HeartDrive Data Analysis
Danilo Lofaro
Tuesday, June 30, 2015
Data Processing
Read .xlsx file “Sintesi Dati Pazienti”
require("xlsx")
VDS <- read.xlsx("./Sintesi Dati Pazienti.xlsx",sheetIndex = 1, startRow = 2,)Fix variables name
str(VDS)## 'data.frame': 129 obs. of 42 variables:
## $ Patient.ID : num 1 2 3 4 5 6 7 8 9 10 ...
## $ DATA.NASCITA : Factor w/ 127 levels "10231","11324",..: 19 33 106 49 122 51 4 100 63 55 ...
## $ BMI : num 24 27 25 24 28 29 26 23 24 28 ...
## $ Sesso : Factor w/ 4 levels "f","F","m","M": 2 2 4 4 4 4 4 4 4 4 ...
## $ Rischio..secondario.iniziale : num 44 21 54 54 5 56 39 13 27 51 ...
## $ Procedura : Factor w/ 23 levels "bpac","BPAC",..: 2 23 15 13 2 2 2 2 15 2 ...
## $ n.coronarie.critiche : num 2 1 2 3 1 3 2 3 1 2 ...
## $ Complicanze.perioperatorie : Factor w/ 2 levels "no","si": 1 2 2 1 1 1 1 1 1 1 ...
## $ Infezioni : Factor w/ 3 levels "n","no","si": 2 2 2 2 2 2 2 2 2 2 ...
## $ Compromissione.meccanica.respiratoria: Factor w/ 3 levels "no","si","Si": 3 2 2 3 1 3 3 3 3 1 ...
## $ Anemia : Factor w/ 3 levels "no","si","Si": 3 1 2 3 3 3 3 3 3 3 ...
## $ Disturbi.neurologici : Factor w/ 3 levels "no","NO","si": 2 1 1 2 2 2 2 2 2 2 ...
## $ Scompenso.diabetico : Factor w/ 3 levels "no","si","Si": 3 1 2 1 1 2 2 2 1 1 ...
## $ Versamento.pleurico : Factor w/ 4 levels "n","no","si",..: 4 3 2 4 2 4 2 4 4 2 ...
## $ Versamento.Pericardico : Factor w/ 5 levels "no","NO","s",..: 2 4 1 2 2 2 2 4 2 2 ...
## $ Trombo.embolismo : Factor w/ 3 levels "no","NO","si": 2 1 1 2 2 2 2 2 2 2 ...
## $ ComorbiditÃ..pregresse : Factor w/ 3 levels "no","si","Si": 3 2 2 3 1 3 3 3 3 1 ...
## $ Barthel.Index : num 66 72 85 85 85 85 77 85 85 85 ...
## $ MRC.Dyspnea.Scale : num 3 2 0 1 0 1 0 0 0 0 ...
## $ FEV1 : num 50 55 65 50 68 55 50 55 65 65 ...
## $ X6MWT : num 82 240 361 200 335 234 234 382 480 304 ...
## $ BORG : num 17 15 13 15 15 13 14 12 8 13 ...
## $ Antipertensivi : Factor w/ 4 levels "no","s","si",..: 4 4 1 4 1 4 1 4 1 4 ...
## $ Antidiabetici.insulina : Factor w/ 3 levels "no","si","Si": 3 3 2 1 1 3 3 3 1 1 ...
## $ Betabloccanti.Ivabradina : Factor w/ 3 levels "no","si","Si": 3 2 2 1 3 3 3 3 3 3 ...
## $ Nitroderivati : Factor w/ 4 levels "n","no","NO",..: 3 2 2 4 4 4 4 2 2 4 ...
## $ Diuretici : Factor w/ 3 levels "no","si","Si": 3 2 2 3 3 3 3 1 3 3 ...
## $ Inotropi : Factor w/ 2 levels "no","si": 1 1 1 1 1 1 1 1 1 1 ...
## $ Antiaritmici : Factor w/ 3 levels "no","NO","si": 2 1 1 3 2 3 2 3 2 3 ...
## $ Anticoagulanti.Antiaggreganti : Factor w/ 3 levels "n","si","Si": 3 2 2 3 3 3 3 3 3 1 ...
## $ Psicoattivi : Factor w/ 2 levels "no","si": 1 1 1 1 1 2 1 1 1 1 ...
## $ Altri.farmaci : Factor w/ 2 levels "si","Si": 2 1 1 2 2 2 2 2 2 2 ...
## $ Classe.di.rischio : Factor w/ 4 levels "alto","basso",..: 1 1 4 1 1 1 1 4 2 1 ...
## $ BMI.1 : num 23 26 24 23 27 28 27 21 23 27 ...
## $ Rischio.secondario..finale. : num 30 20 19 14 5 12 21 8 24 18 ...
## $ Barthel.Index.1 : num 90 93 95 95 95 93 90 95 95 95 ...
## $ MRC.Dyspnea.Scale.1 : num 0 1 0 0 0 0 0 0 0 0 ...
## $ FEV1.1 : num 65 64 65 70 70 60 64 70 70 70 ...
## $ X6MWT.1 : num 155 264 480 330 470 300 400 474 500 460 ...
## $ BORG.1 : num 11 13 11 13 11 12 12 11 11 11 ...
## $ Classe.di.rischio.1 : Factor w/ 4 levels "alto","basso",..: 1 1 2 1 2 1 4 2 2 4 ...
## $ Tipologia.riabilitazione : Factor w/ 4 levels "A","B","C","D": 4 4 2 4 3 4 3 1 1 3 ...names(VDS) <- gsub(pattern = "\\.(\\.)?",replacement = "_",x = names(VDS))
names(VDS) <- gsub(pattern = "_1",replacement = "_U",x = names(VDS))
names(VDS) <- gsub(pattern = "X6",replacement = "Six",x = names(VDS))
names(VDS) <- tolower(names(VDS))
names(VDS)[17] <- "comorbidità_pregresse"
#head(VDS)
# store a dataset copy
VDS_bkp <- VDSConvert Date
# Fix data nascita pts nr. 84
VDS$data_nascita <- as.numeric(as.character(VDS$data_nascita))## Warning: si è prodotto un NA per coercizioneVDS[VDS$patient_id==84,"data_nascita"] <- 11076
VDS$data_nascita <- as.Date(as.numeric(VDS$data_nascita), origin="1900-01-01")
summary(VDS$data_nascita)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## "1928-01-06" "1939-01-03" "1946-07-08" "1946-06-29" "1952-09-13" "1971-09-01"require(lubridate)## Loading required package: lubridateVDS$age <- 2014 - year(VDS$data_nascita)Fix Categorical variables (Si/No): set values to lower case and change n->no, y->yes, media->medio
# values
require(plyr)
for(i in c(4,8:17,23:32)) {
VDS[,i] <- tolower(VDS[,i])
VDS[,i] <- factor(revalue(x = VDS[,i],replace = c(n="no",s="si",sno="no")))
}
VDS$classe_di_rischio <- factor(revalue(VDS$classe_di_rischio, c(media="medio")))
VDS$classe_di_rischio_u <- factor(revalue(VDS$classe_di_rischio_u, c(media="medio")))
VDS$classe_di_rischio <- factor(VDS$classe_di_rischio,levels = levels(VDS$classe_di_rischio),labels = c("alto","medio","basso"),ordered = T)
VDS$classe_di_rischio_u <- factor(VDS$classe_di_rischio_u,levels = levels(VDS$classe_di_rischio_u),labels = c("alto","medio","basso"),ordered = T)
names(VDS)[5] <- "rischio_secondario"
names(VDS)[35] <- "rischio_secondario_u"str(VDS)## 'data.frame': 129 obs. of 43 variables:
## $ patient_id : num 1 2 3 4 5 6 7 8 9 10 ...
## $ data_nascita : Date, format: "1936-06-06" "1939-01-09" ...
## $ bmi : num 24 27 25 24 28 29 26 23 24 28 ...
## $ sesso : Factor w/ 2 levels "f","m": 1 1 2 2 2 2 2 2 2 2 ...
## $ rischio_secondario : num 44 21 54 54 5 56 39 13 27 51 ...
## $ procedura : Factor w/ 23 levels "bpac","BPAC",..: 2 23 15 13 2 2 2 2 15 2 ...
## $ n_coronarie_critiche : num 2 1 2 3 1 3 2 3 1 2 ...
## $ complicanze_perioperatorie : Factor w/ 2 levels "no","si": 1 2 2 1 1 1 1 1 1 1 ...
## $ infezioni : Factor w/ 2 levels "no","si": 1 1 1 1 1 1 1 1 1 1 ...
## $ compromissione_meccanica_respiratoria: Factor w/ 2 levels "no","si": 2 2 2 2 1 2 2 2 2 1 ...
## $ anemia : Factor w/ 2 levels "no","si": 2 1 2 2 2 2 2 2 2 2 ...
## $ disturbi_neurologici : Factor w/ 2 levels "no","si": 1 1 1 1 1 1 1 1 1 1 ...
## $ scompenso_diabetico : Factor w/ 2 levels "no","si": 2 1 2 1 1 2 2 2 1 1 ...
## $ versamento_pleurico : Factor w/ 2 levels "no","si": 2 2 1 2 1 2 1 2 2 1 ...
## $ versamento_pericardico : Factor w/ 2 levels "no","si": 1 2 1 1 1 1 1 2 1 1 ...
## $ trombo_embolismo : Factor w/ 2 levels "no","si": 1 1 1 1 1 1 1 1 1 1 ...
## $ comorbidità_pregresse : Factor w/ 2 levels "no","si": 2 2 2 2 1 2 2 2 2 1 ...
## $ barthel_index : num 66 72 85 85 85 85 77 85 85 85 ...
## $ mrc_dyspnea_scale : num 3 2 0 1 0 1 0 0 0 0 ...
## $ fev1 : num 50 55 65 50 68 55 50 55 65 65 ...
## $ sixmwt : num 82 240 361 200 335 234 234 382 480 304 ...
## $ borg : num 17 15 13 15 15 13 14 12 8 13 ...
## $ antipertensivi : Factor w/ 2 levels "no","si": 2 2 1 2 1 2 1 2 1 2 ...
## $ antidiabetici_insulina : Factor w/ 2 levels "no","si": 2 2 2 1 1 2 2 2 1 1 ...
## $ betabloccanti_ivabradina : Factor w/ 2 levels "no","si": 2 2 2 1 2 2 2 2 2 2 ...
## $ nitroderivati : Factor w/ 2 levels "no","si": 1 1 1 2 2 2 2 1 1 2 ...
## $ diuretici : Factor w/ 2 levels "no","si": 2 2 2 2 2 2 2 1 2 2 ...
## $ inotropi : Factor w/ 2 levels "no","si": 1 1 1 1 1 1 1 1 1 1 ...
## $ antiaritmici : Factor w/ 2 levels "no","si": 1 1 1 2 1 2 1 2 1 2 ...
## $ anticoagulanti_antiaggreganti : Factor w/ 2 levels "no","si": 2 2 2 2 2 2 2 2 2 1 ...
## $ psicoattivi : Factor w/ 2 levels "no","si": 1 1 1 1 1 2 1 1 1 1 ...
## $ altri_farmaci : Factor w/ 1 level "si": 1 1 1 1 1 1 1 1 1 1 ...
## $ classe_di_rischio : Ord.factor w/ 3 levels "alto"<"medio"<..: 1 1 3 1 1 1 1 3 2 1 ...
## $ bmi_u : num 23 26 24 23 27 28 27 21 23 27 ...
## $ rischio_secondario_u : num 30 20 19 14 5 12 21 8 24 18 ...
## $ barthel_index_u : num 90 93 95 95 95 93 90 95 95 95 ...
## $ mrc_dyspnea_scale_u : num 0 1 0 0 0 0 0 0 0 0 ...
## $ fev1_u : num 65 64 65 70 70 60 64 70 70 70 ...
## $ sixmwt_u : num 155 264 480 330 470 300 400 474 500 460 ...
## $ borg_u : num 11 13 11 13 11 12 12 11 11 11 ...
## $ classe_di_rischio_u : Ord.factor w/ 3 levels "alto"<"medio"<..: 1 1 2 1 2 1 3 2 2 3 ...
## $ tipologia_riabilitazione : Factor w/ 4 levels "A","B","C","D": 4 4 2 4 3 4 3 1 1 3 ...
## $ age : num 78 75 60 72 49 70 81 60 68 70 ...Data Analysis
Creiamo alcune variabili categoriche da quelle continue per MRC dyspnea scale e BMI
VDS$mrc_cat <- cut(VDS$mrc_dyspnea_scale,breaks = c(0,1,2,5),right = F,labels = c("0","1",">1"))
VDS$mrc_cat_u <- cut(VDS$mrc_dyspnea_scale_u,breaks = c(0,1,2,5),right = F,labels = c("0","1",">1"))
VDS$bmi_cat <- cut(VDS$bmi,breaks = c(0,18.5,25,30,40),right = F,include.lowest = T,labels = c("UW","NW","OW","Obese"))
VDS$bmi_cat_u <- cut(VDS$bmi_u,breaks = c(0,18.5,25,30,40),right = F,include.lowest = T,labels = c("UW","NW","OW","Obese"))Descriptive plots
Nel grafico possiamo chiaramente notare una (aspettata) correlazione tra l’età e il risulatato del 6MWT all’ingresso del paziente. Inoltre è chiaro dalla distribuzione dei tipi di riailitazione che il tipo A è effettuato su pazienti con un 6MWT migliore, così via via per i tipi B e C, fino al tipo D eseguito su pazienti con risultati peggiori al 6MWT (e più anziani)
Cosa che viene confermata nel grafici di seguito divisi per Tipologia di Riabilitazione e per classi di MRC Dyspnea Scale all’ingresso
La distribuzione sembra invece omogenea nei confronti del BMI all’ingresso
Non sembrano esserci evidenti associazioni tra il numero di coronarie coinvolte e la tipologia di riabilitazione
g <- ggplot(data = VDS[!is.na(VDS$tipologia_riabilitazione),], aes(x=tipologia_riabilitazione, fill=factor(n_coronarie_critiche)))
g + geom_bar(position=position_dodge()) + scale_fill_brewer(palette = "Set1", name="Nr. Critical Coronaries") + labs(x="Rehabilitation")
Basal Patients Condition
Grafici delle Comorbidità all’ingresso per Tipologia di Riabilitazione:
Grafici delle Terapie all’ingresso per Tipologia di Riabilitazione
Risk Class before and after rehab
Secondary Risk before and after rehab
Barthel Index before and after rehab
FEV before and after rehab
6MWT before and after rehab
