-
Notifications
You must be signed in to change notification settings - Fork 0
/
ScriptDia3.R
179 lines (128 loc) · 5.54 KB
/
ScriptDia3.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
library(tidyverse)
setwd("~/CursoR/")
tratamientos <- read_csv("Tratamientos_habituales.csv")
tratamientos %>%
pivot_longer(trat_habitual_opc___1:trat_habitual_opc___99,names_to = "Variable", values_to = "Tratamiento") %>%
drop_na(Tratamiento) %>%
group_by(Tratamiento) %>%
summarise(Numero = n()) %>%
View()
tratamientos %>%
pivot_longer(starts_with("trat_habitual_opc"),names_to = "Variable", values_to = "Tratamiento") %>%
drop_na(Tratamiento) %>%
group_by(Tratamiento) %>%
summarise(Numero = n()) %>%
View()
comorbilidades <- read_csv("Comorbilidades.csv")
comorbilidades %>%
pivot_longer(starts_with("fact_riesgo_com"), names_to = "Variable",values_to = "Comorbilidad") %>%
drop_na(Comorbilidad) %>% select(record_id, Comorbilidad)
radiologia <- read_csv("Radiologia.csv")
patron_radio <-radiologia %>%
select(record_id,redcap_repeat_instance,starts_with("patron_radio")) %>%
pivot_longer(starts_with("patron_"), names_to = "Variable",values_to = "PatronRadiologico") %>%
drop_na(PatronRadiologico)
radio_tipo <- radiologia %>%
select(record_id, redcap_repeat_instance, starts_with("radio_tipo")) %>%
pivot_longer(starts_with("radio_tipo"), names_to = "Variable",values_to = "RadioTipo") %>%
drop_na(RadioTipo) %>%
select(-Variable)
### Ejercicios con Join
ingresos <- read_csv("Ingreso.csv")
outcome <- read_csv("Outcome.csv")
ingresos %>%
select(-starts_with("redcap"),-ingreso_complete) %>%
left_join(outcome) %>%
View()
ingresos %>%
inner_join(outcome, by = "record_id") %>% View()
###Ejercicio1 1. Combina la tabla de ingreso con las comorbilidades calculadas anteriormente.
## Calcula la frecuencia total de cada comorbilidad por sexo.
comor_long <- comorbilidades %>%
pivot_longer(starts_with("fact_riesgo_com"), names_to = "Variable",values_to = "Comorbilidad") %>%
drop_na(Comorbilidad) %>% select(record_id, Comorbilidad)
ingresos %>%
inner_join(comor_long ,by = "record_id") %>%
group_by(sexo , Comorbilidad) %>%
summarise(Total = n()) %>% View()
#### Ejercicio2 2. Combina la tabla de ingreso con los tratamientos habituales.
## Calcula la frecuencia total de cada tratamiento por sexo.
trat_long <- tratamientos %>%
pivot_longer(starts_with("trat_habitual_opc"), names_to = "Variable", values_to = "Tratamiento") %>%
drop_na(Tratamiento)
ingresos %>%
inner_join(trat_long ,by = "record_id") %>%
group_by(sexo,Tratamiento) %>%
summarise(Total = n()) %>% View()
ingresos %>%
group_by(sexo) %>%
mutate(TotalPacientes = n()) %>%
ungroup() %>%
inner_join(trat_long ,by = "record_id") %>%
group_by(sexo,Tratamiento,TotalPacientes) %>%
summarise(Total = n()) %>%
ungroup() %>%
mutate(frecuencia = 100* Total / TotalPacientes) %>%
View()
### Ejercicio 3 3. Combina las tablas de Ingreso y Outcome y
## calcula el numero de exitus en cada grupo de genero.
ingresos %>%
inner_join(outcome ,by = "record_id") %>%
filter(grepl("Exitus",outcomefinal)) %>%
group_by(sexo) %>%
summarise(Total = n()) %>% View()
ingresos %>%
inner_join(... ,by = "record_id") %>%
filter(outcomefinal =="Exitus" | outcomefinal == "Exitus LTE") %>%
group_by(...) %>%
summarise(Total = n()) %>% View()
#### Ejercicios ggplot1
### Ejercicio1 • Representa el histograma de las edades de Ingreso: primero hombres y luego mujeres.
ingresos %>%
filter(peso > 20 & peso < 300) %>%
ggplot(aes(x = peso)) + geom_histogram()
ingresos %>%
separate(fecha_nac,into = c("ano_nac","mes_nac","dia_nac"),sep = "-") %>%
separate(ingreso_fecha, into = c("ano_in","mes_in","dia_in"), sep ="-") %>%
separate(dia_in, into = c("dia_in","hora_in"), sep = " ") %>%
mutate(edad = as.numeric(ano_in)-as.numeric(ano_nac)) %>%
ggplot(aes(x = edad)) + geom_histogram()
### Ejercicio 2• Representa el histograma de la media de la glucosa de cada paciente
bioquimica <- read_csv("Bioquimica.csv")
bioquimica %>%
group_by(record_id) %>%
summarise(glucosa_media = mean(glucosa,na.rm = TRUE)) %>%
ggplot(aes(x=glucosa_media)) + geom_histogram()
bioquimica %>%
drop_na(glucosa) %>%
group_by(record_id) %>%
summarise(glucosa_media = mean(glucosa)) %>%
ggplot(aes(x=glucosa_media)) + geom_histogram()
bioquimica %>%
filter(glucosa < 500) %>%
filter(!is.na(glucosa)) %>%
group_by(record_id) %>%
summarise(glucosa_media = mean(glucosa)) %>%
ggplot(aes(x=glucosa_media)) + geom_histogram()
bioquimica %>%
drop_na(glucosa) %>%
group_by(record_id) %>%
summarise(glucosa_media = mean(glucosa)) %>%
ggplot() + geom_histogram(aes(x=glucosa_media))
### Ejercicio 3 • Representa en un boxplot las alturas de cada sexo (elimina los outliers).
ingresos %>%
ggplot(aes(x = sexo, y = altura)) + geom_boxplot()
ingresos %>%
filter(altura > 100 & altura < 300) %>%
ggplot(aes(x=sexo, y = altura)) + geom_boxplot()
ingresos %>%
filter(altura > 100 & altura < 300) %>%
ggplot(aes(x=sexo, y = altura)) + geom_dotplot(binaxis = "y", stackdir = "center")
#### Ejercicio 4 • Representa en un boxplot las creatininas por cada grupo de outcome
bioquimica %>%
inner_join(outcome, by ="record_id") %>%
drop_na(creatinina) %>%
drop_na(outcomefinal) %>%
mutate(creatinina = gsub(pattern = ",",replacement = ".",creatinina)) %>% ### Tenemos que cambiar el separador decimal "," por un ".".
mutate(creatinina = as.numeric(creatinina)) %>% #### Es un principio creatinina es un character y tenemos que cambiarle de tipo
ggplot(aes(x=outcomefinal, y = creatinina, fill = outcomefinal)) + geom_boxplot()