A base de dados SIVEP-Gripe (Sistema de Informação da Vigilância Epidemiológica da Gripe) tem os registros dos casos e óbitos de SRAG (Síndrome Respiratória Aguda Grave). SRAG é considerada quando o indivíduo é hospitalizado com febre, mesmo que referida, acompanhada de tosse ou dor de garganta e que apresente dispneia ou saturação de O2 < 95% ou desconforto respiratório ou que evoluiu para óbito por SRAG independente de internação. A vigilância da SRAG no Brasil é desenvolvida pelo Ministério da Saúde (MS), por meio da Secretaria de Vigilância em Saúde (SVS), desde a pandemia de Influenza A (H1N1) em 2009. Mais informações em https://coronavirus.saude.gov.br/definicao-de-caso-e-notificacao
Há atualmente 1136681 observações na base de dados e 154 variáveis. Base de dados atualizada em 11/01/2021 e disponível em https://opendatasus.saude.gov.br/dataset/bd-srag-2020. Atualmente há 53 semanas epidemiológicas (trabalho da The Lancet considerou 8-33 semanas epidemiológicas) - ver sobre semanas epidemiológicas em http://portalsinan.saude.gov.br/calendario-epidemiologico?layout=edit&id=168.
Vamos agora ver os casos admitidos no hospital (1-Sim, 2-Não, 9-Ignorado).
questionr::freq(
dados$HOSPITAL,
cum = FALSE,
total = TRUE,
na.last = FALSE,
valid = FALSE
) %>%
kable(caption = "Tabela de frequências para internação", digits = 2) | n | % | |
|---|---|---|
| 1 | 1061254 | 93.4 |
| 2 | 39247 | 3.5 |
| 9 | 4743 | 0.4 |
| NA | 31437 | 2.8 |
| Total | 1136681 | 100.0 |
Note que há 75427 casos que não foram hospitalizados. Eles não atendem a definição de caso. O paper da The Lancet excluiu esses casos (1º box de exclusão no fluxograma). No dicionário diz: Caso o campo não seja igual a 1 – Sim o sistema emitirá um aviso indicando que não atende a definição de caso.
Abaixo mostro a distribuição conjunta de hospitalização e evolução (1-cura, 2-óbito, 3-óbito por outras causas, 9-ignorado).
Note que os casos não hospitalizados não necessariamente coincidem com os casos de óbito, o que é uma inconsistência da base ao considerar a sua definição de caso.
ctable(dados$HOSPITAL, dados$EVOLUCAO, prop="r", useNA = "no")## Cross-Tabulation, Row Proportions
## HOSPITAL * EVOLUCAO
## Data Frame: dados
##
## ---------- ---------- ---------------- ---------------- -------------- -------------- -----------------
## EVOLUCAO 1 2 3 9 Total
## HOSPITAL
## 1 588117 (67.2%) 248728 (28.4%) 11004 (1.3%) 27481 (3.1%) 875330 (100.0%)
## 2 17497 (56.1%) 11619 (37.3%) 882 (2.8%) 1191 (3.8%) 31189 (100.0%)
## 9 1311 (40.2%) 1642 (50.4%) 35 (1.1%) 273 (8.4%) 3261 (100.0%)
## Total 606925 (66.7%) 261989 (28.8%) 11921 (1.3%) 28945 (3.2%) 909780 (100.0%)
## ---------- ---------- ---------------- ---------------- -------------- -------------- -----------------Seguindo o paper da The Lancet, vamos excluir os casos sem confirmação e que não foram hospitalizados.
dados1 <- filter(dados, HOSPITAL==1)Ao considerarmos apenas os casos confirmados de hospitalizados, ficamos com 1061254 observações.
A segunda filtragem é considerar os casos classificados como COVID-19 na base de dados. A variável que indica a classificação é a CLASSI_FIN, com as seguintes categorias: 1-SRAG por influenza, 2-SRAG por outro vírus respiratório, 3-SRAG por outro agente etiológico, 4-SRAG não especificado e 5-SRAG por COVID-19.
questionr::freq(
dados1$CLASSI_FIN,
cum = FALSE,
total = TRUE,
na.last = FALSE,
valid = FALSE
) %>%
kable(caption = "Tabela de frequências para classificação do caso ", digits = 2) | n | % | |
|---|---|---|
| 1 | 2507 | 0.2 |
| 2 | 4137 | 0.4 |
| 3 | 2929 | 0.3 |
| 4 | 365992 | 34.5 |
| 5 | 588711 | 55.5 |
| NA | 96978 | 9.1 |
| Total | 1061254 | 100.0 |
Vamos então para a seleção dos casos classificados como COVID-19.
dados2 <- filter(dados1, CLASSI_FIN==5)Agora, há 588711 selecionados.
Vamos selecionar só os casos de COVID confirmados por RT-PCR.
Serão considerados os casos classificados como
#Filtra pacientes com PCR positivo para COVID
dados3 <- dados2 %>%
filter((PCR_SARS2 == 1) |
(str_detect(DS_PCR_OUT, "SARS|COVID|COV|CORONA|CIVID") & !str_detect(DS_PCR_OUT,"63|43|229|HK|RINO|SINCI|PARE")) |
(PCR_RESUL == 1 & CRITERIO == 1 & is.na(DS_PCR_OUT) & ## Adicional filter: among those cases already defined as COVID-19 by laboratory criterion,
(PCR_RINO != 1 | is.na(PCR_RINO)) & ## those with a positive PCR result and not being positive for other PCRs
(POS_PCRFLU!= 1 | is.na(POS_PCRFLU)) &
(PCR_OUTRO != 1 | is.na(PCR_OUTRO)) &
(POS_PCROUT!= 1 | is.na(POS_PCROUT)) &
( is.na(PCR_VSR)) &
( is.na(PCR_METAP)) &
( is.na(PCR_PARA1))))Após essa seleção foram selecionados 454830 casos.
Vamos agora ver os dados segundo o sexo.
questionr::freq(
dados3$CS_SEXO,
cum = FALSE,
total = TRUE,
na.last = FALSE,
valid = FALSE
) %>%
kable(caption = "Tabela de frequências para sexo", digits = 2) | n | % | |
|---|---|---|
| F | 199931 | 44 |
| I | 74 | 0 |
| M | 254825 | 56 |
| Total | 454830 | 100 |
dados4 <- filter(dados3, CS_SEXO == "F")Selecionando só as pessoas do sexo feminino, ficamos com 199931 casos. A próxima seleção é considerar pessoas do sexo feminino com idade maior que 9 anos e menor que 50 (não inclusive).
dados5 <- filter(dados4, NU_IDADE_N > 9 & NU_IDADE_N < 50)O tamanho da amostra fica em 50845 casos.
Agora vamos identificar as pessoas gestantes. Para isso, vamos analisar a variável CS_GESTANT. Essa variável assume os valores: 1-1º Trimestre; 2-2º Trimestre; 3-3º Trimestre; 4-Idade Gestacional Ignorada; 5-Não; 6-Não se aplica; 9-Ignorado.
questionr::freq(
dados5$CS_GESTANT,
cum = FALSE,
total = TRUE,
na.last = FALSE,
valid = FALSE
) %>%
kable(caption = "Tabela de frequências para variável sobre gestação", digits = 2) | n | % | |
|---|---|---|
| 0 | 1 | 0.0 |
| 1 | 295 | 0.6 |
| 2 | 829 | 1.6 |
| 3 | 2089 | 4.1 |
| 4 | 159 | 0.3 |
| 5 | 37268 | 73.3 |
| 6 | 2056 | 4.0 |
| 9 | 8148 | 16.0 |
| Total | 50845 | 100.0 |
Note que há 1 casos classificado como 0 (que não tem código no dicionário), 2056 casos como não se aplica e 8148 casos como ignorado. Esses 10205 casos são excluídos.
dados6 <- filter(dados5, CS_GESTANT>=1 & CS_GESTANT<=5)
dados6$gestante_SN <- ifelse(dados6$CS_GESTANT==5,"não", "sim")
questionr::freq(
dados6$gestante_SN,
cum = FALSE,
total = TRUE,
na.last = FALSE,
valid = FALSE
) %>%
kable(caption = "Tabela de frequências para variável indicadora de gestação", digits = 2) | n | % | |
|---|---|---|
| não | 37268 | 91.7 |
| sim | 3372 | 8.3 |
| Total | 40640 | 100.0 |
Vamos agora observar a variável indicadora de puérpera (PUERPERA, com 1-sim, 2-não e 9-Ignorado).
| n | % | |
|---|---|---|
| 1 | 983 | 2.4 |
| 2 | 12183 | 30.0 |
| 9 | 230 | 0.6 |
| NA | 27244 | 67.0 |
| Total | 40640 | 100.0 |
ctable(dados6$gestante_SN, dados6$puerpera, prop="n")## Cross-Tabulation
## gestante_SN * puerpera
## Data Frame: dados6
##
## ------------- ---------- ------- ----- ------- ----- -------
## puerpera 0 1 2 9 Total
## gestante_SN
## não 25038 794 11224 212 37268
## sim 2206 189 959 18 3372
## Total 27244 983 12183 230 40640
## ------------- ---------- ------- ----- ------- ----- -------Veja que há 189 casos classificados como gestante e puérpera ao mesmo tempo.
dados6$gest_puerp <- ifelse(dados6$gestante_SN=="sim",1, ifelse(dados6$gestante_SN=="não" & dados6$puerpera==1,2,0) )
dados6$gest_puerp <- factor(dados6$gest_puerp,
levels = c(0,1,2),
labels = c("não", "gesta", "puerp"))Consideramos todos os casos classificados como gestante como “gesta” (3372 casos), os casos classificados como não gestante e sim para puerpério como “puerp” (794 casos) e os restantes como não gestante (36474 casos).
questionr::freq(
dados6$gest_puerp,
cum = FALSE,
total = TRUE,
na.last = FALSE,
valid = FALSE
) %>%
kable(caption = "Tabela de frequências para variável gest_puerp", digits = 2)| n | % | |
|---|---|---|
| não | 36474 | 89.7 |
| gesta | 3372 | 8.3 |
| puerp | 794 | 2.0 |
| Total | 40640 | 100.0 |
Agora vamos criar a variável que é indicadora de gestante ou puérpera que chamamos de gesta_puerp_SN: sim (se gestante ou puérpera) e não (se não for gestante e nem puérpera).
dados6$gesta_puerp_SN <- ifelse(dados6$gest_puerp=="não","não", "sim")| n | % | |
|---|---|---|
| não | 36474 | 89.7 |
| sim | 4166 | 10.3 |
| Total | 40640 | 100.0 |
A variável SEM_NOT indica a semana epidemiológica do preenchimento da ficha de notificação. A variável SEM_PRI indica a semana epidemiológica dos primeiros sintomas.
| n | % | |
|---|---|---|
| 1 | 477 | 1.2 |
| 2 | 25 | 0.1 |
| 9 | 3 | 0.0 |
| 10 | 3 | 0.0 |
| 11 | 7 | 0.0 |
| 12 | 90 | 0.2 |
| 13 | 284 | 0.7 |
| 14 | 486 | 1.2 |
| 15 | 603 | 1.5 |
| 16 | 891 | 2.2 |
| 17 | 1122 | 2.8 |
| 18 | 1327 | 3.3 |
| 19 | 1443 | 3.6 |
| 20 | 1456 | 3.6 |
| 21 | 1399 | 3.4 |
| 22 | 1344 | 3.3 |
| 23 | 1306 | 3.2 |
| 24 | 1380 | 3.4 |
| 25 | 1444 | 3.6 |
| 26 | 1416 | 3.5 |
| 27 | 1419 | 3.5 |
| 28 | 1494 | 3.7 |
| 29 | 1419 | 3.5 |
| 30 | 1479 | 3.6 |
| 31 | 1286 | 3.2 |
| 32 | 1124 | 2.8 |
| 33 | 1030 | 2.5 |
| 34 | 998 | 2.5 |
| 35 | 905 | 2.2 |
| 36 | 883 | 2.2 |
| 37 | 842 | 2.1 |
| 38 | 800 | 2.0 |
| 39 | 682 | 1.7 |
| 40 | 637 | 1.6 |
| 41 | 587 | 1.4 |
| 42 | 564 | 1.4 |
| 43 | 556 | 1.4 |
| 44 | 538 | 1.3 |
| 45 | 482 | 1.2 |
| 46 | 701 | 1.7 |
| 47 | 824 | 2.0 |
| 48 | 857 | 2.1 |
| 49 | 951 | 2.3 |
| 50 | 901 | 2.2 |
| 51 | 840 | 2.1 |
| 52 | 672 | 1.7 |
| 53 | 663 | 1.6 |
| Total | 40640 | 100.0 |
| n | % | |
|---|---|---|
| 8 | 1 | 0.0 |
| 9 | 9 | 0.0 |
| 10 | 12 | 0.0 |
| 11 | 96 | 0.2 |
| 12 | 313 | 0.8 |
| 13 | 470 | 1.2 |
| 14 | 650 | 1.6 |
| 15 | 884 | 2.2 |
| 16 | 1205 | 3.0 |
| 17 | 1438 | 3.5 |
| 18 | 1514 | 3.7 |
| 19 | 1504 | 3.7 |
| 20 | 1503 | 3.7 |
| 21 | 1350 | 3.3 |
| 22 | 1307 | 3.2 |
| 23 | 1414 | 3.5 |
| 24 | 1449 | 3.6 |
| 25 | 1499 | 3.7 |
| 26 | 1308 | 3.2 |
| 27 | 1577 | 3.9 |
| 28 | 1457 | 3.6 |
| 29 | 1350 | 3.3 |
| 30 | 1255 | 3.1 |
| 31 | 1172 | 2.9 |
| 32 | 975 | 2.4 |
| 33 | 991 | 2.4 |
| 34 | 941 | 2.3 |
| 35 | 791 | 1.9 |
| 36 | 809 | 2.0 |
| 37 | 733 | 1.8 |
| 38 | 634 | 1.6 |
| 39 | 593 | 1.5 |
| 40 | 604 | 1.5 |
| 41 | 595 | 1.5 |
| 42 | 507 | 1.2 |
| 43 | 515 | 1.3 |
| 44 | 509 | 1.3 |
| 45 | 731 | 1.8 |
| 46 | 825 | 2.0 |
| 47 | 928 | 2.3 |
| 48 | 900 | 2.2 |
| 49 | 876 | 2.2 |
| 50 | 813 | 2.0 |
| 51 | 705 | 1.7 |
| 52 | 580 | 1.4 |
| 53 | 348 | 0.9 |
| Total | 40640 | 100.0 |
Agora vamos tratar as variáveis de data para depois analisá-las.
############# datas
ultim_dia <- as.Date("2021-01-11")
dados6 <- dados6 %>%
mutate(dt_notific = as.Date(DT_NOTIFIC, format = "%d/%m/%Y"),
dt_sint = as.Date(DT_SIN_PRI, format = "%d/%m/%Y"),
dt_interna = as.Date(DT_INTERNA, format = "%d/%m/%Y"),
dt_pcr = as.Date(DT_PCR, format = "%d/%m/%Y"),
dt_entuti = as.Date(DT_ENTUTI, format = "%d/%m/%Y"),
dt_saiduti = as.Date(DT_SAIDUTI, format = "%d/%m/%Y"),
dt_evoluca = as.Date(DT_EVOLUCA, format = "%d/%m/%Y"),
dt_encerra = as.Date(DT_ENCERRA, format = "%d/%m/%Y"),
dt_digita = as.Date(DT_DIGITA, format = "%d/%m/%Y"))
dados6 <- dados6 %>%
mutate(dt_interna = as.Date(case_when(
DT_INTERNA == "16/04/7202" ~ "16/04/2020", #typo
DT_INTERNA == "10/12/2202" ~ "10/12/2020", #typo
TRUE ~ as.character(DT_INTERNA)), format = "%d/%m/%Y"))
#dt_notific - Data do preenchimento da ficha de notificação
#dt_sint - Data de 1ºs sintomas (deve ser menor que dt_notific)
#dt_interna - Data da internação por SRAG
#dt_pcr - Data do Resultado RT-PCR/outro método por Biologia Molecular
#dt_entuti - Data da entrada na UTI
#dt_saiduti - Data da saída da UTI
#dt_evoluca - Data da alta ou óbito
#dt_digita - Preenchido automaticamente pelo sistema com a data da digitação da ficha. Não é a data de preenchimento da ficha manualmente e sim a data em que é digitado no sistema.
summary(dados6$dt_notific)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## "2020-02-27" "2020-05-29" "2020-07-18" "2020-07-31" "2020-09-28" "2021-01-11"summary(dados6$dt_sint)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## "2020-02-17" "2020-05-19" "2020-07-09" "2020-07-22" "2020-09-18" "2021-01-02"Observação: Perceba que os primeiros sintomas surgiram entre a 8ª semana epidemiológica e entre 53ª semana.
Vamos criar a variável de número de comorbidades. São as comorbidades:
comorbidades <- c("CARDIOPATI_aux", "HEMATOLOGI_aux", "HEPATICA_aux", "ASMA_aux",
"DIABETES_aux", "NEUROLOGIC_aux", "PNEUMOPATI_aux",
"IMUNODEPRE_aux", "RENAL_aux", "OBESIDADE_aux")
comorbidades1 <- c("CARDIOPATI_aux1", "HEMATOLOGI_aux1", "HEPATICA_aux1", "ASMA_aux1",
"DIABETES_aux1", "NEUROLOGIC_aux1", "PNEUMOPATI_aux1",
"IMUNODEPRE_aux1", "RENAL_aux1", "OBESIDADE_aux1")
dados6 <- mutate(dados6, CARDIOPATI_aux=CARDIOPATI, HEMATOLOGI_aux=HEMATOLOGI, HEPATICA_aux=HEPATICA, ASMA_aux=ASMA, DIABETES_aux=DIABETES, NEUROLOGIC_aux=NEUROLOGIC, PNEUMOPATI_aux=PNEUMOPATI, IMUNODEPRE_aux=IMUNODEPRE, RENAL_aux=RENAL, OBESIDADE_aux=OBESIDADE)
dados6 <- mutate(dados6, CARDIOPATI_aux1=CARDIOPATI, HEMATOLOGI_aux1=HEMATOLOGI, HEPATICA_aux1=HEPATICA, ASMA_aux1=ASMA, DIABETES_aux1=DIABETES, NEUROLOGIC_aux1=NEUROLOGIC, PNEUMOPATI_aux1=PNEUMOPATI, IMUNODEPRE_aux1=IMUNODEPRE, RENAL_aux1=RENAL, OBESIDADE_aux1=OBESIDADE)
dados6 <- dados6 %>%
mutate_at(all_of(comorbidades), function(x){case_when(x == "1" ~ 1, TRUE ~ 0)}) %>%
mutate_at(all_of(comorbidades1), function(x){case_when(x == "1" ~ 1, x == "2" ~ 0, TRUE ~ NA_real_)}) %>%
mutate(
cont_comorb = CARDIOPATI_aux + HEMATOLOGI_aux + HEPATICA_aux + ASMA_aux + DIABETES_aux + NEUROLOGIC_aux + PNEUMOPATI_aux + IMUNODEPRE_aux + RENAL_aux +
OBESIDADE_aux) %>%
mutate(
num_comorb = case_when(
is.na(CARDIOPATI_aux1) | is.na(HEMATOLOGI_aux1) | is.na(HEPATICA_aux1) | is.na(ASMA_aux1) | is.na(DIABETES_aux1) | is.na(NEUROLOGIC_aux1) | is.na(PNEUMOPATI_aux1) |
is.na(IMUNODEPRE_aux1) | is.na(RENAL_aux1) | is.na(OBESIDADE_aux1) ~ NA_real_,
TRUE ~ cont_comorb
),
gr_comorb = case_when(
num_comorb == 0 ~ 0,
num_comorb == 1 ~ 1,
num_comorb == 2 ~ 1,
num_comorb > 2 ~ 2,
TRUE ~ NA_real_))
dados6$gr_comorb <- factor(dados6$gr_comorb,
levels = c(0, 1, 2),
labels = c("nenhuma", "1 ou 2", ">2"))sind_met <- c("CARDIOPATI_aux",
"DIABETES_aux", "OBESIDADE_aux")
sind_met1 <- c("CARDIOPATI_aux1",
"DIABETES_aux1",
"OBESIDADE_aux1")
dados6 <- mutate(dados6, CARDIOPATI_aux=CARDIOPATI, DIABETES_aux=DIABETES, OBESIDADE_aux=OBESIDADE)
dados6 <- mutate(dados6, CARDIOPATI_aux1=CARDIOPATI, DIABETES_aux1=DIABETES, OBESIDADE_aux1=OBESIDADE)
dados6 <- dados6 %>%
mutate_at(all_of(sind_met), function(x){case_when(x == "1" ~ 1, TRUE ~ 0)}) %>%
mutate_at(all_of(sind_met1), function(x){case_when(x == "1" ~ 1, x == "2" ~ 0, TRUE ~ NA_real_)}) %>%
mutate(
cont_sind_met = CARDIOPATI_aux + DIABETES_aux + OBESIDADE_aux) %>%
mutate(
num_sind_met = case_when(
is.na(CARDIOPATI_aux1) | is.na(DIABETES_aux1) | is.na(OBESIDADE_aux1) ~ NA_real_,
TRUE ~ cont_sind_met
),
gr_sind_met = case_when(
num_sind_met == 0 ~ 0,
num_sind_met == 1 ~ 0,
num_sind_met == 2 ~ 0,
num_sind_met == 3 ~ 1,
TRUE ~ NA_real_))
dados6$gr_sind_met <- factor(dados6$gr_sind_met,
levels = c(1,0),
labels = c("sim", "não"))sintomas <- c("FEBRE_aux", "TOSSE_aux", "GARGANTA_aux", "DISPNEIA_aux", "DESC_RESP_aux", "SATURACAO_aux", "DIARREIA_aux", "VOMITO_aux", "DOR_ABD_aux", "FADIGA_aux", "PERD_OLFT_aux", "PERD_PALA_aux")
sintomas1 <- c("FEBRE_aux1", "TOSSE_aux1", "GARGANTA_aux1", "DISPNEIA_aux1", "DESC_RESP_aux1", "SATURACAO_aux1", "DIARREIA_aux1", "VOMITO_aux1", "DOR_ABD_aux1", "FADIGA_aux1", "PERD_OLFT_aux1", "PERD_PALA_aux1")
dados6 <- mutate(dados6, FEBRE_aux=FEBRE, TOSSE_aux=TOSSE, GARGANTA_aux=GARGANTA, DISPNEIA_aux=DISPNEIA, DESC_RESP_aux=DESC_RESP, SATURACAO_aux=SATURACAO, DIARREIA_aux=DIARREIA, VOMITO_aux=VOMITO, DOR_ABD_aux=DOR_ABD, FADIGA_aux=FADIGA, PERD_OLFT_aux=PERD_OLFT, PERD_PALA_aux=PERD_PALA)
dados6 <- mutate(dados6, FEBRE_aux1=FEBRE, TOSSE_aux1=TOSSE, GARGANTA_aux1=GARGANTA, DISPNEIA_aux1=DISPNEIA, DESC_RESP_aux1=DESC_RESP, SATURACAO_aux1=SATURACAO, DIARREIA_aux1=DIARREIA, VOMITO_aux1=VOMITO, DOR_ABD_aux1=DOR_ABD, FADIGA_aux1=FADIGA, PERD_OLFT_aux1=PERD_OLFT, PERD_PALA_aux1=PERD_PALA)
dados6 <- dados6 %>%
mutate_at(all_of(sintomas), function(x){case_when(x == "1" ~ 1, TRUE ~ 0)}) %>%
mutate_at(all_of(sintomas1), function(x){case_when(x == "1" ~ 1, x == "2" ~ 0, TRUE ~ NA_real_)}) %>%
mutate(
cont_sintomas = FEBRE_aux + TOSSE_aux + GARGANTA_aux + DISPNEIA_aux + DESC_RESP_aux + SATURACAO_aux + DIARREIA_aux + VOMITO_aux + DOR_ABD_aux + FADIGA_aux + PERD_OLFT_aux + PERD_PALA_aux) %>%
mutate(
num_sintomas = case_when(
is.na(FEBRE_aux1) | is.na(TOSSE_aux1) | is.na(GARGANTA_aux1) | is.na(DISPNEIA_aux1) | is.na(DESC_RESP_aux1) | is.na(SATURACAO_aux1) | is.na(DIARREIA_aux1) |
is.na(VOMITO_aux1) | is.na(DOR_ABD_aux1) | is.na(FADIGA_aux1) | is.na(PERD_OLFT_aux1) | is.na(PERD_PALA_aux1) ~ NA_real_,
TRUE ~ cont_sintomas
),
gr_sintomas = case_when(
num_sintomas == 0 ~ 0,
num_sintomas == 1 ~ 1,
num_sintomas == 2 ~ 1,
num_sintomas > 2 ~ 2,
TRUE ~ NA_real_),
sintomas_SN = case_when(
gr_sintomas == 0 ~ 0,
gr_sintomas == 1 ~ 1,
gr_sintomas == 2 ~ 1,
TRUE ~ NA_real_)
)
dados6$gr_sintomas <- factor(dados6$gr_sintomas,
levels = c(0, 1, 2),
labels = c("nenhum", "1 ou 2", ">2"))
dados6$sintomas_SN <- factor(dados6$sintomas_SN,
levels = c(1, 0),
labels = c("sim", "não"))resp <- c("DISPNEIA_aux", "DESC_RESP_aux", "SATURACAO_aux")
resp1 <- c("DISPNEIA_aux1", "DESC_RESP_aux1", "SATURACAO_aux1")
dados6 <- mutate(dados6, DISPNEIA_aux=DISPNEIA, DESC_RESP_aux=DESC_RESP, SATURACAO_aux=SATURACAO)
dados6 <- mutate(dados6, DISPNEIA_aux1=DISPNEIA, DESC_RESP_aux1=DESC_RESP, SATURACAO_aux1=SATURACAO)
dados6 <- dados6 %>%
mutate_at(all_of(resp), function(x){case_when(x == "1" ~ 1, TRUE ~ 0)}) %>%
mutate_at(all_of(resp1), function(x){case_when(x == "1" ~ 1, x == "2" ~ 0, TRUE ~ NA_real_)}) %>%
mutate(
cont_resp = DISPNEIA_aux + DESC_RESP_aux + SATURACAO_aux) %>%
mutate(
num_resp = case_when(
(cont_resp == 0) & (is.na(DISPNEIA_aux1) | is.na(DESC_RESP_aux1) | is.na(SATURACAO_aux1)) ~ NA_real_,
# is.na(DISPNEIA_aux1) & is.na(DESC_RESP_aux1) & is.na(SATURACAO_aux1) ~ NA_real_,
TRUE ~ cont_resp
),
sint_resp = case_when(
num_resp == 0 ~ 0,
num_resp == 1 ~ 1,
num_resp == 2 ~ 1,
num_resp == 3 ~ 1,
TRUE ~ NA_real_))
dados6$sint_resp <- factor(dados6$sint_resp,
levels = c(1, 0),
labels = c("sim", "não"))#Sari e sari sem febre
dados6 <- dados6 %>%
mutate(
sari = case_when(
FEBRE == "1" &
(TOSSE == "1" | GARGANTA == "1") &
(DESC_RESP == "1" | DISPNEIA == "1" | SATURACAO == "1") ~ 1,
is.na(FEBRE_aux1) | (is.na(TOSSE_aux1) & is.na(GARGANTA_aux1)) | (is.na(DESC_RESP_aux1) & is.na(DISPNEIA_aux1) & is.na(SATURACAO_aux1)) ~ NA_real_,
TRUE ~ 0),
sari_sfebre = case_when(
(TOSSE == "1" | GARGANTA == "1") &
(DESC_RESP == "1" | DISPNEIA == "1" | SATURACAO == "1") ~ 1,
(is.na(TOSSE_aux1) & is.na(GARGANTA_aux1)) | (is.na(DESC_RESP_aux1) & is.na(DISPNEIA_aux1) & is.na(SATURACAO_aux1)) ~ NA_real_,
TRUE ~ 0))
dados6$sari <- factor(dados6$sari,
levels = c(1, 0),
labels = c("sim", "não"))
dados6$sari_sfebre <- factor(dados6$sari_sfebre,
levels = c(1, 0),
labels = c("sim", "não"))dados6$raca <- factor(dados6$CS_RACA,
levels = c("1", "2", "3", "4", "5"),
labels = c("branca", "preta", "amarela", "parda", "indigena"))dados6$escol <- factor(dados6$CS_ESCOL_N,
levels = c("0","1", "2", "3", "4"),
labels = c("sem escol", "fund1", "fund2", "medio", "superior"))dados6 <- mutate(dados6, escol_lancet = ifelse(escol=="fund1" | escol=="fund2", "ate medio", ifelse(escol=="medio", "medio", ifelse(escol=="superior", "superior", "sem escolaridade"))))
dados6$escol_lancet <- factor(dados6$escol_lancet,
levels = c("sem escolaridade","ate medio", "medio", "superior"),
labels = c("sem escolaridade", "ate medio", "medio", "superior"))
table(dados6$escol_lancet)##
## sem escolaridade ate medio medio superior
## 228 4102 8501 4403dados6$febre <- factor(dados6$FEBRE,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$tosse <- factor(dados6$TOSSE,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$garganta <- factor(dados6$GARGANTA,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$dispneia <- factor(dados6$DISPNEIA,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$desc_resp <- factor(dados6$DESC_RESP,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$saturacao <- factor(dados6$SATURACAO,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$diarreia <- factor(dados6$DIARREIA,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$vomito <- factor(dados6$VOMITO,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$dor_abd <- factor(dados6$DOR_ABD,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$fadiga <- factor(dados6$FADIGA,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$perd_olft <- factor(dados6$PERD_OLFT,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$perd_pala <- factor(dados6$PERD_PALA,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$outro_sin <- factor(dados6$OUTRO_SIN,
levels = c("1", "2"),
labels = c("sim", "não"))Fatores de risco
dados6$cardiopati <- factor(dados6$CARDIOPATI,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$hematologi <- factor(dados6$HEMATOLOGI,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$hepatica <- factor(dados6$HEPATICA,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$asma <- factor(dados6$ASMA,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$diabetes <- factor(dados6$DIABETES,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$neuro <- factor(dados6$NEUROLOGIC,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$pneumopati <- factor(dados6$PNEUMOPATI,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$imunodepre <- factor(dados6$IMUNODEPRE,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$renal <- factor(dados6$RENAL,
levels = c("1", "2"),
labels = c("sim", "não"))dados6$obesidade <- factor(dados6$OBESIDADE,
levels = c("1", "2"),
labels = c("sim", "não"))Nesse primeiro propensity score consideramos como variáveis de controle: NU_IDADE_N + raca + cardiopati + asma + diabetes + imunodepre + obesidade.
w.out <- weightit(gest_puerp ~ NU_IDADE_N + raca + cardiopati + asma + diabetes + imunodepre + obesidade, use.mlogit = FALSE, data = dados6, focal = "puerp", method = "ps", estimand = "ATE")
#Check balance
#descr_PSM <- bal.tab(w.out, which.treat = .all)
#descr_PSM Vamos aos resultados para os sintomas:
dados6$febre1 <- ifelse(dados6$febre=="não", 0, 1)
aj <- summ(glm(febre1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")
# aj
aj1 <- summ(glm(febre1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.7775561 0.6899078 0.8763395
## puerp 0.6259774 0.5271778 0.7432932#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.2860809 1.1411103 1.4494690
## puerp 0.8050575 0.6727279 0.9634172#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.7210810
## gesta 0.6677953
## puerp 0.6180758dados6$tosse1 <- ifelse(dados6$tosse=="não", 0, 1)
aj <- summ(glm(tosse1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(tosse1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 1.1906358 1.0389682 1.3644436
## puerp 0.8051885 0.6696311 0.9681878#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 0.8398874 0.7328995 0.9624934
## puerp 0.6762677 0.5591463 0.8179219#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.7310775
## gesta 0.7639725
## puerp 0.6864162dados6$garganta1 <- ifelse(dados6$garganta=="não", 0, 1)
aj <- summ(glm(garganta1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(garganta1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.8831329 0.7763950 1.004545
## puerp 0.9010734 0.7390832 1.098568#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.132332 0.9954756 1.288004
## puerp 1.020315 0.8277115 1.257735#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.2791797
## gesta 0.2548684
## puerp 0.2587065dados6$dispneia1 <- ifelse(dados6$dispneia=="não", 0, 1)
aj <- summ(glm(dispneia1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(dispneia1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.5381217 0.4759842 0.6083709
## puerp 0.5395662 0.4528370 0.6429061#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.858316 1.6437342 2.10091
## puerp 1.002684 0.8401234 1.19670#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.7110126
## gesta 0.5697023
## puerp 0.5703593dados6$desc_resp1 <- ifelse(dados6$desc_resp=="não", 0, 1)
aj <- summ(glm(desc_resp1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(desc_resp1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.6017666 0.5354632 0.6762799
## puerp 0.7300919 0.6152449 0.8663772#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.661774 1.478678 1.867542
## puerp 1.213248 1.015728 1.449178#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.6002902
## gesta 0.4747188
## puerp 0.5230061dados6$saturacao1 <- ifelse(dados6$saturacao=="não", 0, 1)
aj <- summ(glm(saturacao1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(saturacao1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.3988810 0.3533015 0.4503407
## puerp 0.7927089 0.6674933 0.9414137#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 2.507013 2.220541 2.830444
## puerp 1.987332 1.653684 2.388297#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.5147916
## gesta 0.2973585
## puerp 0.4568289dados6$diarreia1 <- ifelse(dados6$diarreia=="não", 0, 1)
aj <- summ(glm(diarreia1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(diarreia1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.6057205 0.5157478 0.7113889
## puerp 0.5317160 0.4053639 0.6974521#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.6509265 1.4057008 1.938932
## puerp 0.8778241 0.6552431 1.176014#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.1933516
## gesta 0.1267822
## puerp 0.1130435dados6$vomito1 <- ifelse(dados6$vomito=="não", 0, 1)
aj <- summ(glm(vomito1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(vomito1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.7457020 0.6263532 0.8877921
## puerp 0.4668918 0.3380118 0.6449122#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.3410183 1.1263898 1.5965434
## puerp 0.6261104 0.4483862 0.8742781#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.15510921
## gesta 0.12041488
## puerp 0.07894737dados6$dor_abd1 <- ifelse(dados6$dor_abd=="não", 0, 1)
aj <- summ(glm(dor_abd1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(dor_abd1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.9394143 0.6919477 1.275384
## puerp 0.7512648 0.4545131 1.241766#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.0644930 0.7840774 1.445196
## puerp 0.7997161 0.4802230 1.331768#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.10794575
## gesta 0.10207334
## puerp 0.08333333dados6$fadiga1 <- ifelse(dados6$fadiga=="não", 0, 1)
aj <- summ(glm(fadiga1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(fadiga1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.945652 0.7775617 1.150080
## puerp 0.855364 0.6112972 1.196877#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.057471 0.8695051 1.286072
## puerp 0.904523 0.6326860 1.293156#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.2172285
## gesta 0.2078767
## puerp 0.1918367dados6$perd_olft1 <- ifelse(dados6$perd_olft=="não", 0, 1)
aj <- summ(glm(perd_olft1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(perd_olft1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 1.793009 1.481343 2.170249
## puerp 1.260606 0.908071 1.750004#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 0.5577215 0.4607767 0.6750630
## puerp 0.7030671 0.4999029 0.9887988#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.1621794
## gesta 0.2576525
## puerp 0.1961538dados6$perd_pala1 <- ifelse(dados6$perd_pala=="não", 0, 1)
aj <- summ(glm(perd_pala1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(perd_pala1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 1.700034 1.413265 2.044993
## puerp 1.171848 0.836867 1.640914#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 0.5882234 0.4889993 0.7075813
## puerp 0.6893083 0.4821215 0.9855315#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.1533576
## gesta 0.2354377
## puerp 0.1750973dados6$outro_sin1 <- ifelse(dados6$outro_sin == "não", 0, 1)
aj <- summ(glm(outro_sin1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(outro_sin1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 1.257632 1.1172172 1.415694
## puerp 1.148965 0.9619676 1.372313#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 0.7951452 0.7063671 0.8950811
## puerp 0.9135941 0.7594438 1.0990334#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.4779067
## gesta 0.5351419
## puerp 0.5126050dados6$sari1 <- ifelse(dados6$sari == "não", 0, 1)
aj <- summ(glm(sari1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(sari1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.7805121 0.6955741 0.8758219
## puerp 0.5798100 0.4862024 0.6914397#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.2812102 1.1417846 1.4376613
## puerp 0.7428585 0.6183998 0.8923656#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.5156775
## gesta 0.4538630
## puerp 0.3817035dados6$sari_sfebre1 <- ifelse(dados6$sari_sfebre == "não", 0, 1)
aj <- summ(glm(sari_sfebre1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(sari_sfebre1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.7524667 0.6663841 0.8496693
## puerp 0.5670049 0.4767096 0.6744033#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.3289625 1.1769285 1.5006360
## puerp 0.7535282 0.6312545 0.8994862#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.6663230
## gesta 0.6004170
## puerp 0.5310136dados6$sint_resp1 <- ifelse(dados6$sint_resp == "não", 0, 1)
aj <- summ(glm(sint_resp1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(sint_resp1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.4412975 0.3821569 0.5095903
## puerp 0.4328660 0.3566570 0.5253589#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 2.2660452 1.9623607 2.616726
## puerp 0.9808938 0.8136212 1.182556#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.8416345
## gesta 0.7010713
## puerp 0.6970128dados6$gr_sintomas1 <- relevel(dados6$gr_sintomas, ref="nenhum")
aj <- multinom(gr_sintomas1 ~ relevel(gest_puerp, "não"), data = dados6,
weights = w.out$weights)## # weights: 12 (6 variable)
## initial value 960.727694
## iter 10 value 624.473507
## final value 624.028213
## convergedaj1 <- multinom(gr_sintomas1 ~ relevel(gest_puerp, "gesta"), data = dados6,
weights = w.out$weights)## # weights: 12 (6 variable)
## initial value 960.727694
## iter 10 value 624.144032
## final value 624.028167
## convergeddados6$sintomas_SN1 <- ifelse(dados6$sintomas_SN == "não", 0, 1)
aj <- summ(glm(sintomas_SN1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(sintomas_SN1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados6,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.3658586 0.2497210 0.5360082
## puerp 0.1745462 0.1074077 0.2836516#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 2.7332968 1.8656433 4.0044694
## puerp 0.4770866 0.2804592 0.8115676#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.9805132
## gesta 0.9484771
## puerp 0.8977778Vamos só selecionar os casos que tem definida a evolução (óbito ou cura).
dados6 <- dados6 %>% mutate(evolucao = case_when(EVOLUCAO == 1 ~ "Cura",
EVOLUCAO == 2 ~ "Obito",
EVOLUCAO == 3 ~ "Obito",
TRUE ~ "não finalizado"))
dados7 <- filter(dados6, evolucao != "não finalizado")
dados7$evolucao <- factor(dados7$evolucao,
levels = c("Obito", "Cura"),
labels = c("obito", "cura"))Nesse propensity score consideramos como variáveis de controle: NU_IDADE_N + raca + escol_lancet + SG_UF + cardiopati + asma + diabetes + imunodepre + obesidade.
remove(w.out)
w.out <- weightit(gest_puerp ~ NU_IDADE_N + raca + escol_lancet + SG_UF + cardiopati + asma + diabetes + imunodepre + obesidade, use.mlogit = FALSE, data = dados7, focal = "puerp", method = "ps", estimand = "ATE")
#Check balance
#descr_PSM <- bal.tab(w.out, which.treat = .all)
#descr_PSM dados7$uti <- factor(dados7$UTI,
levels = c("1", "2"),
labels = c("sim", "não"))
dados7$uti1 <- ifelse(dados7$uti=="não", 0, 1)
aj <- summ(glm(uti1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados7,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(uti1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados7,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.5357698 0.4481467 0.6405253
## puerp 1.0375303 0.8434480 1.2762721#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.866473 1.561219 2.231412
## puerp 1.936523 1.593063 2.354031#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.3503919
## gesta 0.2241980
## puerp 0.3588235dados7$suport_ven <- factor(dados7$SUPORT_VEN,
levels = c("1", "2", "3"),
labels = c("sim, invasivo","sim, não invasivo", "não"))
dados7$suport_ven1 <- relevel(dados7$suport_ven, ref="não")####Sim, invasivo #########################################
#calculo da OR - ref: não gesta e não puerp
or_rlo_inv_nao <- function(coef, ep){
out <- matrix(0, ncol = 3, nrow = 2)
out[1,1] <- exp(coef[1,2])
out[1,2] <- exp(coef[1,2]-1.96*ep[1,2])
out[1,3] <- exp(coef[1,2]+1.96*ep[1,2])
out[2,1] <- exp(coef[1,3])
out[2,2] <- exp(coef[1,3]-1.96*ep[1,3])
out[2,3] <- exp(coef[1,3]+1.96*ep[1,3])
dimnames(out) <- list("Grupos" = c("gesta", "puerp"),
"Medidas" = c("OR", "LI 95%", "LS 95%"))
return(out)
}
#calculo da OR - ref: gesta
or_rlo_inv_gesta <- function(coef, ep){
out <- matrix(0, ncol = 3, nrow = 2)
out[1,1] <- exp(coef[1,2])
out[1,2] <- exp(coef[1,2]-1.96*ep[1,2])
out[1,3] <- exp(coef[1,2]+1.96*ep[1,2])
out[2,1] <- exp(coef[1,3])
out[2,2] <- exp(coef[1,3]-1.96*ep[1,3])
out[2,3] <- exp(coef[1,3]+1.96*ep[1,3])
dimnames(out) <- list("Grupos" = c("não", "puerp"),
"Medidas" = c("OR", "LI 95%", "LS 95%"))
return(out)
}####Sim, não-invasivo #########################################
#calculo da OR - ref: não gesta e não puerp
or_rlo_ninv_nao <- function(coef, ep){
out <- matrix(0, ncol = 3, nrow = 2)
out[1,1] <- exp(coef[2,2])
out[1,2] <- exp(coef[2,2]-1.96*ep[2,2])
out[1,3] <- exp(coef[2,2]+1.96*ep[2,2])
out[2,1] <- exp(coef[2,3])
out[2,2] <- exp(coef[2,3]-1.96*ep[2,3])
out[2,3] <- exp(coef[2,3]+1.96*ep[2,3])
dimnames(out) <- list("Grupos" = c("gesta", "puerp"),
"Medidas" = c("OR", "LI 95%", "LS 95%"))
return(out)
}
#calculo da OR - ref gesta
or_rlo_ninv_gesta <- function(coef, ep){
out <- matrix(0, ncol = 3, nrow = 2)
out[1,1] <- exp(coef[2,2])
out[1,2] <- exp(coef[2,2]-1.96*ep[2,2])
out[1,3] <- exp(coef[2,2]+1.96*ep[2,2])
out[2,1] <- exp(coef[2,3])
out[2,2] <- exp(coef[2,3]-1.96*ep[2,3])
out[2,3] <- exp(coef[2,3]+1.96*ep[2,3])
dimnames(out) <- list("Grupos" = c("não", "puerp"),
"Medidas" = c("OR", "LI 95%", "LS 95%"))
return(out)
}aj <- multinom(suport_ven1 ~ relevel(gest_puerp, "não"), data = dados7,
weights = w.out$weights)## # weights: 12 (6 variable)
## initial value 2203.927184
## iter 10 value 1947.352611
## final value 1947.346706
## convergedsum_aj <- summary(aj)
coef <- sum_aj$coefficients
ep <- sum_aj$standard.errors
aj1 <- multinom(suport_ven1 ~ relevel(gest_puerp, "gesta"), data = dados7,
weights = w.out$weights)## # weights: 12 (6 variable)
## initial value 2203.927184
## iter 10 value 1947.377583
## final value 1947.346706
## convergedsum_aj1 <- summary(aj1)
coef1 <- sum_aj1$coefficients
ep1 <- sum_aj1$standard.errorsOR para suporte respiratório invasivo:
#1) considerando 'não' como referência:
or_rlo_inv_nao(coef,ep)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.3824869 0.2682987 0.5452737
## puerp 1.0109183 0.7524666 1.3581410#2) considerando 'gesta' como referência:
or_rlo_inv_gesta(coef1,ep1)## Medidas
## Grupos OR LI 95% LS 95%
## não 2.614422 1.833909 3.727122
## puerp 2.642954 1.873650 3.728127OR para suporte respiratório não-invasivo:
#1) considerando 'não' como referência:
or_rlo_ninv_nao(coef,ep)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.4550942 0.3590837 0.5767755
## puerp 0.4900794 0.3852101 0.6234981#2) considerando 'gesta' como referência:
or_rlo_ninv_gesta(coef1,ep1)## Medidas
## Grupos OR LI 95% LS 95%
## não 2.197346 1.733776 2.784864
## puerp 1.076875 0.837252 1.385078dados7$evolucao1 <- ifelse(dados7$evolucao=="cura", 0, 1)
aj <- summ(glm(evolucao1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados7,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(evolucao1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados7,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.3856951 0.3063134 0.4856489
## puerp 0.9549324 0.7516896 1.2131283#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 2.592721 2.059101 3.264631
## puerp 2.475874 1.879268 3.261882#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.16571829
## gesta 0.07116105
## puerp 0.15944056Nesse outro propensity score consideramos como variáveis de controle: NU_IDADE_N + raca + escol_lancet + SG_UF + cardiopati + asma + diabetes + imunodepre + obesidade + sint_res .
remove(w.out)
w.out <- weightit(gest_puerp ~ NU_IDADE_N + raca + escol_lancet + SG_UF + cardiopati + asma + diabetes + imunodepre + obesidade + sint_resp, use.mlogit = FALSE, data = dados7, focal = "puerp", method = "ps", estimand = "ATE")
dados7$peso <- w.out$weights
#Check balance
#descr_PSM <- bal.tab(w.out, which.treat = .all)
#descr_PSM aj <- summ(glm(uti1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados7,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(uti1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados7,
weights = w.out$weights), robust = "HC1")Odds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.5812714 0.4756840 0.710296
## puerp 1.1444004 0.9134667 1.433717#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.720367 1.407864 2.102236
## puerp 1.968788 1.618019 2.395600#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.3284167
## gesta 0.2213369
## puerp 0.3588235aj <- multinom(suport_ven1 ~ relevel(gest_puerp, "não"), data = dados7,
weights = w.out$weights)## # weights: 12 (6 variable)
## initial value 2190.358708
## iter 10 value 1917.052476
## final value 1917.048502
## convergedsum_aj <- summary(aj)
coef <- sum_aj$coefficients
ep <- sum_aj$standard.errors
aj1 <- multinom(suport_ven1 ~ relevel(gest_puerp, "gesta"), data = dados7,
weights = w.out$weights)## # weights: 12 (6 variable)
## initial value 2190.358708
## iter 10 value 1917.048770
## final value 1917.048502
## convergedsum_aj1 <- summary(aj1)
coef1 <- sum_aj1$coefficients
ep1 <- sum_aj1$standard.errorsOR para suporte respiratório invasivo:
#1) considerando 'não' como referência:
or_rlo_inv_nao(coef,ep)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.4758752 0.3322315 0.6816249
## puerp 1.2879551 0.9551466 1.7367264#2) considerando 'gesta' como referência:
or_rlo_inv_gesta(coef1,ep1)## Medidas
## Grupos OR LI 95% LS 95%
## não 2.101234 1.466975 3.009721
## puerp 2.706348 1.915300 3.824111OR para suporte respiratório não-invasivo:
#1) considerando 'não' como referência:
or_rlo_ninv_nao(coef,ep)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.5918646 0.4663783 0.7511150
## puerp 0.6516322 0.5118261 0.8296266#2) considerando 'gesta' como referência:
or_rlo_ninv_gesta(coef1,ep1)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.689548 1.3313321 2.144147
## puerp 1.100970 0.8554977 1.416876aj <- summ(glm(evolucao1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados7,
weights = w.out$weights), robust = "HC1")
aj1 <- summ(glm(evolucao1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados7,
weights = w.out$weights), robust = "HC1")
#ajOdds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.4327452 0.3437759 0.5447399
## puerp 1.0856635 0.8566088 1.3759668#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 2.310828 1.835738 2.908872
## puerp 2.508782 1.900837 3.311167#probabilidade de sucesso
prob_rl(aj$coeftable)## Prob
## Grupos Probabilidade
## não 0.14873114
## gesta 0.07029322
## puerp 0.15944056Considerando PSM 3.
dados7_selec <- dados7 %>%
filter(cardiopati == "sim")aj_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
aj1_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
#ajOdds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.4717342 0.2832292 0.7856998
## puerp 0.9557546 0.5213500 1.7521185#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 2.119838 1.2727507 3.530709
## puerp 2.026045 0.9682225 4.239581#probabilidade de sucesso
prob_rl(aj_aux$coeftable)## Prob
## Grupos Probabilidade
## não 0.2220035
## gesta 0.1186404
## puerp 0.2142857dados7_selec <- dados7 %>%
filter(hematologi == "sim")aj_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
aj1_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
#ajOdds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.424644 0.08168116 2.207639
## puerp 1.780035 0.27877167 11.366019#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 2.354914 0.4529726 12.24273
## puerp 4.191829 0.4789025 36.69103#probabilidade de sucesso
prob_rl(aj_aux$coeftable)## Prob
## Grupos Probabilidade
## não 0.18348330
## gesta 0.08711126
## puerp 0.28571429dados7_selec <- dados7 %>%
filter(hepatica == "sim")aj_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
aj1_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
#ajOdds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 1.155204e-01 1.213075e-02 1.100093e+00
## puerp 8.138714e-09 2.201108e-09 3.009333e-08#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 8.656483e+00 9.090144e-01 8.243511e+01
## puerp 7.045264e-08 6.116167e-09 8.115500e-07#probabilidade de sucesso
prob_rl(aj_aux$coeftable)## Prob
## Grupos Probabilidade
## não 2.810145e-01
## gesta 4.320043e-02
## puerp 3.181005e-09dados7_selec <- dados7 %>%
filter(asma == "sim")aj_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
aj1_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
#ajOdds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.5601534 0.1978853 1.585625
## puerp 2.6818043 0.9989776 7.199435#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.785225 0.6306661 5.053433
## puerp 4.787624 1.2720728 18.018896#probabilidade de sucesso
prob_rl(aj_aux$coeftable)## Prob
## Grupos Probabilidade
## não 0.09628054
## gesta 0.05631682
## puerp 0.22222222dados7_selec <- dados7 %>%
filter(diabetes == "sim")aj_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
aj1_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
#ajOdds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.433858 0.2609960 0.7212095
## puerp 1.519111 0.8547125 2.6999707#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 2.304902 1.386560 3.831477
## puerp 3.501402 1.697278 7.223222#probabilidade de sucesso
prob_rl(aj_aux$coeftable)## Prob
## Grupos Probabilidade
## não 0.2382014
## gesta 0.1194547
## puerp 0.3220339dados7_selec <- dados7 %>%
filter(neuro == "sim")aj_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
aj1_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
#ajOdds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.04851716 0.005963218 0.394739
## puerp 1.93312319 0.294662051 12.682207#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 20.61126 2.533319 167.6947
## puerp 39.84411 2.675054 593.4659#probabilidade de sucesso
prob_rl(aj_aux$coeftable)## Prob
## Grupos Probabilidade
## não 0.25643098
## gesta 0.01645653
## puerp 0.40000000dados7_selec <- dados7 %>%
filter(pneumopati == "sim")aj_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
aj1_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
#ajOdds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 1.945999e-01 2.227586e-02 1.700008e+00
## puerp 3.909066e-08 1.118029e-08 1.366762e-07#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 5.138748e+00 5.882325e-01 4.489165e+01
## puerp 2.008771e-07 2.117226e-08 1.905871e-06#probabilidade de sucesso
prob_rl(aj_aux$coeftable)## Prob
## Grupos Probabilidade
## não 1.811336e-01
## gesta 4.126913e-02
## puerp 8.646869e-09dados7_selec <- dados7 %>%
filter(imunodepre == "sim")aj_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
aj1_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
#ajOdds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.5354250 0.1936990 1.480028
## puerp 0.5533096 0.1548514 1.977067#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.867675 0.6756628 5.162649
## puerp 1.033402 0.2130836 5.011745#probabilidade de sucesso
prob_rl(aj_aux$coeftable)## Prob
## Grupos Probabilidade
## não 0.2654951
## gesta 0.1621531
## puerp 0.1666667dados7_selec <- dados7 %>%
filter(renal == "sim")aj_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
aj1_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
#ajOdds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.5931221 0.1248037 2.818778
## puerp 1.5159860 0.4066594 5.651446#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.685993 0.3547637 8.012584
## puerp 2.555942 0.3709333 17.611905#probabilidade de sucesso
prob_rl(aj_aux$coeftable)## Prob
## Grupos Probabilidade
## não 0.2737494
## gesta 0.1827185
## puerp 0.3636364dados7_selec <- dados7 %>%
filter(obesidade == "sim")aj_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
aj1_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
#ajOdds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.8044845 0.4242492 1.525507
## puerp 2.2856782 1.2159351 4.296549#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.243032 0.6555197 2.357105
## puerp 2.841171 1.1903990 6.781133#probabilidade de sucesso
prob_rl(aj_aux$coeftable)## Prob
## Grupos Probabilidade
## não 0.1658790
## gesta 0.1379201
## puerp 0.3125000dados7_selec <- dados7 %>%
filter(gr_sind_met == "sim")aj_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
aj1_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
#ajOdds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.1030644 0.01204024 0.8822298
## puerp 1.3969873 0.30345040 6.4312770#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 9.702676 1.133492 83.0548
## puerp 13.554515 1.000064 183.7131#probabilidade de sucesso
prob_rl(aj_aux$coeftable)## Prob
## Grupos Probabilidade
## não 0.3493267
## gesta 0.0524310
## puerp 0.4285714Invasivo
dados7_selec <- dados7 %>%
filter(suport_ven == "sim, invasivo")aj_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
aj1_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
#ajOdds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.6784549 0.3800301 1.211223
## puerp 0.8283702 0.4649483 1.475857#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.473937 0.8256120 2.631371
## puerp 1.220966 0.7484401 1.991819#probabilidade de sucesso
prob_rl(aj_aux$coeftable)## Prob
## Grupos Probabilidade
## não 0.6240440
## gesta 0.5296680
## puerp 0.5789474Não invasivo
dados7_selec <- dados7 %>%
filter(suport_ven == "sim, não invasivo")aj_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
aj1_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
#ajOdds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.4792323 0.2980935 0.7704415
## puerp 0.9239359 0.5339729 1.5986908#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 2.086671 1.297957 3.354652
## puerp 1.927950 1.024495 3.628120#probabilidade de sucesso
prob_rl(aj_aux$coeftable)## Prob
## Grupos Probabilidade
## não 0.10854506
## gesta 0.05513489
## puerp 0.10112360dados7_selec <- dados7 %>%
filter(uti == "sim")aj_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "não"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
aj1_aux <- summ(glm(evolucao1 ~ relevel(gest_puerp, "gesta"), family=binomial(link='logit'),
data = dados7_selec,
weights = dados7_selec$peso), robust = "HC1")
#ajOdds ratio e probabilidade de sucesso
#odds ratio - NÃO COMO REFERENCIA
or_rl(aj_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## gesta 0.6899916 0.4812323 0.9893108
## puerp 1.2686703 0.8801834 1.8286239#odds ratio - GESTA COMO REFERENCIA
or_rl1(aj1_aux$coeftable)## Medidas
## Grupos OR LI 95% LS 95%
## não 1.449293 1.010805 2.077998
## puerp 1.838675 1.279461 2.642306#probabilidade de sucesso
prob_rl(aj_aux$coeftable)## Prob
## Grupos Probabilidade
## não 0.3153742
## gesta 0.2411860
## puerp 0.3688525