = Lunghezza)) +
  geom_point(alpha = 0.4) +
  labs(
    title = "Lunghezza neonatale per settimana di gestazione",
    x = "Settimane di gestazione",
    y = "Lunghezza (mm)"
  ) +
  theme_minimal()

# Controllo della distribuzione delle misure craniche
ggplot(dati, aes(x = Cranio / 10)) +
  geom_histogram(binwidth = 0.5, color = "white") +
  labs(
    title = "Distribuzione delle misure craniche",
    x = "Misura cranica (cm)",
    y = "Frequenza"
  ) +
  theme_minimal()

# Controllo della coerenza tra circonferenza cranio e settimane di gestazione
ggplot(dati, aes(x = Gestazione, y = Cranio)) +
  geom_point(alpha = 0.4) +
  labs(
    title = "Misura cranica per settimana di gestazione",
    x = "Settimane di gestazione",
    y = "Misura cranica (mm)"
  ) +
  theme_minimal()

# Verifica delle osservazioni con misure antropometriche sospette
# rispetto alle settimane di gestazione
dati %>%
  filter(
    (Gestazione == 28 & Cranio > 370) |
    (Gestazione == 38 & Lunghezza < 350) |
    (Gestazione == 32 & Lunghezza >= 490)
  ) %>%
  select(Gestazione, Peso, Lunghezza, Cranio)
##   Gestazione Peso Lunghezza Cranio
## 1         28 1560       420    379
## 2         38 4370       315    374
## 3         32 1890       500    309
# Controllo delle categorie e delle relative frequenze
table(dati$Sesso)
## 
##    F    M 
## 1256 1244
table(dati$Ospedale)
## 
## osp1 osp2 osp3 
##  816  849  835
table(dati$Tipo.parto)
## 
##  Ces  Nat 
##  728 1772
table(dati$Fumatrici)
## 
##    0    1 
## 2396  104

COMPLETEZZA DEL DATASET L’analisi iniziale non ha evidenziato valori mancanti nel dataset. Tutte le 2.500 osservazioni risultano complete rispetto alle variabili considerate.

L’esame delle statistiche descrittive ha tuttavia evidenziato alcuni valori potenzialmente anomali. In particolare, l’età materna minima di 0 anni è biologicamente impossibile e suggerisce un errore di registrazione. Altri valori estremi, come un massimo di 12 gravidanze precedenti, una gestazione di 43 settimane, un peso neonatale minimo di 830 g e massimo di 4.930 g, risultano insoliti ma clinicamente possibili.

Per approfondire queste osservazioni sono stati effettuati ulteriori controlli sulle distribuzioni e sulla coerenza tra variabili.

VARIABILI QUANTITATIVE

Età materna e gravidanze precedenti: Sono state individuate due osservazioni con età materne impossibili (0 e 1 anno), mentre le età di 13 e 14 anni, sebbene rare, sono biologicamente possibili. Le osservazioni con un numero particolarmente elevato di gravidanze precedenti (9–12) riguardano madri di età compresa tra 33 e 38 anni e non presentano evidenti incongruenze.

Gestazione e peso neonatale: La maggior parte delle nascite si concentra tra 38 e 41 settimane. Lo scatterplot evidenzia una relazione positiva tra settimane di gestazione e peso alla nascita, coerente con il processo di crescita fetale. Sono state tuttavia individuate alcune combinazioni insolite, tra cui un neonato di 1.850 g a 40 settimane e uno di 4.520 g a 35 settimane.

Lunghezza e misure craniche: Gli istogrammi mostrano distribuzioni unimodali, con una maggiore estensione della coda verso i valori inferiori. Gli scatterplot rispetto alla gestazione evidenziano una relazione generalmente crescente, ma anche alcune osservazioni sospette: una misura cranica di 37,9 cm a 28 settimane, una lunghezza di 31,5 cm a 38 settimane e una lunghezza di 50 cm a 32 settimane. Questi valori risultano particolarmente insoliti considerando anche le altre misure antropometriche.

VARIABILI CATEGORIALI Il controllo delle frequenze non ha evidenziato anomalie nella codifica delle variabili categoriali. Le osservazioni risultano distribuite in modo pressoché uniforme tra i due sessi e i tre ospedali. I parti cesarei rappresentano il 29,1% del campione, mentre le madri fumatrici costituiscono soltanto il 4,2%. Quest’ultima categoria risulta quindi poco rappresentata e richiederà particolare attenzione nell’interpretazione delle analisi successive.

CONCLUSIONI E DECISIONI METODOLOGICHE

I controlli hanno identificato due errori certi relativi all’età materna e cinque osservazioni potenzialmente anomale per peso o misure antropometriche.

Poiché non disponiamo di informazioni sufficienti per stabilire se queste cinque osservazioni siano effettivamente errate, si è deciso di mantenerle nel dataset principale e registrarle separatamente sezione 2.5, per valutarne successivamente l’influenza sui risultati attraverso un’analisi di sensibilità. La selezione è stata effettuata su base esplorativa e non rappresenta un’identificazione esaustiva degli outlier.

Le due età materne biologicamente impossibili saranno invece trattate come valori mancanti, senza eliminare le rispettive osservazioni sezione 2.6.

2.5 Registrazione delle osservazioni sospette

# Registrazione delle osservazioni sospette per l'analisi di sensibilità
# e conservazione dell'identificativo della riga originale
casi_sospetti <- dati %>%
  mutate(id_riga = row_number()) %>%
  filter(
    (Gestazione == 28 & Cranio == 379) |
    (Gestazione == 38 & Lunghezza == 315) |
    (Gestazione == 32 & Lunghezza == 500) |
    (Gestazione == 40 & Peso == 1850) |
    (Gestazione == 35 & Peso == 4520)
  )

# Visualizzazione dei casi individuati
casi_sospetti
##   Anni.madre N.gravidanze Fumatrici Gestazione Peso Lunghezza Cranio Tipo.parto
## 1         18            0         0         40 1850       460    305        Nat
## 2         40            3         0         28 1560       420    379        Nat
## 3         35            1         0         38 4370       315    374        Nat
## 4         30            4         0         35 4520       520    360        Nat
## 5         35            1         0         32 1890       500    309        Nat
##   Ospedale Sesso id_riga
## 1     osp3     F     295
## 2     osp3     F     310
## 3     osp3     F    1551
## 4     osp2     F    1553
## 5     osp2     F    2115

Le cinque osservazioni individuate durante il controllo della qualità dei dati sono state registrate nell’oggetto casi_sospetti, conservando un identificativo che permette di risalire alla rispettiva riga del dataset originale.

Queste osservazioni presentano combinazioni insolite di peso, lunghezza, misura cranica ed età gestazionale, ma non disponiamo di informazioni sufficienti per stabilire se si tratti di errori di registrazione o di casi clinici rari.

Si è pertanto deciso di mantenerle nel dataset principale, senza modificarne i valori.

In una fase successiva verrà condotta un’analisi di sensibilità, confrontando i risultati del modello di regressione con e senza queste osservazioni, per valutare quanto influenzino le stime e la solidità delle conclusioni.

2.6 Pulizia dei dati

# Sostituzione delle età materne impossibili con NA
dati$Anni.madre[dati$Anni.madre < 2] <- NA

# Verifica della correzione
sum(is.na(dati$Anni.madre))
## [1] 2

Le due osservazioni con età materna pari a 0 e 1 anno, identificate come errori di registrazione biologicamente impossibili, sono state corrette sostituendo i valori originali con NA.

Si è scelto di non eliminare le intere osservazioni, poiché le altre informazioni disponibili risultano plausibili e potenzialmente utili per le analisi successive.

Al termine della pulizia, il dataset conserva tutte le 2.500 osservazioni e presenta due valori mancanti nella variabile Anni.madre. Questi saranno gestiti nelle analisi successive in funzione delle variabili utilizzate.

3. Analisi descrittiva

3.1 Variabili quantitative

Distribuzione del numero di gravidanze precedenti

g <- dati$N.gravidanze

statistiche_gravidanze <- data.frame(
  Statistica = c(
    "Osservazioni valide",
    "Media",
    "Deviazione standard",
    "Mediana",
    "Primo quartile (Q1)",
    "Terzo quartile (Q3)",
    "Minimo",
    "Massimo"
  ),
  Valore = c(
    sum(!is.na(g)),
    mean(g, na.rm = TRUE),
    sd(g, na.rm = TRUE),
    median(g, na.rm = TRUE),
    quantile(g, 0.25, na.rm = TRUE),
    quantile(g, 0.75, na.rm = TRUE),
    min(g, na.rm = TRUE),
    max(g, na.rm = TRUE)
  )
)


# Formattazione dei valori per il report
statistiche_gravidanze$Valore <- c(
  format(
    as.integer(statistiche_gravidanze$Valore[1]),
    big.mark = ".",
    decimal.mark = ",",
    trim = TRUE
  ),
  formatC(
    statistiche_gravidanze$Valore[-1],
    format = "f",
    digits = 1,
    decimal.mark = ","
  )
)

knitr::kable(
  statistiche_gravidanze,
  caption = "Statistiche descrittive delle gravidanze precedenti",
  align = c("l", "r")
)
Statistiche descrittive delle gravidanze precedenti
Statistica Valore
Osservazioni valide 2.500
Media 1,0
Deviazione standard 1,3
Mediana 1,0
Primo quartile (Q1) 0,0
Terzo quartile (Q3) 1,0
Minimo 0,0
Massimo 12,0
ggplot(dati, aes(x = factor(N.gravidanze))) +
  geom_bar(fill = "steelblue", color = "white") +
  labs(
    title = "Distribuzione del numero di gravidanze precedenti",
    x = "Numero di gravidanze precedenti",
    y = "Numero di madri"
  ) +
  theme_minimal()

Il numero di gravidanze precedenti presenta una distribuzione fortemente asimmetrica a destra. La maggior parte delle madri non ha avuto gravidanze precedenti oppure ne ha avuta una sola. La frequenza diminuisce progressivamente all’aumentare del numero di gravidanze, con pochi casi caratterizzati da valori particolarmente elevati.

Come approfondito nella sezione 2.4, i valori estremi non hanno evidenziato incongruenze tali da giustificarne l’esclusione.

Settimane di gestazione

g <- dati$Gestazione

statistiche_gestazione <- data.frame(
  Statistica = c(
    "Osservazioni valide",
    "Media (settimane)",
    "Deviazione standard (settimane)",
    "Mediana (settimane)",
    "Primo quartile - Q1 (settimane)",
    "Terzo quartile - Q3 (settimane)",
    "Minimo (settimane)",
    "Massimo (settimane)"
  ),
  Valore = c(
    sum(!is.na(g)),
    mean(g, na.rm = TRUE),
    sd(g, na.rm = TRUE),
    median(g, na.rm = TRUE),
    quantile(g, 0.25, na.rm = TRUE),
    quantile(g, 0.75, na.rm = TRUE),
    min(g, na.rm = TRUE),
    max(g, na.rm = TRUE)
  )
)

# Formattazione dei valori per il report
statistiche_gestazione$Valore <- c(
  format(
    as.integer(statistiche_gestazione$Valore[1]),
    big.mark = ".",
    decimal.mark = ",",
    trim = TRUE
  ),
  formatC(
    statistiche_gestazione$Valore[-1],
    format = "f",
    digits = 1,
    decimal.mark = ","
  )
)

knitr::kable(
  statistiche_gestazione,
  col.names = c("Statistica", "Valore"),
  caption = "Statistiche descrittive delle settimane di gestazione",
  align = c("l", "r")
)
Statistiche descrittive delle settimane di gestazione
Statistica Valore
Osservazioni valide 2.500
Media (settimane) 39,0
Deviazione standard (settimane) 1,9
Mediana (settimane) 39,0
Primo quartile - Q1 (settimane) 38,0
Terzo quartile - Q3 (settimane) 40,0
Minimo (settimane) 25,0
Massimo (settimane) 43,0
# Distribuzione delle settimane di gestazione
ggplot(dati, aes(x = factor(Gestazione))) +
  geom_bar(fill = "steelblue", color = "white") +
  labs(
    title = "Distribuzione delle settimane di gestazione",
    x = "Settimane di gestazione",
    y = "Numero di nascite"
  ) +
  theme_minimal()

Percentuale di nascite tra 38 e 41 settimane: 83,5% del totale.

La distribuzione delle settimane di gestazione è unimodale e presenta un’asimmetria a sinistra. Le nascite si concentrano soprattutto tra 38 e 41 settimane, con un picco alla 40ª settimana. Le nascite molto premature e quelle post-termine sono poco frequenti e costituiscono le estremità della distribuzione. Come discusso nella sezione 2.4, i valori estremi osservati sono clinicamente possibili e non sono stati considerati errori di registrazione.

Età materna

# Statistiche descrittive dell'età materna
eta <- dati$Anni.madre

statistiche_eta <- data.frame(
  Statistica = c(
    "Osservazioni valide",
    "Media (anni)",
    "Deviazione standard (anni)",
    "Mediana (anni)",
    "Primo quartile - Q1 (anni)",
    "Terzo quartile - Q3 (anni)",
    "Intervallo interquartile (anni)",
    "Minimo (anni)",
    "Massimo (anni)"
  ),
  Valore = c(
    sum(!is.na(eta)),
    mean(eta, na.rm = TRUE),
    sd(eta, na.rm = TRUE),
    median(eta, na.rm = TRUE),
    quantile(eta, 0.25, na.rm = TRUE),
    quantile(eta, 0.75, na.rm = TRUE),
    IQR(eta, na.rm = TRUE),
    min(eta, na.rm = TRUE),
    max(eta, na.rm = TRUE)
  )
)


# Formattazione dei valori per il report
statistiche_eta$Valore <- c(
  format(
    as.integer(statistiche_eta$Valore[1]),
    big.mark = ".",
    decimal.mark = ",",
    trim = TRUE
  ),
  formatC(
    statistiche_eta$Valore[-1],
    format = "f",
    digits = 1,
    decimal.mark = ","
  )
)

knitr::kable(
  statistiche_eta,
  digits = 1,
  col.names = c("Statistica", "Valore"),
  caption = "Statistiche descrittive dell'età materna"
)
Statistiche descrittive dell’età materna
Statistica Valore
Osservazioni valide 2.498
Media (anni) 28,2
Deviazione standard (anni) 5,2
Mediana (anni) 28,0
Primo quartile - Q1 (anni) 25,0
Terzo quartile - Q3 (anni) 32,0
Intervallo interquartile (anni) 7,0
Minimo (anni) 13,0
Massimo (anni) 46,0
# Distribuzione dell'età materna
ggplot(dati, aes(x = Anni.madre)) +
  geom_histogram(
  binwidth = 2,
  fill = "steelblue",
  color = "white",
  na.rm = TRUE
) +
  labs(
    title = "Distribuzione dell'età materna",
    x = "Età materna (anni)",
    y = "Numero di madri"
  ) +
  theme_minimal()

# Boxplot dell'età materna
ggplot(dati, aes(y = Anni.madre)) +
  geom_boxplot(
  fill = "steelblue",
  alpha = 0.7,
  na.rm = TRUE
) +
  labs(
    title = "Distribuzione dell'età materna - Boxplot",
    y = "Età materna (anni)"
  ) +
  theme_minimal()

Interpretazione dei risultati

L’analisi è stata condotta su 2.498 osservazioni valide. L’età materna media è di 28,2 anni (DS = 5,2), con una mediana di 28 anni. La vicinanza tra media e mediana, insieme all’andamento dell’istogramma, suggerisce una distribuzione unimodale e approssimativamente simmetrica, con una maggiore concentrazione delle osservazioni tra 20 e 35 anni.

Il boxplot mostra che il 50% centrale delle madri ha un’età compresa tra 25 anni (Q1) e 32 anni (Q3), con un intervallo interquartile di 7 anni. Le età osservate variano complessivamente da 13 a 46 anni; alcune osservazioni alle estremità della distribuzione sono identificate come potenziali outlier.

Come discusso nella sezione 2.4, questi valori estremi non sono necessariamente errori di registrazione e sono stati mantenuti. Le due età biologicamente impossibili (0 e 1 anno) sono state invece trattate come valori mancanti durante la pulizia dei dati.

Peso neonatale

# Statistiche descrittive del peso neonatale
p <- dati$Peso

statistiche_peso <- data.frame(
  Statistica = c(
    "Osservazioni valide",
    "Media (g)",
    "Deviazione standard (g)",
    "Mediana (g)",
    "Primo quartile - Q1 (g)",
    "Terzo quartile - Q3 (g)",
    "Minimo (g)",
    "Massimo (g)"
  ),
  Valore = c(
    sum(!is.na(p)),
    mean(p, na.rm = TRUE),
    sd(p, na.rm = TRUE),
    median(p, na.rm = TRUE),
    quantile(p, 0.25, na.rm = TRUE),
    quantile(p, 0.75, na.rm = TRUE),
    min(p, na.rm = TRUE),
    max(p, na.rm = TRUE)
  )
)

# Formattazione per il report
statistiche_peso$Valore <- c(
  format(
    as.integer(statistiche_peso$Valore[1]),
    big.mark = ".",
    decimal.mark = ",",
    trim = TRUE
  ),
  formatC(
    statistiche_peso$Valore[-1],
    format = "f",
    digits = 1,
    big.mark = ".",
    decimal.mark = ","
  )
)

knitr::kable(
  statistiche_peso,
  caption = "Statistiche descrittive del peso neonatale",
  align = c("l", "r")
)
Statistiche descrittive del peso neonatale
Statistica Valore
Osservazioni valide 2.500
Media (g) 3.284,1
Deviazione standard (g) 525,0
Mediana (g) 3.300,0
Primo quartile - Q1 (g) 2.990,0
Terzo quartile - Q3 (g) 3.620,0
Minimo (g) 830,0
Massimo (g) 4.930,0
ggplot(dati, aes(x = Peso)) +
  geom_histogram(
    binwidth = 100,
    fill = "steelblue",
    color = "white"
  ) +
  labs(
    title = "Distribuzione del peso neonatale",
    x = "Peso alla nascita (g)",
    y = "Frequenza"
  ) +
  theme_minimal()

ggplot(dati, aes(x = "", y = Peso)) +
  geom_boxplot(fill = "steelblue") +
  labs(
    title = "Boxplot del peso neonatale",
    y = "Peso alla nascita (g)",
    x = NULL
  ) +
  theme_minimal() +
  theme(
    axis.text.x = element_blank(),
    axis.ticks.x = element_blank()
  )

Interpretazione dei risultati

La distribuzione del peso neonatale presenta una forma approssimativamente a campana, con una lieve asimmetria verso sinistra. Il peso medio è di 3.284,1 g, molto vicino alla mediana (3.300 g), mentre la deviazione standard di 525 g indica una certa variabilità tra le osservazioni.

Il boxplot evidenzia la presenza di valori estremi, soprattutto nella parte inferiore della distribuzione. Tali valori non rappresentano necessariamente errori, poiché potrebbero riflettere condizioni cliniche particolari, come la prematurità.

Coerentemente con le decisioni adottate nella fase di controllo e pulizia dei dati, queste osservazioni vengono mantenute nelle analisi. La loro eventuale influenza sulle stime sarà valutata nelle successive fasi di modellizzazione.

Lunghezza neonatale

l <- dati$Lunghezza

statistiche_lunghezza <- data.frame(
  Statistica = c(
    "Osservazioni valide",
    "Media (mm)",
    "Deviazione standard (mm)",
    "Mediana (mm)",
    "Primo quartile - Q1 (mm)",
    "Terzo quartile - Q3 (mm)",
    "Minimo (mm)",
    "Massimo (mm)"
  ),
  Valore = c(
    sum(!is.na(l)),
    mean(l, na.rm = TRUE),
    sd(l, na.rm = TRUE),
    median(l, na.rm = TRUE),
    quantile(l, 0.25, na.rm = TRUE),
    quantile(l, 0.75, na.rm = TRUE),
    min(l, na.rm = TRUE),
    max(l, na.rm = TRUE)
  )
)

# Formattazione per il report
statistiche_lunghezza$Valore <- c(
  format(
    as.integer(statistiche_lunghezza$Valore[1]),
    big.mark = ".",
    decimal.mark = ",",
    trim = TRUE
  ),
  formatC(
    statistiche_lunghezza$Valore[-1],
    format = "f",
    digits = 1,
    decimal.mark = ","
  )
)

knitr::kable(
  statistiche_lunghezza,
  caption = "Statistiche descrittive della lunghezza neonatale",
  align = c("l", "r")
)
Statistiche descrittive della lunghezza neonatale
Statistica Valore
Osservazioni valide 2.500
Media (mm) 494,7
Deviazione standard (mm) 26,3
Mediana (mm) 500,0
Primo quartile - Q1 (mm) 480,0
Terzo quartile - Q3 (mm) 510,0
Minimo (mm) 310,0
Massimo (mm) 565,0
ggplot(dati, aes(x = Lunghezza)) +
  geom_histogram(
  binwidth = 10,
  center = 500,
  fill = "steelblue",
  color = "white"
) +
  labs(
    title = "Distribuzione della lunghezza neonatale",
    x = "Lunghezza alla nascita (mm)",
    y = "Frequenza"
  ) +
  theme_minimal()

ggplot(dati, aes(x = "", y = Lunghezza)) +
  geom_boxplot(fill = "steelblue") +
  labs(
    title = "Boxplot della lunghezza neonatale",
    y = "Lunghezza alla nascita (mm)",
    x = NULL
  ) +
  theme_minimal() +
  theme(
    axis.text.x = element_blank(),
    axis.ticks.x = element_blank()
  )

Interpretazione dei risultati

La distribuzione della lunghezza neonatale presenta una forma approssimativamente a campana, con una asimmetria verso sinistra. La lunghezza media è di 494,7 mm, leggermente inferiore alla mediana (500 mm), mentre la deviazione standard è di 26,3 mm.

Il 50% centrale delle osservazioni presenta lunghezze comprese tra 480 e 510 mm. Il boxplot evidenzia diversi valori estremi, prevalentemente nella parte inferiore della distribuzione, con un minimo di 310 mm.

Come per il peso neonatale, questi valori potrebbero essere associati a particolari condizioni cliniche, tra cui la prematurità. Coerentemente con le decisioni adottate nella fase di pulizia dei dati, le osservazioni vengono mantenute, riservandosi di valutarne l’influenza nelle successive analisi.

Circonferenza cranica

c <- dati$Cranio

statistiche_cranio <- data.frame(
  Statistica = c(
    "Osservazioni valide",
    "Media (mm)",
    "Deviazione standard (mm)",
    "Mediana (mm)",
    "Primo quartile - Q1 (mm)",
    "Terzo quartile - Q3 (mm)",
    "Minimo (mm)",
    "Massimo (mm)"
  ),
  Valore = c(
    sum(!is.na(c)),
    mean(c, na.rm = TRUE),
    sd(c, na.rm = TRUE),
    median(c, na.rm = TRUE),
    quantile(c, 0.25, na.rm = TRUE),
    quantile(c, 0.75, na.rm = TRUE),
    min(c, na.rm = TRUE),
    max(c, na.rm = TRUE)
  )
)

# Formattazione per il report
statistiche_cranio$Valore <- c(
  format(
    as.integer(statistiche_cranio$Valore[1]),
    big.mark = ".",
    decimal.mark = ",",
    trim = TRUE
  ),
  formatC(
    statistiche_cranio$Valore[-1],
    format = "f",
    digits = 1,
    decimal.mark = ","
  )
)

knitr::kable(
  statistiche_cranio,
  caption = "Statistiche descrittive della circonferenza cranica",
  align = c("l", "r")
)
Statistiche descrittive della circonferenza cranica
Statistica Valore
Osservazioni valide 2.500
Media (mm) 340,0
Deviazione standard (mm) 16,4
Mediana (mm) 340,0
Primo quartile - Q1 (mm) 330,0
Terzo quartile - Q3 (mm) 350,0
Minimo (mm) 235,0
Massimo (mm) 390,0
ggplot(dati, aes(x = Cranio)) +
  geom_histogram(
    binwidth = 10,
    center = 340,
    fill = "steelblue",
    color = "white"
  ) +
  labs(
    title = "Distribuzione della circonferenza cranica",
    x = "Circonferenza cranica (mm)",
    y = "Frequenza"
  ) +
  theme_minimal()

ggplot(dati, aes(x = "", y = Cranio)) +
  geom_boxplot(fill = "steelblue") +
  labs(
    title = "Boxplot della circonferenza cranica",
    y = "Circonferenza cranica (mm)",
    x = NULL
  ) +
  theme_minimal() +
  theme(
    axis.text.x = element_blank(),
    axis.ticks.x = element_blank()
  )

Interpretazione dei risultati

La distribuzione della circonferenza cranica presenta una forma approssimativamente a campana, con una lieve asimmetria verso sinistra. La media e la mediana coincidono (340 mm), mentre la deviazione standard è pari a 16,4 mm.

Il 50% centrale delle osservazioni presenta circonferenze comprese tra 330 e 350 mm. Il boxplot evidenzia alcuni valori estremi, soprattutto nella parte inferiore della distribuzione, con un minimo di 235 mm.

Come per le altre misure neonatali, i valori estremi non rappresentano necessariamente errori di registrazione e potrebbero essere associati a condizioni cliniche particolari, come la prematurità. Le osservazioni vengono pertanto mantenute, riservandosi di valutarne l’influenza nelle successive analisi.

3.2 Variabili categoriche

Sesso del neonato

# Frequenze assolute
tabella_sesso <- as.data.frame(table(dati$Sesso))

colnames(tabella_sesso) <- c("Sesso", "Frequenza")

# Frequenze percentuali
tabella_sesso$Percentuale <- 100 * 
  tabella_sesso$Frequenza / sum(tabella_sesso$Frequenza)

# Formattazione delle percentuali
tabella_sesso$Percentuale <- paste0(
  formatC(
    tabella_sesso$Percentuale,
    format = "f",
    digits = 1,
    decimal.mark = ","
  ),
  "%"
)

knitr::kable(
  tabella_sesso,
  caption = "Distribuzione del sesso del neonato",
  align = c("l", "r", "r")
)
Distribuzione del sesso del neonato
Sesso Frequenza Percentuale
F 1256 50,2%
M 1244 49,8%
Interpretazione dei risultati

La distribuzione del sesso dei neonati risulta sostanzialmente equilibrata, con il 50,2% di femmine e il 49,8% di maschi. Non si osservano quindi squilibri rilevanti nella composizione del campione rispetto a questa variabile.

Tipo di parto

# Frequenze assolute
tabella_parto <- as.data.frame(table(dati$Tipo.parto))

colnames(tabella_parto) <- c("Tipo di parto", "Frequenza")

# Frequenze percentuali
tabella_parto$Percentuale <- 100 *
  tabella_parto$Frequenza / sum(tabella_parto$Frequenza)

# Formattazione delle percentuali
tabella_parto$Percentuale <- paste0(
  formatC(
    tabella_parto$Percentuale,
    format = "f",
    digits = 1,
    decimal.mark = ","
  ),
  "%"
)

knitr::kable(
  tabella_parto,
  caption = "Distribuzione del tipo di parto",
  align = c("l", "r", "r")
)
Distribuzione del tipo di parto
Tipo di parto Frequenza Percentuale
Ces 728 29,1%
Nat 1772 70,9%
Interpretazione dei risultati

Nel campione analizzato, il 70,9% dei neonati è nato con parto naturale, mentre il restante 29,1% con parto cesareo. Si osserva quindi una prevalenza dei parti naturali.

Nelle successive analisi sarà possibile verificare se il peso neonatale differisce in relazione alla modalità del parto.

Ospedale

# Frequenze assolute
tabella_ospedale <- as.data.frame(table(dati$Ospedale))

colnames(tabella_ospedale) <- c("Ospedale", "Frequenza")

# Frequenze percentuali
tabella_ospedale$Percentuale <- 100 *
  tabella_ospedale$Frequenza / sum(tabella_ospedale$Frequenza)

# Formattazione delle percentuali
tabella_ospedale$Percentuale <- paste0(
  formatC(
    tabella_ospedale$Percentuale,
    format = "f",
    digits = 1,
    decimal.mark = ","
  ),
  "%"
)

knitr::kable(
  tabella_ospedale,
  caption = "Distribuzione delle nascite per ospedale",
  align = c("l", "r", "r")
)
Distribuzione delle nascite per ospedale
Ospedale Frequenza Percentuale
osp1 816 32,6%
osp2 849 34,0%
osp3 835 33,4%
Interpretazione dei risultati

Le nascite risultano distribuite in modo sostanzialmente equilibrato tra i tre ospedali, ciascuno dei quali contribuisce a circa un terzo del campione. L’ospedale 2 presenta la frequenza leggermente maggiore (34,0%), seguito dall’ospedale 3 (33,4%) e dall’ospedale 1 (32,6%).

Nelle successive analisi sarà possibile valutare eventuali differenze nel peso neonatale tra gli ospedali.

Abitudine al fumo materno

# Frequenze assolute
tabella_fumo <- as.data.frame(table(dati$Fumatrici))

colnames(tabella_fumo) <- c("Fumo materno (codice)", "Frequenza")

# Frequenze percentuali
tabella_fumo$Percentuale <- 100 *
  tabella_fumo$Frequenza / sum(tabella_fumo$Frequenza)

# Formattazione delle percentuali
tabella_fumo$Percentuale <- paste0(
  formatC(
    tabella_fumo$Percentuale,
    format = "f",
    digits = 1,
    decimal.mark = ","
  ),
  "%"
)

knitr::kable(
  tabella_fumo,
  caption = "Distribuzione dell'abitudine al fumo materno",
  align = c("l", "r", "r")
)
Distribuzione dell’abitudine al fumo materno
Fumo materno (codice) Frequenza Percentuale
0 2396 95,8%
1 104 4,2%
Interpretazione dei risultati

La distribuzione dell’abitudine al fumo materno risulta fortemente sbilanciata: il 95,8% delle madri è classificato come non fumatrice, mentre il 4,2% come fumatrice.

La numerosità relativamente ridotta del gruppo delle fumatrici (104 osservazioni) dovrà essere considerata nelle successive analisi, poiché potrebbe influenzare la precisione delle stime relative all’associazione tra fumo materno e peso neonatale.

4. Analisi delle relazioni tra le variabili

4.1 Peso neonatale e settimane di gestazione

cor(
  dati$Peso,
  dati$Gestazione,
  method = "pearson",
  use = "complete.obs"
)
## [1] 0.5917687

È stata osservata una correlazione positiva moderatamente forte tra le settimane di gestazione e il peso neonatale (r = 0,592). I neonati con un’età gestazionale maggiore tendono quindi a presentare un peso alla nascita più elevato.

La relazione lineare tra le due variabili rende le settimane di gestazione un potenziale predittore rilevante per il modello statistico.

4.2 Correlazioni con le altre variabili quantitative

variabili <- c(
  "Gestazione",
  "Lunghezza",
  "Cranio",
  "Anni.madre",
  "N.gravidanze"
)

correlazioni <- sapply(
  dati[variabili],
  function(x) cor(dati$Peso, x, use = "complete.obs")
)

round(correlazioni, 3)
##   Gestazione    Lunghezza       Cranio   Anni.madre N.gravidanze 
##        0.592        0.796        0.705       -0.024        0.002

Le correlazioni di Pearson evidenziano associazioni positive tra il peso neonatale e alcune caratteristiche del neonato. In particolare, le correlazioni più elevate si osservano con la lunghezza (r = 0,796) e la circonferenza cranica (r = 0,705), seguite dalle settimane di gestazione (r = 0,592).

L’età materna (r = -0,024) e il numero di gravidanze precedenti (r = 0,002) presentano invece correlazioni lineari pressoché nulle con il peso neonatale.

Questi risultati forniscono una prima indicazione delle associazioni tra le variabili, ma non permettono di stabilire rapporti causali né di valutare il contributo indipendente di ciascun predittore. Tale aspetto sarà approfondito attraverso il modello di regressione multipla.

4.3 Peso neonatale e variabili categoriche

Fumo materno

dati %>%
  group_by(Fumatrici) %>%
  summarise(
    N = n(),
    Peso_medio = round(mean(Peso, na.rm = TRUE), 1),
    Deviazione_standard = round(sd(Peso, na.rm = TRUE), 1),
    .groups = "drop"
  ) %>%
  knitr::kable(
    caption = "Peso neonatale in relazione al fumo materno"
  )
Peso neonatale in relazione al fumo materno
Fumatrici N Peso_medio Deviazione_standard
0 2396 3286.2 526.9
1 104 3236.3 478.8
ggplot(dati, aes(
  x = factor(Fumatrici, levels = c(0, 1),
             labels = c("Non fumatrice", "Fumatrice")),
  y = Peso
)) +
  geom_boxplot(fill = "steelblue", alpha = 0.7, width = 0.55) +
  labs(
    title = "Peso neonatale e fumo materno",
    x = "Abitudine al fumo della madre",
    y = "Peso alla nascita (g)"
  ) +
  theme_minimal()

Interpretazione dei risultati

Il peso medio dei neonati figli di madri classificate come non fumatrici è pari a 3.286,2 g, rispetto ai 3.236,3 g dei neonati figli di madri classificate come fumatrici, con una differenza di circa 50 g.

La differenza osservata è relativamente contenuta rispetto alla variabilità interna ai gruppi: il boxplot mostra infatti un’ampia sovrapposizione delle distribuzioni. Inoltre, la numerosità dei due gruppi è fortemente sbilanciata (2.396 vs 104 osservazioni).

Questa analisi descrittiva non permette di stabilire se la differenza sia statisticamente significativa né di attribuirla direttamente al fumo materno. Sarà quindi necessario approfondire l’associazione attraverso successive analisi statistiche.

Sesso del neonato

dati %>%
  group_by(Sesso) %>%
  summarise(
    N = n(),
    Peso_medio = round(mean(Peso, na.rm = TRUE), 1),
    Deviazione_standard = round(sd(Peso, na.rm = TRUE), 1),
    .groups = "drop"
  ) %>%
  knitr::kable(
    caption = "Peso neonatale in relazione al sesso"
  )
Peso neonatale in relazione al sesso
Sesso N Peso_medio Deviazione_standard
F 1256 3161.1 526.3
M 1244 3408.2 493.8
Interpretazione dei risultati

Il peso medio dei neonati di sesso maschile (3.408,2 g) risulta superiore a quello delle femmine (3.161,1 g), con una differenza di circa 247 g.

I due gruppi presentano numerosità sostanzialmente equivalenti e deviazioni standard relativamente simili. La differenza osservata suggerisce una possibile associazione tra il sesso del neonato e il peso alla nascita, che sarà approfondita nelle successive analisi statistiche, considerando anche gli altri potenziali predittori.

Tipo di parto

dati %>%
  group_by(Tipo.parto) %>%
  summarise(
    N = n(),
    Peso_medio = round(mean(Peso, na.rm = TRUE), 1),
    Deviazione_standard = round(sd(Peso, na.rm = TRUE), 1),
    .groups = "drop"
  ) %>%
  knitr::kable(
    caption = "Peso neonatale in relazione al tipo di parto"
  )
Peso neonatale in relazione al tipo di parto
Tipo.parto N Peso_medio Deviazione_standard
Ces 728 3282.0 486.5
Nat 1772 3284.9 540.2
Interpretazione dei risultati

Il peso medio dei neonati nati con parto naturale (3.284,9 g) risulta pressoché identico a quello dei neonati nati con parto cesareo (3.282,0 g), con una differenza di appena 2,9 g.

Non emergono quindi differenze descrittive rilevanti nel peso medio in relazione alla modalità del parto. Eventuali associazioni con il peso neonatale, considerando anche le altre variabili disponibili, saranno valutate nelle successive analisi multivariate.

Ospedale

dati %>%
  group_by(Ospedale) %>%
  summarise(
    N = n(),
    Peso_medio = round(mean(Peso, na.rm = TRUE), 1),
    Deviazione_standard = round(sd(Peso, na.rm = TRUE), 1),
    .groups = "drop"
  ) %>%
  knitr::kable(
    caption = "Peso neonatale in relazione all'ospedale"
  )
Peso neonatale in relazione all’ospedale
Ospedale N Peso_medio Deviazione_standard
osp1 816 3270.3 534.2
osp2 849 3270.5 523.5
osp3 835 3311.4 517.1
Interpretazione dei risultati

Il peso medio neonatale risulta sostanzialmente simile nei tre ospedali. Gli ospedali 1 e 2 presentano valori pressoché identici (rispettivamente 3.270,3 g e 3.270,5 g), mentre l’ospedale 3 registra un peso medio leggermente superiore (3.311,4 g).

Le differenze osservate sono contenute rispetto alla variabilità interna ai gruppi. Non emergono quindi differenze descrittive particolarmente marcate, ma l’eventuale contributo della variabile ospedale sarà valutato nel modello multivariato.

5. Verifica delle ipotesi cliniche

5.1 Frequenza dei parti cesarei nei tre ospedali

Ipotesi nulla (H0): la proporzione di parti cesarei è uguale nei tre ospedali.

Ipotesi alternativa (H1): almeno un ospedale presenta una proporzione di parti cesarei diversa dagli altri.

# Tabella di contingenza
tabella_cesarei <- table(dati$Ospedale, dati$Tipo.parto)

knitr::kable(
  tabella_cesarei,
  caption = "Distribuzione dei tipi di parto nei tre ospedali"
)
Distribuzione dei tipi di parto nei tre ospedali
Ces Nat
osp1 242 574
osp2 254 595
osp3 232 603
# Percentuali all'interno di ciascun ospedale
percentuali_cesarei <- prop.table(tabella_cesarei, margin = 1) * 100

knitr::kable(
  round(percentuali_cesarei, 1),
  caption = "Percentuale dei tipi di parto per ospedale"
)
Percentuale dei tipi di parto per ospedale
Ces Nat
osp1 29.7 70.3
osp2 29.9 70.1
osp3 27.8 72.2
Test chi-quadrato di indipendenza

Per verificare l’eventuale associazione tra ospedale e tipo di parto, viene utilizzato il test chi-quadrato di indipendenza, con livello di significatività α = 0,05.

# Test chi-quadrato di indipendenza
test_cesarei <- chisq.test(tabella_cesarei)

# Risultati del test
test_cesarei
## 
##  Pearson's Chi-squared test
## 
## data:  tabella_cesarei
## X-squared = 1.0972, df = 2, p-value = 0.5778
# Frequenze attese
test_cesarei$expected
##       
##             Ces      Nat
##   osp1 237.6192 578.3808
##   osp2 247.2288 601.7712
##   osp3 243.1520 591.8480
# Dimensione dell'effetto: V di Cramér
v_cramer <- sqrt(
  as.numeric(test_cesarei$statistic) / sum(tabella_cesarei)
)

round(v_cramer, 3)
## [1] 0.021
Interpretazione dei risultati

Il test chi-quadrato di indipendenza non evidenzia un’associazione statisticamente significativa tra ospedale e tipo di parto (χ²(2) = 1,097; p = 0,578).

Non si rifiuta pertanto l’ipotesi nulla di uguaglianza delle proporzioni di parti cesarei nei tre ospedali.

Le frequenze attese risultano tutte superiori a 5, soddisfacendo la relativa condizione di applicabilità del test. Inoltre, il valore di V di Cramér (0,021) indica un’associazione di entità trascurabile.

Nel complesso, i risultati non forniscono evidenze di differenze rilevanti nella frequenza dei parti cesarei tra i tre ospedali.

5.2 Confronto delle medie con i valori di riferimento

Peso neonatale

Ipotesi nulla (H0): il peso medio nella popolazione è pari a 3.300 g.

Ipotesi alternativa (H1): il peso medio nella popolazione è diverso da 3.300 g.

Per verificare le ipotesi viene utilizzato un test t di Student per un campione, a due code, con livello di significatività α = 0,05.

test_peso <- t.test(
  dati$Peso,
  mu = 3300,
  alternative = "two.sided"
)

test_peso
## 
##  One Sample t-test
## 
## data:  dati$Peso
## t = -1.516, df = 2499, p-value = 0.1296
## alternative hypothesis: true mean is not equal to 3300
## 95 percent confidence interval:
##  3263.490 3304.672
## sample estimates:
## mean of x 
##  3284.081
Interpretazione dei risultati

Il peso medio osservato nel campione è pari a 3.284,1 g, leggermente inferiore al valore di riferimento di 3.300 g, con una differenza di circa 15,9 g.

Il test t di Student per un campione non evidenzia una differenza statisticamente significativa (t(2499) = -1,516; p = 0,130). Non si rifiuta pertanto l’ipotesi nulla.

L’intervallo di confidenza al 95% [3.263,5; 3.304,7 g] comprende il valore di riferimento di 3.300 g, coerentemente con il risultato del test.

Nel complesso, i dati non forniscono evidenze sufficienti per affermare che il peso medio della popolazione differisca da 3.300 g.

Lunghezza neonatale

Ipotesi nulla (H0): la lunghezza media nella popolazione è pari a 500 mm (50 cm).

Ipotesi alternativa (H1): la lunghezza media nella popolazione è diversa da 500 mm.

Per verificare le ipotesi viene utilizzato un test t di Student per un campione, a due code, con livello di significatività α = 0,05.

test_lunghezza <- t.test(
  dati$Lunghezza,
  mu = 500,
  alternative = "two.sided"
)

test_lunghezza
## 
##  One Sample t-test
## 
## data:  dati$Lunghezza
## t = -10.084, df = 2499, p-value < 2.2e-16
## alternative hypothesis: true mean is not equal to 500
## 95 percent confidence interval:
##  493.6598 495.7242
## sample estimates:
## mean of x 
##   494.692
Interpretazione dei risultati

La lunghezza media osservata nel campione è pari a 494,7 mm, inferiore al valore di riferimento di 500 mm, con una differenza di circa 5,3 mm.

Il test t di Student per un campione evidenzia una differenza statisticamente significativa (t(2499) = -10,084; p < 0,001). Si rifiuta pertanto l’ipotesi nulla secondo cui la lunghezza media della popolazione è pari a 500 mm.

L’intervallo di confidenza al 95% [493,66; 495,72 mm] non comprende il valore di riferimento, confermando il risultato del test.

Tuttavia, la differenza osservata è relativamente contenuta in termini assoluti (circa 0,5 cm). È quindi importante distinguere la significatività statistica dalla rilevanza pratica del risultato.

5.3 Differenze antropometriche tra maschi e femmine

Peso neonatale

Ipotesi nulla (H0): il peso medio dei neonati maschi è uguale a quello delle femmine.

Ipotesi alternativa (H1): il peso medio dei neonati maschi è diverso da quello delle femmine.

Per confrontare le medie dei due gruppi viene utilizzato un test t di Welch per campioni indipendenti, a due code, con livello di significatività α = 0,05.

test_peso_sesso <- t.test(
  Peso ~ Sesso,
  data = dati,
  alternative = "two.sided"
)

test_peso_sesso
## 
##  Welch Two Sample t-test
## 
## data:  Peso by Sesso
## t = -12.106, df = 2490.7, p-value < 2.2e-16
## alternative hypothesis: true difference in means between group F and group M is not equal to 0
## 95 percent confidence interval:
##  -287.1051 -207.0615
## sample estimates:
## mean in group F mean in group M 
##        3161.132        3408.215
Interpretazione dei risultati

Il peso medio dei neonati maschi (3.408,2 g) risulta superiore a quello delle femmine (3.161,1 g), con una differenza media di circa 247,1 g.

Il test t di Welch evidenzia una differenza statisticamente significativa tra i due gruppi (t(2490,7) = -12,106; p < 0,001). Si rifiuta pertanto l’ipotesi nulla di uguaglianza delle medie.

L’intervallo di confidenza al 95% della differenza tra femmine e maschi [-287,1; -207,1 g] non comprende lo zero, confermando il risultato del test.

La differenza osservata suggerisce un’associazione tra il sesso del neonato e il peso alla nascita, che sarà ulteriormente esaminata nel modello di regressione multipla.

Lunghezza neonatale

Ipotesi nulla (H0): la lunghezza media dei neonati maschi è uguale a quella delle femmine.

Ipotesi alternativa (H1): la lunghezza media dei neonati maschi è diversa da quella delle femmine.

Per confrontare le medie dei due gruppi viene utilizzato un test t di Welch per campioni indipendenti, a due code, con livello di significatività α = 0,05.

test_lunghezza_sesso <- t.test(
  Lunghezza ~ Sesso,
  data = dati,
  alternative = "two.sided"
)

test_lunghezza_sesso
## 
##  Welch Two Sample t-test
## 
## data:  Lunghezza by Sesso
## t = -9.582, df = 2459.3, p-value < 2.2e-16
## alternative hypothesis: true difference in means between group F and group M is not equal to 0
## 95 percent confidence interval:
##  -11.929470  -7.876273
## sample estimates:
## mean in group F mean in group M 
##        489.7643        499.6672
Interpretazione dei risultati

La lunghezza media dei neonati maschi (499,7 mm) risulta superiore a quella delle femmine (489,8 mm), con una differenza media di circa 9,9 mm.

Il test t di Welch evidenzia una differenza statisticamente significativa tra i due gruppi (t(2459,3) = -9,582; p < 0,001). Si rifiuta pertanto l’ipotesi nulla di uguaglianza delle medie.

L’intervallo di confidenza al 95% della differenza tra femmine e maschi [-11,93; -7,88 mm] non comprende lo zero, confermando il risultato del test.

Sebbene statisticamente significativa, la differenza osservata corrisponde a circa 1 cm. La sua rilevanza clinica non può essere stabilita sulla sola base della significatività statistica.

Circonferenza cranica

Ipotesi nulla (H0): la circonferenza cranica media dei neonati maschi è uguale a quella delle femmine.

Ipotesi alternativa (H1): la circonferenza cranica media dei neonati maschi è diversa da quella delle femmine.

Per confrontare le medie dei due gruppi viene utilizzato un test t di Welch per campioni indipendenti, a due code, con livello di significatività α = 0,05.

test_cranio_sesso <- t.test(
  Cranio ~ Sesso,
  data = dati,
  alternative = "two.sided"
)

test_cranio_sesso
## 
##  Welch Two Sample t-test
## 
## data:  Cranio by Sesso
## t = -7.4102, df = 2491.4, p-value = 1.718e-13
## alternative hypothesis: true difference in means between group F and group M is not equal to 0
## 95 percent confidence interval:
##  -6.089912 -3.541270
## sample estimates:
## mean in group F mean in group M 
##        337.6330        342.4486
Interpretazione dei risultati

La circonferenza cranica media dei neonati maschi (342,4 mm) risulta superiore a quella delle femmine (337,6 mm), con una differenza media di circa 4,8 mm.

Il test t di Welch evidenzia una differenza statisticamente significativa tra i due gruppi (t(2491,4) = -7,410; p < 0,001). Si rifiuta pertanto l’ipotesi nulla di uguaglianza delle medie.

L’intervallo di confidenza al 95% della differenza tra femmine e maschi [-6,09; -3,54 mm] non comprende lo zero, coerentemente con il risultato del test.

La differenza osservata è relativamente contenuta in termini assoluti (circa 0,5 cm). La sua rilevanza clinica non può essere stabilita sulla sola base della significatività statistica.

6. Modello di regressione lineare multipla

6.1 Modello completo

Per studiare l’associazione tra il peso neonatale e le caratteristiche materne, della gravidanza e del neonato, viene stimato un modello di regressione lineare multipla che include tutti i predittori disponibili.

modello_completo <- lm(
  Peso ~ Anni.madre + N.gravidanze + Fumatrici +
    Gestazione + Lunghezza + Cranio +
    Tipo.parto + Ospedale + Sesso,
  data = dati
)

summary(modello_completo)
## 
## Call:
## lm(formula = Peso ~ Anni.madre + N.gravidanze + Fumatrici + Gestazione + 
##     Lunghezza + Cranio + Tipo.parto + Ospedale + Sesso, data = dati)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1123.26  -181.53   -14.45   161.05  2611.89 
## 
## Coefficients:
##                 Estimate Std. Error t value Pr(>|t|)    
## (Intercept)   -6735.7960   141.4790 -47.610  < 2e-16 ***
## Anni.madre        0.8018     1.1467   0.699   0.4845    
## N.gravidanze     11.3812     4.6686   2.438   0.0148 *  
## Fumatrici       -30.2741    27.5492  -1.099   0.2719    
## Gestazione       32.5773     3.8208   8.526  < 2e-16 ***
## Lunghezza        10.2922     0.3009  34.207  < 2e-16 ***
## Cranio           10.4722     0.4263  24.567  < 2e-16 ***
## Tipo.partoNat    29.6335    12.0905   2.451   0.0143 *  
## Ospedaleosp2    -11.0912    13.4471  -0.825   0.4096    
## Ospedaleosp3     28.2495    13.5054   2.092   0.0366 *  
## SessoM           77.5723    11.1865   6.934 5.18e-12 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 274 on 2487 degrees of freedom
##   (2 observations deleted due to missingness)
## Multiple R-squared:  0.7289, Adjusted R-squared:  0.7278 
## F-statistic: 668.7 on 10 and 2487 DF,  p-value: < 2.2e-16
# Numero di osservazioni utilizzate
nobs(modello_completo)
## [1] 2498
Interpretazione preliminare del modello completo

Il modello di regressione lineare multipla è stato stimato su 2.498 osservazioni, escludendo due casi con valori mancanti nell’età materna.

Il modello presenta un R² pari a 0,729 e un R² corretto pari a 0,728, spiegando quindi circa il 72,9% della variabilità osservata nel peso neonatale. Il test F complessivo risulta statisticamente significativo (p < 0,001).

Le associazioni con il peso neonatale risultano particolarmente evidenti per lunghezza, circonferenza cranica e settimane di gestazione. Anche il sesso del neonato mantiene un’associazione statisticamente significativa dopo l’aggiustamento per gli altri predittori.

La significatività dei singoli coefficienti non è tuttavia sufficiente per stabilire quali variabili mantenere nel modello finale. Sarà necessario valutarne il contributo e verificare l’adeguatezza del modello attraverso le analisi successive.

6.2 Correlazioni tra i predittori

cor(
  dati[, c("Gestazione", "Lunghezza", "Cranio")],
  use = "complete.obs"
)
##            Gestazione Lunghezza    Cranio
## Gestazione  1.0000000 0.6189204 0.4608289
## Lunghezza   0.6189204 1.0000000 0.6033410
## Cranio      0.4608289 0.6033410 1.0000000

Le correlazioni tra gestazione, lunghezza e misura cranica sono positive e di entità moderata (circa 0,46–0,62). Per verificare se questa associazione tra predittori crei problemi nella regressione, vengono esaminati anche i VIF.

6.3 Verifica della multicollinearità

Per valutare la multicollinearità tra i predittori del modello completo, vengono calcolati i fattori di inflazione della varianza (VIF).

X <- model.matrix(modello_completo)[, -1, drop = FALSE]

vif <- sapply(seq_len(ncol(X)), function(j) {
  r2 <- summary(
    lm(X[, j] ~ X[, -j, drop = FALSE])
  )$r.squared

  1 / (1 - r2)
})

names(vif) <- colnames(X)

round(sort(vif, decreasing = TRUE), 2)
##     Lunghezza    Gestazione        Cranio  Ospedaleosp3  Ospedaleosp2 
##          2.09          1.70          1.63          1.35          1.35 
##    Anni.madre  N.gravidanze        SessoM     Fumatrici Tipo.partoNat 
##          1.19          1.19          1.04          1.01          1.00
Interpretazione dei risultati

I valori del Variance Inflation Factor (VIF) risultano tutti inferiori a 3, con un massimo di 2,09 per la lunghezza neonatale.

Non emergono quindi problemi rilevanti di multicollinearità nel modello completo. Sebbene alcune variabili, in particolare lunghezza, circonferenza cranica e settimane di gestazione, presentino correlazioni moderate tra loro, tali associazioni non sembrano compromettere in misura rilevante la stabilità delle stime dei coefficienti.

6.4 Riduzione del modello completo

Si procede alla riduzione del modello completo, valutando se l’esclusione di alcuni predittori comporti una perdita significativa di capacità esplicativa.

Come primo passo, viene valutata l’esclusione dell’età materna, che nel modello completo presenta un coefficiente di entità contenuta e non statisticamente significativo.

# Dataset con le stesse osservazioni del modello completo
dati_modello <- model.frame(modello_completo)

# Elimino l'età materna
modello_senza_eta <- update(
  modello_completo,
  . ~ . - Anni.madre,
  data = dati_modello
)

summary(modello_senza_eta)
## 
## Call:
## lm(formula = Peso ~ N.gravidanze + Fumatrici + Gestazione + Lunghezza + 
##     Cranio + Tipo.parto + Ospedale + Sesso, data = dati_modello)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1113.82  -180.30   -16.22   160.66  2616.32 
## 
## Coefficients:
##                 Estimate Std. Error t value Pr(>|t|)    
## (Intercept)   -6708.6189   136.0211 -49.320  < 2e-16 ***
## N.gravidanze     12.5833     4.3400   2.899  0.00377 ** 
## Fumatrici       -30.4268    27.5455  -1.105  0.26944    
## Gestazione       32.2996     3.7997   8.501  < 2e-16 ***
## Lunghezza        10.2916     0.3008  34.209  < 2e-16 ***
## Cranio           10.4874     0.4257  24.638  < 2e-16 ***
## Tipo.partoNat    29.6654    12.0892   2.454  0.01420 *  
## Ospedaleosp2    -10.9509    13.4442  -0.815  0.41541    
## Ospedaleosp3     28.5171    13.4986   2.113  0.03474 *  
## SessoM           77.6452    11.1849   6.942 4.91e-12 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 274 on 2488 degrees of freedom
## Multiple R-squared:  0.7288, Adjusted R-squared:  0.7279 
## F-statistic: 743.1 on 9 and 2488 DF,  p-value: < 2.2e-16
anova(modello_senza_eta, modello_completo)
## Analysis of Variance Table
## 
## Model 1: Peso ~ N.gravidanze + Fumatrici + Gestazione + Lunghezza + Cranio + 
##     Tipo.parto + Ospedale + Sesso
## Model 2: Peso ~ Anni.madre + N.gravidanze + Fumatrici + Gestazione + Lunghezza + 
##     Cranio + Tipo.parto + Ospedale + Sesso
##   Res.Df       RSS Df Sum of Sq      F Pr(>F)
## 1   2488 186779904                           
## 2   2487 186743194  1     36710 0.4889 0.4845
BIC(modello_completo, modello_senza_eta)
##                   df      BIC
## modello_completo  12 35215.45
## modello_senza_eta 11 35208.12
Interpretazione dei risultati

Come primo passo nella riduzione del modello, è stata valutata l’esclusione della variabile età materna, che nel modello completo non risultava statisticamente significativa.

Il confronto tra i modelli mediante ANOVA non evidenzia un peggioramento significativo dell’adattamento in seguito alla sua esclusione (F = 0,489; p = 0,485).

L’R² rimane sostanzialmente invariato (da 0,7289 a 0,7288), mentre il BIC diminuisce da 35.215,45 a 35.208,12, favorendo il modello più semplice.

Si decide pertanto di escludere l’età materna dal modello, procedendo con la valutazione degli altri predittori.

6.5 Valutazione dell’esclusione del fumo materno

Si valuta l’esclusione della variabile fumo materno, che nel modello precedente non risultava statisticamente significativa.

# Modello senza età materna e fumo materno
modello_senza_fumo <- update(
  modello_senza_eta,
  . ~ . - Fumatrici,
  data = dati_modello
)

# Risultati del nuovo modello
summary(modello_senza_fumo)
## 
## Call:
## lm(formula = Peso ~ N.gravidanze + Gestazione + Lunghezza + Cranio + 
##     Tipo.parto + Ospedale + Sesso, data = dati_modello)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1113.07  -181.71   -16.66   161.08  2619.57 
## 
## Coefficients:
##                 Estimate Std. Error t value Pr(>|t|)    
## (Intercept)   -6707.9252   136.0257 -49.314  < 2e-16 ***
## N.gravidanze     12.3360     4.3344   2.846  0.00446 ** 
## Gestazione       32.0386     3.7925   8.448  < 2e-16 ***
## Lunghezza        10.3059     0.3006  34.286  < 2e-16 ***
## Cranio           10.4920     0.4257  24.648  < 2e-16 ***
## Tipo.partoNat    29.4080    12.0875   2.433  0.01505 *  
## Ospedaleosp2    -10.8939    13.4447  -0.810  0.41786    
## Ospedaleosp3     28.7917    13.4969   2.133  0.03301 *  
## SessoM           77.4657    11.1842   6.926 5.48e-12 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 274 on 2489 degrees of freedom
## Multiple R-squared:  0.7287, Adjusted R-squared:  0.7278 
## F-statistic: 835.7 on 8 and 2489 DF,  p-value: < 2.2e-16
# Confronto con il modello precedente
anova(modello_senza_fumo, modello_senza_eta)
## Analysis of Variance Table
## 
## Model 1: Peso ~ N.gravidanze + Gestazione + Lunghezza + Cranio + Tipo.parto + 
##     Ospedale + Sesso
## Model 2: Peso ~ N.gravidanze + Fumatrici + Gestazione + Lunghezza + Cranio + 
##     Tipo.parto + Ospedale + Sesso
##   Res.Df       RSS Df Sum of Sq      F Pr(>F)
## 1   2489 186871503                           
## 2   2488 186779904  1     91599 1.2201 0.2694
# Confronto mediante BIC
BIC(modello_senza_eta, modello_senza_fumo)
##                    df      BIC
## modello_senza_eta  11 35208.12
## modello_senza_fumo 10 35201.52
Interpretazione dei risultati

La seconda fase di riduzione del modello ha riguardato l’esclusione della variabile fumo materno, che nel modello precedente non risultava statisticamente significativa.

Il confronto mediante ANOVA non evidenzia un peggioramento statisticamente significativo dell’adattamento in seguito alla sua esclusione (F = 1,220; p = 0,269).

L’R² rimane sostanzialmente invariato (da 0,7288 a 0,7287), mentre il BIC diminuisce da 35.208,12 a 35.201,52, favorendo il modello più semplice.

Si decide pertanto di escludere il fumo materno dal modello ridotto. Tale scelta non implica l’assenza di un’associazione clinica tra fumo e peso neonatale, ma riflette il contributo limitato della variabile nell’attuale modello statistico.

6.6 Valutazione dell’esclusione della variabile Ospedale

Si valuta se la variabile Ospedale, considerata nel suo complesso, contribuisca significativamente all’adattamento del modello.

# Modello senza la variabile Ospedale
modello_senza_ospedale <- update(
  modello_senza_fumo,
  . ~ . - Ospedale,
  data = dati_modello
)

# Risultati del modello ridotto
summary(modello_senza_ospedale)
## 
## Call:
## lm(formula = Peso ~ N.gravidanze + Gestazione + Lunghezza + Cranio + 
##     Tipo.parto + Sesso, data = dati_modello)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1129.14  -181.97   -16.26   160.95  2638.18 
## 
## Coefficients:
##                 Estimate Std. Error t value Pr(>|t|)    
## (Intercept)   -6708.0171   136.0715 -49.298  < 2e-16 ***
## N.gravidanze     12.7356     4.3385   2.935  0.00336 ** 
## Gestazione       32.3253     3.7969   8.514  < 2e-16 ***
## Lunghezza        10.2833     0.3009  34.177  < 2e-16 ***
## Cranio           10.5063     0.4263  24.648  < 2e-16 ***
## Tipo.partoNat    30.1601    12.1027   2.492  0.01277 *  
## SessoM           77.9171    11.1994   6.957 4.42e-12 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 274.4 on 2491 degrees of freedom
## Multiple R-squared:  0.7277, Adjusted R-squared:  0.727 
## F-statistic:  1109 on 6 and 2491 DF,  p-value: < 2.2e-16
# Confronto tra modelli
anova(modello_senza_ospedale, modello_senza_fumo)
## Analysis of Variance Table
## 
## Model 1: Peso ~ N.gravidanze + Gestazione + Lunghezza + Cranio + Tipo.parto + 
##     Sesso
## Model 2: Peso ~ N.gravidanze + Gestazione + Lunghezza + Cranio + Tipo.parto + 
##     Ospedale + Sesso
##   Res.Df       RSS Df Sum of Sq      F   Pr(>F)   
## 1   2491 187574428                                
## 2   2489 186871503  2    702925 4.6812 0.009349 **
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
# Confronto mediante BIC
BIC(modello_senza_fumo, modello_senza_ospedale)
##                        df      BIC
## modello_senza_fumo     10 35201.52
## modello_senza_ospedale  8 35195.25
Interpretazione dei risultati

La terza fase di riduzione ha riguardato la variabile Ospedale, valutata complessivamente attraverso il confronto tra modelli annidati.

Il test ANOVA evidenzia un contributo statisticamente significativo della variabile all’adattamento del modello (F(2, 2489) = 4,681; p = 0,009).

Tuttavia, l’esclusione di Ospedale comporta una riduzione contenuta dell’R² (da 0,7287 a 0,7277), mentre il BIC diminuisce da 35.201,52 a 35.195,25, favorendo il modello più semplice.

Privilegiando il criterio di parsimonia espresso dal BIC, si decide quindi di escludere Ospedale dal modello ridotto, pur riconoscendo che la variabile presenta un contributo statisticamente significativo nel confronto ANOVA.

6.7 Valutazione dell’esclusione del tipo di parto

Si valuta se l’esclusione della variabile Tipo di parto comporti un peggioramento dell’adattamento del modello. Nel modello precedente, la variabile risultava statisticamente significativa.

# Modello senza tipo di parto
modello_senza_parto <- update(
  modello_senza_ospedale,
  . ~ . - Tipo.parto,
  data = dati_modello
)

# Risultati del nuovo modello
summary(modello_senza_parto)
## 
## Call:
## lm(formula = Peso ~ N.gravidanze + Gestazione + Lunghezza + Cranio + 
##     Sesso, data = dati_modello)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1149.37  -180.98   -15.57   163.69  2639.09 
## 
## Coefficients:
##                Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  -6681.7251   135.8036 -49.201  < 2e-16 ***
## N.gravidanze    12.4554     4.3416   2.869  0.00415 ** 
## Gestazione      32.3827     3.8008   8.520  < 2e-16 ***
## Lunghezza       10.2455     0.3008  34.059  < 2e-16 ***
## Cranio          10.5410     0.4265  24.717  < 2e-16 ***
## SessoM          77.9807    11.2111   6.956 4.47e-12 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 274.7 on 2492 degrees of freedom
## Multiple R-squared:  0.727,  Adjusted R-squared:  0.7265 
## F-statistic:  1327 on 5 and 2492 DF,  p-value: < 2.2e-16
# Confronto tra i due modelli
anova(modello_senza_parto, modello_senza_ospedale)
## Analysis of Variance Table
## 
## Model 1: Peso ~ N.gravidanze + Gestazione + Lunghezza + Cranio + Sesso
## Model 2: Peso ~ N.gravidanze + Gestazione + Lunghezza + Cranio + Tipo.parto + 
##     Sesso
##   Res.Df       RSS Df Sum of Sq      F  Pr(>F)  
## 1   2492 188042054                              
## 2   2491 187574428  1    467626 6.2101 0.01277 *
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
# Confronto mediante BIC
BIC(modello_senza_ospedale, modello_senza_parto)
##                        df      BIC
## modello_senza_ospedale  8 35195.25
## modello_senza_parto     7 35193.65
Interpretazione dei risultati

È stata valutata l’esclusione della variabile Tipo di parto dal modello di regressione.

Il confronto mediante ANOVA evidenzia un contributo statisticamente significativo della variabile (F(1, 2492) = 6,210; p = 0,013).

Tuttavia, la sua esclusione comporta una riduzione molto contenuta dell’R² (da 0,7277 a 0,7270). Il BIC diminuisce da 35.195,25 a 35.193,65, favorendo debolmente il modello più semplice.

Privilegiando il criterio di parsimonia, si decide di escludere il tipo di parto dal modello ridotto, pur riconoscendo che la differenza di BIC è modesta e che la variabile presenta un contributo statisticamente significativo.

6.8 Confronto tra modello completo e modello ridotto

Il modello completo viene confrontato con il modello ridotto, che mantiene cinque predittori: numero di gravidanze precedenti, settimane di gestazione, lunghezza, circonferenza cranica e sesso del neonato.

Il confronto viene effettuato mediante ANOVA e BIC, per valutare se la riduzione della complessità comporti una perdita rilevante di adattamento.

# Confronto complessivo mediante ANOVA
anova(modello_senza_parto, modello_completo)
## Analysis of Variance Table
## 
## Model 1: Peso ~ N.gravidanze + Gestazione + Lunghezza + Cranio + Sesso
## Model 2: Peso ~ Anni.madre + N.gravidanze + Fumatrici + Gestazione + Lunghezza + 
##     Cranio + Tipo.parto + Ospedale + Sesso
##   Res.Df       RSS Df Sum of Sq      F   Pr(>F)   
## 1   2492 188042054                                
## 2   2487 186743194  5   1298860 3.4596 0.004052 **
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
# Confronto mediante BIC
BIC(modello_completo, modello_senza_parto)
##                     df      BIC
## modello_completo    12 35215.45
## modello_senza_parto  7 35193.65
Interpretazione dei risultati

Il confronto tra il modello completo e il modello ridotto evidenzia una diminuzione contenuta della capacità esplicativa: l’R² passa da 0,7289 a 0,7270, con una differenza di appena 0,0019.

Il confronto mediante ANOVA risulta statisticamente significativo (F(5, 2487) = 3,460; p = 0,004), indicando che le variabili escluse, considerate complessivamente, contribuiscono all’adattamento del modello.

Tuttavia, il BIC diminuisce da 35.215,45 a 35.193,65, favorendo il modello ridotto, che utilizza soltanto cinque predittori.

Privilegiando il criterio di parsimonia, si sceglie quindi il modello ridotto come candidato finale, riconoscendo la presenza di una piccola perdita di adattamento statisticamente significativa.

Il modello selezionato comprende numero di gravidanze precedenti, settimane di gestazione, lunghezza, circonferenza cranica e sesso del neonato.

6.9 Diagnostica del modello ridotto

Per verificare l’adeguatezza del modello selezionato, vengono esaminati i grafici diagnostici dei residui.

par(mfrow = c(2, 2))

plot(modello_senza_parto)

par(mfrow = c(1, 1))
# Individuiamo l'osservazione 1551
dati[1551, c(
  "Peso",
  "Gestazione",
  "Lunghezza",
  "Cranio",
  "Sesso",
  "N.gravidanze"
)]
##      Peso Gestazione Lunghezza Cranio Sesso N.gravidanze
## 1551 4370         38       315    374     F            1
# Residuo e distanza di Cook
residuals(modello_senza_parto)["1551"]
##     1551 
## 2639.092
cooks.distance(modello_senza_parto)["1551"]
##      1551 
## 0.8297645

6.10 Analisi delle osservazioni influenti

L’osservazione 1551 presenta una combinazione insolita di peso e lunghezza neonatale e una distanza di Cook elevata (0,830).

Per valutare la sua influenza sulle stime, il modello viene ricalcolato escludendo temporaneamente questa osservazione.

# Modello senza l'osservazione sospetta
modello_senza_1551 <- update(
  modello_senza_parto,
  data = dati_modello[
    rownames(dati_modello) != "1551",
  ]
)

# Confronto dei coefficienti
round(
  cbind(
    Con_caso_1551 = coef(modello_senza_parto),
    Senza_caso_1551 = coef(modello_senza_1551)
  ),
  2
)
##              Con_caso_1551 Senza_caso_1551
## (Intercept)       -6681.73        -6683.83
## N.gravidanze         12.46           13.14
## Gestazione           32.38           29.63
## Lunghezza            10.25           10.89
## Cranio               10.54            9.92
## SessoM               77.98           78.14
Interpretazione dei risultati

L’osservazione 1551, già individuata come sospetta durante il controllo di qualità dei dati, presenta un peso di 4.370 g associato a una lunghezza di 315 mm, una combinazione particolarmente insolita.

La sua distanza di Cook (0,830) indica una notevole influenza potenziale sulle stime del modello.

Il confronto dei coefficienti stimati con e senza questa osservazione evidenzia variazioni soprattutto per gestazione, lunghezza e circonferenza cranica, comprese approssimativamente tra il 6% e il 9%. I coefficienti mantengono comunque lo stesso segno e non emergono cambiamenti radicali nelle associazioni stimate.

In assenza di conferme circa un eventuale errore di registrazione, l’osservazione viene mantenuta nel dataset originale. L’analisi di sensibilità viene utilizzata per documentarne l’influenza sulle stime.

# Diagnostica del modello senza il caso 1551
par(mfrow = c(2, 2))

plot(modello_senza_1551)

par(mfrow = c(1, 1))
Confronto della diagnostica dei residui

L’esclusione temporanea dell’osservazione 1551 determina un miglioramento della distribuzione dei residui, riducendo la presenza di valori estremi.

Permangono tuttavia alcune deviazioni dalla normalità nelle code e possibili irregolarità nella dispersione dei residui, suggerendo che le criticità diagnostiche non siano riconducibili esclusivamente a questa osservazione.

Poiché l’esclusione non modifica sostanzialmente l’interpretazione dei coefficienti, si decide di mantenere il caso 1551 nel modello principale, documentandone l’influenza attraverso l’analisi di sensibilità.

6.11 Verifica delle assunzioni del modello

Per approfondire le caratteristiche dei residui osservate nei grafici diagnostici, vengono eseguiti il test di Breusch-Pagan per l’omoschedasticità e il test di Shapiro-Wilk per la normalità.

# Test di Breusch-Pagan
lmtest::bptest(modello_senza_parto)
## 
##  studentized Breusch-Pagan test
## 
## data:  modello_senza_parto
## BP = 90.297, df = 5, p-value < 2.2e-16
# Test di Shapiro-Wilk
shapiro.test(residuals(modello_senza_parto))
## 
##  Shapiro-Wilk normality test
## 
## data:  residuals(modello_senza_parto)
## W = 0.97414, p-value < 2.2e-16
Interpretazione dei risultati

Il test di Breusch-Pagan evidenzia una violazione dell’ipotesi di omoschedasticità (BP = 90,297; p < 0,001), suggerendo che la varianza dei residui non sia costante.

Anche il test di Shapiro-Wilk risulta statisticamente significativo (W = 0,974; p < 0,001), indicando una deviazione dalla normalità dei residui, coerentemente con quanto osservato nel Q-Q plot.

Considerata l’elevata numerosità campionaria, il risultato del test di Shapiro-Wilk deve essere interpretato con cautela, poiché il test è sensibile anche a deviazioni relativamente contenute dalla normalità.

Nel complesso, la diagnostica evidenzia alcune criticità nelle assunzioni del modello lineare, soprattutto per quanto riguarda l’omoschedasticità. Tali aspetti costituiscono un limite nell’interpretazione inferenziale dei risultati e saranno considerati nelle conclusioni.

6.12 Verifica della non linearità

Per valutare se la relazione tra gestazione e peso neonatale sia adeguatamente descritta da una funzione lineare, viene stimato un modello che include anche il termine quadratico della gestazione.

modello_quadratico <- update(
  modello_senza_parto,
  . ~ . + I(Gestazione^2)
)

# Confronto tra modello lineare e quadratico
anova(modello_senza_parto, modello_quadratico)
## Analysis of Variance Table
## 
## Model 1: Peso ~ N.gravidanze + Gestazione + Lunghezza + Cranio + Sesso
## Model 2: Peso ~ N.gravidanze + Gestazione + Lunghezza + Cranio + Sesso + 
##     I(Gestazione^2)
##   Res.Df       RSS Df Sum of Sq      F  Pr(>F)  
## 1   2492 188042054                              
## 2   2491 187646731  1    395323 5.2479 0.02206 *
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
# Confronto tramite BIC
BIC(modello_senza_parto, modello_quadratico)
##                     df      BIC
## modello_senza_parto  7 35193.65
## modello_quadratico   8 35196.21
Interpretazione dei risultati

L’introduzione del termine quadratico della gestazione produce un miglioramento statisticamente significativo dell’adattamento del modello (F = 5,25; p = 0,022).

Tuttavia, il miglioramento è quantitativamente modesto e il BIC risulta inferiore per il modello lineare (35193,65 rispetto a 35196,21).

Si decide pertanto di mantenere il modello lineare, privilegiando la parsimonia e la semplicità interpretativa. Il risultato suggerisce comunque una possibile componente non lineare nella relazione tra gestazione e peso neonatale.

6.13 Verifica dell’interazione tra gestazione e sesso

Si verifica se l’associazione tra durata della gestazione e peso neonatale differisca in funzione del sesso, introducendo un termine di interazione nel modello ridotto.

# Modello con interazione
modello_interazione <- update(
  modello_senza_parto,
  . ~ . + Gestazione:Sesso
)

# Confronto tra modelli
anova(modello_senza_parto, modello_interazione)
## Analysis of Variance Table
## 
## Model 1: Peso ~ N.gravidanze + Gestazione + Lunghezza + Cranio + Sesso
## Model 2: Peso ~ N.gravidanze + Gestazione + Lunghezza + Cranio + Sesso + 
##     Gestazione:Sesso
##   Res.Df       RSS Df Sum of Sq      F Pr(>F)
## 1   2492 188042054                           
## 2   2491 187948227  1     93827 1.2435 0.2649
# Confronto tramite BIC
BIC(modello_senza_parto, modello_interazione)
##                     df      BIC
## modello_senza_parto  7 35193.65
## modello_interazione  8 35200.22
Interpretazione dei risultati

L’introduzione dell’interazione tra gestazione e sesso non determina un miglioramento statisticamente significativo dell’adattamento del modello (F = 1,24; p = 0,265).

Anche il BIC favorisce il modello senza interazione (35193,65 rispetto a 35200,22).

Pertanto, l’interazione non viene mantenuta e si conferma la scelta del modello ridotto, più parsimonioso.

6.14 Analisi di sensibilità sui cinque casi sospetti

Durante il controllo di qualità dei dati sono state individuate cinque osservazioni con combinazioni insolite di peso, gestazione e misure antropometriche.

Per verificare quanto queste osservazioni influenzino i risultati, il modello ridotto viene stimato nuovamente escludendo temporaneamente i cinque casi.

# Identificazione dei cinque casi sospetti
casi_sospetti <- dati[
  (dati$Gestazione == 28 & dati$Peso == 1560 & dati$Cranio == 379) |
  (dati$Gestazione == 38 & dati$Peso == 4370 & dati$Lunghezza == 315) |
  (dati$Gestazione == 32 & dati$Peso == 1890 & dati$Lunghezza == 500) |
  (dati$Gestazione == 40 & dati$Peso == 1850) |
  (dati$Gestazione == 35 & dati$Peso == 4520),
]

# Verifica dei casi identificati
casi_sospetti[, c("Peso", "Gestazione", "Lunghezza", "Cranio")]
##      Peso Gestazione Lunghezza Cranio
## 295  1850         40       460    305
## 310  1560         28       420    379
## 1551 4370         38       315    374
## 1553 4520         35       520    360
## 2115 1890         32       500    309
stopifnot(nrow(casi_sospetti) == 5)

# Esclusione temporanea dal dataset della regressione
dati_senza_5 <- dati_modello[
  !(rownames(dati_modello) %in% rownames(casi_sospetti)),
]

# Nuova stima del modello
modello_senza_5 <- update(
  modello_senza_parto,
  data = dati_senza_5
)

# Confronto dei coefficienti
round(cbind(
  Modello_originale = coef(modello_senza_parto),
  Senza_5_casi = coef(modello_senza_5),
  Differenza = coef(modello_senza_5) - coef(modello_senza_parto)
), 2)
##              Modello_originale Senza_5_casi Differenza
## (Intercept)           -6681.73     -6631.59      50.13
## N.gravidanze             12.46        12.54       0.09
## Gestazione               32.38        28.07      -4.32
## Lunghezza                10.25        10.87       0.62
## Cranio                   10.54         9.98      -0.56
## SessoM                   77.98        77.51      -0.47
# Confronto dell'adattamento
data.frame(
  Modello = c("Originale", "Senza 5 casi"),
  N = c(nobs(modello_senza_parto), nobs(modello_senza_5)),
  R2 = c(
    summary(modello_senza_parto)$r.squared,
    summary(modello_senza_5)$r.squared
  )
)
##        Modello    N        R2
## 1    Originale 2498 0.7270152
## 2 Senza 5 casi 2493 0.7383118
Interpretazione dei risultati

L’esclusione temporanea delle cinque osservazioni sospette determina un aumento dell’R² da 0,7270 a 0,7383, corrispondente a circa 1,13 punti percentuali. Il confronto è descrittivo, poiché i modelli sono stimati su campioni differenti.

I coefficienti mantengono tutti lo stesso segno. La variazione più evidente riguarda la gestazione, il cui coefficiente diminuisce da 32,38 a 28,07 g per settimana (−13,3%). Le variazioni degli altri coefficienti risultano più contenute.

Nel complesso, l’analisi suggerisce che le osservazioni sospette influenzino alcune stime, senza modificare sostanzialmente la direzione delle associazioni individuate.

In assenza di evidenze certe di errori di registrazione, si decide di mantenere le cinque osservazioni nel modello principale, documentandone l’influenza e considerando tale sensibilità nell’interpretazione dei risultati.

7. Previsione del peso neonatale

7.1 Definizione del modello predittivo

Si stima il peso alla nascita di una neonata alla 39ª settimana di gestazione, la cui madre è alla terza gravidanza.

Il modello di regressione selezionato nella sezione precedente include anche la lunghezza e la circonferenza cranica del neonato. Tuttavia, queste informazioni non sono disponibili per il caso da prevedere e non possono essere utilizzate direttamente.

Si costruisce pertanto un modello specifico per la previsione, utilizzando esclusivamente le variabili note: settimane di gestazione, numero di gravidanze precedenti e sesso.

Vengono confrontate due specificazioni:

  • Modello lineare: assume un’associazione lineare tra gestazione e peso neonatale.
  • Modello quadratico: introduce un termine quadratico della gestazione, per verificare se una relazione non lineare migliori l’adattamento.

La selezione viene effettuata mediante confronto ANOVA tra modelli annidati e criterio BIC, privilegiando la parsimonia quando l’aggiunta di complessità non produce miglioramenti sostanziali.

# Modello lineare
modello_previsione <- lm(
  Peso ~ Gestazione + N.gravidanze + Sesso,
  data = dati
)

# Modello con termine quadratico della gestazione
modello_previsione_quad <- lm(
  Peso ~ Gestazione + I(Gestazione^2) +
    N.gravidanze + Sesso,
  data = dati
)

# Confronto tra i modelli
anova(modello_previsione, modello_previsione_quad)
## Analysis of Variance Table
## 
## Model 1: Peso ~ Gestazione + N.gravidanze + Sesso
## Model 2: Peso ~ Gestazione + I(Gestazione^2) + N.gravidanze + Sesso
##   Res.Df       RSS Df Sum of Sq      F    Pr(>F)    
## 1   2496 428211618                                  
## 2   2495 419015493  1   9196125 54.758 1.853e-13 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
BIC(modello_previsione, modello_previsione_quad)
##                         df      BIC
## modello_previsione       5 37261.52
## modello_previsione_quad  6 37215.07
# Coefficienti e indici di adattamento del modello selezionato
summary(modello_previsione_quad)
## 
## Call:
## lm(formula = Peso ~ Gestazione + I(Gestazione^2) + N.gravidanze + 
##     Sesso, data = dati)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1481.05  -272.73   -17.33   261.92  1875.72 
## 
## Coefficients:
##                   Estimate Std. Error t value Pr(>|t|)    
## (Intercept)     -1.284e+04  1.322e+03  -9.708  < 2e-16 ***
## Gestazione       6.885e+02  7.129e+01   9.658  < 2e-16 ***
## I(Gestazione^2) -7.109e+00  9.606e-01  -7.400 1.85e-13 ***
## N.gravidanze     2.250e+01  6.441e+00   3.494 0.000485 ***
## SessoM           1.715e+02  1.657e+01  10.345  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 409.8 on 2495 degrees of freedom
## Multiple R-squared:  0.3918, Adjusted R-squared:  0.3908 
## F-statistic: 401.7 on 4 and 2495 DF,  p-value: < 2.2e-16
Interpretazione dei risultati

L’introduzione del termine quadratico della gestazione determina un miglioramento statisticamente significativo dell’adattamento del modello (F = 54,76; p < 0,001).

Anche il criterio BIC favorisce il modello quadratico (37215,07) rispetto a quello lineare (37261,52).

Pertanto, si seleziona il modello quadratico per la previsione del peso neonatale, in quanto permette di rappresentare una possibile relazione non lineare tra durata della gestazione e peso alla nascita.

Il modello utilizza esclusivamente le informazioni disponibili per il caso considerato. Il suo R² è pari a circa 0,392, quindi spiega il 39,2% della variabilità del peso nel campione, con un errore standard residuo di circa 410 g. Questo valore è inferiore a quello del modello della sezione 6, perché per la previsione non sono disponibili le misure antropometriche neonatali.

7.2 Previsione applicata

Il modello quadratico selezionato viene utilizzato per stimare il peso alla nascita di una neonata di sesso femminile, alla 39ª settimana di gestazione, la cui madre è alla terza gravidanza.

Poiché la variabile N.gravidanze indica il numero di gravidanze precedenti, viene impostato il valore 2.

Oltre alla stima puntuale, viene calcolato un intervallo di previsione al 95%, che rappresenta l’incertezza associata alla previsione del peso di una singola neonata.

# Caratteristiche della neonata
nuova_neonata <- data.frame(
  Gestazione = 39,
  N.gravidanze = 2,
  Sesso = factor("F", levels = levels(dati$Sesso))
)

# Previsione con intervallo al 95%
predict(
  modello_previsione_quad,
  newdata = nuova_neonata,
  interval = "prediction",
  level = 0.95
)
##        fit     lwr      upr
## 1 3249.132 2445.08 4053.184
Interpretazione della previsione

Il modello quadratico stima un peso alla nascita di 3.249 g per una neonata alla 39ª settimana di gestazione, la cui madre è alla terza gravidanza.

L’intervallo di previsione al 95% è compreso tra 2.445 g e 4.053 g.

L’ampiezza dell’intervallo evidenzia una considerevole incertezza nella previsione individuale, poiché il peso neonatale dipende anche da caratteristiche non incluse nel modello.

L’intervallo è calcolato sulla base delle assunzioni della regressione lineare e deve essere interpretato tenendo conto dei possibili limiti del modello.

7.3 Analisi di sensibilità della previsione

Per verificare la robustezza della previsione, il modello quadratico viene ricalcolato escludendo temporaneamente le cinque osservazioni sospette individuate durante il controllo di qualità dei dati.

# Modello quadratico senza i cinque casi sospetti
modello_previsione_senza5 <- update(
  modello_previsione_quad,
  data = dati[
    !(rownames(dati) %in% rownames(casi_sospetti)),
  ]
)

# Previsioni con e senza i cinque casi
previsione_originale <- predict(
  modello_previsione_quad,
  newdata = nuova_neonata,
  interval = "prediction"
)

previsione_senza5 <- predict(
  modello_previsione_senza5,
  newdata = nuova_neonata,
  interval = "prediction"
)

# Confronto
round(rbind(
  Originale = previsione_originale,
  Senza_5_casi = previsione_senza5
), 1)
##      fit    lwr    upr
## 1 3249.1 2445.1 4053.2
## 1 3246.4 2449.1 4043.7
Interpretazione dei risultati

L’esclusione temporanea delle cinque osservazioni sospette determina una variazione minima della previsione puntuale, che passa da 3.249,1 g a 3.246,4 g, con una differenza di appena 2,7 g.

Anche l’intervallo di previsione al 95% rimane sostanzialmente invariato.

Questi risultati indicano che la previsione per il caso considerato è robusta rispetto alla presenza delle cinque osservazioni sospette.

Si decide pertanto di mantenere tutte le osservazioni nel modello predittivo, senza effettuare esclusioni definitive.

7.4 Diagnostica del modello predittivo

Prima di interpretare definitivamente la previsione, vengono esaminate le assunzioni del modello quadratico selezionato.

par(mfrow = c(2, 2))
plot(modello_previsione_quad)

par(mfrow = c(1, 1))

# Verifica dell'omoschedasticità
lmtest::bptest(modello_previsione_quad)
## 
##  studentized Breusch-Pagan test
## 
## data:  modello_previsione_quad
## BP = 9.6628, df = 4, p-value = 0.04651
# Verifica della normalità dei residui
shapiro.test(residuals(modello_previsione_quad))
## 
##  Shapiro-Wilk normality test
## 
## data:  residuals(modello_previsione_quad)
## W = 0.99639, p-value = 1.071e-05
Interpretazione dei controlli diagnostici

Il test di Breusch-Pagan (BP = 9,66; p = 0,047) fornisce evidenza di una possibile varianza non costante dei residui. Anche il test di Shapiro-Wilk è significativo (W = 0,996; p < 0,001), ma il valore di W vicino a 1 suggerisce che lo scostamento dalla normalità non sia marcato. Nei grafici diagnostici si osservano alcune irregolarità nella dispersione dei residui e deviazioni nelle code del Q-Q plot.

Questi risultati non impediscono di calcolare la previsione, ma invitano a interpretare con cautela il suo intervallo al 95%, che dipende dalle assunzioni del modello.

# Cinque osservazioni con distanza di Cook più elevata
head(
  sort(
    cooks.distance(modello_previsione_quad),
    decreasing = TRUE
  ),
  5
)
##       1780       2452       2120        310       1553 
## 0.16899736 0.06027890 0.02898164 0.02307735 0.01841553
# Identificazione delle 5 osservazioni più influenti
id_influenti <- names(
  head(sort(cooks.distance(modello_previsione_quad),
            decreasing = TRUE), 5)
)

# Modello senza le 5 osservazioni più influenti
modello_previsione_senza_influenti <- update(
  modello_previsione_quad,
  data = dati[!(rownames(dati) %in% id_influenti), ]
)

# Confronto delle previsioni
round(rbind(
  Originale = predict(
    modello_previsione_quad,
    nuova_neonata,
    interval = "prediction"
  ),
  Senza_5_influenti = predict(
    modello_previsione_senza_influenti,
    nuova_neonata,
    interval = "prediction"
  )
), 1)
##      fit    lwr    upr
## 1 3249.1 2445.1 4053.2
## 1 3252.4 2453.9 4051.0
Analisi di sensibilità alle osservazioni influenti

Le cinque osservazioni con maggiore distanza di Cook sono le righe 1780, 2452, 2120, 310 e 1553. L’osservazione 1780 presenta il valore più elevato (0,169).

Per valutarne l’influenza sulla previsione, il modello è stato ricalcolato escludendo temporaneamente queste cinque osservazioni.

La previsione puntuale passa da 3.249,1 g a 3.252,4 g, con una differenza di soli 3,3 g. Anche i limiti dell’intervallo di previsione al 95% rimangono sostanzialmente invariati.

Il risultato suggerisce che la previsione per il caso considerato è stabile rispetto all’esclusione delle osservazioni più influenti. Si decide pertanto di mantenere tutte le osservazioni nel modello principale, documentando i controlli effettuati.

8. Visualizzazione dei risultati

8.1 Relazione tra gestazione e peso neonatale

Il seguente grafico rappresenta la relazione tra settimane di gestazione e peso alla nascita, mostrando i dati osservati e la curva stimata dal modello quadratico selezionato.

I punti rappresentano le osservazioni del campione (entrambi i sessi e tutti i valori di gravidanze precedenti), limitatamente alle settimane di gestazione visualizzate. La curva si riferisce invece al profilo specifico di una neonata di sesso femminile, con due gravidanze materne precedenti. Vengono inoltre evidenziati il peso previsto alla 39ª settimana e il relativo intervallo di previsione al 95%.

library(ggplot2)

# Profilo per rappresentare la curva del modello
profilo <- data.frame(
  Gestazione = seq(34, 42, by = 0.1
  ),
  N.gravidanze = 2,
  Sesso = factor("F", levels = levels(dati$Sesso))
)

profilo$Peso_previsto <- predict(
  modello_previsione_quad,
  newdata = profilo
)

# Previsione della neonata alla 39ª settimana
punto_previsione <- cbind(
  data.frame(Gestazione = 39),
  as.data.frame(
    predict(
      modello_previsione_quad,
      newdata = nuova_neonata,
      interval = "prediction"
    )
  )
)

# Grafico
ggplot(dati, aes(x = Gestazione, y = Peso)) +
  geom_jitter(width = 0.15, alpha = 0.15, size = 1) +
  geom_line(
    data = profilo,
    aes(x = Gestazione, y = Peso_previsto),
    inherit.aes = FALSE,
    color = "steelblue",
    linewidth = 1.2
  ) +
  geom_pointrange(
    data = punto_previsione,
    aes(x = Gestazione, y = fit, ymin = lwr, ymax = upr),
    inherit.aes = FALSE,
    color = "firebrick",
    linewidth = 0.8
  ) +
  labs(
    title = "Peso neonatale e durata della gestazione",
    subtitle = "Modello quadratico e previsione per una neonata",
    x = "Settimane di gestazione",
    y = "Peso alla nascita (g)",
    caption = "Punti: intero campione visibile. Curva: sesso F, 2 gravidanze precedenti. Barra rossa: intervallo di previsione al 95%."
  ) +
  theme_minimal() +
  coord_cartesian(xlim = c(34, 42))

Interpretazione del grafico

Il grafico mostra un’associazione positiva tra durata della gestazione e peso neonatale, con un andamento non lineare rappresentato dalla curva quadratica.

La dispersione dei punti evidenzia una considerevole variabilità individuale del peso anche tra neonati con la stessa durata della gestazione.

Per una neonata alla 39ª settimana, con due gravidanze precedenti, il modello prevede un peso di 3.249 g, con un intervallo di previsione al 95% compreso tra 2.445 e 4.053 g.

L’ampiezza dell’intervallo sottolinea i limiti di precisione della previsione individuale.

9. Discussione e conclusioni

9.1 Sintesi dei risultati principali

L’analisi di 2.500 nascite ha permesso di esplorare le caratteristiche associate al peso neonatale e di sviluppare un modello per la previsione del peso alla nascita.

Le analisi esplorative hanno evidenziato associazioni positive tra peso, durata della gestazione, lunghezza e circonferenza cranica. Sono emerse inoltre differenze significative tra maschi e femmine, con un peso medio superiore nei neonati maschi.

Il modello di regressione multipla selezionato, comprendente numero di gravidanze precedenti, gestazione, lunghezza, circonferenza cranica e sesso, spiega circa il 72,7% della variabilità del peso neonatale nel campione analizzato.

Per la previsione applicata è stato sviluppato un secondo modello, basato esclusivamente sulle informazioni disponibili per il caso considerato. Il confronto tra specificazioni lineari e quadratiche ha favorito l’introduzione di un termine quadratico per la gestazione.

Il modello predittivo stima un peso di 3.249 g per una neonata alla 39ª settimana, nella terza gravidanza della madre, con un intervallo di previsione al 95% compreso tra 2.445 e 4.053 g.

9.2 Limiti dell’analisi

L’analisi presenta alcuni limiti metodologici.

In primo luogo, il dataset contiene osservazioni con combinazioni insolite di caratteristiche neonatali, la cui correttezza non può essere verificata direttamente. Le analisi di sensibilità hanno tuttavia mostrato che la loro esclusione non modifica sostanzialmente le principali conclusioni né la previsione applicata.

In secondo luogo, la diagnostica ha evidenziato alcune deviazioni dalle assunzioni della regressione lineare, in particolare per quanto riguarda normalità e omoschedasticità dei residui. Gli intervalli di previsione devono pertanto essere interpretati con cautela.

Inoltre, il modello predittivo utilizza un numero limitato di caratteristiche e non considera altri fattori potenzialmente rilevanti per il peso alla nascita.

Infine, le prestazioni del modello sono state valutate sul dataset disponibile, senza una validazione su dati indipendenti. Non è quindi possibile stabilire con certezza quanto le previsioni siano accurate su nuovi casi.

9.3 Conclusioni

Il progetto ha permesso di applicare strumenti di statistica descrittiva e inferenziale allo studio del peso neonatale, integrando test di ipotesi, regressione lineare, selezione dei modelli e analisi diagnostiche.

I risultati confermano l’importanza della durata della gestazione e delle caratteristiche antropometriche nelle associazioni con il peso alla nascita.

Il modello predittivo fornisce una stima quantitativa per il caso richiesto, ma l’ampiezza dell’intervallo di previsione evidenzia la considerevole incertezza associata alle previsioni individuali.

Nel complesso, il lavoro mostra come i modelli statistici possano essere utilizzati per descrivere associazioni e formulare previsioni, sottolineando al tempo stesso la necessità di considerare qualità dei dati, assunzioni metodologiche e limiti di generalizzazione.