Covid
Pedro Brandão
1/31/2021
Pesquisa COVID
Relatório dos resultados parciais do banco de dados da pesquisa sobre COVID-19. Este é um documento R Markdown. Para mais detalhes acesse http://rmarkdown.rstudio.com.
Primeiro, vamos ler o banco de dados e fazer uma limpeza nos nomes das colunas para facilitar o uso no R:
library(readxl)
library(tidyverse)## -- Attaching packages --------------------------------------- tidyverse 1.3.0 --## v ggplot2 3.3.3 v purrr 0.3.4
## v tibble 3.0.6 v dplyr 1.0.3
## v tidyr 1.1.2 v stringr 1.4.0
## v readr 1.4.0 v forcats 0.5.1## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()covid.data <- read_excel("C:/Dropbox/Laboratorio/Pedro Brandao/resultados_sintomas_contact_tracing_juncao_tabelas_total.xls")## New names:
## * `` -> ...1
## * na -> na...44
## * na -> na...64# cleaning names with default naming
covid <- tibble::as_tibble(covid.data, .name_repair = janitor::make_clean_names)
covid %>% glimpse## Rows: 627
## Columns: 73
## $ x1 <chr> "1", "2", "3", "...
## $ contact_tracer_nome_contact_tracer_contact_tracers <chr> "Isadora Magalhã...
## $ forma_da_comunicacao_como_contatou_caso_positivo <chr> "Mensagem de Wha...
## $ caso_positivo_nome_para_caso_positivo_casos_positi <chr> "Marla Cristina ...
## $ i_contactantes_domiciliares_moram_mesma_casa <chr> "Irmã", NA, NA, ...
## $ ii_contactantes_externos_nao_moram_mesma_casa <chr> NA, NA, NA, NA, ...
## $ data_de_nascimento_caso_positivo <dttm> 1995-12-05, 197...
## $ idade_caso_positivo <dbl> 25, 50, 50, 50, ...
## $ endereco_caso_positivo <chr> "Quadra 05 lote ...
## $ data_da_coleta_do_swab_nasal <dttm> 2021-01-12, 202...
## $ dia_da_semana_do_swab <chr> "Terça-feira", "...
## $ data_resultado_swab_nasal_pcr <dttm> 2021-01-14, 202...
## $ unidade_de_saude <chr> "Hospital Region...
## $ o_sr_a_esta_com_sintomas_form_1 <chr> "Sintomático", "...
## $ data_inicio_sintomas <dttm> 2021-01-10, 202...
## $ dia_da_semana_dia_x <chr> "Domingo", "Segu...
## $ data_do_inicio_da_transmissibilidade_d_2 <dttm> 2021-01-08, 202...
## $ dia_da_semana_dia1 <chr> "Sexta-feira", "...
## $ sintomas_que_pode_ter_apresentado <chr> "febre,perda de ...
## $ esta_em_isolamento_social <chr> "Sim", "Sim", "S...
## $ frequentou_lugares_dois_dias_antes_dos_sintomas <chr> "Estabelecimento...
## $ esta_indo_para_trabalho_mesmo_positivo <chr> "Não", "Não", "N...
## $ data_da_ligacao_formulario_1_v_2_0 <dttm> 2021-01-23, 202...
## $ seus_comentarios_form1_new <chr> NA, NA, NA, NA, ...
## $ nome <chr> "Marla Cristina ...
## $ nome_para_caso_positivo_casos_positivos <chr> "Marla Cristina ...
## $ contact_tracers_nome_contact_tracer_contact_tracer <chr> "Isadora Magalhã...
## $ status_do_caso_positivo_casos_positivos <chr> "1- Em acompanha...
## $ desfecho_clinico_cura_ou_obito <chr> "1- Cura", "3- S...
## $ origem_do_caso_positivo_casos_positivos <chr> "1- INTERNO - PL...
## $ vinculado_a_caso_positivo_interno_casos_positivos <chr> NA, NA, NA, NA, ...
## $ pep_pront_eletr_pac <dbl> NA, NA, NA, NA, ...
## $ idade_casos_positivos <dbl> 25, 50, 50, 50, ...
## $ data_nascimento_casos_positivos <dttm> 1995-12-05, 197...
## $ endereco_casos_positivos <chr> "Quadra 05 lote ...
## $ data_swab_nasal_casos_positivos <dttm> 2021-01-12, 202...
## $ dia_da_semana_dia_y <chr> "Terça-feira", "...
## $ data_liberacao_resultado_pcr_casos_positivos <dttm> 2021-01-14, 202...
## $ hospitais_nome_hospital_hospitais <chr> "Hospital Region...
## $ setor_da_unidade_de_saude_uti_ps_area_hospitala <chr> "HRSM Pronto Soc...
## $ genero_sexo <chr> "F", "F", "F", "...
## $ sintomas <chr> "febre perda_de_...
## $ frequentou_lugares <chr> "Estabelecimento...
## $ na_44 <dbl> 0, 0, 0, 0, 0, 0...
## $ dornocorpomusculares <dbl> 0, 1, 1, 1, 1, 0...
## $ perdadeolfatocheiro <dbl> 1, 1, 1, 1, 1, 1...
## $ perdadepaladargosto <dbl> 1, 1, 1, 1, 1, 1...
## $ febre <dbl> 1, 1, 1, 1, 0, 1...
## $ fadiga <dbl> 0, 0, 0, 0, 0, 0...
## $ tosseseca <dbl> 0, 0, 0, 0, 0, 1...
## $ dificuldadepararespirarfaltadear <dbl> 0, 0, 0, 0, 1, 0...
## $ corizanarizescorrendo <dbl> 0, 0, 0, 0, 0, 1...
## $ outro <dbl> 0, 0, 0, 0, 1, 0...
## $ diarreia <dbl> 0, 0, 0, 0, 0, 0...
## $ dordegarganta <dbl> 0, 0, 0, 0, 0, 0...
## $ perdadeapetite <dbl> 0, 0, 0, 0, 0, 0...
## $ cefaleia <dbl> 0, 0, 0, 0, 1, 1...
## $ nauseaseouvomitos <dbl> 0, 0, 0, 0, 0, 0...
## $ apertonopeito <dbl> 0, 0, 0, 0, 0, 0...
## $ dorabdominal <dbl> 0, 0, 0, 0, 0, 0...
## $ tossecommuco <dbl> 0, 0, 0, 0, 0, 0...
## $ naoquisrespoder <dbl> 0, 0, 0, 0, 0, 0...
## $ naoapresentounenhumsintoma <dbl> 0, 0, 0, 0, 0, 0...
## $ na_64 <dbl> 0, 0, 0, 0, 0, 0...
## $ nenhumaopcao <dbl> 0, 0, 0, 0, 0, 0...
## $ trabalho <dbl> 0, 0, 0, 0, 0, 1...
## $ estabelecimentodesaude <dbl> 1, 1, 1, 1, 0, 0...
## $ mercado <dbl> 0, 0, 0, 0, 1, 0...
## $ transportepunlico <dbl> 0, 0, 0, 0, 0, 0...
## $ farmacia <dbl> 1, 0, 0, 0, 0, 0...
## $ padarias <dbl> 0, 0, 0, 0, 0, 0...
## $ shopping <dbl> 0, 0, 0, 0, 0, 0...
## $ praca <dbl> 0, 0, 0, 0, 0, 0...Selecionando as variáveis
# Seleciona as variáveis e filtra pelos desfechos CURA e ÓBITO
res <- covid %>% select(x1, idade_caso_positivo, genero_sexo, unidade_de_saude, setor_da_unidade_de_saude_uti_ps_area_hospitala, o_sr_a_esta_com_sintomas_form_1, data_inicio_sintomas, esta_em_isolamento_social, dornocorpomusculares:praca, desfecho_clinico_cura_ou_obito) %>%
filter(desfecho_clinico_cura_ou_obito == "1- Cura" | desfecho_clinico_cura_ou_obito == "2- Óbito")
res <- rename(res, desfecho = desfecho_clinico_cura_ou_obito) %>%
mutate(desfecho=recode(desfecho,
`1- Cura`="Cura",
`2- Óbito`="Obito"))
# Somente os sintomas dos dois desfechos
sintom <- res %>% select(desfecho, dornocorpomusculares:corizanarizescorrendo, diarreia:tossecommuco) %>%
filter(desfecho == "Cura" | desfecho == "Obito")
# Exporta o arquivo para o formato CSV
write.csv(sintom, "C:/Dropbox/Laboratorio/Pedro Brandao/covid_sintom.csv", row.names = FALSE)Dimensionalidade
library(corrplot)## corrplot 0.84 loadedlibrary(qgraph)
corr <- cor_auto(sintom[-1])## Variables detected as ordinal: dornocorpomusculares; perdadeolfatocheiro; perdadepaladargosto; febre; fadiga; tosseseca; dificuldadepararespirarfaltadear; corizanarizescorrendo; diarreia; dordegarganta; perdadeapetite; cefaleia; nauseaseouvomitos; apertonopeito; dorabdominal; tossecommucocorrplot(corr, order = "hclust", hclust.method = "ward.D2", addrect = 5)
EGA
# Análise de rede (pacote EGA versão 0.9.8)
library(EGAnet)## [1;m[4;m
## EGAnet (version 0.9.8)[0m[0m
## For help getting started, type browseVignettes("EGAnet")
## For bugs and errors, submit an issue to <https://github.com/hfgolino/EGAnet/issues> [1;m
##
## NEW[0m: EGAnet will write your Methods section for you. Type ?methods.section for more detailsfit <- EGA(sintom[-1])## Registered S3 method overwritten by 'GGally':
## method from
## +.gg ggplot2## Variables detected as ordinal: dornocorpomusculares; perdadeolfatocheiro; perdadepaladargosto; febre; fadiga; tosseseca; dificuldadepararespirarfaltadear; corizanarizescorrendo; diarreia; dordegarganta; perdadeapetite; cefaleia; nauseaseouvomitos; apertonopeito; dorabdominal; tossecommuco## Warning in EGA.estimate(data = cor.data, n = n, model = model, model.args = model.args, : Correlation matrix is not positive definite.
## Forcing positive definite matrix using Matrix::nearPD()
## Results may be unreliable## Network estimated with:
## • gamma = 0.5
## • lambda.min.ratio = 0.1## Warning in EGA.estimate(cor.data, n = n, model = model, model.args = model.args, : Correlation matrix is not positive definite.
## Forcing positive definite matrix using Matrix::nearPD()
## Results may be unreliable
fit## EGA Results:
##
## Number of Dimensions:
## [1] 4
##
## Items per Dimension:
## items dimension
## perdadeolfatocheiro perdadeolfatocheiro 1
## perdadepaladargosto perdadepaladargosto 1
## corizanarizescorrendo corizanarizescorrendo 2
## dordegarganta dordegarganta 2
## cefaleia cefaleia 2
## tossecommuco tossecommuco 2
## dornocorpomusculares dornocorpomusculares 3
## febre febre 3
## fadiga fadiga 3
## tosseseca tosseseca 3
## diarreia diarreia 3
## perdadeapetite perdadeapetite 3
## nauseaseouvomitos nauseaseouvomitos 3
## dorabdominal dorabdominal 3
## dificuldadepararespirarfaltadear dificuldadepararespirarfaltadear 4
## apertonopeito apertonopeito 4fit.ega <- bootEGA(sintom[-1], n=500, medianStructure = TRUE, plot.MedianStructure = TRUE, ncores = 6)## Warning in bootEGA(sintom[-1], n = 500, medianStructure = TRUE, plot.MedianStructure = TRUE, : The 'n' argument has been deprecated in the bootEGA function.
##
## Instead use: iter = 500## Warning in qgraph::cor_auto(data, forcePD = TRUE): Correlation matrix is not
## positive definite. Finding nearest positive definite matrix##
## Generating data...## done## Estimating EGA networks...## Computing results...
fit.ega$summary.table| n.Boots | median.dim | SE.dim | CI.dim | Lower.CI | Upper.CI | Lower.Quantile | Upper.Quantile |
|---|---|---|---|---|---|---|---|
| 500 | 4 | 1.048046 | 2.059127 | 1.940873 | 6.059127 | 1 | 5.525 |
fit.ega$frequency## # of Factors Frequency
## [1,] 1 0.062
## [2,] 2 0.010
## [3,] 3 0.250
## [4,] 4 0.462
## [5,] 5 0.190
## [6,] 6 0.026fit.ega$EGA## EGA Results:
##
## Number of Dimensions:
## [1] 4
##
## Items per Dimension:
## items dimension
## perdadeolfatocheiro perdadeolfatocheiro 1
## perdadepaladargosto perdadepaladargosto 1
## corizanarizescorrendo corizanarizescorrendo 2
## dordegarganta dordegarganta 2
## cefaleia cefaleia 2
## tossecommuco tossecommuco 2
## dornocorpomusculares dornocorpomusculares 3
## febre febre 3
## fadiga fadiga 3
## tosseseca tosseseca 3
## diarreia diarreia 3
## perdadeapetite perdadeapetite 3
## nauseaseouvomitos nauseaseouvomitos 3
## dorabdominal dorabdominal 3
## dificuldadepararespirarfaltadear dificuldadepararespirarfaltadear 4
## apertonopeito apertonopeito 4fit.ega$typicalGraph$typical.dim.variables| items | dimension | |
|---|---|---|
| dornocorpomusculares | dornocorpomusculares | 1 |
| perdadeolfatocheiro | perdadeolfatocheiro | 1 |
| perdadepaladargosto | perdadepaladargosto | 1 |
| febre | febre | 1 |
| fadiga | fadiga | 1 |
| tosseseca | tosseseca | 1 |
| dificuldadepararespirarfaltadear | dificuldadepararespirarfaltadear | 1 |
| corizanarizescorrendo | corizanarizescorrendo | 1 |
| diarreia | diarreia | 1 |
| dordegarganta | dordegarganta | 1 |
| perdadeapetite | perdadeapetite | 1 |
| cefaleia | cefaleia | 1 |
| nauseaseouvomitos | nauseaseouvomitos | 1 |
| apertonopeito | apertonopeito | 1 |
| dorabdominal | dorabdominal | 1 |
| tossecommuco | tossecommuco | 1 |
CFA
# Cria o modelo CFA a partir dos resultados da EGA
cfa.sintom <- CFA(ega.obj = fit, estimator = 'WLSMV', plot.CFA = TRUE, data = sintom[-1])## [1] "perdadeolfatocheiro" "perdadepaladargosto"
## [1] "corizanarizescorrendo" "dordegarganta" "cefaleia"
## [4] "tossecommuco"
## [1] "dornocorpomusculares" "febre" "fadiga"
## [4] "tosseseca" "diarreia" "perdadeapetite"
## [7] "nauseaseouvomitos" "dorabdominal"
## [1] "dificuldadepararespirarfaltadear" "apertonopeito"## Warning in lav_object_post_check(object): lavaan WARNING: covariance matrix of latent variables
## is not positive definite;
## use lavInspect(fit, "cov.lv") to investigate.
# Additional fit measures
lavaan::fitMeasures(cfa.sintom$fit, fit.measures = c("cfi", "cfi.scaled", "tli", "tli.scaled", "rmsea", "rmsea.scaled", "srmr"))## cfi cfi.scaled tli tli.scaled rmsea rmsea.scaled
## 0.998 0.940 0.997 0.927 0.010 0.036
## srmr
## 0.057Modelos probabilisticos
library(bnlearn)## Registered S3 methods overwritten by 'bnlearn':
## method from
## print.bn sna
## plot.bn snalibrary(huge)
BN <- as.data.frame(huge.npn(sintom[-1]))## Conducting the nonparanormal (npn) transformation via shrunkun ECDF....done.res <- iamb(BN); res##
## Bayesian network learned via Constraint-based methods
##
## model:
## [partially directed graph]
## nodes: 16
## arcs: 28
## undirected arcs: 5
## directed arcs: 23
## average markov blanket size: 3.88
## average neighbourhood size: 3.50
## average branching factor: 1.44
##
## learning algorithm: IAMB
## conditional independence test: Pearson's Correlation
## alpha threshold: 0.05
## tests used in the learning procedure: 1733graphviz.plot(res, shape = "ellipse")## Loading required namespace: Rgraphviz
graphviz.plot(res, layout = "fdp", shape = "ellipse")
graphviz.plot(res, shape = "ellipse")
Bootstrap
ci.test(sintom[-1])
Boostrap labels <-c(colnames(sintom[-1])) set.seed(1) boot <- boot.strength(BN, R = 500, algorithm = “iamb”) boot
Gráfico do boostrap qgraph(boot, nodeNames = labels, legend.cex = 0.5, edge.labels = TRUE, sizeLat = 5, sizeMan = 4)
estrenght <- arc.strength(res, BN, “bic-g”) strength.plot(res, estrenght) estrenght avgnet <- averaged.network(boot) avgnet
bn.mle <- bn.fit(res, data = sintom[-1], method = “mle”) bn.mle
learned <- hc(sintom[-1]) score(learned, data = sintom[-1]) arc.strength(learned, data = sintom[-1])
Bayesian Networks
# https://github.com/donaldRwilliams/BGGM
library(BGGM)## Registered S3 methods overwritten by 'BFpack':
## method from
## get_estimates.lm bain
## get_estimates.t_test bain## Registered S3 method overwritten by 'BGGM':
## method from
## plot.select huge##
## Attaching package: 'BGGM'## The following object is masked from 'package:dplyr':
##
## select## The following object is masked from 'package:purrr':
##
## maplibrary(ggplot2)
# binary data
Y <- sintom[-1]
# fit model
fit <- estimate(Y, type = "binary")## Warning in estimate(Y, type = "binary"): imputation during model fitting is
## currently only implemented for 'continuous'
## and 'mixed' data.## BGGM: Posterior Sampling## BGGM: Finishedsummary(fit)## BGGM: Bayesian Gaussian Graphical Models
## ---
## Type: binary
## Analytic: FALSE
## Formula: ~ 1
## Posterior Samples: 5000
## Observations (n):
## Nodes (p): 16
## Relations: 120
## ---
## Call:
## estimate(Y = Y, type = "binary")
## ---
## Estimates:
## Relation Post.mean Post.sd
## dornocorpomusculares--perdadeolfatocheiro 0.023 0.121
## dornocorpomusculares--perdadepaladargosto 0.146 0.116
## perdadeolfatocheiro--perdadepaladargosto 0.726 0.066
## dornocorpomusculares--febre 0.291 0.100
## perdadeolfatocheiro--febre -0.037 0.118
## perdadepaladargosto--febre 0.020 0.117
## dornocorpomusculares--fadiga 0.138 0.118
## perdadeolfatocheiro--fadiga 0.022 0.123
## perdadepaladargosto--fadiga -0.053 0.122
## febre--fadiga -0.136 0.111
## dornocorpomusculares--tosseseca 0.007 0.113
## perdadeolfatocheiro--tosseseca -0.007 0.124
## perdadepaladargosto--tosseseca 0.028 0.122
## febre--tosseseca 0.222 0.105
## fadiga--tosseseca 0.183 0.121
## dornocorpomusculares--dificuldadepararespirarfaltadear 0.062 0.111
## perdadeolfatocheiro--dificuldadepararespirarfaltadear -0.004 0.121
## perdadepaladargosto--dificuldadepararespirarfaltadear -0.014 0.123
## febre--dificuldadepararespirarfaltadear 0.121 0.112
## fadiga--dificuldadepararespirarfaltadear 0.147 0.117
## tosseseca--dificuldadepararespirarfaltadear 0.188 0.112
## dornocorpomusculares--corizanarizescorrendo 0.103 0.114
## perdadeolfatocheiro--corizanarizescorrendo 0.135 0.119
## perdadepaladargosto--corizanarizescorrendo -0.027 0.117
## febre--corizanarizescorrendo 0.027 0.116
## fadiga--corizanarizescorrendo 0.109 0.120
## tosseseca--corizanarizescorrendo 0.253 0.110
## dificuldadepararespirarfaltadear--corizanarizescorrendo -0.093 0.110
## dornocorpomusculares--diarreia -0.064 0.119
## perdadeolfatocheiro--diarreia 0.055 0.122
## perdadepaladargosto--diarreia 0.026 0.127
## febre--diarreia 0.081 0.112
## fadiga--diarreia 0.226 0.118
## tosseseca--diarreia 0.002 0.120
## dificuldadepararespirarfaltadear--diarreia -0.052 0.125
## corizanarizescorrendo--diarreia 0.098 0.119
## dornocorpomusculares--dordegarganta 0.043 0.119
## perdadeolfatocheiro--dordegarganta 0.077 0.118
## perdadepaladargosto--dordegarganta -0.010 0.120
## febre--dordegarganta -0.046 0.113
## fadiga--dordegarganta 0.042 0.124
## tosseseca--dordegarganta 0.176 0.113
## dificuldadepararespirarfaltadear--dordegarganta -0.058 0.121
## corizanarizescorrendo--dordegarganta 0.037 0.113
## diarreia--dordegarganta 0.144 0.117
## dornocorpomusculares--perdadeapetite -0.073 0.118
## perdadeolfatocheiro--perdadeapetite -0.046 0.126
## perdadepaladargosto--perdadeapetite 0.216 0.119
## febre--perdadeapetite -0.023 0.119
## fadiga--perdadeapetite 0.171 0.124
## tosseseca--perdadeapetite 0.203 0.124
## dificuldadepararespirarfaltadear--perdadeapetite -0.088 0.120
## corizanarizescorrendo--perdadeapetite -0.147 0.122
## diarreia--perdadeapetite 0.129 0.127
## dordegarganta--perdadeapetite -0.010 0.123
## dornocorpomusculares--cefaleia -0.001 0.117
## perdadeolfatocheiro--cefaleia 0.019 0.119
## perdadepaladargosto--cefaleia 0.098 0.120
## febre--cefaleia -0.069 0.108
## fadiga--cefaleia 0.037 0.120
## tosseseca--cefaleia 0.038 0.115
## dificuldadepararespirarfaltadear--cefaleia 0.038 0.115
## corizanarizescorrendo--cefaleia 0.042 0.116
## diarreia--cefaleia -0.091 0.124
## dordegarganta--cefaleia 0.188 0.117
## perdadeapetite--cefaleia 0.114 0.119
## dornocorpomusculares--nauseaseouvomitos 0.169 0.119
## perdadeolfatocheiro--nauseaseouvomitos 0.093 0.125
## perdadepaladargosto--nauseaseouvomitos -0.022 0.127
## febre--nauseaseouvomitos 0.025 0.120
## fadiga--nauseaseouvomitos 0.187 0.122
## tosseseca--nauseaseouvomitos -0.046 0.121
## dificuldadepararespirarfaltadear--nauseaseouvomitos 0.000 0.120
## corizanarizescorrendo--nauseaseouvomitos -0.005 0.120
## diarreia--nauseaseouvomitos 0.070 0.117
## dordegarganta--nauseaseouvomitos -0.069 0.117
## perdadeapetite--nauseaseouvomitos 0.200 0.113
## cefaleia--nauseaseouvomitos -0.011 0.125
## dornocorpomusculares--apertonopeito 0.132 0.123
## perdadeolfatocheiro--apertonopeito -0.137 0.126
## perdadepaladargosto--apertonopeito 0.090 0.128
## febre--apertonopeito 0.015 0.121
## fadiga--apertonopeito 0.101 0.127
## tosseseca--apertonopeito 0.012 0.131
## dificuldadepararespirarfaltadear--apertonopeito 0.368 0.110
## corizanarizescorrendo--apertonopeito 0.018 0.129
## diarreia--apertonopeito 0.074 0.127
## dordegarganta--apertonopeito -0.058 0.129
## perdadeapetite--apertonopeito 0.194 0.135
## cefaleia--apertonopeito -0.011 0.122
## nauseaseouvomitos--apertonopeito -0.026 0.126
## dornocorpomusculares--dorabdominal -0.067 0.130
## perdadeolfatocheiro--dorabdominal 0.030 0.125
## perdadepaladargosto--dorabdominal 0.080 0.126
## febre--dorabdominal 0.154 0.118
## fadiga--dorabdominal -0.053 0.136
## tosseseca--dorabdominal -0.100 0.129
## dificuldadepararespirarfaltadear--dorabdominal -0.073 0.125
## corizanarizescorrendo--dorabdominal 0.097 0.122
## diarreia--dorabdominal 0.090 0.130
## dordegarganta--dorabdominal 0.074 0.125
## perdadeapetite--dorabdominal 0.095 0.126
## cefaleia--dorabdominal -0.005 0.130
## nauseaseouvomitos--dorabdominal 0.180 0.123
## apertonopeito--dorabdominal 0.061 0.132
## dornocorpomusculares--tossecommuco 0.105 0.124
## perdadeolfatocheiro--tossecommuco 0.074 0.124
## perdadepaladargosto--tossecommuco -0.029 0.124
## febre--tossecommuco -0.069 0.122
## fadiga--tossecommuco 0.006 0.130
## tosseseca--tossecommuco -0.001 0.124
## dificuldadepararespirarfaltadear--tossecommuco 0.078 0.122
## corizanarizescorrendo--tossecommuco 0.066 0.124
## diarreia--tossecommuco 0.020 0.130
## dordegarganta--tossecommuco 0.019 0.133
## perdadeapetite--tossecommuco 0.045 0.129
## cefaleia--tossecommuco -0.115 0.124
## nauseaseouvomitos--tossecommuco 0.023 0.118
## apertonopeito--tossecommuco 0.161 0.131
## dorabdominal--tossecommuco 0.155 0.129
## Cred.lb Cred.ub
## -0.213 0.257
## -0.096 0.367
## 0.586 0.843
## 0.090 0.476
## -0.263 0.203
## -0.210 0.245
## -0.098 0.361
## -0.224 0.252
## -0.292 0.187
## -0.348 0.086
## -0.216 0.230
## -0.245 0.238
## -0.225 0.259
## 0.018 0.422
## -0.052 0.420
## -0.158 0.277
## -0.240 0.233
## -0.256 0.224
## -0.101 0.330
## -0.090 0.368
## -0.043 0.397
## -0.125 0.324
## -0.107 0.357
## -0.255 0.200
## -0.195 0.255
## -0.134 0.332
## 0.033 0.459
## -0.306 0.124
## -0.298 0.166
## -0.182 0.289
## -0.221 0.266
## -0.138 0.300
## -0.008 0.450
## -0.227 0.236
## -0.290 0.202
## -0.141 0.324
## -0.191 0.274
## -0.153 0.304
## -0.244 0.230
## -0.258 0.173
## -0.207 0.282
## -0.045 0.390
## -0.296 0.180
## -0.188 0.259
## -0.083 0.377
## -0.300 0.160
## -0.295 0.193
## -0.021 0.432
## -0.255 0.206
## -0.076 0.399
## -0.049 0.436
## -0.320 0.155
## -0.380 0.091
## -0.120 0.379
## -0.253 0.229
## -0.226 0.229
## -0.222 0.251
## -0.135 0.336
## -0.277 0.153
## -0.206 0.274
## -0.187 0.258
## -0.185 0.263
## -0.188 0.267
## -0.325 0.162
## -0.050 0.412
## -0.129 0.340
## -0.069 0.391
## -0.144 0.336
## -0.278 0.221
## -0.212 0.260
## -0.058 0.423
## -0.285 0.185
## -0.232 0.234
## -0.234 0.237
## -0.172 0.295
## -0.286 0.163
## -0.036 0.408
## -0.243 0.241
## -0.109 0.373
## -0.385 0.103
## -0.158 0.337
## -0.224 0.248
## -0.148 0.340
## -0.247 0.266
## 0.135 0.565
## -0.225 0.271
## -0.175 0.330
## -0.305 0.194
## -0.070 0.445
## -0.253 0.221
## -0.279 0.212
## -0.318 0.191
## -0.212 0.272
## -0.175 0.320
## -0.088 0.390
## -0.314 0.215
## -0.352 0.150
## -0.311 0.171
## -0.141 0.333
## -0.173 0.343
## -0.166 0.314
## -0.152 0.345
## -0.264 0.255
## -0.075 0.407
## -0.196 0.324
## -0.136 0.353
## -0.169 0.311
## -0.270 0.214
## -0.297 0.175
## -0.249 0.264
## -0.244 0.236
## -0.160 0.310
## -0.178 0.313
## -0.236 0.276
## -0.241 0.282
## -0.205 0.303
## -0.352 0.129
## -0.203 0.252
## -0.096 0.410
## -0.087 0.402
## ---# partial correlation matrix
pcor_mat(fit)## dornocorpomusculares perdadeolfatocheiro
## dornocorpomusculares 0.000 0.023
## perdadeolfatocheiro 0.023 0.000
## perdadepaladargosto 0.146 0.726
## febre 0.291 -0.037
## fadiga 0.138 0.022
## tosseseca 0.007 -0.007
## dificuldadepararespirarfaltadear 0.062 -0.004
## corizanarizescorrendo 0.103 0.135
## diarreia -0.064 0.055
## dordegarganta 0.043 0.077
## perdadeapetite -0.073 -0.046
## cefaleia -0.001 0.019
## nauseaseouvomitos 0.169 0.093
## apertonopeito 0.132 -0.137
## dorabdominal -0.067 0.030
## tossecommuco 0.105 0.074
## perdadepaladargosto febre fadiga tosseseca
## dornocorpomusculares 0.146 0.291 0.138 0.007
## perdadeolfatocheiro 0.726 -0.037 0.022 -0.007
## perdadepaladargosto 0.000 0.020 -0.053 0.028
## febre 0.020 0.000 -0.136 0.222
## fadiga -0.053 -0.136 0.000 0.183
## tosseseca 0.028 0.222 0.183 0.000
## dificuldadepararespirarfaltadear -0.014 0.121 0.147 0.188
## corizanarizescorrendo -0.027 0.027 0.109 0.253
## diarreia 0.026 0.081 0.226 0.002
## dordegarganta -0.010 -0.046 0.042 0.176
## perdadeapetite 0.216 -0.023 0.171 0.203
## cefaleia 0.098 -0.069 0.037 0.038
## nauseaseouvomitos -0.022 0.025 0.187 -0.046
## apertonopeito 0.090 0.015 0.101 0.012
## dorabdominal 0.080 0.154 -0.053 -0.100
## tossecommuco -0.029 -0.069 0.006 -0.001
## dificuldadepararespirarfaltadear
## dornocorpomusculares 0.062
## perdadeolfatocheiro -0.004
## perdadepaladargosto -0.014
## febre 0.121
## fadiga 0.147
## tosseseca 0.188
## dificuldadepararespirarfaltadear 0.000
## corizanarizescorrendo -0.093
## diarreia -0.052
## dordegarganta -0.058
## perdadeapetite -0.088
## cefaleia 0.038
## nauseaseouvomitos 0.000
## apertonopeito 0.368
## dorabdominal -0.073
## tossecommuco 0.078
## corizanarizescorrendo diarreia dordegarganta
## dornocorpomusculares 0.103 -0.064 0.043
## perdadeolfatocheiro 0.135 0.055 0.077
## perdadepaladargosto -0.027 0.026 -0.010
## febre 0.027 0.081 -0.046
## fadiga 0.109 0.226 0.042
## tosseseca 0.253 0.002 0.176
## dificuldadepararespirarfaltadear -0.093 -0.052 -0.058
## corizanarizescorrendo 0.000 0.098 0.037
## diarreia 0.098 0.000 0.144
## dordegarganta 0.037 0.144 0.000
## perdadeapetite -0.147 0.129 -0.010
## cefaleia 0.042 -0.091 0.188
## nauseaseouvomitos -0.005 0.070 -0.069
## apertonopeito 0.018 0.074 -0.058
## dorabdominal 0.097 0.090 0.074
## tossecommuco 0.066 0.020 0.019
## perdadeapetite cefaleia nauseaseouvomitos
## dornocorpomusculares -0.073 -0.001 0.169
## perdadeolfatocheiro -0.046 0.019 0.093
## perdadepaladargosto 0.216 0.098 -0.022
## febre -0.023 -0.069 0.025
## fadiga 0.171 0.037 0.187
## tosseseca 0.203 0.038 -0.046
## dificuldadepararespirarfaltadear -0.088 0.038 0.000
## corizanarizescorrendo -0.147 0.042 -0.005
## diarreia 0.129 -0.091 0.070
## dordegarganta -0.010 0.188 -0.069
## perdadeapetite 0.000 0.114 0.200
## cefaleia 0.114 0.000 -0.011
## nauseaseouvomitos 0.200 -0.011 0.000
## apertonopeito 0.194 -0.011 -0.026
## dorabdominal 0.095 -0.005 0.180
## tossecommuco 0.045 -0.115 0.023
## apertonopeito dorabdominal tossecommuco
## dornocorpomusculares 0.132 -0.067 0.105
## perdadeolfatocheiro -0.137 0.030 0.074
## perdadepaladargosto 0.090 0.080 -0.029
## febre 0.015 0.154 -0.069
## fadiga 0.101 -0.053 0.006
## tosseseca 0.012 -0.100 -0.001
## dificuldadepararespirarfaltadear 0.368 -0.073 0.078
## corizanarizescorrendo 0.018 0.097 0.066
## diarreia 0.074 0.090 0.020
## dordegarganta -0.058 0.074 0.019
## perdadeapetite 0.194 0.095 0.045
## cefaleia -0.011 -0.005 -0.115
## nauseaseouvomitos -0.026 0.180 0.023
## apertonopeito 0.000 0.061 0.161
## dorabdominal 0.061 0.000 0.155
## tossecommuco 0.161 0.155 0.000corrplot::corrplot(pcor_mat(fit), order = "hclust", hclust.method = "ward.D2", addrect = 5)
# Bivariate correlations for binary (tetrachoric), ordinal (polychoric), mixed (rank based), and continuous (Pearson’s) data.
cors <- zero_order_cors(Y, type = "binary", iter = 250)## Warning in estimate(Y, type = type, iter = iter, mixed_type = mixed_type, : imputation during model fitting is
## currently only implemented for 'continuous'
## and 'mixed' data.## BGGM: Posterior Sampling
## BGGM: Finishedcors$R_mean## [,1] [,2] [,3] [,4] [,5] [,6] [,7]
## [1,] 1.0000000 0.4484944 0.4998079 0.48848943 0.4632543 0.4451464 0.38714249
## [2,] 0.4484944 1.0000000 0.8256491 0.22061369 0.3600037 0.3766316 0.15121624
## [3,] 0.4998079 0.8256491 1.0000000 0.28539919 0.3939682 0.4430894 0.21068393
## [4,] 0.4884894 0.2206137 0.2853992 1.00000000 0.2380185 0.4325143 0.32563258
## [5,] 0.4632543 0.3600037 0.3939682 0.23801845 1.0000000 0.5215664 0.40483533
## [6,] 0.4451464 0.3766316 0.4430894 0.43251428 0.5215664 1.0000000 0.41132656
## [7,] 0.3871425 0.1512162 0.2106839 0.32563258 0.4048353 0.4113266 1.00000000
## [8,] 0.4015528 0.4134405 0.3988338 0.29240009 0.3935390 0.4819564 0.18964367
## [9,] 0.3219523 0.4054985 0.4458226 0.26112037 0.4844099 0.3919159 0.20100987
## [10,] 0.2325418 0.3396096 0.3340127 0.12108399 0.2885559 0.3282923 0.08176361
## [11,] 0.4091000 0.4754850 0.5779790 0.27391141 0.5256734 0.5007623 0.25320723
## [12,] 0.1525690 0.2806321 0.3081055 0.06565987 0.2087799 0.2452464 0.05640095
## [13,] 0.4452978 0.4069415 0.4172604 0.28533233 0.4514491 0.3326866 0.22447042
## [14,] 0.4762847 0.2830381 0.3860112 0.31056612 0.4743298 0.4139602 0.54888678
## [15,] 0.2680731 0.3589758 0.3815703 0.28080835 0.2177090 0.2091612 0.09838933
## [16,] 0.3367407 0.2904852 0.2979045 0.18774643 0.2916345 0.3100083 0.27347783
## [,8] [,9] [,10] [,11] [,12] [,13] [,14]
## [1,] 0.4015528 0.3219523 0.23254178 0.4091000 0.15256904 0.4452978 0.47628468
## [2,] 0.4134405 0.4054985 0.33960963 0.4754850 0.28063207 0.4069415 0.28303815
## [3,] 0.3988338 0.4458226 0.33401272 0.5779790 0.30810550 0.4172604 0.38601123
## [4,] 0.2924001 0.2611204 0.12108399 0.2739114 0.06565987 0.2853323 0.31056612
## [5,] 0.3935390 0.4844099 0.28855591 0.5256734 0.20877992 0.4514491 0.47432980
## [6,] 0.4819564 0.3919159 0.32829233 0.5007623 0.24524643 0.3326866 0.41396020
## [7,] 0.1896437 0.2010099 0.08176361 0.2532072 0.05640095 0.2244704 0.54888678
## [8,] 1.0000000 0.3824407 0.28243188 0.2981551 0.19872163 0.3098617 0.28807129
## [9,] 0.3824407 1.0000000 0.30593488 0.4871904 0.15269862 0.3879814 0.36553546
## [10,] 0.2824319 0.3059349 1.00000000 0.2756063 0.30195442 0.1806154 0.13079677
## [11,] 0.2981551 0.4871904 0.27560627 1.0000000 0.26990845 0.4922015 0.45026923
## [12,] 0.1987216 0.1526986 0.30195442 0.2699085 1.00000000 0.1395586 0.09253607
## [13,] 0.3098617 0.3879814 0.18061543 0.4922015 0.13955858 1.0000000 0.30878411
## [14,] 0.2880713 0.3655355 0.13079677 0.4502692 0.09253607 0.3087841 1.00000000
## [15,] 0.3145876 0.3581512 0.21331947 0.3654980 0.10124244 0.3700022 0.27115814
## [16,] 0.2761705 0.2977499 0.18931293 0.3013520 0.06187853 0.2558451 0.39084001
## [,15] [,16]
## [1,] 0.26807313 0.33674070
## [2,] 0.35897578 0.29048516
## [3,] 0.38157029 0.29790448
## [4,] 0.28080835 0.18774643
## [5,] 0.21770905 0.29163454
## [6,] 0.20916117 0.31000832
## [7,] 0.09838933 0.27347783
## [8,] 0.31458761 0.27617050
## [9,] 0.35815119 0.29774991
## [10,] 0.21331947 0.18931293
## [11,] 0.36549803 0.30135197
## [12,] 0.10124244 0.06187853
## [13,] 0.37000224 0.25584510
## [14,] 0.27115814 0.39084001
## [15,] 1.00000000 0.33339567
## [16,] 0.33339567 1.00000000corrplot::corrplot(cors$R_mean, order = "hclust", hclust.method = "ward.D2", addrect = 5)
# Create Graph
E <- BGGM::select(fit)
# "communities"
comm <- substring(colnames(Y), 1, 1)
# plot
plot(E,
groups = comm,
edge_magnify = 5,
palette = "Pastel1",
node_size = 12)## $plt
# plot
plot(E,
# enlarge edges
edge_magnify = 5,
# cluster nodes
groups = comm,
# change layout
layout = "spring")$plt +
# plot title
ggtitle("Semi-Parametric Copula")
# analytic
fit <- estimate(Y, alternative = "exhaustive")## BGGM: Posterior Sampling exhaustive
## BGGM: Finished# network plot
plot(BGGM::select(fit))## $plt
# compute r2
r2 <- predictability(fit, iter = 500)##
|
| | 0%
|
|==== | 6%
|
|========= | 12%
|
|============= | 19%
|
|================== | 25%
|
|====================== | 31%
|
|========================== | 38%
|
|=============================== | 44%
|
|=================================== | 50%
|
|======================================= | 56%
|
|============================================ | 62%
|
|================================================ | 69%
|
|==================================================== | 75%
|
|========================================================= | 81%
|
|============================================================= | 88%
|
|================================================================== | 94%
|
|======================================================================| 100%# plot
plot(r2, type = "ridgeline")## Picking joint bandwidth of 0.00903
# need this package
library(networktools)## Registered S3 methods overwritten by 'car':
## method from
## influence.merMod lme4
## cooks.distance.influence.merMod lme4
## dfbeta.influence.merMod lme4
## dfbetas.influence.merMod lme4##
## Attaching package: 'networktools'## The following object is masked from 'package:EGAnet':
##
## depression# custom function
f <- function(x, ...){
bridge(x, ...)$`Bridge Strength`
}
# clusters
communities <- substring(colnames(Y), 1, 1)
# estimate the model
fit <- estimate(Y)## BGGM: Posterior Sampling## BGGM: Finished# bridge strength
net_stat <- roll_your_own(fit,
FUN = f,
select = TRUE,
communities = communities)##
|
| | 0%
|
| | 1%
|
|= | 1%
|
|= | 2%
|
|== | 2%
|
|== | 3%
|
|== | 4%
|
|=== | 4%
|
|=== | 5%
|
|==== | 5%
|
|==== | 6%
|
|===== | 6%
|
|===== | 7%
|
|===== | 8%
|
|====== | 8%
|
|====== | 9%
|
|======= | 9%
|
|======= | 10%
|
|======= | 11%
|
|======== | 11%
|
|======== | 12%
|
|========= | 12%
|
|========= | 13%
|
|========= | 14%
|
|========== | 14%
|
|========== | 15%
|
|=========== | 15%
|
|=========== | 16%
|
|============ | 16%
|
|============ | 17%
|
|============ | 18%
|
|============= | 18%
|
|============= | 19%
|
|============== | 19%
|
|============== | 20%
|
|============== | 21%
|
|=============== | 21%
|
|=============== | 22%
|
|================ | 22%
|
|================ | 23%
|
|================ | 24%
|
|================= | 24%
|
|================= | 25%
|
|================== | 25%
|
|================== | 26%
|
|=================== | 26%
|
|=================== | 27%
|
|=================== | 28%
|
|==================== | 28%
|
|==================== | 29%
|
|===================== | 29%
|
|===================== | 30%
|
|===================== | 31%
|
|====================== | 31%
|
|====================== | 32%
|
|======================= | 32%
|
|======================= | 33%
|
|======================= | 34%
|
|======================== | 34%
|
|======================== | 35%
|
|========================= | 35%
|
|========================= | 36%
|
|========================== | 36%
|
|========================== | 37%
|
|========================== | 38%
|
|=========================== | 38%
|
|=========================== | 39%
|
|============================ | 39%
|
|============================ | 40%
|
|============================ | 41%
|
|============================= | 41%
|
|============================= | 42%
|
|============================== | 42%
|
|============================== | 43%
|
|============================== | 44%
|
|=============================== | 44%
|
|=============================== | 45%
|
|================================ | 45%
|
|================================ | 46%
|
|================================= | 46%
|
|================================= | 47%
|
|================================= | 48%
|
|================================== | 48%
|
|================================== | 49%
|
|=================================== | 49%
|
|=================================== | 50%
|
|=================================== | 51%
|
|==================================== | 51%
|
|==================================== | 52%
|
|===================================== | 52%
|
|===================================== | 53%
|
|===================================== | 54%
|
|====================================== | 54%
|
|====================================== | 55%
|
|======================================= | 55%
|
|======================================= | 56%
|
|======================================== | 56%
|
|======================================== | 57%
|
|======================================== | 58%
|
|========================================= | 58%
|
|========================================= | 59%
|
|========================================== | 59%
|
|========================================== | 60%
|
|========================================== | 61%
|
|=========================================== | 61%
|
|=========================================== | 62%
|
|============================================ | 62%
|
|============================================ | 63%
|
|============================================ | 64%
|
|============================================= | 64%
|
|============================================= | 65%
|
|============================================== | 65%
|
|============================================== | 66%
|
|=============================================== | 66%
|
|=============================================== | 67%
|
|=============================================== | 68%
|
|================================================ | 68%
|
|================================================ | 69%
|
|================================================= | 69%
|
|================================================= | 70%
|
|================================================= | 71%
|
|================================================== | 71%
|
|================================================== | 72%
|
|=================================================== | 72%
|
|=================================================== | 73%
|
|=================================================== | 74%
|
|==================================================== | 74%
|
|==================================================== | 75%
|
|===================================================== | 75%
|
|===================================================== | 76%
|
|====================================================== | 76%
|
|====================================================== | 77%
|
|====================================================== | 78%
|
|======================================================= | 78%
|
|======================================================= | 79%
|
|======================================================== | 79%
|
|======================================================== | 80%
|
|======================================================== | 81%
|
|========================================================= | 81%
|
|========================================================= | 82%
|
|========================================================== | 82%
|
|========================================================== | 83%
|
|========================================================== | 84%
|
|=========================================================== | 84%
|
|=========================================================== | 85%
|
|============================================================ | 85%
|
|============================================================ | 86%
|
|============================================================= | 86%
|
|============================================================= | 87%
|
|============================================================= | 88%
|
|============================================================== | 88%
|
|============================================================== | 89%
|
|=============================================================== | 89%
|
|=============================================================== | 90%
|
|=============================================================== | 91%
|
|================================================================ | 91%
|
|================================================================ | 92%
|
|================================================================= | 92%
|
|================================================================= | 93%
|
|================================================================= | 94%
|
|================================================================== | 94%
|
|================================================================== | 95%
|
|=================================================================== | 95%
|
|=================================================================== | 96%
|
|==================================================================== | 96%
|
|==================================================================== | 97%
|
|==================================================================== | 98%
|
|===================================================================== | 98%
|
|===================================================================== | 99%
|
|======================================================================| 99%
|
|======================================================================| 100%# print and plot
net_stat## BGGM: Bayesian Gaussian Graphical Models
## ---
## Network Stats: Roll Your Own
## Posterior Samples: 5000
## ---
## Estimates:
##
## Node Post.mean Post.sd Cred.lb Cred.ub
## 1 0.704 0.112 0.487 0.922
## 2 0.242 0.081 0.086 0.401
## 3 0.155 0.057 0.039 0.264
## 4 0.590 0.102 0.388 0.786
## 5 0.957 0.119 0.728 1.193
## 6 1.062 0.131 0.802 1.314
## 7 0.626 0.084 0.463 0.788
## 8 0.447 0.099 0.253 0.641
## 9 0.350 0.073 0.209 0.493
## 10 0.319 0.079 0.164 0.470
## 11 0.990 0.128 0.745 1.246
## 12 0.301 0.082 0.140 0.464
## 13 0.694 0.104 0.489 0.892
## 14 0.802 0.108 0.589 1.015
## 15 0.514 0.100 0.317 0.707
## 16 0.472 0.095 0.288 0.654
## ---plot(net_stat)## Picking joint bandwidth of 0.0159
# Multivariate Regression
# Some variables
Y1 <- subset(sintom, select = c("dificuldadepararespirarfaltadear", "apertonopeito", "perdadeolfatocheiro", "desfecho"))
mv_probit <- estimate(Y1, formula = ~ as.factor(desfecho), type = "binary")## Warning in estimate(Y1, formula = ~as.factor(desfecho), type = "binary"): imputation during model fitting is
## currently only implemented for 'continuous'
## and 'mixed' data.## BGGM: Posterior Sampling
## BGGM: Finishedregression_summary(mv_probit)## BGGM: Bayesian Gaussian Graphical Models
## ---
## Type: binary
## Formula: ~ as.factor(desfecho)
## ---
## Coefficients:
##
## dificuldadepararespirarfaltadear
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -0.803 0.211 -1.291 -0.460
## as.factor(desfecho)Obito 0.613 0.378 -0.108 1.391
## ---
## apertonopeito
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -1.143 0.26 -1.727 -0.730
## as.factor(desfecho)Obito 0.375 0.39 -0.374 1.169
## ---
## perdadeolfatocheiro
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -0.221 0.087 -0.402 -0.067
## as.factor(desfecho)Obito -0.786 0.441 -1.723 -0.005
## ---
## Residual Correlation Matrix:
## dificuldadepararespirarfaltadear apertonopeito
## dificuldadepararespirarfaltadear 1.000 0.543
## apertonopeito 0.543 1.000
## perdadeolfatocheiro 0.158 0.169
## perdadeolfatocheiro
## dificuldadepararespirarfaltadear 0.158
## apertonopeito 0.169
## perdadeolfatocheiro 1.000
## ---# All variables
mv_probit2 <- estimate(sintom, formula = ~ as.factor(desfecho), type = "binary")## Warning in estimate(sintom, formula = ~as.factor(desfecho), type = "binary"): imputation during model fitting is
## currently only implemented for 'continuous'
## and 'mixed' data.## BGGM: Posterior Sampling
## BGGM: Finishedregression_summary(mv_probit2)## BGGM: Bayesian Gaussian Graphical Models
## ---
## Type: binary
## Formula: ~ as.factor(desfecho)
## ---
## Coefficients:
##
## dornocorpomusculares
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -0.290 0.097 -0.495 -0.111
## as.factor(desfecho)Obito 0.174 0.336 -0.475 0.840
## ---
## perdadeolfatocheiro
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -0.255 0.093 -0.447 -0.082
## as.factor(desfecho)Obito -0.796 0.420 -1.669 -0.017
## ---
## perdadepaladargosto
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -0.298 0.090 -0.485 -0.131
## as.factor(desfecho)Obito -0.747 0.399 -1.598 -0.003
## ---
## febre
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -0.541 0.121 -0.806 -0.327
## as.factor(desfecho)Obito 0.338 0.350 -0.355 1.030
## ---
## fadiga
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -0.595 0.127 -0.872 -0.374
## as.factor(desfecho)Obito 0.004 0.348 -0.662 0.698
## ---
## tosseseca
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -0.499 0.119 -0.751 -0.285
## as.factor(desfecho)Obito 0.067 0.348 -0.610 0.760
## ---
## dificuldadepararespirarfaltadear
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -0.746 0.15 -1.069 -0.481
## as.factor(desfecho)Obito 0.582 0.35 -0.085 1.277
## ---
## corizanarizescorrendo
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -0.803 0.154 -1.128 -0.534
## as.factor(desfecho)Obito -0.894 0.521 -1.972 0.069
## ---
## diarreia
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -0.904 0.166 -1.259 -0.617
## as.factor(desfecho)Obito -0.820 0.542 -1.974 0.132
## ---
## dordegarganta
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -0.882 0.169 -1.266 -0.594
## as.factor(desfecho)Obito -0.900 0.573 -2.181 0.083
## ---
## perdadeapetite
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -0.900 0.168 -1.276 -0.611
## as.factor(desfecho)Obito -0.334 0.408 -1.187 0.405
## ---
## cefaleia
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -0.968 0.176 -1.355 -0.671
## as.factor(desfecho)Obito -0.872 0.594 -2.185 0.105
## ---
## nauseaseouvomitos
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -0.979 0.180 -1.380 -0.671
## as.factor(desfecho)Obito -0.716 0.518 -1.828 0.222
## ---
## apertonopeito
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -1.064 0.186 -1.469 -0.75
## as.factor(desfecho)Obito 0.353 0.357 -0.352 1.04
## ---
## dorabdominal
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -1.162 0.208 -1.631 -0.820
## as.factor(desfecho)Obito -0.777 0.613 -2.081 0.293
## ---
## tossecommuco
## Post.mean Post.sd Cred.lb Cred.ub
## (Intercept) -1.291 0.223 -1.785 -0.901
## as.factor(desfecho)Obito 0.701 0.381 -0.037 1.462
## ---
## Residual Correlation Matrix:
## dornocorpomusculares perdadeolfatocheiro
## dornocorpomusculares 1.000 0.466
## perdadeolfatocheiro 0.466 1.000
## perdadepaladargosto 0.513 0.837
## febre 0.464 0.263
## fadiga 0.474 0.397
## tosseseca 0.432 0.389
## dificuldadepararespirarfaltadear 0.367 0.190
## corizanarizescorrendo 0.407 0.419
## diarreia 0.355 0.411
## dordegarganta 0.237 0.320
## perdadeapetite 0.385 0.463
## cefaleia 0.173 0.260
## nauseaseouvomitos 0.462 0.423
## apertonopeito 0.437 0.266
## dorabdominal 0.289 0.377
## tossecommuco 0.344 0.358
## perdadepaladargosto febre fadiga tosseseca
## dornocorpomusculares 0.513 0.464 0.474 0.432
## perdadeolfatocheiro 0.837 0.263 0.397 0.389
## perdadepaladargosto 1.000 0.311 0.419 0.430
## febre 0.311 1.000 0.247 0.407
## fadiga 0.419 0.247 1.000 0.537
## tosseseca 0.430 0.407 0.537 1.000
## dificuldadepararespirarfaltadear 0.240 0.301 0.401 0.409
## corizanarizescorrendo 0.383 0.285 0.413 0.471
## diarreia 0.425 0.288 0.517 0.397
## dordegarganta 0.310 0.143 0.289 0.354
## perdadeapetite 0.556 0.259 0.533 0.482
## cefaleia 0.295 0.068 0.228 0.239
## nauseaseouvomitos 0.436 0.280 0.490 0.343
## apertonopeito 0.360 0.287 0.463 0.392
## dorabdominal 0.406 0.280 0.271 0.228
## tossecommuco 0.361 0.167 0.315 0.270
## dificuldadepararespirarfaltadear
## dornocorpomusculares 0.367
## perdadeolfatocheiro 0.190
## perdadepaladargosto 0.240
## febre 0.301
## fadiga 0.401
## tosseseca 0.409
## dificuldadepararespirarfaltadear 1.000
## corizanarizescorrendo 0.193
## diarreia 0.235
## dordegarganta 0.106
## perdadeapetite 0.269
## cefaleia 0.129
## nauseaseouvomitos 0.250
## apertonopeito 0.526
## dorabdominal 0.120
## tossecommuco 0.241
## corizanarizescorrendo diarreia dordegarganta
## dornocorpomusculares 0.407 0.355 0.237
## perdadeolfatocheiro 0.419 0.411 0.320
## perdadepaladargosto 0.383 0.425 0.310
## febre 0.285 0.288 0.143
## fadiga 0.413 0.517 0.289
## tosseseca 0.471 0.397 0.354
## dificuldadepararespirarfaltadear 0.193 0.235 0.106
## corizanarizescorrendo 1.000 0.358 0.265
## diarreia 0.358 1.000 0.307
## dordegarganta 0.265 0.307 1.000
## perdadeapetite 0.265 0.470 0.258
## cefaleia 0.176 0.121 0.276
## nauseaseouvomitos 0.288 0.403 0.163
## apertonopeito 0.274 0.367 0.141
## dorabdominal 0.273 0.351 0.216
## tossecommuco 0.307 0.325 0.188
## perdadeapetite cefaleia nauseaseouvomitos
## dornocorpomusculares 0.385 0.173 0.462
## perdadeolfatocheiro 0.463 0.260 0.423
## perdadepaladargosto 0.556 0.295 0.436
## febre 0.259 0.068 0.280
## fadiga 0.533 0.228 0.490
## tosseseca 0.482 0.239 0.343
## dificuldadepararespirarfaltadear 0.269 0.129 0.250
## corizanarizescorrendo 0.265 0.176 0.288
## diarreia 0.470 0.121 0.403
## dordegarganta 0.258 0.276 0.163
## perdadeapetite 1.000 0.279 0.502
## cefaleia 0.279 1.000 0.142
## nauseaseouvomitos 0.502 0.142 1.000
## apertonopeito 0.452 0.128 0.339
## dorabdominal 0.379 0.116 0.377
## tossecommuco 0.346 0.055 0.328
## apertonopeito dorabdominal tossecommuco
## dornocorpomusculares 0.437 0.289 0.344
## perdadeolfatocheiro 0.266 0.377 0.358
## perdadepaladargosto 0.360 0.406 0.361
## febre 0.287 0.280 0.167
## fadiga 0.463 0.271 0.315
## tosseseca 0.392 0.228 0.270
## dificuldadepararespirarfaltadear 0.526 0.120 0.241
## corizanarizescorrendo 0.274 0.273 0.307
## diarreia 0.367 0.351 0.325
## dordegarganta 0.141 0.216 0.188
## perdadeapetite 0.452 0.379 0.346
## cefaleia 0.128 0.116 0.055
## nauseaseouvomitos 0.339 0.377 0.328
## apertonopeito 1.000 0.269 0.375
## dorabdominal 0.269 1.000 0.366
## tossecommuco 0.375 0.366 1.000
## ---