Noriega-Gallardo V, Uribe SE
library("dplyr")
library("tidyr")
library("irr") #kappa2
acuerdo <- read.csv("cansancio uss.csv", header = T, sep = "\t", encoding = "UTF-8")
acuerdo <- acuerdo %>%
filter(etapa == "acuerdo")
acuerdo$Aciertos <- NULL
acuerdo$Errores <- NULL
13 observadores
table(acuerdo$nombre, acuerdo$horario)mosaicplot(acuerdo$estado_cansancio~acuerdo$horario, shade=T,
main = "Estado de alerta según horario", ylab = "Horario", xlab = "Estado de alerta")Divido en dos, Alerta = 1+2+3 y Cansado = 4+5+6+7 Esto debido al gráfico anterior
acuerdo$estado2[acuerdo$estado_cansancio=="1. Completamente alerta. Muy despierto y atento."] <- "alerta"
acuerdo$estado2[acuerdo$estado_cansancio=="2. Alerta. Receptivo pero no al peak."] <- "alerta"
acuerdo$estado2[acuerdo$estado_cansancio=="3. Bien. fresco"] <- "alerta"
acuerdo$estado2[acuerdo$estado_cansancio=="4. Un poco cansado. Menos que fresco."] <- "cansado"
acuerdo$estado2[acuerdo$estado_cansancio=="5. Cansancio moderado. Poco alerta"] <- "cansado"
acuerdo$estado2[acuerdo$estado_cansancio=="6. Cansado. Dificil concentracion."] <- "cansado"
acuerdo$estado2[acuerdo$estado_cansancio=="7. Exhausto. Imposible funcionar eficientemente."] <- "cansado"
acuerdo$estado2 <- as.factor(acuerdo$estado2)
hay NA?
sum(is.na(acuerdo$estado2))acuerdo %>%
group_by(nombre, gruporx) %>%
filter(horario=="AM") %>%
summarise("Estado AM alerta" = sum(estado2 == "alerta"), "Estado AM cansado" = sum(estado2 == "cansado")) %>%
ungroup()acuerdo %>%
group_by(nombre, gruporx) %>%
filter(horario=="PM") %>%
summarise("Estado PM alerta" = sum(estado2 == "alerta"), "Estado PM cansado" = sum(estado2 == "cansado")) %>%
ungroup()acuerdo %>%
filter(momento == 1) %>%
group_by(sexo) %>%
summarise_each(funs("Promedio edad" = mean,
"Desviación estándar edad" = sd,
n= n()),
edad) %>%
ungroup()acuerdo %>%
filter(momento == 1) %>%
group_by(especialidad) %>%
summarise( n=n(),
"Sexo masculino" = sum(sexo=="Hombre"),
"Sexo femenino" = sum(sexo=="Mujer"),
"Edad promedio" = mean(edad),
"Desviación estándar" = sd(edad),
"Alondras" = sum(tipo.segun.animal=="alondra "),
"Colibries" = sum(tipo.segun.animal == "colibri"),
"Buhos" = sum(tipo.segun.animal == "buho")) %>%
ungroup()table(acuerdo$sexo, acuerdo$tipo.segun.animal)/4chisq.test(table(acuerdo$sexo, acuerdo$tipo.segun.animal)/4)No hay diferencias significativas en la distribución por sexo y tipo circadiano
acuerdo %>%
filter(momento==1) %>%
group_by(tipo.segun.animal) %>%
summarise(Total = n(),
Hombres = sum(sexo=="Hombre"),
Mujeres = sum(sexo=="Mujer"),
"Edad promedio (años)" = mean(edad),
"Desviación estándar (años)" = sd(edad)) %>%
ungroup()acuerdo %>%
group_by(estado_cansancio) %>%
summarise( AM =sum(horario == "AM"), PM = sum(horario == "PM") ) %>%
ungroup()acuerdo %>%
group_by(nombre) %>%
filter(horario == "AM") %>%
summarise( "Alerta AM" = sum(estado2 == "alerta"), "Cansado AM" = sum(estado2 == "cansado") ) %>%
ungroup()
acuerdo %>%
group_by(nombre) %>%
filter(horario == "PM") %>%
summarise( "Alerta PM" = sum(estado2 == "alerta"), "Cansado PM" = sum(estado2 == "cansado") ) %>%
ungroup()
Preparo los datos, tengo que rotar el df
acuerdot <- setNames(data.frame(t(acuerdo[,-1])), acuerdo[,1])
write.csv(acuerdot, "acuerdot.csv")
Aplico LO, convierto acuerdot en parakappa
parakappa <- read.csv("parakappa_final.csv", header = T, sep = ";") #agrego el que se supone está OK
colnames(parakappa) #veo los nombres de las columnas. Se deben comparar iguales nombres, iguales RX, distintos momentos, distintos estado2AO <- parakappa %>%
select(AO.Momento_2.GrupoRx_B.Sexo_Hombre.Tipo_colibri.Estado_cansado,
AO.Momento_3.GrupoRx_B.Sexo_Hombre.Tipo_colibri.Estado_alerta)kappam.fleiss(AO, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.499
z = 3.68
p-value = 0.00023
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.532 2.710 0.007
2. Caries de Esmalte 0.246 1.256 0.209
3. Caries en Dentina 0.505 2.574 0.010Carla <- parakappa %>%
select(Carla.Momento_2.GrupoRx_B.Sexo_Mujer.Tipo_alondra..Estado_cansado,
Carla.Momento_3.GrupoRx_B.Sexo_Mujer.Tipo_alondra..Estado_alerta)
kappa2(Carla, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.808
z = 4.26
p-value = 2.01e-05 kappam.fleiss(Carla, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.705
z = 5.35
p-value = 8.73e-08
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.615 3.135 0.002
2. Caries de Esmalte 0.567 2.889 0.004
3. Caries en Dentina 0.897 4.576 0.000CP <- parakappa %>%
select(CP.Momento_2.GrupoRx_B.Sexo_Mujer.Tipo_alondra..Estado_cansado,
CP.Momento_3.GrupoRx_B.Sexo_Mujer.Tipo_alondra..Estado_alerta)
kappa2(CP, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.779
z = 4.01
p-value = 6.01e-05 kappam.fleiss(CP, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.666
z = 5.14
p-value = 2.78e-07
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.563 2.871 0.004
2. Caries de Esmalte 0.563 2.871 0.004
3. Caries en Dentina 0.819 4.178 0.000CSF <- parakappa %>%
select(CSF.Momento_2.GrupoRx_B.Sexo_Hombre.Tipo_buho.Estado_cansado,
CSF.Momento_3.GrupoRx_B.Sexo_Hombre.Tipo_buho.Estado_alerta)
kappa2(CP, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.779
z = 4.01
p-value = 6.01e-05 kappam.fleiss(CSF, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.38
z = 2.92
p-value = 0.00355
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.150 0.767 0.443
2. Caries de Esmalte 0.077 0.392 0.695
3. Caries en Dentina 0.751 3.830 0.000Daniela <- parakappa %>%
select(Daniela.Momento_1.GrupoRx_A.Sexo_Mujer.Tipo_colibri.Estado_cansado,
Daniela.Momento_4.GrupoRx_A.Sexo_Mujer.Tipo_colibri.Estado_alerta)
kappa2(Daniela, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.784
z = 4.32
p-value = 1.58e-05 kappam.fleiss(Daniela, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.585
z = 4.28
p-value = 1.83e-05
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.760 3.877 0.000
2. Caries de Esmalte 0.441 2.248 0.025
3. Caries en Dentina 0.409 2.086 0.037IG1 <- parakappa %>%
select(IG..Momento_1.GrupoRx_A.Sexo_Hombre.Tipo_colibri.Estado_alerta,
IG..Momento_4.GrupoRx_A.Sexo_Hombre.Tipo_colibri.Estado_cansado)
kappa2(IG1, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.841
z = 4.3
p-value = 1.75e-05 kappam.fleiss(IG1, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.645
z = 4.88
p-value = 1.05e-06
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.923 4.706 0.000
2. Caries de Esmalte 0.414 2.109 0.035
3. Caries en Dentina 0.424 2.159 0.031IG2 <- parakappa %>%
select(IG..Momento_2.GrupoRx_B.Sexo_Hombre.Tipo_colibri.Estado_cansado,
IG..Momento_3.GrupoRx_B.Sexo_Hombre.Tipo_colibri.Estado_alerta)
kappa2(IG2, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.682
z = 3.48
p-value = 0.000495 kappam.fleiss(IG2, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.516
z = 3.84
p-value = 0.000122
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.538 2.746 0.006
2. Caries de Esmalte 0.344 1.755 0.079
3. Caries en Dentina 0.597 3.044 0.002MF1 <- parakappa %>%
select(MF.Momento_1.GrupoRx_A.Sexo_Hombre.Tipo_colibri.Estado_alerta,
MF.Momento_4.GrupoRx_A.Sexo_Hombre.Tipo_colibri.Estado_cansado)
kappa2(MF1, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.668
z = 3.5
p-value = 0.000459 kappam.fleiss(MF1, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.605
z = 4.64
p-value = 3.56e-06
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.675 3.442 0.001
2. Caries de Esmalte 0.563 2.871 0.004
3. Caries en Dentina 0.487 2.484 0.013MF2 <- parakappa %>%
select(MF.Momento_2.GrupoRx_B.Sexo_Hombre.Tipo_colibri.Estado_cansado,
MF.Momento_3.GrupoRx_B.Sexo_Hombre.Tipo_colibri.Estado_alerta)
kappa2(MF2, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.637
z = 3.33
p-value = 0.000877 kappam.fleiss(MF2, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.666
z = 5.14
p-value = 2.78e-07
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.458 2.337 0.019
2. Caries de Esmalte 0.738 3.762 0.000
3. Caries en Dentina 0.738 3.762 0.000MZ1 <- parakappa %>%
select(MZ.Momento_1.GrupoRx_A.Sexo_Mujer.Tipo_colibri.Estado_alerta,
MZ.Momento_4.GrupoRx_A.Sexo_Mujer.Tipo_colibri.Estado_cansado)
kappa2(MZ1, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.752
z = 3.89
p-value = 9.98e-05 kappam.fleiss(MZ1, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.677
z = 4.78
p-value = 1.78e-06
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.690 3.521 0.000
1. No presenta Caries. -0.020 -0.100 0.920
2. Caries de Esmalte 0.563 2.871 0.004
3. Caries en Dentina 1.000 5.099 0.000MZ2 <- parakappa %>%
select(MZ.Momento_2.GrupoRx_B.Sexo_Mujer.Tipo_colibri.Estado_cansado,
MZ.Momento_3.GrupoRx_B.Sexo_Mujer.Tipo_colibri.Estado_alerta)
kappa2(MZ2, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.662
z = 3.42
p-value = 0.000632 kappam.fleiss(MZ2, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.537
z = 4.16
p-value = 3.2e-05
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.601 3.063 0.002
1. No presenta Caries. -0.020 -0.100 0.920
2. Caries de Esmalte 0.257 1.311 0.190
3. Caries en Dentina 0.705 3.592 0.000Paulina <- parakappa %>%
select(Paulina.Momento_1.GrupoRx_A.Sexo_Mujer.Tipo_alondra..Estado_alerta,
Paulina.Momento_4.GrupoRx_A.Sexo_Mujer.Tipo_alondra..Estado_cansado)
kappa2(Paulina, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.408
z = 2.23
p-value = 0.026 kappam.fleiss(Paulina, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.162
z = 1.25
p-value = 0.211
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.213 1.088 0.276
2. Caries de Esmalte -0.020 -0.100 0.920
3. Caries en Dentina 0.157 0.799 0.424VG1 <- parakappa %>%
select(VG.Momento_1.GrupoRx_A.Sexo_Mujer.Tipo_colibri.Estado_alerta,
VG.Momento_4.GrupoRx_A.Sexo_Mujer.Tipo_colibri.Estado_cansado)
kappa2(VG1, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.619
z = 3.21
p-value = 0.00133 kappam.fleiss(VG1, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.443
z = 3.42
p-value = 0.000634
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.563 2.871 0.004
2. Caries de Esmalte 0.278 1.416 0.157
3. Caries en Dentina 0.388 1.980 0.048VG2 <- parakappa %>%
select(VG.Momento_2.GrupoRx_B.Sexo_Mujer.Tipo_colibri.Estado_cansado,
VG.Momento_3.GrupoRx_B.Sexo_Mujer.Tipo_colibri.Estado_alerta)
kappa2(VG2, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.577
z = 2.98
p-value = 0.00285 kappam.fleiss(VG2, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.386
z = 2.97
p-value = 0.00295
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.150 0.767 0.443
2. Caries de Esmalte 0.213 1.088 0.276
3. Caries en Dentina 0.719 3.666 0.000XS1 <- parakappa %>%
select(XS.Momento_1.GrupoRx_A.Sexo_Mujer.Tipo_alondra..Estado_alerta,
XS.Momento_4.GrupoRx_A.Sexo_Mujer.Tipo_alondra..Estado_cansado)
kappa2(XS1, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.257
z = 1.31
p-value = 0.189 kappam.fleiss(XS1, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.101
z = 0.773
p-value = 0.439
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries -0.031 -0.156 0.876
2. Caries de Esmalte 0.025 0.127 0.899
3. Caries en Dentina 0.157 0.799 0.424XS2 <- parakappa %>%
select(XS.Momento_2.GrupoRx_B.Sexo_Mujer.Tipo_alondra..Estado_cansado,
XS.Momento_3.GrupoRx_B.Sexo_Mujer.Tipo_alondra..Estado_alerta)
kappa2(XS2, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.759
z = 3.98
p-value = 7.04e-05 kappam.fleiss(XS2, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.661
z = 5.07
p-value = 4e-07
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.609 3.105 0.002
2. Caries de Esmalte 0.601 3.063 0.002
3. Caries en Dentina 0.719 3.666 0.000XV <- parakappa %>%
select(XV.Momento_1.GrupoRx_A.Sexo_Mujer.Tipo_colibri.Estado_alerta,
XV.Momento_4.GrupoRx_A.Sexo_Mujer.Tipo_colibri.Estado_cansado)
kappa2(XV, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.305
z = 1.56
p-value = 0.119 kappam.fleiss(XV, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.364
z = 2.74
p-value = 0.00619
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.010 0.049 0.961
2. Caries de Esmalte 0.512 2.613 0.009
3. Caries en Dentina 0.350 1.785 0.074AO_cansado <- parakappa %>%
select(AO.Momento_1.GrupoRx_A.Sexo_Hombre.Tipo_colibri.Estado_cansado,
AO.Momento_4.GrupoRx_A.Sexo_Hombre.Tipo_colibri.Estado_cansado)
kappa2(AO_cansado, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.743
z = 3.81
p-value = 0.00014 kappam.fleiss(AO_cansado, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.605
z = 4.43
p-value = 9.38e-06
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.685 3.492 0.000
1. No presenta Caries. -0.020 -0.100 0.920
2. Caries de Esmalte 0.414 2.109 0.035
3. Caries en Dentina 0.779 3.971 0.000Carla_cansado <- parakappa %>%
select(Carla.Momento_1.GrupoRx_A.Sexo_Mujer.Tipo_alondra..Estado_cansado,
Carla.Momento_4.GrupoRx_A.Sexo_Mujer.Tipo_alondra..Estado_cansado)
kappa2(Carla_cansado, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.675
z = 3.59
p-value = 0.00033 kappam.fleiss(Carla_cansado, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.484
z = 3.67
p-value = 0.000244
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.441 2.248 0.025
2. Caries de Esmalte 0.320 1.633 0.102
3. Caries en Dentina 0.654 3.335 0.001Paulina_cansado <- parakappa %>%
select(Paulina.Momento_2.GrupoRx_B.Sexo_Mujer.Tipo_alondra..Estado_cansado,
Paulina.Momento_3.GrupoRx_B.Sexo_Mujer.Tipo_alondra..Estado_cansado)
kappa2(Paulina_cansado, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.554
z = 2.84
p-value = 0.00457 kappam.fleiss(Paulina_cansado, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.412
z = 3.09
p-value = 0.00197
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.381 1.942 0.052
2. Caries de Esmalte 0.278 1.416 0.157
3. Caries en Dentina 0.505 2.574 0.010CP_alerta <- parakappa %>%
select(CP.Momento_1.GrupoRx_A.Sexo_Mujer.Tipo_alondra..Estado_alerta,
CP.Momento_4.GrupoRx_A.Sexo_Mujer.Tipo_alondra..Estado_alerta)
kappa2(CP_alerta, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.724
z = 3.73
p-value = 0.000194 kappam.fleiss(CP_alerta, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.543
z = 4.16
p-value = 3.23e-05
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.685 3.492 0.000
2. Caries de Esmalte 0.344 1.755 0.079
3. Caries en Dentina 0.487 2.484 0.013CSF_alerta <- parakappa %>%
select(CSF.Momento_1.GrupoRx_A.Sexo_Hombre.Tipo_buho.Estado_alerta,
CSF.Momento_4.GrupoRx_A.Sexo_Hombre.Tipo_buho.Estado_alerta)
kappa2(CSF_alerta, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.697
z = 3.58
p-value = 0.000342 kappam.fleiss(CSF_alerta, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.6
z = 4.59
p-value = 4.37e-06
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.685 3.492 0.000
2. Caries de Esmalte 0.487 2.484 0.013
3. Caries en Dentina 0.532 2.710 0.007Daniela_alerta <- parakappa %>%
select(Daniela.Momento_2.GrupoRx_B.Sexo_Mujer.Tipo_colibri.Estado_alerta,
Daniela.Momento_3.GrupoRx_B.Sexo_Mujer.Tipo_colibri.Estado_alerta)
kappa2(Daniela_alerta, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.804
z = 4.25
p-value = 2.19e-05 kappam.fleiss(Daniela_alerta, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.638
z = 4.59
p-value = 4.37e-06
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.766 3.906 0.000
2. Caries de Esmalte 0.512 2.613 0.009
3. Caries en Dentina 0.505 2.574 0.010Ricardo_alerta1 <- parakappa %>%
select(Ricardo..Momento_1.GrupoRx_A.Sexo_Hombre.Tipo_alondra..Estado_alerta,
Ricardo..Momento_4.GrupoRx_A.Sexo_Hombre.Tipo_alondra..Estado_alerta)
kappa2(Ricardo_alerta1, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.359
z = 2.5
p-value = 0.0123 kappam.fleiss(Ricardo_alerta1, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.0299
z = 0.2
p-value = 0.841
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries -0.138 -0.701 0.483
2. Caries de Esmalte -0.077 -0.392 0.695
3. Caries en Dentina 0.458 2.337 0.019Ricardo_alerta2 <- parakappa %>%
select(Ricardo..Momento_2.GrupoRx_B.Sexo_Hombre.Tipo_alondra..Estado_alerta,
Ricardo..Momento_3.GrupoRx_B.Sexo_Hombre.Tipo_alondra..Estado_alerta)
kappa2(Ricardo_alerta2, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.601
z = 3.07
p-value = 0.00214 kappam.fleiss(Ricardo_alerta2, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.497
z = 3.14
p-value = 0.00167
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.601 3.063 0.002
1. No presenta Caries. -0.020 -0.100 0.920
2. Caries de Esmalte 0.388 1.980 0.048
3. Caries en Dentina -0.020 -0.100 0.920XV_alerta <- parakappa %>%
select(XV.Momento_2.GrupoRx_B.Sexo_Mujer.Tipo_colibri.Estado_alerta,
XV.Momento_3.GrupoRx_B.Sexo_Mujer.Tipo_colibri.Estado_alerta)
kappa2(XV_alerta, "squared") Cohen's Kappa for 2 Raters (Weights: squared)
Subjects = 26
Raters = 2
Kappa = 0.779
z = 3.99
p-value = 6.61e-05 kappam.fleiss(XV_alerta, detail = T) Fleiss' Kappa for m Raters
Subjects = 26
Raters = 2
Kappa = 0.525
z = 3.85
p-value = 0.00012
Kappa z p.value
1.000 5.099 0.000
1. No presenta Caries 0.409 2.086 0.037
2. Caries de Esmalte 0.350 1.785 0.074
3. Caries en Dentina 0.685 3.492 0.000citation(package = "dplyr", lib.loc = NULL)
To cite package 'dplyr' in publications use:
Hadley Wickham and Romain Francois (2016). dplyr: A Grammar of Data Manipulation. R package version 0.5.0.
https://CRAN.R-project.org/package=dplyr
A BibTeX entry for LaTeX users is
@Manual{,
title = {dplyr: A Grammar of Data Manipulation},
author = {Hadley Wickham and Romain Francois},
year = {2016},
note = {R package version 0.5.0},
url = {https://CRAN.R-project.org/package=dplyr},
}citation(package = "tidyr", lib.loc = NULL)
To cite package 'tidyr' in publications use:
Hadley Wickham (2016). tidyr: Easily Tidy Data with `spread()` and `gather()` Functions. R package version
0.5.1. https://CRAN.R-project.org/package=tidyr
A BibTeX entry for LaTeX users is
@Manual{,
title = {tidyr: Easily Tidy Data with `spread()` and `gather()` Functions},
author = {Hadley Wickham},
year = {2016},
note = {R package version 0.5.1},
url = {https://CRAN.R-project.org/package=tidyr},
}citation(package = "irr", lib.loc = NULL)
To cite package 'irr' in publications use:
Matthias Gamer, Jim Lemon and Ian Fellows Puspendra Singh <puspendra.pusp22@gmail.com> (2012). irr: Various
Coefficients of Interrater Reliability and Agreement. R package version 0.84.
https://CRAN.R-project.org/package=irr
A BibTeX entry for LaTeX users is
@Manual{,
title = {irr: Various Coefficients of Interrater Reliability and Agreement},
author = {Matthias Gamer and Jim Lemon and Ian Fellows Puspendra Singh <puspendra.pusp22@gmail.com>},
year = {2012},
note = {R package version 0.84},
url = {https://CRAN.R-project.org/package=irr},
}
ATTENTION: This citation information has been auto-generated from the package DESCRIPTION file and may need
manual editing, see 'help("citation")'.