-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathR_script_simposio_biocienciasII.R
165 lines (151 loc) · 6.95 KB
/
R_script_simposio_biocienciasII.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
library(ggplot2)
## Análise de acidentes por Lonomia em Misiones
# Classificação final dos casos
class_final <- c("Descartado" = 8, "Suspeito" = 16, "Confirmado" = 15)
# Cálculo das porcentagens
round(((class_final / sum(class_final)) * 100), 2)
# Teste qui-quadrado com simulação de p-valor
chisq.test(class_final, simulate.p.value = TRUE)
# Gráfico de barras para a classificação final dos casos
a <- barplot(height = class_final, names = c("Descartado", "Suspeito", "Confirmado"),
col = rgb(0.9, 0.5, 0.1, 0.6),
ylim = c(0, 20),
cex.names = 1.3,
cex.axis = 1.3,
font = 15,
axis.lty = 10)
# Adição de porcentagens no gráfico
text(a, class_final + 1.6, paste(round((class_final / sum(class_final)) * 100, 2), "%", sep = ""), cex = 1.5)
# Análise por sexo
sexo <- c("F" = 8, "M" = 23)
chisq.test(sexo, simulate.p.value = TRUE)
(sexo / sum(sexo)) * 100
# Gráfico de barras para a distribuição por sexo
c <- barplot(height = sexo, names = c("Feminino", "Masculino"),
col = rgb(0.9, 0.5, 0.1, 0.6),
ylim = c(0, 25),
cex.names = 1.3,
cex.axis = 1.3,
font = 15,
axis.lty = 10)
text(c, sexo + 1.6, paste(round((sexo / sum(sexo)) * 100, 2), "%", sep = ""), cex = 1.5)
# Análise do lugar do acidente
lugar <- c("selva" = 3 , "campo" = 13 , "domicilio" = 15)
round(((lugar / sum(lugar)) * 100), 2)
sum(lugar)
chisq.test(lugar, simulate.p.value = TRUE)
chisq.test(lugar, simulate.p.value = TRUE)$residuals
# Gráfico de barras para o lugar do acidente
d <- barplot(height = lugar, names = c("Vegetação nativa", "Campo", "Domicilio"),
col = rgb(0.9, 0.5, 0.1, 0.6),
ylim = c(0, 20),
cex.names = 1.3,
cex.axis = 1.3,
font = 15,
axis.lty = 10)
text(d, lugar + 1.6, paste(round((lugar / sum(lugar)) * 100, 2), "%", sep = ""), cex = 1.5)
# Análise da localização da picada
umbicacion_picada <- c("SD" = 2, "multiples" = 1, "MMII" = 8, "MMSS" = 20)
round((umbicacion_picada / sum(umbicacion_picada)) * 100, 2)
chisq.test(umbicacion_picada, simulate.p.value = TRUE)
chisq.test(umbicacion_picada, simulate.p.value = TRUE)$residuals
# Gráfico de barras para a localização da picada
e <- barplot(height = umbicacion_picada, names = c("SD", "Multiplos", "M. inferiores", "M. superiores"),
col = rgb(0.9, 0.5, 0.1, 0.6),
ylim = c(0, 25),
cex.names = 1.3,
cex.axis = 1.3,
font = 15,
axis.lty = 10)
text(e, umbicacion_picada + 1.6, paste(round((umbicacion_picada / sum(umbicacion_picada)) * 100, 2), "%", sep = ""), cex = 1.5)
# Análise do tempo de atendimento
tempo_atendimento <- c("<1h" = 3, "1-3h" = 1, "3-6h" = 1, "6-12h" = 1, "12-24h" = 3, ">24h" = 22)
chisq.test(tempo_atendimento, simulate.p.value = TRUE)
chisq.test(tempo_atendimento, simulate.p.value = TRUE)$residuals
round((tempo_atendimento / sum(tempo_atendimento)) * 100, 2)
# Gráfico de barras para o tempo de atendimento
f <- barplot(height = tempo_atendimento, names = c("<1h", "1-3h", "3-6h", "6-12h", "12-24h", ">24"),
col = rgb(0.9, 0.5, 0.1, 0.6),
ylim = c(0, 25),
cex.names = 1.3,
cex.axis = 1.3,
font = 15,
axis.lty = 10)
text(f, tempo_atendimento + 1.6, paste(round((tempo_atendimento / sum(tempo_atendimento)) * 100, 2), "%", sep = ""), cex = 1.5)
# Análise da classificação da gravidade
classif <- c("leve" = 1, "moderado" = 28, "grave" = 2)
classif / sum(classif) * 100
chisq.test(classif, simulate.p.value = TRUE)
chisq.test(classif, simulate.p.value = TRUE)$residuals
# Gráfico de barras para a classificação da gravidade
g <- barplot(height = classif, names = c("Leve", "Moderado", "Grave"),
col = rgb(0.9, 0.5, 0.1, 0.6),
ylim = c(0, 31),
cex.names = 1.3,
cex.axis = 1.3,
font = 15,
axis.lty = 10)
text(g, classif + 1.6, paste(round((classif / sum(classif)) * 100, 2), "%", sep = ""), cex = 1.5)
# Análise do tratamento
trat <- c("no" = 1, "5 ampollas" = 27, "8 ampollas" = 3)
round((trat / sum(trat)) * 100, 2)
chisq.test(trat, simulate.p.value = TRUE)
chisq.test(trat, simulate.p.value = TRUE)$residuals
# Gráfico de barras para o tratamento
h <- barplot(height = trat, names = c("Não", "5 ampolas", "8 ampolas"),
col = rgb(0.9, 0.5, 0.1, 0.6),
ylim = c(0, 31),
cex.names = 1.3,
cex.axis = 1.3,
font = 15,
axis.lty = 10)
text(h, trat + 1.6, paste(round((trat / sum(trat)) * 100, 2), "%", sep = ""), cex = 1.5)
# Análise dos sintomas
sintomas <- c(17, 6, 4, 2, 1, 1)
round((sintomas / sum(sintomas)) * 100, 2)
chisq.test(sintomas, simulate.p.value = TRUE)
chisq.test(sintomas, simulate.p.value = TRUE)$residuals
# Gráfico de barras para os sintomas
i <- barplot(height = sintomas, names = c("G+HS","L+G+HS", "L", "G", "G+HS+IRA", "L+G"),
col = rgb(0.9, 0.5, 0.1, 0.6),
ylim = c(0, 20),
cex.names = 1.3,
cex.axis = 1.3,
font = 15,
axis.lty = 10)
text(i, sintomas + 1.6, paste(round((sintomas / sum(sintomas)) * 100, 2), "%", sep = ""), cex = 1.5)
# Análise da identificação do exemplar
ejemplar_id <- c("no" = 16, "traido" = 11, "foto" = 2, "capturado" = 2)
round((ejemplar_id / sum(ejemplar_id)) * 100, 2)
chisq.test(ejemplar_id, simulate.p.value = TRUE)
chisq.test(ejemplar_id, simulate.p.value = TRUE)$residuals
# Gráfico de barras para a identificação do exemplar
b <- barplot(height = ejemplar_id, names = c("Não", "Indivíduo", "Foto", "Capturado"),
col = rgb(0.9, 0.5, 0.1, 0.6),
ylim = c(0, 20),
cex.names = 1.3,
cex.axis = 1.3,
font = 15,
axis.lty = 10)
text(b, ejemplar_id + 1.6, paste(round((ejemplar_id / sum(ejemplar_id)) * 100, 2), "%", sep = ""), cex = 1.5)
# Análise da idade dos pacientes
edad <- c(46, 22, 37, 3, 56, 14, 13, 34, 40, 5, 30, 12, 15, 11, 37, 15, 17, 9, 8, 9, 9, 6, 7, 17, 59, 2, 18, 59, 52, 12, 64)
boxplot(edad, col = rgb(0.9, 0.5, 0.1, 0.6), boxwex = 0.5)
summary(edad)
shapiro.test(edad)
sd(edad)
mean(edad)
# Análise por departamento
departamento <- c("Gral Belgrano" = 8, "Eldorado" = 2, "San Pedro" = 7, "Cainguas" = 2, "Guarani" = 9, "25 de Mayo" = 2, "Obera" = 1)
chisq.test(departamento, simulate.p.value = TRUE)
chisq.test(departamento, simulate.p.value = TRUE)$residuals
# Análise por ano
ano <- c("2014" = 7, "2015" = 12, "2016" = 6, "2017" = 5, "2018" = 1)
chisq.test(ano, simulate.p.value = TRUE)
chisq.test(ano, simulate.p.value = TRUE)$residuals
sum(ano)
# Análise por mês
mes <- c("ene" = 6, "feb" = 0, "mar" = 0, "abr" = 5, "may" = 5, "jun" = 0,
"jul" = 0, "ago" = 0, "sep" = 0, "oct" = 0, "nov" = 4, "dic" = 11)
chisq.test(mes, simulate.p.value = TRUE)
chisq.test(mes, simulate.p.value = TRUE)$residuals