Projeto BPC - análise estatística
Pedro Brandão
3/8/2021
R Markdown
Este é o documento preliminar de análise exploratória dos dados cognitivos e de neuroimagem do estudo Brasilia Parkinson Cohort. O objetivo inicial é realizar comparações entre os grupos Controle, Parkinson com cognição preservada (DP-CN) e Parkinson com comprometimento cognitivo leve (DP-CCL). O objetivo secundário é realizar correlações entre estrutura cerebral (por meio de medidas de espessura cortical, volume de estruturas subcorticais, métricas de integridade microestrutural por tensor de difusão - DTI, e de subcampos hipocampais).
Para os métodos do estudo, favor visitar o preprint no seguinte link: Brasilia Parkinson Cohort: assessing clinical, neuropsychological and imaging predictors of cognitive decline in Parkinson’s disease.
Rodando os pacotes estatísticos necessários:
## Registered S3 methods overwritten by 'lme4':
## method from
## cooks.distance.influence.merMod car
## influence.merMod car
## dfbeta.influence.merMod car
## dfbetas.influence.merMod car## In case you would like cite this package, cite it as:
## Patil, I. (2018). ggstatsplot: "ggplot2" Based Plots with Statistical Details. CRAN.
## Retrieved from https://cran.r-project.org/web/packages/ggstatsplot/index.html## Found more than one class "atomicVector" in cache; using the first, from namespace 'Matrix'## Also defined by 'Rmpfr'## Found more than one class "atomicVector" in cache; using the first, from namespace 'Matrix'## Also defined by 'Rmpfr'## Found more than one class "atomicVector" in cache; using the first, from namespace 'Matrix'## Also defined by 'Rmpfr'## Found more than one class "atomicVector" in cache; using the first, from namespace 'Matrix'## Also defined by 'Rmpfr'## Found more than one class "atomicVector" in cache; using the first, from namespace 'Matrix'## Also defined by 'Rmpfr'## Found more than one class "atomicVector" in cache; using the first, from namespace 'Matrix'## Also defined by 'Rmpfr'## Found more than one class "atomicVector" in cache; using the first, from namespace 'Matrix'## Also defined by 'Rmpfr'## Found more than one class "atomicVector" in cache; using the first, from namespace 'Matrix'## Also defined by 'Rmpfr'## Found more than one class "atomicVector" in cache; using the first, from namespace 'Matrix'## Also defined by 'Rmpfr'## Found more than one class "atomicVector" in cache; using the first, from namespace 'Matrix'## Also defined by 'Rmpfr'## Found more than one class "atomicVector" in cache; using the first, from namespace 'Matrix'## Also defined by 'Rmpfr'## Found more than one class "atomicVector" in cache; using the first, from namespace 'Matrix'## Also defined by 'Rmpfr'## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.0 ──## ✓ ggplot2 3.3.3 ✓ purrr 0.3.4
## ✓ tibble 3.1.0 ✓ dplyr 1.0.4
## ✓ tidyr 1.1.2 ✓ stringr 1.4.0
## ✓ readr 1.4.0 ✓ forcats 0.5.1## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()Puxando dados em formato SPSS, já reunidos em tabela única:
df <- haven::read_sav(file="/Users/pedrorpb/Desktop/dadosRM/analise estatistica/projeto_total/projeto_total.sav")
df2 <- filter(df, grupo.BPC.2.0 == "Controle" | grupo.BPC.2.0 == "DP-CN" | grupo.BPC.2.0 == "DP-CCL")Análise dos dados neuropsicológicos
Todos os indivíduos foram submetidos a um extenso conjunto de testes neuropsicológicos combinados na Bateria Neuropsicológica Automatizada e Computadorizada de Cambridge (CANTAB), somados a: Avaliação Cognitiva de Montreal (MoCA), Escala de Avaliação Cognitiva da Doença de Parkinson (PD-CRS), Teste de Extensão de Dígitos (WAIS-III), Teste de Modalidades Símbolo-Dígito (SDMT, versão oral), Semelhanças (WAIS-III), Teste das Trilhas (TMT-A e TMT-B), aplicadas por pesquisador treinado. Isso resultou em uma avaliação dos seguintes 4 domínios cognitivos:
Atenção, Memória Operacional e Velocidade de Processamento- SDMT (versão oral), TMT-A e TMT-B, Extensão de dígitos (direto e inverso, WAIS-III), Memória operacional espacial (SWM, between errors)
Memória verbal e visual- avaliada com o teste de Reconhecimento de Padrões (PRM), Teste de Reconhecimento Verbal (VRM), Aprendizado Pareado Associado (PAL) e Memória tardia de lista de palavras (PD-CRS).
Funções executivas - medida pela versão eletrônica do teste da Torre de Londres (Stockings of Cambridge), e pelo teste de fluência verbal categórica (PD-CRS)
Linguagem- aferida com o teste Semelhanças (WAIS-III) e o subteste de Nomeação de figuras por confronto visual (PD-CRS)
Método de Normalização Tradicional
Para a análise de dados neuropsicológicos, os escores dos testes brutos individuais dos pacientes foram convertidos em escores Z, usando dados normativos baseados em regressão múltipla, ajustados para idade e escolaridade, como referência. Escore composto do domínio cognitivo, com base nesses escores Z, foram calculadas para todos os participantes. Os pacientes que pontuaram pelo menos 1,5 desvios-padrão (ou seja, Z ≤-1.5) abaixo da média dos dados normativos foram definidos como deficitários nesse domínio.
O participante recebeu o diagnóstico de comprometimento cognitive leve (CCL) caso apresentasse, no mínimo, um domínio cognitivo com escores deficitários, conforme metodologia anteriormente descrita por Goldman et al. (2012).
Análise estatística exploratória
Foi realizada análise usando o pacote ggstatsplot, no ambiente R. Optou-se por análise Bayesiana (com análise de significância conforme o Fator de Bayes - FB), com prior Cauchy, para os dados contínuos, quando for realizada comparação entre os 3 grupos (controle, DP-CN e DP-CCL). A interpretação do FBé́ simples e direta. Se FB>1, tem-se a indicação de que a hipótese alternativa (H1) é a verdadeira; caso contrário, se FB<1, a hipótese nula (H0) é a verdadeira.
Existem outras interpretações para o Fator de Bayes que podem ser utilizadas para seleção de modelos, como, por exemplo, a interpretação segundo Kass e Raftery (1995). Segundo estes autores, pode-se classificar as evidência contra hipótese nula (H0) da seguinte maneira: (a) 0,0 a 2,0: Baixa; (b) 2,1 a 5,0 - Positiva; (c) 5,1 a 10,0 - Forte; (d) Maior que 10,0 - Decisiva.
Explorando variáveis neuropsicológicas entre os grupos: 
ggstatsplot::ggbetweenstats(data= df2,
x=grupo.BPC.2.0,
y=Memory_Zscore,
xlab="Grupos de participantes",
ylab="Memory z score",
type="bf",
plot.type = "box",
pairwise.display = "significant",
ggtheme = ggthemes::theme_economist(),
pallete="blastoise",
title="Comparação entre grupos, Escore composto de Memória")
ggstatsplot::ggbetweenstats(data= df2,
x=grupo.BPC.2.0,
y=attention_working_memory_domain_Zscore,
xlab="Grupos de participantes",
ylab="Attention/Working memory z score",
type="bf",
plot.type = "box",
pairwise.display = "significant",
ggtheme = ggthemes::theme_economist(),
pallete="blastoise",
title="Comparação entre grupos, Escore composto de Atenção e Memória operacional")
ggstatsplot::ggbetweenstats(data= df2,
x=grupo.BPC.2.0,
y=language_Zscore,
xlab="Grupos de participantes",
ylab="Language z score",
type="bf",
plot.type = "box",
pairwise.display = "significant",
ggtheme = ggthemes::theme_economist(),
pallete="blastoise",
title="Comparação entre grupos, Escore composto de Linguagem")
df3 <- df2 %>% dplyr::select(starts_with("lh") | starts_with("rh") | contains("Zscore") )
library("factoextra")## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBacolnames(df3)## [1] "lh_bankssts_thickness"
## [2] "lh_caudalanteriorcingulate_thickness"
## [3] "lh_caudalmiddlefrontal_thickness"
## [4] "lh_cuneus_thickness"
## [5] "lh_entorhinal_thickness"
## [6] "lh_fusiform_thickness"
## [7] "lh_inferiorparietal_thickness"
## [8] "lh_inferiortemporal_thickness"
## [9] "lh_isthmuscingulate_thickness"
## [10] "lh_lateraloccipital_thickness"
## [11] "lh_lateralorbitofrontal_thickness"
## [12] "lh_lingual_thickness"
## [13] "lh_medialorbitofrontal_thickness"
## [14] "lh_middletemporal_thickness"
## [15] "lh_parahippocampal_thickness"
## [16] "lh_paracentral_thickness"
## [17] "lh_parsopercularis_thickness"
## [18] "lh_parsorbitalis_thickness"
## [19] "lh_parstriangularis_thickness"
## [20] "lh_pericalcarine_thickness"
## [21] "lh_postcentral_thickness"
## [22] "lh_posteriorcingulate_thickness"
## [23] "lh_precentral_thickness"
## [24] "lh_precuneus_thickness"
## [25] "lh_rostralanteriorcingulate_thickness"
## [26] "lh_rostralmiddlefrontal_thickness"
## [27] "lh_superiorfrontal_thickness"
## [28] "lh_superiorparietal_thickness"
## [29] "lh_superiortemporal_thickness"
## [30] "lh_supramarginal_thickness"
## [31] "lh_frontalpole_thickness"
## [32] "lh_temporalpole_thickness"
## [33] "lh_transversetemporal_thickness"
## [34] "lh_insula_thickness"
## [35] "lh_MeanThickness_thickness"
## [36] "lh.aparc.thickness_1"
## [37] "lh.aparc.thickness_2"
## [38] "lh_bankssts_volume"
## [39] "lh_caudalanteriorcingulate_volume"
## [40] "lh_caudalmiddlefrontal_volume"
## [41] "lh_cuneus_volume"
## [42] "lh_entorhinal_volume"
## [43] "lh_fusiform_volume"
## [44] "lh_inferiorparietal_volume"
## [45] "lh_inferiortemporal_volume"
## [46] "lh_isthmuscingulate_volume"
## [47] "lh_lateraloccipital_volume"
## [48] "lh_lateralorbitofrontal_volume"
## [49] "lh_lingual_volume"
## [50] "lh_medialorbitofrontal_volume"
## [51] "lh_middletemporal_volume"
## [52] "lh_parahippocampal_volume"
## [53] "lh_paracentral_volume"
## [54] "lh_parsopercularis_volume"
## [55] "lh_parsorbitalis_volume"
## [56] "lh_parstriangularis_volume"
## [57] "lh_pericalcarine_volume"
## [58] "lh_postcentral_volume"
## [59] "lh_posteriorcingulate_volume"
## [60] "lh_precentral_volume"
## [61] "lh_precuneus_volume"
## [62] "lh_rostralanteriorcingulate_volume"
## [63] "lh_rostralmiddlefrontal_volume"
## [64] "lh_superiorfrontal_volume"
## [65] "lh_superiorparietal_volume"
## [66] "lh_superiortemporal_volume"
## [67] "lh_supramarginal_volume"
## [68] "lh_frontalpole_volume"
## [69] "lh_temporalpole_volume"
## [70] "lh_transversetemporal_volume"
## [71] "lh_insula_volume"
## [72] "lh.aparc.volume_1"
## [73] "lh.aparc.volume_2"
## [74] "lhCortexVol"
## [75] "lhCerebralWhiteMatterVol"
## [76] "lhSurfaceHoles"
## [77] "lh_Hippocampal_tail"
## [78] "lh_subiculum.body"
## [79] "lh_CA1.body"
## [80] "lh_subiculum.head"
## [81] "lh_hippocampal.fissure"
## [82] "lh_presubiculum.head"
## [83] "lh_CA1.head"
## [84] "lh_presubiculum.body"
## [85] "lh_parasubiculum"
## [86] "lh_molecular_layer_HP.head"
## [87] "lh_molecular_layer_HP.body"
## [88] "lh_GC.ML.DG.head"
## [89] "lh_CA3.body"
## [90] "lh_GC.ML.DG.body"
## [91] "lh_CA4.head"
## [92] "lh_CA4.body"
## [93] "lh_fimbria"
## [94] "lh_CA3.head"
## [95] "lh_HATA"
## [96] "lh_Whole_hippocampal_body"
## [97] "lh_Whole_hippocampal_head"
## [98] "lh_Whole_hippocampus"
## [99] "lh_Measure.volume_1.x"
## [100] "lh_Measure.volume_2.x"
## [101] "lh_id.x"
## [102] "lh_Lateral.nucleus"
## [103] "lh_Basal.nucleus"
## [104] "lh_Accessory.Basal.nucleus"
## [105] "lh_Anterior.amygdaloid.area.AAA"
## [106] "lh_Central.nucleus"
## [107] "lh_Medial.nucleus"
## [108] "lh_Cortical.nucleus"
## [109] "lh_Corticoamygdaloid.transitio"
## [110] "lh_Paralaminar.nucleus"
## [111] "lh_Whole_amygdala"
## [112] "lh_Measure.volume_1.y"
## [113] "lh_Measure.volume_2.y"
## [114] "lh_id.y"
## [115] "rh_bankssts_thickness"
## [116] "rh_caudalanteriorcingulate_thickness"
## [117] "rh_caudalmiddlefrontal_thickness"
## [118] "rh_cuneus_thickness"
## [119] "rh_entorhinal_thickness"
## [120] "rh_fusiform_thickness"
## [121] "rh_inferiorparietal_thickness"
## [122] "rh_inferiortemporal_thickness"
## [123] "rh_isthmuscingulate_thickness"
## [124] "rh_lateraloccipital_thickness"
## [125] "rh_lateralorbitofrontal_thickness"
## [126] "rh_lingual_thickness"
## [127] "rh_medialorbitofrontal_thickness"
## [128] "rh_middletemporal_thickness"
## [129] "rh_parahippocampal_thickness"
## [130] "rh_paracentral_thickness"
## [131] "rh_parsopercularis_thickness"
## [132] "rh_parsorbitalis_thickness"
## [133] "rh_parstriangularis_thickness"
## [134] "rh_pericalcarine_thickness"
## [135] "rh_postcentral_thickness"
## [136] "rh_posteriorcingulate_thickness"
## [137] "rh_precentral_thickness"
## [138] "rh_precuneus_thickness"
## [139] "rh_rostralanteriorcingulate_thickness"
## [140] "rh_rostralmiddlefrontal_thickness"
## [141] "rh_superiorfrontal_thickness"
## [142] "rh_superiorparietal_thickness"
## [143] "rh_superiortemporal_thickness"
## [144] "rh_supramarginal_thickness"
## [145] "rh_frontalpole_thickness"
## [146] "rh_temporalpole_thickness"
## [147] "rh_transversetemporal_thickness"
## [148] "rh_insula_thickness"
## [149] "rh_MeanThickness_thickness"
## [150] "rh.aparc.thickness_1"
## [151] "rh.aparc.thickness_2"
## [152] "rh_bankssts_volume"
## [153] "rh_caudalanteriorcingulate_volume"
## [154] "rh_caudalmiddlefrontal_volume"
## [155] "rh_cuneus_volume"
## [156] "rh_entorhinal_volume"
## [157] "rh_fusiform_volume"
## [158] "rh_inferiorparietal_volume"
## [159] "rh_inferiortemporal_volume"
## [160] "rh_isthmuscingulate_volume"
## [161] "rh_lateraloccipital_volume"
## [162] "rh_lateralorbitofrontal_volume"
## [163] "rh_lingual_volume"
## [164] "rh_medialorbitofrontal_volume"
## [165] "rh_middletemporal_volume"
## [166] "rh_parahippocampal_volume"
## [167] "rh_paracentral_volume"
## [168] "rh_parsopercularis_volume"
## [169] "rh_parsorbitalis_volume"
## [170] "rh_parstriangularis_volume"
## [171] "rh_pericalcarine_volume"
## [172] "rh_postcentral_volume"
## [173] "rh_posteriorcingulate_volume"
## [174] "rh_precentral_volume"
## [175] "rh_precuneus_volume"
## [176] "rh_rostralanteriorcingulate_volume"
## [177] "rh_rostralmiddlefrontal_volume"
## [178] "rh_superiorfrontal_volume"
## [179] "rh_superiorparietal_volume"
## [180] "rh_superiortemporal_volume"
## [181] "rh_supramarginal_volume"
## [182] "rh_frontalpole_volume"
## [183] "rh_temporalpole_volume"
## [184] "rh_transversetemporal_volume"
## [185] "rh_insula_volume"
## [186] "rh.aparc.volume_1"
## [187] "rh.aparc.volume_2"
## [188] "rhCortexVol"
## [189] "rhCerebralWhiteMatterVol"
## [190] "rhSurfaceHoles"
## [191] "rh_Hippocampal_tail"
## [192] "rh_subiculum.body"
## [193] "rh_CA1.body"
## [194] "rh_subiculum.head"
## [195] "rh_hippocampal.fissure"
## [196] "rh_presubiculum.head"
## [197] "rh_CA1.head"
## [198] "rh_presubiculum.body"
## [199] "rh_parasubiculum"
## [200] "rh_molecular_layer_HP.head"
## [201] "rh_molecular_layer_HP.body"
## [202] "rh_GC.ML.DG.head"
## [203] "rh_CA3.body"
## [204] "rh_GC.ML.DG.body"
## [205] "rh_CA4.head"
## [206] "rh_CA4.body"
## [207] "rh_fimbria"
## [208] "rh_CA3.head"
## [209] "rh_HATA"
## [210] "rh_Whole_hippocampal_body"
## [211] "rh_Whole_hippocampal_head"
## [212] "rh_Whole_hippocampus"
## [213] "rh_Measure.volume_1.x"
## [214] "rh_Measure.volume_2.x"
## [215] "rh_id.x"
## [216] "rh_Lateral.nucleus"
## [217] "rh_Basal.nucleus"
## [218] "rh_Accessory.Basal.nucleus"
## [219] "rh_Anterior.amygdaloid.area.AAA"
## [220] "rh_Central.nucleus"
## [221] "rh_Medial.nucleus"
## [222] "rh_Cortical.nucleus"
## [223] "rh_Corticoamygdaloid.transitio"
## [224] "rh_Paralaminar.nucleus"
## [225] "rh_Whole_amygdala"
## [226] "rh_Measure.volume_1.y"
## [227] "rh_Measure.volume_2.y"
## [228] "rh_id.y"
## [229] "MoCAzScoreFr.x"
## [230] "pdcrs07nomeacaoZscore"
## [231] "pdcrs01mem.imediataZscore"
## [232] "pdcrs08atencaosusZscore"
## [233] "pdcrs09memoperacZscore"
## [234] "pdcrs10desenhorelogioZscore"
## [235] "pdcrs11copiarelogioZscore"
## [236] "pdcrs12evoctardiaZscore"
## [237] "pdcrs13fluenciaalternadaZscore"
## [238] "pdcrs14fluenciaacoesZscore"
## [239] "PDCRStotalZscore"
## [240] "PDCRStotalZscoreMIMIC.predict"
## [241] "OTSPSFCZScore"
## [242] "PALFAMSZScore"
## [243] "PALTEAZScore"
## [244] "MoCAzScoreFr.y"
## [245] "pdcrsMIMIC.Zscore"
## [246] "Dementia.MCI.normal.Zscore"
## [247] "attention_working_memory_domain_Zscore"
## [248] "executive_function_Zscore"
## [249] "Memory_Zscore"
## [250] "language_Zscore"df3 <- df3[,-c(36,37,72,73,99:101,112:114,150,151,186,187,213,214,215,226,227,228)]
df4 <- na.omit(data.frame(sapply(df3, function(x) as.numeric(as.character(x)))))## Warning in FUN(X[[i]], ...): NAs introduced by coercionhaven::write_sav(df4, "/Users/pedrorpb/Desktop/dadosRM/analise estatistica/df4.sav")Análise fatorial