lu
Eduardo Peixoto
16/04/2021
library(readxl)
require(dplyr)
require(RcmdrMisc)
require(xlsx)
require(utils)
require(survival)
require(sjPlot)
#CMV_Compilado_Banco_Servlab <- read_excel("CMV_Compilado_Banco_Servlab.xlsx")
#Planilha_HBV_resumida_labels <- read_excel("Planilha_HBV_resumida_labels.xlsx")
#Planilha_HBV_resumida_numeric <- read_excel("Planilha_HBV_resumida_numeric.xlsx")
#banco <- read_excel("banco.xlsx")
#CMV_Compilado_Banco_Servlab<-distinct(CMV_Compilado_Banco_Servlab)
#CMV_Compilado_Banco_Servlab %>% arrange(id01a_regi)
#CMV_Compilado_Banco_Servlab %>% arrange(G04_DATA_EXA)
#a <- read_delim("a.csv", ";", escape_double = FALSE, trim_ws = TRUE)
library(readxl)
require(readr)
require(dplyr)
library(readr)
luciane <- read_csv("luciane.csv")
banco_lu_update <- read_excel("banco_lu_update.xlsx")
banco_redu <- read_excel("banco_redu.xlsx",
col_types = c("numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "text", "text", "text",
"text", "text", "text", "text", "text",
"numeric", "text", "text", "text",
"text", "text", "text", "text"))
banco3 <- read.csv("C:/Users/edson/Downloads/banco (3).csv", sep=";")
banco3<-subset(banco3, select=c(Registro, tempodias))
banco_redu<-subset(banco_redu,select=c(tempomeses, Cd4_Cd8, id01a_regi,idade2))
banco_lu_update<-subset(banco_lu_update,select=c(Registro, I110_DATA_INI.x.x, Grupo2))
banco_redu$Registro<-banco_redu$id01a_regi
banco_lu_update<-left_join(banco_lu_update, banco_redu)
E5_CD4_Carga_Viral_e_CD8 <- read_excel("C:/Users/edson/Downloads/mm.xlsx")
E5_CD4_Carga_Viral_e_CD8<-subset(E5_CD4_Carga_Viral_e_CD8, select=c(ID01A_REGI,DATA_CAR, E505_CD4 ))
E5_CD4_Carga_Viral_e_CD8$Registro <-E5_CD4_Carga_Viral_e_CD8$ID01A_REGI
E5_CD4_Carga_Viral_e_CD8<-na.omit(E5_CD4_Carga_Viral_e_CD8)
a<-left_join(banco_lu_update, E5_CD4_Carga_Viral_e_CD8,by="Registro")
a<-subset(a,a$Registro==a$id01a_regi)
a$tempocarini<-difftime(a$I110_DATA_INI.x.x,a$DATA_CAR,units = "days")
#a<-left_join(a, Planilha_HBV_resumida_numeric, by="id01a_regi")
#( as.Date(a$I110_DATA_INI.x) - as.Date(a$DATA_CAR.x))
#a <- read.csv("a.csv", header = T, sep=";")
a<-a %>% arrange(tempocarini, Registro)
a$tempocarini<-as.numeric(a$tempocarini)
a<-distinct(a,a$ID01A_REGI,.keep_all = T)
a<-left_join(banco_lu_update, a, by="Registro")
a$Grupo2<- a$Grupo2.x
a$grupo5<-"cronico sem exame proximo"
a$grupo5[a$tempocarini>90 & a$Grupo2=="Crônico"]<-"cronico sem exame proximo"
a$grupo5[a$tempocarini< (-90) & a$Grupo2=="Crônico"]<-"cronico sem exame proximo"
a$grupo5[a$E505_CD4>350 & a$Grupo2=="Crônico"]<-"cronico cd4 > 350"
a$grupo5[a$E505_CD4> 200 & a$E505_CD4<350 & a$Grupo2=="Crônico"]<- "cronico cd4 200 - 350"
a$grupo5[a$E505_CD4<200]<- "cronico cd4 < 200"
a$grupo5[a$Grupo2=="Agudo"]<-"Agudo"
a$grupo5[a$Grupo2=="Recente"]<- "Recente"
a$grupo6<-a$grupo5
a$grupo6<-a$grupo5[is.na(a$grupo5) & a$Grupo2=="Crônico"]<-"cronico sem exame proximo"
htmlTable::htmlTable(as.data.frame(table(a$grupo5)))| Var1 | Freq | |
|---|---|---|
| 1 | Agudo | 65 |
| 2 | cronico cd4 < 200 | 19 |
| 3 | cronico cd4 > 350 | 287 |
| 4 | cronico cd4 200 - 350 | 35 |
| 5 | cronico sem exame proximo | 164 |
| 6 | Recente | 35 |
a$relacaomaior1<-0
a$relacaomaior1[a$Cd4_Cd8>1]<-1
a$relacaomaior1<-as.factor(a$relacaomaior1)
g<-subset(a,select=c(grupo5,relacaomaior1))
edu::tabelarumbancoporumavarquali(g)| Characteristic | 0, N = 6051 |
|---|---|
| grupo5 | |
| Agudo | 65 (10.74%) |
| cronico cd4 < 200 | 19 (3.14%) |
| cronico cd4 > 350 | 287 (47.44%) |
| cronico cd4 200 - 350 | 35 (5.79%) |
| cronico sem exame proximo | 164 (27.11%) |
| Recente | 35 (5.79%) |
|
1
n (%)
|
|
banco_lu_update <- read_excel("banco_lu_update.xlsx")
d<-right_join(a, banco_lu_update, by="Registro")
a<-d
a$idade<-a$idade2
banco<-a
a$relacaomaior1<-0
a$relacaomaior1[a$Cd4_Cd8>1]<-1
banco$tcd4_relacao<-banco$tcd4
banco$tcd8_relacao<-banco$tcd8
banco$esc<-0
banco$esc[banco$escola2=="mais de 12 anos"]<-1
banco$cv<-stringr::str_replace(banco$cv,",",".")
banco$cv<-stringr::str_replace(banco$cv,"..",".")
banco$cv<-stringr::str_replace(banco$cv,".","0.")
banco$cv<-as.numeric(banco$cv)
banco$esc<-as.factor(banco$esc)
#banco<-subset(banco, banco$relacaomaior1.x==0 |banco$relacaomaior1.x==1 )banco_redu<-subset(banco_redu,select=c(idade2,Registro,tempomeses))
banco_redu$idade3<-banco_redu$idade2
banco$Registro<-banco$id01a_regi.x.y
banco<-left_join(banco, banco_redu,by="Registro")
luciane <- read_csv("luciane.csv", col_types = cols(tempodias = col_number()))
luciane<-subset(luciane,select=c(Registro, tempodias))
modelo4<-read.csv("C:/Users/edson/Downloads/modelo4 (1).csv", sep=";",dec=",")
modelo4<-subset(modelo4,select=c(Registro, idade,gon,clam))
modelo4$idade4<-modelo4$idade
banco$Registro<-banco$id01a_regi.x.y
banco<-left_join(banco, modelo4,by="Registro")
banco$tempomeses<-banco$tempomeses.y
require(survival)
banco2<-subset(banco, select =c(grupo5, relacaomaior1.x,Grupo2.x.x ))
banco$cd4maior350<-0
banco$cd4maior350[banco$grupo5=="cronico cd4 > 350"]<-1
banco$cd4maior350<-as.factor(banco$cd4maior350)
banco$Registro<-banco$id01a_regi.x.y
require(readxl)
banco$CMV_pos_ARV<-as.factor(banco$CMV_pos_ARV)
banco$CMV_Bruto<-as.factor(banco$CMV_Bruto)
banco$relacaomaior1.x<-as.numeric(banco$relacaomaior1.y)
banco<-dplyr::left_join(banco,banco3, by="Registro")
banco$tempomeses.y.y<-banco$tempodias/30
banco$tempomeses.x<-banco$tempomeses.y.y
banco$tempomeses<-banco$tempomeses.y.y
#modelo de cox univariado
CoxModel.4 <- coxph(Surv(tempomeses.x, relacaomaior1.x) ~ COR,method="efron",id=Registro, data=banco)
CoxModel.5 <- coxph(Surv(tempomeses, relacaomaior1.x) ~ GENERO,
method="efron",id=Registro, data=banco)
CoxModel.6 <- coxph(Surv(tempomeses, relacaomaior1.x) ~ idade4,
method="efron",id=Registro, data=banco)
CoxModel.7 <- coxph(Surv(tempomeses, relacaomaior1.x) ~ tempoaterarv,
method="efron",id=Registro, data=banco)
CoxModel.8 <- coxph(Surv(tempomeses, relacaomaior1.x) ~ esquema2,
method="efron",id=Registro, data=banco)
CoxModel.9 <- coxph(Surv(tempomeses, relacaomaior1.x) ~ hbv_cronico.x.x,
method="efron",id=Registro, data=banco)
CoxModel.10 <- coxph(Surv(tempomeses, relacaomaior1.x) ~ grupo5,
method="efron",id=Registro, data=banco)
CoxModel.11 <- coxph(Surv(tempomeses,relacaomaior1.x) ~ G03_EXAM,
method="efron",id=Registro, data=banco)
CoxModel.12 <- coxph(Surv(tempomeses, relacaomaior1.x) ~ Grupo,
method="efron",id=Registro, data=banco)
CoxModel.13 <- coxph(Surv(tempomeses, relacaomaior1.x) ~ Grupo2.x.y,
method="efron",id=Registro, data=banco)
CoxModel.14 <- coxph(Surv(tempomeses, relacaomaior1.x) ~ CMV_pos_ARV,
method="efron",id=Registro, data=banco)
CoxModel.15 <- coxph(Surv(tempomeses, relacaomaior1.x) ~ grupo5,
method="efron",id=Registro, data=banco)
CoxModel.16 <- coxph(Surv(tempomeses, relacaomaior1.x) ~ esc,
method="efron",id=Registro, data=banco)
CoxModel.17 <- coxph(Surv(tempomeses, relacaomaior1.x) ~ clam,
method="efron",id=Registro, data=banco)
CoxModel.18 <- coxph(Surv(tempomeses, relacaomaior1.x) ~ sifilis,
method="efron",id=Registro, data=banco)
CoxModel.19 <- coxph(Surv(tempomeses, relacaomaior1.x) ~ CMV_Bruto, method="efron",id=Registro, data=banco)
CoxModel.20 <- coxph(Surv(tempomeses, relacaomaior1.x) ~ gon, method="efron",id=Registro, data=banco)
require(sjPlot)
aa<-tab_model(CoxModel.4,show.intercept = F, show.obs = F, show.r2 = F)
b<-tab_model(CoxModel.5,show.intercept = F, show.obs = F, show.r2 = F)
c<-tab_model(CoxModel.6,show.intercept = F, show.obs = F, show.r2 = F)
d<-tab_model(CoxModel.7,show.intercept = F, show.obs = F, show.r2 = F)
e<-tab_model(CoxModel.8,show.intercept = F, show.obs = F, show.r2 = F)
g<-tab_model(CoxModel.9,show.intercept = F, show.obs = F, show.r2 = F)
h<-tab_model(CoxModel.10,show.intercept = F, show.obs = F, show.r2 = F)
i<-tab_model(CoxModel.11,show.intercept = F, show.obs = F, show.r2 = F)
j<-tab_model(CoxModel.12,show.intercept = F, show.obs = F, show.r2 = F)
k<-tab_model(CoxModel.13,show.intercept = F, show.obs = F, show.r2 = F)
l<-tab_model(CoxModel.14,show.intercept = F, show.obs = F, show.r2 = F)
m<-tab_model(CoxModel.15,show.intercept = F, show.obs = F, show.r2 = F)
n<-tab_model(CoxModel.16,show.intercept = F, show.obs = F, show.r2 = F)
o<-tab_model(CoxModel.17,show.intercept = F, show.obs = F, show.r2 = F)
p<-tab_model(CoxModel.18,show.intercept = F, show.obs = F, show.r2 = F)
q<-tab_model(CoxModel.19,show.intercept = F, show.obs = F, show.r2 = F)
r<-tab_model(CoxModel.20,show.intercept = F, show.obs = F, show.r2 = F)
f<-as.list(c(aa$page.content,b$page.content,c$page.content,d$page.content,e$page.content,g$page.content,h$page.content,i$page.content,j$page.content,k$page.content,l$page.content,m$page.content,n$page.content,o$page.content,p$page.content,q$page.content,r$page.content))
#lista<-c("Raça/Cor","Gênero","Idade em Anos Completos","Tempo até ARV", "Esquema","hbv_class","hbv_cronico","G03_EXAM.x", "Grupo 1", "Grupo2","esquema arv","Cor","Anos de Estudo", "sifilis","CMV","gonorréia")
#rawr::combine_table(f, caption="Modelos de Cox Univariados")
v<-as.list(f)
f<- htmlTable::htmlTable(v)
require(XML)
questions<-readHTMLTable(f, trim=T, as.data.frame=T, header=T)
data<-bind_rows(questions)
names(data)[c(1)] <- c("Variavel")
names(data)[c(2)] <- c("Estimates")
names(data)[c(3)]<- c("CI")
names(data)[c(4)]<- c("P")
data<-subset(data, data$Variavel!="Â")
data<-subset(data, data$Variavel!="Predictors")
data$CI<-stringr::str_replace(data$CI, "â€","-")
data$CI<-stringr::str_replace(data$CI, "“Â","-")
data$CI<-stringr::str_replace(data$CI, "Â -","")
data$CI<-stringr::str_replace(data$CI, "Â","")
data$CI<-stringr::str_replace(data$CI, "--","-")
data$CI<-stringr::str_replace(data$CI, "Â","")
htmlTable::htmlTable(data)| Variavel | Estimates | CI | P | |
|---|---|---|---|---|
| 3 | COR [Pardo/Negro] | 1.29 | 0.93 - 1.77 | 0.122 |
| 6 | GENERO [MASCULINO] | 1.10 | 0.78 - 1.55 | 0.580 |
| 9 | idade4 | 0.98 | 0.96 - 1.00 | 0.021 |
| 12 | tempoaterarv | 1.00 | 1.00 - 1.00 | 0.261 |
| 15 | esquema2 [IP] | 0.97 | 0.61 - 1.53 | 0.880 |
| 16 | esquema2 [NNRTI] | 0.88 | 0.64 - 1.22 | 0.456 |
| 19 | hbv_cronico.x.x [não] | 1.67 | 0.68 - 4.06 | 0.260 |
| 20 | hbv_cronico.x.x [sim] | 1.07 | 0.21 - 5.53 | 0.936 |
| 23 | grupo5 [cronico cd4 200] | 0.00 | 0.00 - Inf | 0.991 |
| 24 | grupo5 [cronico cd4 >350] | 0.27 | 0.19 - 0.38 | <0.001 |
| 25 | grupo5 [cronico cd4 200 -350] | 0.04 | 0.01 - 0.15 | <0.001 |
| 26 | grupo5 [cronico sem exameproximo] | 0.00 | 0.00 - Inf | 0.998 |
| 27 | grupo5 [Recente] | 0.78 | 0.47 - 1.29 | 0.336 |
| 30 | G03_EXAM [TR_DPP_SIFILIS] | 0.98 | 0.24 - 3.96 | 0.974 |
| 33 | Grupo [I] | 63.89 | 22.99 - 177.58 | <0.001 |
| 34 | Grupo [II] | 14.44 | 4.53 - 46.08 | <0.001 |
| 35 | Grupo [III] | 12.51 | 5.69 - 27.52 | <0.001 |
| 36 | Grupo [IV] | 3.65 | 1.84 - 7.26 | <0.001 |
| 37 | Grupo [V] | 3.13 | 2.00 - 4.92 | <0.001 |
| 38 | Grupo [VI] | 3.40 | 2.15 - 5.37 | <0.001 |
| 41 | Grupo2.x.y [Crônico] | 0.23 | 0.16 - 0.33 | <0.001 |
| 42 | Grupo2.x.y [Recente] | 0.78 | 0.47 - 1.29 | 0.331 |
| 45 | CMV_pos_ARV [1] | 0.10 | 0.02 - 0.48 | 0.004 |
| 48 | grupo5 [cronico cd4 200] | 0.00 | 0.00 - Inf | 0.991 |
| 49 | grupo5 [cronico cd4 >350] | 0.27 | 0.19 - 0.38 | <0.001 |
| 50 | grupo5 [cronico cd4 200 -350] | 0.04 | 0.01 - 0.15 | <0.001 |
| 51 | grupo5 [cronico sem exameproximo] | 0.00 | 0.00 - Inf | 0.998 |
| 52 | grupo5 [Recente] | 0.78 | 0.47 - 1.29 | 0.336 |
| 55 | esc [1] | 1.12 | 0.79 - 1.57 | 0.527 |
| 58 | clam [Sim] | 1.10 | 0.48 - 2.51 | 0.817 |
| 61 | sifilis [Sim] | 1.15 | 0.78 - 1.68 | 0.490 |
| 64 | CMV_Bruto [1] | 0.86 | 0.35 - 2.11 | 0.739 |
| 67 | gon [Sim] | 1.57 | 0.72 - 3.44 | 0.256 |
| 69 | COR [Pardo/Negro] | 1.29 | 0.93 - 1.77 | 0.122 |
| 71 | GENERO [MASCULINO] | 1.10 | 0.78 - 1.55 | 0.580 |
| 73 | idade4 | 0.98 | 0.96 - 1.00 | 0.021 |
| 75 | tempoaterarv | 1.00 | 1.00 - 1.00 | 0.261 |
| 77 | esquema2 [IP] | 0.97 | 0.61 - 1.53 | 0.880 |
| 78 | esquema2 [NNRTI] | 0.88 | 0.64 - 1.22 | 0.456 |
| 80 | hbv_cronico.x.x [não] | 1.67 | 0.68 - 4.06 | 0.260 |
| 81 | hbv_cronico.x.x [sim] | 1.07 | 0.21 - 5.53 | 0.936 |
| 83 | grupo5 [cronico cd4 200] | 0.00 | 0.00 - Inf | 0.991 |
| 84 | grupo5 [cronico cd4 >350] | 0.27 | 0.19 - 0.38 | <0.001 |
| 85 | grupo5 [cronico cd4 200 -350] | 0.04 | 0.01 - 0.15 | <0.001 |
| 86 | grupo5 [cronico sem exameproximo] | 0.00 | 0.00 - Inf | 0.998 |
| 87 | grupo5 [Recente] | 0.78 | 0.47 - 1.29 | 0.336 |
| 89 | G03_EXAM [TR_DPP_SIFILIS] | 0.98 | 0.24 - 3.96 | 0.974 |
| 91 | Grupo [I] | 63.89 | 22.99 - 177.58 | <0.001 |
| 92 | Grupo [II] | 14.44 | 4.53 - 46.08 | <0.001 |
| 93 | Grupo [III] | 12.51 | 5.69 - 27.52 | <0.001 |
| 94 | Grupo [IV] | 3.65 | 1.84 - 7.26 | <0.001 |
| 95 | Grupo [V] | 3.13 | 2.00 - 4.92 | <0.001 |
| 96 | Grupo [VI] | 3.40 | 2.15 - 5.37 | <0.001 |
| 98 | Grupo2.x.y [Crônico] | 0.23 | 0.16 - 0.33 | <0.001 |
| 99 | Grupo2.x.y [Recente] | 0.78 | 0.47 - 1.29 | 0.331 |
| 101 | CMV_pos_ARV [1] | 0.10 | 0.02 - 0.48 | 0.004 |
| 103 | grupo5 [cronico cd4 200] | 0.00 | 0.00 - Inf | 0.991 |
| 104 | grupo5 [cronico cd4 >350] | 0.27 | 0.19 - 0.38 | <0.001 |
| 105 | grupo5 [cronico cd4 200 -350] | 0.04 | 0.01 - 0.15 | <0.001 |
| 106 | grupo5 [cronico sem exameproximo] | 0.00 | 0.00 - Inf | 0.998 |
| 107 | grupo5 [Recente] | 0.78 | 0.47 - 1.29 | 0.336 |
| 109 | esc [1] | 1.12 | 0.79 - 1.57 | 0.527 |
| 111 | clam [Sim] | 1.10 | 0.48 - 2.51 | 0.817 |
| 113 | sifilis [Sim] | 1.15 | 0.78 - 1.68 | 0.490 |
| 115 | CMV_Bruto [1] | 0.86 | 0.35 - 2.11 | 0.739 |
| 117 | gon [Sim] | 1.57 | 0.72 - 3.44 | 0.256 |
#multi
multi<-coxph(formula = Surv(tempomeses, relacaomaior1.x) ~ grupo5 + idade4 , id=Registro,data = banco, method = "efron")
sjPlot::tab_model(multi)|
Surv(tempomeses, relacaomaior1.x) |
|||
|---|---|---|---|
| Predictors | Estimates | CI | p |
|
grupo5 [cronico cd4 < 200] |
0.00 | 0.00 – Inf | 0.991 |
|
grupo5 [cronico cd4 > 350] |
0.26 | 0.19 – 0.37 | <0.001 |
|
grupo5 [cronico cd4 200 - 350] |
0.04 | 0.01 – 0.17 | <0.001 |
|
grupo5 [cronico sem exame proximo] |
0.00 | 0.00 – Inf | 0.998 |
| grupo5 [Recente] | 0.78 | 0.47 – 1.30 | 0.340 |
| idade4 | 0.98 | 0.96 – 1.00 | 0.058 |
| Observations | 434 | ||
| R2 Nagelkerke | 0.404 | ||
banco$cd4maior350<-as.factor(banco$cd4maior350)
multi<-coxph(formula = Surv(tempomeses, relacaomaior1.x) ~ cd4maior350 + idade4 , id=Registro,data = banco, method = "efron")
sjPlot::tab_model(multi)|
Surv(tempomeses, relacaomaior1.x) |
|||
|---|---|---|---|
| Predictors | Estimates | CI | p |
| cd4maior350 [1] | 0.52 | 0.39 – 0.71 | <0.001 |
| idade4 | 0.97 | 0.95 – 0.99 | 0.003 |
| Observations | 434 | ||
| R2 Nagelkerke | 0.112 | ||
banco$agudo<-0
banco$agudo[banco$Grupo2.x.x=="Agudo"]<-1
banco$recente<-0
banco$recente[banco$Grupo2.x.x=="Recente"]<-1
banco$agudo<-as.factor(banco$agudo)
banco$recente<-as.factor(banco$recente)
banco$idade5<-0
banco$idade5[banco$idade4> 27]<-1
banco$idade5<-as.factor(banco$idade5)
multi<-coxph(formula = Surv(tempomeses, relacaomaior1.x) ~ agudo +recente + cd4maior350 +idade5, id=Registro,data = banco, method = "efron")
sjPlot::tab_model(multi)|
Surv(tempomeses, relacaomaior1.x) |
|||
|---|---|---|---|
| Predictors | Estimates | CI | p |
| agudo [1] | 35.98 | 8.73 – 148.32 | <0.001 |
| recente [1] | 27.44 | 6.44 – 116.82 | <0.001 |
| cd4maior350 [1] | 9.34 | 2.30 – 37.85 | 0.002 |
| idade5 [1] | 0.72 | 0.54 – 0.96 | 0.026 |
| Observations | 434 | ||
| R2 Nagelkerke | 0.404 | ||
multi<-coxph(formula = Surv(tempomeses, relacaomaior1.x) ~ agudo +recente + cd4maior350 +COR, id=Registro,data = banco, method = "efron")
sjPlot::tab_model(multi)|
Surv(tempomeses, relacaomaior1.x) |
|||
|---|---|---|---|
| Predictors | Estimates | CI | p |
| agudo [1] | 36.93 | 8.96 – 152.23 | <0.001 |
| recente [1] | 29.83 | 7.00 – 127.05 | <0.001 |
| cd4maior350 [1] | 9.90 | 2.45 – 40.09 | 0.001 |
| COR [Pardo/Negro] | 1.42 | 1.03 – 1.95 | 0.034 |
| Observations | 430 | ||
| R2 Nagelkerke | 0.399 | ||
multi<-coxph(formula = Surv(tempomeses, relacaomaior1.x) ~ agudo +recente + cd4maior350 +COR +idade5, id=Registro,data = banco, method = "efron")
sjPlot::tab_model(multi)|
Surv(tempomeses, relacaomaior1.x) |
|||
|---|---|---|---|
| Predictors | Estimates | CI | p |
| agudo [1] | 35.92 | 8.71 – 148.10 | <0.001 |
| recente [1] | 28.24 | 6.62 – 120.41 | <0.001 |
| cd4maior350 [1] | 9.29 | 2.29 – 37.64 | 0.002 |
| COR [Pardo/Negro] | 1.39 | 1.01 – 1.91 | 0.046 |
| idade5 [1] | 0.73 | 0.54 – 0.97 | 0.031 |
| Observations | 430 | ||
| R2 Nagelkerke | 0.413 | ||
multi<-coxph(formula = Surv(tempomeses, relacaomaior1.x) ~ agudo +recente + cd4maior350 +COR +idade5 , id=Registro,data = banco, method = "efron")
sjPlot::tab_model(multi)|
Surv(tempomeses, relacaomaior1.x) |
|||
|---|---|---|---|
| Predictors | Estimates | CI | p |
| agudo [1] | 35.92 | 8.71 – 148.10 | <0.001 |
| recente [1] | 28.24 | 6.62 – 120.41 | <0.001 |
| cd4maior350 [1] | 9.29 | 2.29 – 37.64 | 0.002 |
| COR [Pardo/Negro] | 1.39 | 1.01 – 1.91 | 0.046 |
| idade5 [1] | 0.73 | 0.54 – 0.97 | 0.031 |
| Observations | 430 | ||
| R2 Nagelkerke | 0.413 | ||
multi<-coxph(formula = Surv(tempomeses, relacaomaior1.x) ~ agudo +recente + cd4maior350 +COR +idade +CMV_pos_ARV, id=Registro,data = banco, method = "efron")
sjPlot::tab_model(multi)|
Surv(tempomeses, relacaomaior1.x) |
|||
|---|---|---|---|
| Predictors | Estimates | CI | p |
| agudo [1] | 25.45 | 3.21 – 201.84 | 0.002 |
| recente [1] | 18.60 | 2.32 – 148.83 | 0.006 |
| cd4maior350 [1] | 8.03 | 1.10 – 58.76 | 0.040 |
| COR [Pardo/Negro] | 2.48 | 1.34 – 4.60 | 0.004 |
| idade | 0.96 | 0.92 – 1.00 | 0.051 |
| CMV_pos_ARV [1] | 0.10 | 0.02 – 0.52 | 0.006 |
| Observations | 127 | ||
| R2 Nagelkerke | 0.475 | ||
htmlTable::htmlTable(as.data.frame(table(banco$cd4maior350, banco$relacaomaior1.x)))| Var1 | Var2 | Freq | |
|---|---|---|---|
| 1 | 0 | 0 | 76 |
| 2 | 1 | 0 | 171 |
| 3 | 0 | 1 | 71 |
| 4 | 1 | 1 | 116 |
#164 sem exame próximo grupo 5 e grupo 6
#kaplan meyer
#TableStack
#CV E503_NUME antes do data_INI até 14 dias depois data INI
E5_CD4_Carga_Viral_e_CD8<-read.delim("C:/Users/edson/Downloads/E5_Final-08-08-2021.txt")
E5_CD4_Carga_Viral_e_CD8$Registro<-E5_CD4_Carga_Viral_e_CD8$ID01A_REGI
f<-merge(E5_CD4_Carga_Viral_e_CD8,banco, by="Registro" )
f$tempocv<-difftime(as.Date(f$DATA_CAR),as.Date(f$I110_DATA_INI.x.x),units = "days")
f$tempocvvalido<-0
f$tempocvvalido[f$tempocv<7]<-1
f<-subset(f,f$tempocvvalido>0)
f<-subset(f,select = c(Registro, E503_NUME.x, tempocv))
f<-na.omit(f)
f$tempocv<-f$tempocv * -1
f<-f %>% arrange(f$tempocv, f$Registro)
f$cargaviral<-f$E503_NUME.x
f$cargaviral<-f$E503_NUME.x
f<-distinct(f,f$Registro,.keep_all = T)
f$tempocv<-f$tempocv * -1
banco<-left_join(banco, f, by="Registro")
banco$grupo5[banco$grupo5=="cronico sem exame proximo"]<-NA
h<-subset(banco,select=c(tcd4,tcd8,relacaomaior1.x, Cd4_Cd8.x, tempomeses, FIBIG2, grupo5,idade4,idade5, tempoaterarv, esc, COR, GENERO, gon, clam,sifilis,cargaviral,CMV_pos_ARV))
h<-as.data.frame(h)
h$grupo6<-NA
h$grupo6[banco$grupo5=="Recente"]<-"recente"
h$grupo6[banco$grupo5=="cronico cd4 > 350"]<-"cronico cd4 > 350"
h$grupo6[banco$grupo5=="cronico cd4 < 200"]<-"cronico cd4 <= 350"
h$grupo6[banco$grupo5=="cronico cd4 200 - 350"]<-"cronico cd4 <= 350"
htmlTable::htmlTable(epiDisplay::tableStack(c(CMV_pos_ARV,tcd4,tcd8,relacaomaior1.x, Cd4_Cd8.x, tempomeses, FIBIG2,idade4,idade5, tempoaterarv, esc, COR, GENERO, gon, clam,sifilis,cargaviral), by=grupo5, dataFrame=h, simulate.p.value = T, percent = "row", var.labels = F))| Agudo | cronico cd4 < 200 | cronico cd4 > 350 | cronico cd4 200 - 350 | Recente | Test stat. | P value | |
|---|---|---|---|---|---|---|---|
| Total | 65 | 19 | 287 | 35 | 35 | ||
| 18 : CMV_pos_ARV | Fisher’s exact test | 0.382 | |||||
| 0 | 1 (20) | 1 (20) | 3 (60) | 0 (0) | 0 (0) | ||
| 1 | 19 (14.7) | 5 (3.9) | 74 (57.4) | 12 (9.3) | 19 (14.7) | ||
| 1 : tcd4 | Kruskal-Wallis test | < 0.001 | |||||
| median(IQR) | 794 (584.5,960.5) | 126 (84.5,157) | 704 (533.5,902.5) | 266 (235,319) | 746 (582,905) | ||
| 2 : tcd8 | Kruskal-Wallis test | < 0.001 | |||||
| median(IQR) | 691 (554.5,940.5) | 896 (615,977.5) | 914 (700.5,1195) | 841 (626,1186) | 761 (559,852) | ||
| 3 : relacaomaior1.x | Kruskal-Wallis test | < 0.001 | |||||
| median(IQR) | 1 (0.5,1) | 0 (0,0) | 0 (0,1) | 0 (0,0) | 1 (1,1) | ||
| 4 : Cd4_Cd8.x | Kruskal-Wallis test | < 0.001 | |||||
| median(IQR) | 1.1 (1,1.3) | 0.1 (0.1,0.2) | 0.9 (0.6,1.1) | 0.3 (0.2,0.4) | 1.1 (1,1.3) | ||
| 5 : tempomeses | Kruskal-Wallis test | < 0.001 | |||||
| median(IQR) | 3 (0.9,6) | 6.2 (2.7,9.1) | 10.8 (3.3,23.2) | 11.9 (5.8,25) | 3 (1.1,12) | ||
| 6 : FIBIG2 | Fisher’s exact test | < 0.001 | |||||
| Chronic | 0 (0) | 19 (5.6) | 287 (84.2) | 35 (10.3) | 0 (0) | ||
| I | 5 (100) | 0 (0) | 0 (0) | 0 (0) | 0 (0) | ||
| II | 3 (100) | 0 (0) | 0 (0) | 0 (0) | 0 (0) | ||
| III | 10 (100) | 0 (0) | 0 (0) | 0 (0) | 0 (0) | ||
| IV | 13 (100) | 0 (0) | 0 (0) | 0 (0) | 0 (0) | ||
| V | 34 (100) | 0 (0) | 0 (0) | 0 (0) | 0 (0) | ||
| VI | 0 (0) | 0 (0) | 0 (0) | 0 (0) | 35 (100) | ||
| 8 : idade4 | Kruskal-Wallis test | < 0.001 | |||||
| median(IQR) | 27.2 (23.9,32.8) | 34.1 (28,42.9) | 25.9 (22.9,32.2) | 31 (26.3,40.8) | 27.7 (26,32.7) | ||
| 9 : idade5 | Chisq. (4 df) = 13.78 | 0.008 | |||||
| 0 | 32 (14.3) | 4 (1.8) | 160 (71.4) | 12 (5.4) | 16 (7.1) | ||
| 1 | 33 (15.2) | 15 (6.9) | 127 (58.5) | 23 (10.6) | 19 (8.8) | ||
| 10 : tempoaterarv | Kruskal-Wallis test | < 0.001 | |||||
| median(IQR) | 3 (2,16) | 85 (46,262) | 42 (16,87.5) | 38 (16.5,59.5) | 15 (6.5,46) | ||
| 11 : esc | Chisq. (4 df) = 31.21 | < 0.001 | |||||
| 0 | 44 (12.6) | 16 (4.6) | 241 (69.1) | 31 (8.9) | 17 (4.9) | ||
| 1 | 21 (22.8) | 3 (3.3) | 46 (50) | 4 (4.3) | 18 (19.6) | ||
| 12 : COR | Chisq. (4 df) = 4.25 | 0.373 | |||||
| Branca | 27 (19.7) | 5 (3.6) | 83 (60.6) | 10 (7.3) | 12 (8.8) | ||
| Pardo/Negro | 38 (12.7) | 14 (4.7) | 201 (67.2) | 24 (8) | 22 (7.4) | ||
| 13 : GENERO | Chisq. (4 df) = 9.86 | 0.043 | |||||
| FEMININO | 10 (10) | 5 (5) | 73 (73) | 10 (10) | 2 (2) | ||
| MASCULINO | 55 (16.2) | 14 (4.1) | 213 (62.6) | 25 (7.4) | 33 (9.7) | ||
| 14 : gon | Fisher’s exact test | 0.26 | |||||
| Não | 12 (20.7) | 1 (1.7) | 41 (70.7) | 4 (6.9) | 0 (0) | ||
| Sim | 5 (33.3) | 0 (0) | 8 (53.3) | 1 (6.7) | 1 (6.7) | ||
| 15 : clam | Fisher’s exact test | 1 | |||||
| Não | 13 (23.6) | 1 (1.8) | 36 (65.5) | 4 (7.3) | 1 (1.8) | ||
| Sim | 4 (22.2) | 0 (0) | 13 (72.2) | 1 (5.6) | 0 (0) | ||
| 16 : sifilis | Chisq. (4 df) = 4.06 | 0.398 | |||||
| Não | 46 (19.6) | 7 (3) | 142 (60.4) | 19 (8.1) | 21 (8.9) | ||
| Sim | 10 (12.8) | 4 (5.1) | 54 (69.2) | 6 (7.7) | 4 (5.1) | ||
| 17 : cargaviral | Kruskal-Wallis test | 0.011 | |||||
| median(IQR) | 0 (0,39) | 117 (39,122) | 0 (0,39) | 39 (39,564.5) | 0 (0,39) | ||
h$grupo6<-NA
h$grupo6[banco$grupo5=="Recente"]<-"recente"
h$grupo6[banco$grupo5=="Agudo"]<-"agudo"
h$grupo6[banco$grupo5=="cronico cd4 > 350"]<-"cronico cd4 > 350"
h$grupo6[banco$grupo5=="cronico cd4 < 200"]<-"cronico cd4 <= 350"
h$grupo6[banco$grupo5=="cronico cd4 200 - 350"]<-"cronico cd4 <= 350"
table(h$FIBIG2, h$grupo6)##
## agudo cronico cd4 <= 350 cronico cd4 > 350 recente
## Chronic 0 54 287 0
## I 5 0 0 0
## II 3 0 0 0
## III 10 0 0 0
## IV 13 0 0 0
## V 34 0 0 0
## VI 0 0 0 35htmlTable::htmlTable(epiDisplay::tableStack(c(CMV_pos_ARV,tcd4,tcd8,relacaomaior1.x, Cd4_Cd8.x, tempomeses, idade4,idade5, tempoaterarv, esc, COR, GENERO, gon, clam,sifilis,cargaviral), by=grupo6, dataFrame=h, simulate.p.value = T, percent = "row", var.labels = F))| agudo | cronico cd4 <= 350 | cronico cd4 > 350 | recente | Test stat. | P value | |
|---|---|---|---|---|---|---|
| Total | 65 | 54 | 287 | 35 | ||
| 18 : CMV_pos_ARV | Fisher’s exact test | 0.842 | ||||
| 0 | 1 (20) | 1 (20) | 3 (60) | 0 (0) | ||
| 1 | 19 (14.7) | 17 (13.2) | 74 (57.4) | 19 (14.7) | ||
| 1 : tcd4 | Kruskal-Wallis test | < 0.001 | ||||
| median(IQR) | 794 (584.5,960.5) | 231.5 (155,281.5) | 704 (533.5,902.5) | 746 (582,905) | ||
| 2 : tcd8 | Kruskal-Wallis test | < 0.001 | ||||
| median(IQR) | 691 (554.5,940.5) | 873 (618.5,1154.8) | 914 (700.5,1195) | 761 (559,852) | ||
| 3 : relacaomaior1.x | Kruskal-Wallis test | < 0.001 | ||||
| median(IQR) | 1 (0.5,1) | 0 (0,0) | 0 (0,1) | 1 (1,1) | ||
| 4 : Cd4_Cd8.x | Kruskal-Wallis test | < 0.001 | ||||
| median(IQR) | 1.1 (1,1.3) | 0.2 (0.1,0.3) | 0.9 (0.6,1.1) | 1.1 (1,1.3) | ||
| 5 : tempomeses | Kruskal-Wallis test | < 0.001 | ||||
| median(IQR) | 3 (0.9,6) | 8.7 (4.7,19.5) | 10.8 (3.3,23.2) | 3 (1.1,12) | ||
| 8 : idade4 | Kruskal-Wallis test | < 0.001 | ||||
| median(IQR) | 27.2 (23.9,32.8) | 31.8 (26.8,42) | 25.9 (22.9,32.2) | 27.7 (26,32.7) | ||
| 9 : idade5 | Chisq. (3 df) = 12.92 | 0.005 | ||||
| 0 | 32 (14.3) | 16 (7.1) | 160 (71.4) | 16 (7.1) | ||
| 1 | 33 (15.2) | 38 (17.5) | 127 (58.5) | 19 (8.8) | ||
| 10 : tempoaterarv | Kruskal-Wallis test | < 0.001 | ||||
| median(IQR) | 3 (2,16) | 48 (27.2,130) | 42 (16,87.5) | 15 (6.5,46) | ||
| 11 : esc | Chisq. (3 df) = 31.07 | < 0.001 | ||||
| 0 | 44 (12.6) | 47 (13.5) | 241 (69.1) | 17 (4.9) | ||
| 1 | 21 (22.8) | 7 (7.6) | 46 (50) | 18 (19.6) | ||
| 12 : COR | Chisq. (3 df) = 4.2 | 0.241 | ||||
| Branca | 27 (19.7) | 15 (10.9) | 83 (60.6) | 12 (8.8) | ||
| Pardo/Negro | 38 (12.7) | 38 (12.7) | 201 (67.2) | 22 (7.4) | ||
| 13 : GENERO | Chisq. (3 df) = 9.82 | 0.02 | ||||
| FEMININO | 10 (10) | 15 (15) | 73 (73) | 2 (2) | ||
| MASCULINO | 55 (16.2) | 39 (11.5) | 213 (62.6) | 33 (9.7) | ||
| 14 : gon | Fisher’s exact test | 0.168 | ||||
| Não | 12 (20.7) | 5 (8.6) | 41 (70.7) | 0 (0) | ||
| Sim | 5 (33.3) | 1 (6.7) | 8 (53.3) | 1 (6.7) | ||
| 15 : clam | Fisher’s exact test | 1 | ||||
| Não | 13 (23.6) | 5 (9.1) | 36 (65.5) | 1 (1.8) | ||
| Sim | 4 (22.2) | 1 (5.6) | 13 (72.2) | 0 (0) | ||
| 16 : sifilis | Chisq. (3 df) = 3.44 | 0.329 | ||||
| Não | 46 (19.6) | 26 (11.1) | 142 (60.4) | 21 (8.9) | ||
| Sim | 10 (12.8) | 10 (12.8) | 54 (69.2) | 4 (5.1) | ||
| 17 : cargaviral | Kruskal-Wallis test | 0.005 | ||||
| median(IQR) | 0 (0,39) | 39 (39,430) | 0 (0,39) | 0 (0,39) | ||
.Survfit <- survfit(Surv(tempomeses, relacaomaior1.x) ~ grupo6,
conf.type="log", conf.int=0.95, type="kaplan-meier", error="greenwood",
data=h)
.Survfit## Call: survfit(formula = Surv(tempomeses, relacaomaior1.x) ~ grupo6,
## data = h, error = "greenwood", conf.type = "log", conf.int = 0.95,
## type = "kaplan-meier")
##
## 172 observations deleted due to missingness
## n events median 0.95LCL 0.95UCL
## grupo6=agudo 63 47 3.63 1.17 10.4
## grupo6=cronico cd4 <= 350 54 2 NA NA NA
## grupo6=cronico cd4 > 350 287 116 27.30 22.90 36.0
## grupo6=recente 29 22 6.00 2.03 22.0plot(.Survfit, col=1:4, lty=1:4, mark.time=TRUE)
legend("bottomleft", legend=c("grupo6=agudo","grupo6=cronico cd4 <= 350",
"grupo6=cronico cd4 > 350","grupo6=recente"), col=1:4, lty=1:4, bty="n")
quantile(.Survfit, quantiles=c(.25,.5,.75))## $quantile
## 25 50 75
## grupo6=agudo 0.8333333 3.633333 16.80000
## grupo6=cronico cd4 <= 350 NA NA NA
## grupo6=cronico cd4 > 350 10.5666667 27.300000 54.56667
## grupo6=recente 1.4333333 6.000000 22.00000
##
## $lower
## 25 50 75
## grupo6=agudo 0.1000000 1.166667 6.00000
## grupo6=cronico cd4 <= 350 NA NA NA
## grupo6=cronico cd4 > 350 6.4000000 22.900000 45.03333
## grupo6=recente 0.9333333 2.033333 7.00000
##
## $upper
## 25 50 75
## grupo6=agudo 1.166667 10.43333 NA
## grupo6=cronico cd4 <= 350 NA NA NA
## grupo6=cronico cd4 > 350 13.300000 35.96667 NA
## grupo6=recente 5.500000 22.00000 NAremove(.Survfit)
.Survfit <- survfit(Surv(tempomeses, relacaomaior1.x) ~ grupo5,
conf.type="log", conf.int=0.95, type="kaplan-meier", error="greenwood",
data=h)
.Survfit## Call: survfit(formula = Surv(tempomeses, relacaomaior1.x) ~ grupo5,
## data = h, error = "greenwood", conf.type = "log", conf.int = 0.95,
## type = "kaplan-meier")
##
## 172 observations deleted due to missingness
## n events median 0.95LCL 0.95UCL
## grupo5=Agudo 63 47 3.63 1.17 10.4
## grupo5=cronico cd4 < 200 19 0 NA NA NA
## grupo5=cronico cd4 > 350 287 116 27.30 22.90 36.0
## grupo5=cronico cd4 200 - 350 35 2 NA NA NA
## grupo5=Recente 29 22 6.00 2.03 22.0plot(.Survfit, col=1:5, lty=1:5, mark.time=TRUE)
legend("bottomleft", legend=c("grupo5=Agudo","grupo5=cronico cd4 < 200",
"grupo5=cronico cd4 > 350","grupo5=cronico cd4 200 - 350","grupo5=Recente"),
col=1:5, lty=1:5, bty="n")
quantile(.Survfit, quantiles=c(.25,.5,.75))## $quantile
## 25 50 75
## grupo5=Agudo 0.8333333 3.633333 16.80000
## grupo5=cronico cd4 < 200 NA NA NA
## grupo5=cronico cd4 > 350 10.5666667 27.300000 54.56667
## grupo5=cronico cd4 200 - 350 NA NA NA
## grupo5=Recente 1.4333333 6.000000 22.00000
##
## $lower
## 25 50 75
## grupo5=Agudo 0.1000000 1.166667 6.00000
## grupo5=cronico cd4 < 200 NA NA NA
## grupo5=cronico cd4 > 350 6.4000000 22.900000 45.03333
## grupo5=cronico cd4 200 - 350 NA NA NA
## grupo5=Recente 0.9333333 2.033333 7.00000
##
## $upper
## 25 50 75
## grupo5=Agudo 1.166667 10.43333 NA
## grupo5=cronico cd4 < 200 NA NA NA
## grupo5=cronico cd4 > 350 13.300000 35.96667 NA
## grupo5=cronico cd4 200 - 350 NA NA NA
## grupo5=Recente 5.500000 22.00000 NAremove(.Survfit)
a<-coxph(Surv(tempomeses, relacaomaior1.x) ~ grupo5,
method="efron", data=h)
summary(a)## Call:
## coxph(formula = Surv(tempomeses, relacaomaior1.x) ~ grupo5, data = h,
## method = "efron")
##
## n= 433, number of events= 187
## (172 observations deleted due to missingness)
##
## coef exp(coef) se(coef) z Pr(>|z|)
## grupo5cronico cd4 < 200 -1.759e+01 2.294e-08 1.495e+03 -0.012 0.991
## grupo5cronico cd4 > 350 -1.309e+00 2.701e-01 1.774e-01 -7.380 1.59e-13
## grupo5cronico cd4 200 - 350 -3.288e+00 3.732e-02 7.227e-01 -4.550 5.37e-06
## grupo5Recente -2.489e-01 7.796e-01 2.589e-01 -0.962 0.336
##
## grupo5cronico cd4 < 200
## grupo5cronico cd4 > 350 ***
## grupo5cronico cd4 200 - 350 ***
## grupo5Recente
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## exp(coef) exp(-coef) lower .95 upper .95
## grupo5cronico cd4 < 200 2.294e-08 4.360e+07 0.000000 Inf
## grupo5cronico cd4 > 350 2.701e-01 3.703e+00 0.190754 0.3824
## grupo5cronico cd4 200 - 350 3.732e-02 2.680e+01 0.009051 0.1538
## grupo5Recente 7.796e-01 1.283e+00 0.469383 1.2949
##
## Concordance= 0.689 (se = 0.018 )
## Likelihood ratio test= 92.56 on 4 df, p=<2e-16
## Wald test = 74.45 on 4 df, p=3e-15
## Score (logrank) test = 103.7 on 4 df, p=<2e-16b<-coxph(Surv(tempomeses, relacaomaior1.x) ~ grupo6,
method="efron",data=h)
summary(b)## Call:
## coxph(formula = Surv(tempomeses, relacaomaior1.x) ~ grupo6, data = h,
## method = "efron")
##
## n= 433, number of events= 187
## (172 observations deleted due to missingness)
##
## coef exp(coef) se(coef) z Pr(>|z|)
## grupo6cronico cd4 <= 350 -3.59901 0.02735 0.72254 -4.981 6.32e-07 ***
## grupo6cronico cd4 > 350 -1.30944 0.26997 0.17739 -7.382 1.56e-13 ***
## grupo6recente -0.24904 0.77955 0.25888 -0.962 0.336
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## exp(coef) exp(-coef) lower .95 upper .95
## grupo6cronico cd4 <= 350 0.02735 36.562 0.006637 0.1127
## grupo6cronico cd4 > 350 0.26997 3.704 0.190687 0.3822
## grupo6recente 0.77955 1.283 0.469334 1.2948
##
## Concordance= 0.689 (se = 0.018 )
## Likelihood ratio test= 91.32 on 3 df, p=<2e-16
## Wald test = 77.74 on 3 df, p=<2e-16
## Score (logrank) test = 103.6 on 3 df, p=<2e-16multi<-coxph(formula = Surv(tempomeses, relacaomaior1.x) ~ grupo5 +COR +idade5, id=Registro,data = banco, method = "efron")
sjPlot::tab_model(multi)|
Surv(tempomeses, relacaomaior1.x) |
|||
|---|---|---|---|
| Predictors | Estimates | CI | p |
|
grupo5 [cronico cd4 < 200] |
0.00 | 0.00 – Inf | 0.991 |
|
grupo5 [cronico cd4 > 350] |
0.26 | 0.18 – 0.37 | <0.001 |
|
grupo5 [cronico cd4 200 - 350] |
0.04 | 0.01 – 0.16 | <0.001 |
| grupo5 [Recente] | 0.79 | 0.47 – 1.31 | 0.355 |
| COR [Pardo/Negro] | 1.39 | 1.00 – 1.91 | 0.047 |
| idade5 [1] | 0.73 | 0.54 – 0.97 | 0.032 |
| Observations | 429 | ||
| R2 Nagelkerke | 0.416 | ||
multi<-coxph(formula = Surv(tempomeses, relacaomaior1.x) ~ grupo6 +COR +idade5,data = h, method = "efron")
sjPlot::tab_model(multi)|
Surv(tempomeses, relacaomaior1.x) |
|||
|---|---|---|---|
| Predictors | Estimates | CI | p |
|
grupo6 [cronico cd4 <= 350] |
0.03 | 0.01 – 0.12 | <0.001 |
|
grupo6 [cronico cd4 > 350] |
0.26 | 0.18 – 0.37 | <0.001 |
| grupo6 [recente] | 0.79 | 0.47 – 1.31 | 0.354 |
| COR [Pardo/Negro] | 1.39 | 1.01 – 1.91 | 0.046 |
| idade5 [1] | 0.73 | 0.54 – 0.97 | 0.031 |
| Observations | 429 | ||
| R2 Nagelkerke | 0.412 | ||
h$grupo6[h$grupo6=="cronico cd4 <= 350"]<-"01cronico cd4 <= 350"
multi<-coxph(formula = Surv(tempomeses, relacaomaior1.x) ~ grupo6 +COR +idade5,data = h, method = "efron")
sjPlot::tab_model(multi)|
Surv(tempomeses, relacaomaior1.x) |
|||
|---|---|---|---|
| Predictors | Estimates | CI | p |
| grupo6 [agudo] | 35.61 | 8.64 – 146.84 | <0.001 |
|
grupo6 [cronico cd4 > 350] |
9.21 | 2.27 – 37.32 | 0.002 |
| grupo6 [recente] | 28.00 | 6.57 – 119.38 | <0.001 |
| COR [Pardo/Negro] | 1.39 | 1.01 – 1.91 | 0.046 |
| idade5 [1] | 0.73 | 0.54 – 0.97 | 0.031 |
| Observations | 429 | ||
| R2 Nagelkerke | 0.412 | ||
multi<-coxph(formula = Surv(tempomeses, relacaomaior1.x) ~ cargaviral,data = h, method = "efron")
sjPlot::tab_model(multi)|
Surv(tempomeses, relacaomaior1.x) |
|||
|---|---|---|---|
| Predictors | Estimates | CI | p |
| cargaviral | 1.00 | 1.00 – 1.00 | 0.408 |
| Observations | 155 | ||
| R2 Nagelkerke | 0.126 | ||
multi<-coxph(formula = Surv(tempomeses, relacaomaior1.x) ~ grupo5 +COR +idade4, id=Registro,data = banco, method = "efron")
sjPlot::tab_model(multi)|
Surv(tempomeses, relacaomaior1.x) |
|||
|---|---|---|---|
| Predictors | Estimates | CI | p |
|
grupo5 [cronico cd4 < 200] |
0.00 | 0.00 – Inf | 0.991 |
|
grupo5 [cronico cd4 > 350] |
0.26 | 0.19 – 0.37 | <0.001 |
|
grupo5 [cronico cd4 200 - 350] |
0.04 | 0.01 – 0.16 | <0.001 |
| grupo5 [Recente] | 0.81 | 0.48 – 1.34 | 0.404 |
| COR [Pardo/Negro] | 1.37 | 0.99 – 1.89 | 0.056 |
| idade4 | 0.98 | 0.96 – 1.00 | 0.089 |
| Observations | 429 | ||
| R2 Nagelkerke | 0.411 | ||
multi<-coxph(formula = Surv(tempomeses, relacaomaior1.x) ~ grupo6 +COR +idade4,data = h, method = "efron")
sjPlot::tab_model(multi)|
Surv(tempomeses, relacaomaior1.x) |
|||
|---|---|---|---|
| Predictors | Estimates | CI | p |
| grupo6 [agudo] | 33.99 | 8.23 – 140.41 | <0.001 |
|
grupo6 [cronico cd4 > 350] |
8.91 | 2.19 – 36.19 | 0.002 |
| grupo6 [recente] | 27.38 | 6.42 – 116.83 | <0.001 |
| COR [Pardo/Negro] | 1.37 | 0.99 – 1.90 | 0.054 |
| idade4 | 0.98 | 0.96 – 1.00 | 0.088 |
| Observations | 429 | ||
| R2 Nagelkerke | 0.407 | ||