Análisis de Datos Excelentísima Galena Ceci

Migrando datos a R

setwd("D:/Dropbox/MsC UABC/2o Semestre/Projects/Ceci/4. Reproducible Script")

There were 50 or more warnings (use warnings() to see the first 50)

#Cargando los archivos de SPSS
library(haven)
spss <- read_sav("D:/Dropbox/MsC UABC/2o Semestre/Projects/Ceci/1. Raw Data/tumor parrilla costal operados 1.sav")
#Cargando los archivos de EXCEL
library(readxl)
excel <- read_excel("D:/Dropbox/MsC UABC/2o Semestre/Projects/Ceci/2. Tidy Data/Base de Datos 2.xlsx", 
    sheet = "Sheet1")

Exploración inicial y ajustes

#Conviertiendo variables leídas como numéricas a caracteres-
excel$`1RO, 2DO` <- as.character(excel$`1RO, 2DO`)
excel$EDAD[11] <- as.character(0.75)
excel$EDAD[21] <- as.character(0.75)
#Convirtiendo variables leídas como caracteres a numéricas
excel$EDAD <- as.numeric(excel$EDAD)
#Eliminando los números,nombres y NSS siguiendo los requerimientos bioéticos
excel <- excel[,-1:-3]
#Generación del Reporte de Calidad de Datos
source("QOfCategoricalF.R")
DQRcat <-QOfCategoricalF(excel[,-5])
print(DQRcat)

write.csv(DQRcat, file = "DQR.csv")

Observaciones iniciales derivadas del Reporte de Calidad de Datos

• Variables con problemas de calidad en sus datos, se recomienda revisarlas a detalle y corroborar el valor clínico que podrían tener considerando las debilidades desde el punto de vista de análisis de datos:
  • Valores Faltantes: TAC (15, 46.875%), Arcos Costales (10, 31.25%), días de sonda (17, 46.875%), Causa de Muerte (15, 46.875%), libre de enfermedad (10, 31.25%), complicacion (22, 68.75%)
  • Cardinalidad:

Visualización de datos

Tamaño de la Tumoración y Supervivencia

tumFreq <- as.data.frame(table(excel$`TAMAÑO AL DX`, excel$MUERTE))
colnames(tumFreq) <- c("Tamaño Tumoral", "Muerte", "Frecuencia")
write.csv(tumFreq, file = "tumFreq.csv")

library(ggplot2)
tumor <- c(rep("<5cm",6),rep(">10cm",16),rep(">5 y <10cm",10))
muerte <- excel$MUERTE
  
df <- data.frame(tumor,muerte)
ggplot(df, aes(tumor, ..count..)) +
  geom_bar(aes(fill = muerte), position = "dodge")+
  ggtitle("Tamaño del Tumor al Dx y Supervivencia") +
  theme(plot.title = element_text(hjust = 0.5)) +
  xlab("Tamaño del Tumor") +
  ylab("Cantidad")

Bordes y Supervivencia

bordSup <- as.data.frame(table(excel$MARGENES, excel$MUERTE))
colnames(bordSup) <- c("Bordes de Resección", "Muerte", "Frecuencia")
write.csv(bordSup, file = "bordSup.csv")

library(ggplot2)
margen <- excel$MARGENES
muerte <- excel$MUERTE
  
df <- data.frame(margen,muerte)
ggplot(df, aes(margen, ..count..)) +
  geom_bar(aes(fill = muerte), position = "dodge")+
  ggtitle("Márgenes de la Resección y Supervivencia") +
  theme(plot.title = element_text(hjust = 0.5)) +
  xlab("Márgenes") +
  ylab("Cantidad")

Resección y Supervivencia

library(ggplot2)
reseccion <- excel$QX
muerte <- excel$MUERTE
  
df <- data.frame(reseccion,muerte)
ggplot(df, aes(muerte, ..count..)) +
  geom_bar(aes(fill = reseccion), position = "dodge")+
  ggtitle("Tipo de Resección y Supervivencia") +
  theme(plot.title = element_text(hjust = 0.5)) +
  xlab("Márgenes") +
  ylab("Cantidad")

Tipo de Malla Utilizada por Tamaño de Resección

mallaRec <- as.data.frame(table(excel$MALLA, excel$QX))
colnames(mallaRec) <- c("Tipo de Malla", "Resección", "Frecuencia")
write.csv(mallaRec, file = "mallaRec.csv")

Diagnósticos y Frecuencias

dxFreq<-as.data.frame(table(excel$DX))
colnames(dxFreq) <- c("Diagnóstico", "Frecuencia")
write.csv(dxFreq, file = "dxFreq.csv")

METS, MARGENES y Supervivencia

MMS<-as.data.frame(table(excel$`METS AL DX`, excel$MARGENES, excel$MUERTE))
colnames(MMS) <- c("Lugar de Metástasis", "Bordes de Resección", "Muerte", "Frecuencia")
write.csv(MMS, file = "MMS.csv")
MMS