National Health and Nutrition Examination Survey
https://www.cdc.gov/nchs/nhanes/index.htm
https://wwwn.cdc.gov/nchs/nhanes/Default.aspx
La Encuesta Nacional de Examen de Salud y Nutrición (NHANES) es un programa de estudios diseñado para evaluar el estado de salud y nutrición de adultos y niños en los Estados Unidos. La encuesta es única porque combina entrevistas y exámenes físicos. NHANES es un programa principal del Centro Nacional de Estadísticas de Salud (NCHS). NCHS es parte de los Centros para el Control y la Prevención de Enfermedades (CDC) y tiene la responsabilidad de producir estadísticas vitales y de salud para la Nación.
El programa NHANES comenzó a principios de la década de 1960 y se ha realizado como una serie de encuestas centradas en diferentes grupos de población o temas de salud. En 1999, la encuesta se convirtió en un programa continuo que tiene un enfoque cambiante en una variedad de medidas de salud y nutrición para satisfacer las necesidades emergentes. La encuesta examina una muestra representativa a nivel nacional de unas 5.000 personas cada año. Estas personas se encuentran en condados de todo el país, 15 de los cuales son visitados cada año.
La entrevista NHANES incluye preguntas demográficas, socioeconómicas, dietéticas y relacionadas con la salud. El componente de examen consta de mediciones médicas, dentales y fisiológicas, así como pruebas de laboratorio administradas por personal médico altamente capacitado.
Los resultados de esta encuesta se utilizan para determinar la prevalencia de las principales enfermedades y los factores de riesgo de las enfermedades. La información se utilizará para evaluar el estado nutricional y su asociación con la promoción de la salud y la prevención de enfermedades. Los hallazgos de NHANES también son la base de los estándares nacionales para medidas como la altura, el peso y la presión arterial. Los datos de esta encuesta se utilizarán en estudios epidemiológicos e investigaciones en ciencias de la salud, que ayudarán a desarrollar políticas sólidas de salud pública, dirigir y diseñar programas y servicios de salud y ampliar el conocimiento de la salud para la Nación.
rm(list=ls())
library(tidyverse)
library(skimr)
library(here)
options(scipen = 999) ##notacion cientifica apagada
data <- read_csv(here("Dataset", "DATA_Final.csv"))
load(here("Dataset", "Dat_blood.Rda"))
data <- data.frame(Dat_Blood)
dim(data)
head(data)
skim(data) # Análisis descriptivo de todas las variables.
Body measures - 2013-14 https://wwwn.cdc.gov/Nchs/Nhanes/2013-2014/BMX_H.htm
Body measures - 2015-16 https://wwwn.cdc.gov/Nchs/Nhanes/2015-2016/BMX_I.htm
data$ln_LBDPFL <- log(data$LBDPFL)
data$ln_LBXBMN <- log(data$LBXBMN)
data$ln_LBXBPB <- log(data$LBXBPB)
data$ln_LBXBSE <- log(data$LBXBSE)
data$ln_LBXTHG <- log(data$LBXTHG)
data$iqrFl <- data$ln_LBDPFL/IQR(data$ln_LBDPFL)
data$iqrMn <- data$ln_LBXBMN/IQR(data$ln_LBXBMN)
data$iqrPb <- data$ln_LBXBPB/IQR(data$ln_LBXBPB)
data$iqrSe <- data$ln_LBXBSE/IQR(data$ln_LBXBSE)
data$iqrHg <- data$ln_LBXTHG/IQR(data$ln_LBXTHG)
data$calories <- as.numeric(data$DR1TKCAL)
data$INDFMPIR_ts <- factor(data$INDFMPIR_ts_low.high, levels = c("low","high"), labels = c(0,1))
data$sex <- factor(data$RIAGENDR, levels = c(1,2), labels = c(0,1))
data$age <- as.numeric(data$RIDAGEYR)
data$race <- as.factor(data$RIDRETH3.ts)
data$smoke <- as.factor(data$SMD460.ts)
data$activityscore
data$sch_activityscore
Multiple_BMXBMI <- lm(data$BMXBMI ~ (data$iqrFl) +
(data$iqrMn) +
(data$iqrPb) +
(data$iqrSe) +
(data$iqrHg) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXBMI)
round(confint(Multiple_BMXBMI), 2)
Multiple_BMXHT <- lm(data$BMXHT ~ (data$iqrFl) +
(data$iqrMn) +
(data$iqrPb) +
(data$iqrSe) +
(data$iqrHg) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXHT)
round(confint(Multiple_BMXHT),2)
Multiple_BMXWAIST <- lm(data$BMXWAIST ~ (data$iqrFl) +
(data$iqrMn) +
(data$iqrPb) +
(data$iqrSe) +
(data$iqrHg) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXWAIST)
round(confint(Multiple_BMXWAIST), 2)
Multiple_BMXARML <- lm(data$BMXARML ~ (data$iqrFl) +
(data$iqrMn) +
(data$iqrPb) +
(data$iqrSe) +
(data$iqrHg) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXARML)
round(confint(Multiple_BMXARML), 2)
Multiple_BMXBMI <- lm(data$BMXBMI ~ (data$iqrPb) +
(data$iqrMn) +
(data$iqrFl) +
(data$iqrSe) +
(data$iqrHg) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXBMI)
round(confint(Multiple_BMXBMI), 2)
Multiple_BMXHT <- lm(data$BMXHT ~ (data$iqrPb) +
(data$iqrMn) +
(data$iqrFl) +
(data$iqrSe) +
(data$iqrHg) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXHT)
round(confint(Multiple_BMXHT),2)
Multiple_BMXWAIST <- lm(data$BMXWAIST ~ (data$iqrPb) +
(data$iqrMn) +
(data$iqrFl) +
(data$iqrSe) +
(data$iqrHg) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXWAIST)
round(confint(Multiple_BMXWAIST), 2)
Multiple_BMXARML <- lm(data$BMXARML ~ (data$iqrPb) +
(data$iqrMn) +
(data$iqrFl) +
(data$iqrSe) +
(data$iqrHg) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXARML)
round(confint(Multiple_BMXARML), 2)
Multiple_BMXBMI <- lm(data$BMXBMI ~ (data$iqrMn) +
(data$iqrPb) +
(data$iqrFl) +
(data$iqrSe) +
(data$iqrHg) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXBMI)
round(confint(Multiple_BMXBMI), 2)
Multiple_BMXHT <- lm(data$BMXHT ~ (data$iqrMn) +
(data$iqrPb) +
(data$iqrFl) +
(data$iqrSe) +
(data$iqrHg) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXHT)
round(confint(Multiple_BMXHT),2)
Multiple_BMXWAIST <- lm(data$BMXWAIST ~ (data$iqrMn) +
(data$iqrPb) +
(data$iqrFl) +
(data$iqrSe) +
(data$iqrHg) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXWAIST)
round(confint(Multiple_BMXWAIST), 2)
Multiple_BMXARML <- lm(data$BMXARML ~ (data$iqrMn) +
(data$iqrPb) +
(data$iqrFl) +
(data$iqrSe) +
(data$iqrHg) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXARML)
round(confint(Multiple_BMXARML), 2)
Multiple_BMXBMI <- lm(data$BMXBMI ~ (data$iqrHg) +
(data$iqrPb) +
(data$iqrFl) +
(data$iqrSe) +
(data$iqrMn) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXBMI)
round(confint(Multiple_BMXBMI), 2)
Multiple_BMXHT <- lm(data$BMXHT ~ (data$iqrHg) +
(data$iqrPb) +
(data$iqrFl) +
(data$iqrSe) +
(data$iqrMn) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXHT)
round(confint(Multiple_BMXHT),2)
Multiple_BMXWAIST <- lm(data$BMXWAIST ~ (data$iqrHg) +
(data$iqrPb) +
(data$iqrFl) +
(data$iqrSe) +
(data$iqrMn) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXWAIST)
round(confint(Multiple_BMXWAIST), 2)
Multiple_BMXARML <- lm(data$BMXARML ~ (data$iqrHg) +
(data$iqrPb) +
(data$iqrFl) +
(data$iqrSe) +
(data$iqrMn) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXARML)
round(confint(Multiple_BMXARML), 2)
Multiple_BMXBMI <- lm(data$BMXBMI ~ (data$iqrSe) +
(data$iqrPb) +
(data$iqrFl) +
(data$iqrHg) +
(data$iqrMn) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXBMI)
round(confint(Multiple_BMXBMI), 2)
Multiple_BMXHT <- lm(data$BMXHT ~ (data$iqrSe) +
(data$iqrPb) +
(data$iqrFl) +
(data$iqrHg) +
(data$iqrMn) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXHT)
round(confint(Multiple_BMXHT),2)
Multiple_BMXWAIST <- lm(data$BMXWAIST ~ (data$iqrSe) +
(data$iqrPb) +
(data$iqrFl) +
(data$iqrHg) +
(data$iqrMn) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXWAIST)
round(confint(Multiple_BMXWAIST), 2)
Multiple_BMXARML <- lm(data$BMXARML ~ (data$iqrSe) +
(data$iqrPb) +
(data$iqrFl) +
(data$iqrHg) +
(data$iqrMn) +
data$calories + data$sex + data$INDFMPIR_ts + data$age + data$smoke + data$activityscore + data$sch_activityscore + data$race)
summary(Multiple_BMXARML)
round(confint(Multiple_BMXARML), 2)