2017_Satisfaccion braquets ortodoncia

Cargo Paquetes

library("tidyverse")
library("ggthemes")
library("ggplot2")
install.packages("nortest")

Error in install.packages : Updating loaded packages

library("nortest")

Abro mi df4

df5 <- read.csv("suma por areas y total.csv", header = TRUE, sep=",")
str(df5)

'data.frame':   34 obs. of  14 variables:
 $ Centro.Salud: Factor w/ 3 levels "Externo ","Paillaco",..: 2 2 2 2 2 2 2 2 2 2 ...
 $ Sexo        : Factor w/ 2 levels "F","M": 1 1 2 1 1 1 1 1 2 2 ...
 $ HOC1        : int  15 15 14 12 13 8 12 15 13 12 ...
 $ CFC1        : int  12 17 14 13 19 13 16 12 19 17 ...
 $ AEC1        : int  15 15 3 15 15 14 12 14 12 13 ...
 $ TOTALC1     : int  42 47 31 40 47 35 40 41 44 42 ...
 $ HOC2        : int  15 13 13 11 11 8 14 12 15 9 ...
 $ CFC2        : int  14 18 20 16 18 18 20 18 19 20 ...
 $ AEC2        : int  15 15 13 12 12 14 14 14 15 14 ...
 $ TOTALC2     : int  44 46 46 39 41 40 48 44 49 43 ...
 $ HOC3        : int  12 12 14 12 9 10 11 12 14 13 ...
 $ CFC3        : int  14 18 19 17 20 16 17 20 18 20 ...
 $ AEC3        : int  15 15 14 14 14 15 13 13 14 13 ...
 $ TOTALC3     : int  41 45 47 43 43 41 41 45 46 46 ...

summary(df5)

   Centro.Salud Sexo        HOC1            CFC1            AEC1          TOTALC1     
 Externo :13    F:21   Min.   : 6.00   Min.   : 6.00   Min.   : 3.00   Min.   :22.00  
 Paillaco:17    M:13   1st Qu.:10.00   1st Qu.:12.25   1st Qu.:11.25   1st Qu.:35.00  
 Privado : 4           Median :11.00   Median :15.00   Median :12.50   Median :39.00  
                       Mean   :11.26   Mean   :14.47   Mean   :12.21   Mean   :37.94  
                       3rd Qu.:13.00   3rd Qu.:17.00   3rd Qu.:14.75   3rd Qu.:43.00  
                       Max.   :15.00   Max.   :19.00   Max.   :15.00   Max.   :48.00  
      HOC2            CFC2            AEC2          TOTALC2           HOC3            CFC3      
 Min.   : 4.00   Min.   : 9.00   Min.   : 6.00   Min.   :24.00   "print" Min.   : 8.00  
 1st Qu.:10.00   1st Qu.:14.25   1st Qu.:12.00   1st Qu.:37.25   1st Qu.: 9.25   1st Qu.:14.50  
 Median :11.00   Median :18.00   Median :14.00   Median :41.50   Median :12.00   Median :18.00  
 Mean   :11.21   Mean   :16.47   Mean   :12.88   Mean   :40.56   Mean   :11.24   Mean   :16.56  
 3rd Qu.:13.00   3rd Qu.:19.00   3rd Qu.:14.00   3rd Qu.:44.75   3rd Qu.:13.00   3rd Qu.:19.00  
 Max.   :15.00   Max.   :20.00   Max.   :15.00   Max.   :49.00   Max.   :15.00   Max.   :20.00  
      AEC3          TOTALC3     
 Min.   : 5.00   Min.   :20.00  
 1st Qu.:13.00   1st Qu.:38.00  
 Median :14.00   Median :43.00  
 Mean   :13.29   Mean   :41.09  
 3rd Qu.:15.00   3rd Qu.:46.00  
 Max.   :15.00   Max.   :50.00  

agrego decimales para los calculos

options(digits=2)

Agrupo por centro de salud para el total de controles

df5 %>% 
  group_by(Centro.Salud) %>% 
  summarise(n = n(), 
            "Promedio(control1)" = mean(TOTALC1), 
            "SD(control1)" = sd(TOTALC1),
            "min(control1)"= min(TOTALC1),
            "max(control1)"=max(TOTALC1),
            "Promedio(control2)" = mean(TOTALC2), 
            "SD(control2)" = sd(TOTALC2) ,
            "min(control2)"=min(TOTALC2),
            "max(control2)"=max(TOTALC2),
            "Promedio(control3)" = mean(TOTALC3), 
            "SD(control3)" = sd(TOTALC3),
            "min(control3)"=min(TOTALC3),
            "max(control3"=max(TOTALC3))

Agrupo por Sexo para el total de los controles

df5 %>% 
 group_by(Sexo) %>% 
  summarise(n = n(), 
            "Promedio(control1)" = mean(TOTALC1), 
            "SD(control1)" = sd(TOTALC1),
            "min(control1)"= min(TOTALC1),
            "max(control1)"=max(TOTALC1),
            "Promedio(control2)" = mean(TOTALC2), 
            "SD(control2)" = sd(TOTALC2) ,
            "min(control2)"=min(TOTALC2),
            "max(control2)"=max(TOTALC2),
            "Promedio(control3)" = mean(TOTALC3), 
            "SD(control3)" = sd(TOTALC3),
            "min(control3)"=min(TOTALC3),
            "max(control3"=max(TOTALC3))

Calculo promedios y desviacion por centro de salud para cada uno de los controles del item higiene

df5 %>% 
  group_by(Centro.Salud) %>% 
  summarise(n = n(), 
            "PromedioOH(control1)" = mean(HOC1), 
            "SD OH(control1)" = sd(HOC1),
            "PromedioOH(control2)" = mean(HOC2), 
            "SD OH(control2)" = sd(HOC2) ,
            "Mean_OH(control3)" = mean(HOC3), 
            "SD OH(control3)" = sd(HOC3))

Calculo promedios y desviacion por centro de salud para cada uno de los controles del item confort

df5 %>% 
  group_by(Centro.Salud) %>% 
  summarise(n = n(), 
            "Promedio CF(control1)" = mean(CFC1), 
            "SD CF(control1)" = sd(CFC1),
            "Promedio CF(control2)" = mean(CFC2), 
            "SD CF(control2)" = sd(CFC2) ,
            "Mean CF(control3)" = mean(CFC3), 
            "SD CF(control3)" = sd(CFC3))

Calculo promedios y desviacion por centro de salud para cada uno de los controles del item autopercepcion estetica

df5 %>% 
  group_by(Centro.Salud) %>% 
  summarise(n = n(), 
            "Promedio AE(control1)" = mean(AEC1), 
            "SD AE(control1)" = sd(AEC1),
            "Promedio AE(control2)" = mean(AEC2), 
            "SD AE(control2)" = sd(AEC2) ,
            "Mean AE(control3)" = mean(AEC3), 
            "SD AE(control3)" = sd(AEC3))

Agrupo por sexo para cada uno de los controles del item higiene

df5 %>% 
  group_by(Sexo) %>% 
  summarise(n = n(), 
            "PromedioOH(control1)" = mean(HOC1), 
            "SD OH(control1)" = sd(HOC1),
            "PromedioOH(control2)" = mean(HOC2), 
            "SD OH(control2)" = sd(HOC2) ,
            "Mean_OH(control3)" = mean(HOC3), 
            "SD OH(control3)" = sd(HOC3))

Agrupo por sexo para cada uno de los controles del item confort

df5 %>% 
  group_by(Sexo) %>% 
  summarise(n = n(), 
            "Promedio CF(control1)" = mean(CFC1), 
            "SD CF(control1)" = sd(CFC1),
            "Promedio CF(control2)" = mean(CFC2), 
            "SD CF(control2)" = sd(CFC2) ,
            "Mean CF(control3)" = mean(CFC3), 
            "SD CF(control3)" = sd(CFC3))

Agrupo por sexo para cada uno de los controles del item autopercepcion

df5 %>% 
  group_by(Sexo) %>% 
  summarise(n = n(), 
            "Promedio AE(control1)" = mean(AEC1), 
            "SD AE(control1)" = sd(AEC1),
            "Promedio AE(control2)" = mean(AEC2), 
            "SD AE(control2)" = sd(AEC2) ,
            "Mean AE(control3)" = mean(AEC3), 
            "SD AE(control3)" = sd(AEC3))

Grafico para tipo de centro de salud y total del primer control

df5 %>% 
  ggplot(aes(x=Centro.Salud, y=TOTALC1, fill=Sexo)) +
  scale_fill_manual(values=c("black", "blue")) +
  geom_boxplot() +
  geom_jitter() +
  xlab("Centro de Salud") + 
  ylab("Puntaje encuesta") + 
  ggtitle("Puntaje total satisfaccion para primer control por centro de Salud") + 
  theme_economist() + 
  theme(legend.position = "right") + 
  scale_y_continuous(limits = c(0,50)) + 
  theme(axis.title.x = element_text(face="bold", vjust=-0.5, colour="black", size=rel(1))) + 
  theme(axis.title.y = element_text(face="bold", vjust=1.5, colour="black", size=rel(1))) +
  scale_fill_discrete(name="Sexo", labels=c("Femenino","Masculino"))

Scale for 'fill' is already present. Adding another scale for 'fill', which will replace the
existing scale.

install.packages("nortest")

probando la URL 'https://cran.rstudio.com/bin/macosx/el-capitan/contrib/3.4/nortest_1.0-4.tgz'
Content type 'application/x-gzip' length 28699 bytes (28 KB)
==================================================
downloaded 28 KB

tar: Failed to set default locale

The downloaded binary packages are in
    /var/folders/kk/vxjkvtsx4w13nnvfz58fmly40000gn/T//RtmpbAAv7n/downloaded_packages

Grafico para tipo de centro de salud y total del segundo control

df5 %>% 
  ggplot(aes(x=Centro.Salud, y=TOTALC2, fill=Sexo))+
  geom_boxplot() +
  geom_jitter() +
  xlab("Centro de Salud") +
  ylab("Puntaje encuesta") +
  ggtitle("Puntaje total segundo control por centro de Salud") +
  theme_economist() +
  scale_y_continuous(limits = c(0,50)) 

Grafico para tipo de centro de salud y total del tercer control

df5 %>% 
  ggplot(aes(x=Centro.Salud, y=(TOTALC3), fill= Sexo)) +
  geom_boxplot() +
  geom_jitter() +
  xlab("Centro de Salud") +
  ylab("Puntaje encuesta") +
  ggtitle("Puntaje total tercer control por centro de Salud") +
  theme_economist() +
  scale_y_continuous(limits = c(0,50)) 

Veo normalidad de mis datos

qqnorm(df5$TOTALC1, main = "Normalidad")

Shapito test para totalc1

shapiro.test(df5$TOTALC1)

    Shapiro-Wilk normality test

data:  df5$TOTALC1
W = 0.9, p-value = 0.02

test de anderson para totalC1

ad.test(df5$TOTALC1)

    Anderson-Darling normality test

data:  df5$TOTALC1
A = 0.8, p-value = 0.04

Existe diferencia entre centro de salud y la instalación en el primer control??

aov1 <- aov(df5$TOTALC1~df5$Centro.Salud)
summary(aov1)

                 Df Sum Sq Mean Sq F value Pr(>F)   
df5$Centro.Salud  2    495   247.6    6.49 0.0044 **
Residuals        31   1183    38.2                  
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

TukeyHSD(aov1)

  Tukey multiple comparisons of means
    95% family-wise confidence level

Fit: aov(formula = df5$TOTALC1 ~ df5$Centro.Salud)

$`df5$Centro.Salud`
                    diff lwr  upr p adj
Paillaco-Externo   -0.36  -6  5.2  0.99
Privado-Externo   -12.04 -21 -3.3  0.01
Privado-Paillaco  -11.68 -20 -3.2  0.01

Lo mismo para prueba no parametrica

kruskal.test(df5$TOTALC1~df5$Centro.Salud)

    Kruskal-Wallis rank sum test

data:  df5$TOTALC1 by df5$Centro.Salud
Kruskal-Wallis chi-squared = 7, df = 2, p-value = 0.02

Existe diferencia entre centro de salud y la instalación en el segundo control??

aov2 <- aov(df5$TOTALC2~df5$Centro.Salud)
summary(aov2)

                 Df Sum Sq Mean Sq F value Pr(>F)  
df5$Centro.Salud  2    261   130.7    3.78  0.034 *
Residuals        31   1071    34.5                 
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Lo mismo para prueba no parametrica

kruskal.test(df5$TOTALC2~df5$Centro.Salud)

    Kruskal-Wallis rank sum test

data:  df5$TOTALC2 by df5$Centro.Salud
Kruskal-Wallis chi-squared = 5, df = 2, p-value = 0.08

Existe diferencia entre centro de salud y la instalación en el segundo control??

aov3 <- aov(df5$TOTALC3~df5$Centro.Salud)
summary(aov3)

                 Df Sum Sq Mean Sq F value Pr(>F)
df5$Centro.Salud  2    101    50.3    1.06   0.36
Residuals        31   1478    47.7               

Lo mismo para prueba no parametrica

kruskal.test(df5$TOTALC3~df5$Centro.Salud)

    Kruskal-Wallis rank sum test

data:  df5$TOTALC3 by df5$Centro.Salud
Kruskal-Wallis chi-squared = 1, df = 2, p-value = 0.6

Sumo por item los tres controles

df2 <- df5 %>% 
  mutate(SUMA_HO =HOC1  + HOC2 + HOC3, SUMA_CF= CFC1 + CFC2 + CFC3, SUMA_AE= AEC1 + AEC2 + AEC3)

Doy otra estructura a mi datos para los controles de higiene

long_df1 <- df2 %>%
  select(Centro.Salud, Sexo, HOC1, HOC2,HOC3) %>% 
  gather(HOC1, HOC2,HOC3, key = "Higiene", value = "SUMA_HO") 

Grafico item higiene oral (HO) por controles

long_df1 %>% 
  ggplot(aes(x=Higiene, y=SUMA_HO)) +
  geom_boxplot() +
  geom_jitter() +
xlab("Control por Higiene Oral") +
  ylab("Puntaje HO") +
  ggtitle("Puntaje de satisfaccion en HO") +
  theme_economist() +
  scale_y_continuous(limits = c(0,15)) 

Grafico item higiene oral (HO) por controles segun sexo

Existe diferencia entre el item de higiene y los diferentes controles ????

aov4 <- aov(long_df1$SUMA_HO~long_df1$Higiene)
summary(aov4)

                 Df Sum Sq Mean Sq F value Pr(>F)
long_df1$Higiene  2      0    0.03       0      1
Residuals        99    598    6.04               

Lo mismo para no parametrico

kruskal.test(long_df1$Higiene~long_df1$SUMA_HO)

    Kruskal-Wallis rank sum test

data:  long_df1$Higiene by long_df1$SUMA_HO
Kruskal-Wallis chi-squared = 20, df = 10, p-value = 0.06

Doy otra estructura a mi datos para los controles confort

long_df2 <- df2 %>%
  select(Centro.Salud, Sexo,CFC1, CFC2, CFC3) %>% 
  gather(CFC1, CFC2, CFC3, key = "Confort", value = "SUMA_CF") 

Grafico item CF (confort) por controles

long_df2 %>% 
  ggplot(aes(x=Confort, y=SUMA_CF)) +
  geom_boxplot() +
  geom_jitter() +
xlab("Control por confort") +
  ylab("Puntaje CF") +
  ggtitle("Puntaje de satisfaccion en CF") +
  theme_economist() + 
  scale_y_continuous(limits = c(0,20)) 

Grafico item CF (confort) por controles segun sexo

Existe diferencia entre el item de confort y los diferentes controles ????

aov5 <- aov(long_df2$SUMA_CF~long_df2$Confort)
summary(aov5)

                 Df Sum Sq Mean Sq F value Pr(>F)  
long_df2$Confort  2     95    47.4    4.36  0.015 *
Residuals        99   1077    10.9                 
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Lo mismo para no parametricos

kruskal.test(long_df2$Confort~long_df2$SUMA_CF)

    Kruskal-Wallis rank sum test

data:  long_df2$Confort by long_df2$SUMA_CF
Kruskal-Wallis chi-squared = 20, df = 10, p-value = 0.3

Doy otra estructura a mi datos para los controles de autopercepcion

long_df3 <- df2 %>%
  select(Centro.Salud, Sexo,AEC1, AEC2, AEC3) %>% 
  gather(AEC1, AEC2, AEC3, key = "Autopercepcion", value = "SUMA_AE") 

Grafico item AE(autopercepcion estetica) por controles

long_df3 %>% 
  ggplot(aes(x=Autopercepcion, y=SUMA_AE)) +
  geom_boxplot() +
  geom_jitter() +
xlab("Control por autopercepcion") +
  ylab("Puntaje AE") +
  ggtitle("Puntaje de satisfaccion en AE") +
  theme_economist() +
  scale_y_continuous(limits = c(0,15)) 

Grafico item AE(autopercepcion estetica) por controles segun sexo

Grafico para autopercepcion por controles en barras pareadas

long_df3 %>% 
  ggplot(aes(x=Centro.Salud, y=Autopercepcion, fill= Autopercepcion)) +
  geom_col() +
  coord_flip() +
xlab("Centro de salud") +
  ylab("Puntaje satisfaccion para autopercepcion") +
  ggtitle("Puntaje de satisfaccion en AE en controles por centro de salud") +
  theme_economist()

Existe diferencia entre el item de confort y los diferentes controles ????

aov6 <- aov(long_df3$SUMA_AE~long_df3$Autopercepcion)
summary(aov6)

                        Df Sum Sq Mean Sq F value Pr(>F)
long_df3$Autopercepcion  2     21   10.26    1.69   0.19
Residuals               99    600    6.06               

Lo mismo para no parametricos

kruskal.test(long_df3$Autopercepcion~long_df3$SUMA_AE)

    Kruskal-Wallis rank sum test

data:  long_df3$Autopercepcion by long_df3$SUMA_AE
Kruskal-Wallis chi-squared = 10, df = 10, p-value = 0.4