New01   Prova il nuovo sito (fai click sull’immagine)      
StaR700
 
 
 
 
Mentre nelle tre parti precedenti ho trattato in modo abbastanza sistematico le funzioni di base, le funzioni statistiche e le funzioni grafiche di R, in questa parte vado raccogliendo una miscellanea di brevi script per risolvere problemi statistici o grafici molto focalizzati su problemi banali e non, per i quali spesso si fatica a trovare la soluzione in mezzo ai chilometri di codice di R. Per ora sono questi:
adattare i margini a una immagine
inserire più grafici in una immagine
kernel density plot sovrapposti
identificare i punti in un diagramma di distribuzione (scatter-plot)
confronto tra metodi (diagramma di Bland e Altman e regressione di Passing e Bablok)
 
Adattare i margini a una immagine
 
Se non l’avete già fatto, scaricate dal CRAN la libreria MethComp. Create la cartella C:\R\ e salvate in questa cartella il file MethComp.csv. Copiate e incollate nella Console di  R questo codice ed eseguitelo:
#
mydata <- read.table("c:/R/MethComp.csv", header=TRUE, sep=";")
library(MethComp)
newdata <- Meth(mydata) # crea un oggetto Meth per la libreria
BA.plot(newdata, main = "Grafico di Bland e Altman")
#
Come vedete i margini sono insufficienti e i valori sulla scala di destra risultano troncati. MarginiNok_small1
 
Se non l’avete già fatto, scaricate dal CRAN la libreria MethComp. Ora copiate e incollate nella Console di  R ed eseguite questo codice:
#
mydata <- read.table("c:/R/MethComp.csv", header=TRUE, sep=";")
library(MethComp)
newdata <- Meth(mydata) # crea un oggetto Meth per la libreria
predef <- par()$mar # salva i valori predefiniti dei margini
par(mar = c(5,5,5,4)) #imposta i nuovi margini
BA.plot(newdata, main = "Grafico di Bland e Altman")
par(mar = predef) # ripristina i valori predefiniti dei margini
#
Come vedete i margini sono ora sufficienti a contenere i valori sulla scala di destra. MarginiOk_small1
Ricordate che digitando in R il comando par()$mar potete vedere in qualsiasi momento i valori impostati per i margini.
 
Inserire più grafici in una immagine
 
Create la cartella C:\R\ e salvate in questa cartella il file Verigauss.csv. Copiate e incollate nella Console di  R ed eseguite questo codice:
#
mydata <- read.table("c:/R/Verigauss.csv", header=TRUE, sep=";")
newdata <- na.omit(mydata) #esclude i casi con dati mancanti
tri <- newdata$Trigliceridi
par(mfrow=c(2,2))
hist(tri, main="Istogramma dei dati", xlab="Trigliceridi in mg/dL", ylab = "Frequenza")
plot(density(tri), main="Distribuzione di densità dei dati", xlab="Trigliceridi in mg/dL", ylab = "Frequenza")
plot(ecdf(tri), main="Distribuzione cumulativa empirica", xlab="Trigliceridi in mg/dL", ylab = "Frequenza cumulativa")
qqnorm((tri-mean(tri))/sd(tri), main="Quantili campionari vs. teorici", xlab="Quantili teorici", ylab = "Quantili campionari")
abline (0,1) # linea di allineamento teorico di dati gaussiani
#
Il comando chiave è “par(mfrow=c(2,2))” che predispone la matrice 2 righe x 2 colonne da riempire con i quattro grafici (hist, plot, plot e qqnorm) per riga, ovvero da sinistra in alto a destra in basso. Grafico2x2small
Questa variante inserisce due grafici in una riga e due colonne:
#
par(mfrow=c(1,2))
hist(tri, main="Istogramma dei dati", xlab="Trigliceridi in mg/dL", ylab = "Frequenza")
plot(density(tri), main="Distribuzione di densità dei dati", xlab="Trigliceridi in mg/dL", ylab = "Frequenza")
#
 
Questa variante inserisce tre grafici, il primo occupa riga 1 / colonne 1 e 2, il secondo riga 2 / colonna 1, il terzo riga 2 / colonna 2:
#
layout(matrix(c(1,1,2,3), 2, 2, byrow = TRUE))
hist(tri, main="Istogramma dei dati", xlab="Trigliceridi in mg/dL", ylab = "Frequenza")
plot(density(tri), main="Distribuzione di densità dei dati", xlab="Trigliceridi in mg/dL", ylab = "Frequenza")
plot(ecdf(tri), main="Distribuzione cumulativa empirica", xlab="Trigliceridi in mg/dL", ylab = "Frequenza cumulativa")
#
 
Infine questa variante inserisce tre grafici, il primo occupa riga 1 / colonna 1, il secondo riga 2 / colonna 1, il terzo colonna 2 / righe 1 e 2:
#
layout(matrix(c(1,3,2,3), 2, 2, byrow = TRUE), widths=c(1,1), heights=c(1,1))
hist(tri, main="Istogramma dei dati", xlab="Trigliceridi in mg/dL", ylab = "Frequenza")
plot(density(tri), main="Distribuzione di densità dei dati", xlab="Trigliceridi in mg/dL", ylab = "Frequenza")
plot(ecdf(tri), main="Distribuzione cumulativa empirica", xlab="Trigliceridi in mg/dL", ylab = "Frequenza cumulativa")
#
 
Kernel density plot sovrapposti
 
Se non l’avete già fatto, scaricate dal CRAN la libreria sm. Create la cartella C:\R\ e salvate in questa cartella il file Boxplot.csv. Copiate e incollate nella Console di  R ed eseguite questo codice:
#
mydata <- read.table("c:/R/Boxplot.csv", header=TRUE, sep=";")
library(sm)
attach(mydata)
myplot <- factor(Diagnosi, levels = c("AC","CAH","Controlli","CPH","NCAH"), labels = c("AC","CAH","Controlli","CPH","NCAH"))
sm.density.compare(IgA, Diagnosi, xlab="IgA in g/L", ylab="Frequenza (kernel density)")
title(main="IgA nelle malattie croniche del fegato")
# aggiunge la legenda: posizionarsi dove la si desidera fare comparire e fare click con tasto sinistro del mouse
colfill<-c(2:(2+length(levels(myplot))))
legend(locator(1), levels(myplot), fill=colfill)
#
Ecco i cinque kernel density plot sovrapposti che vengono tracciati. DensplotFiveOverlap_small
 
Per tracciare due soli kernel density plot sovrapposti potete seguire questo esempio. Un altro esempio ancora lo trovate nella sezione sulle curve ROC.
 
 
Identificare i punti in un diagramma di distribuzione (scatter-plot)
 
Create la cartella C:\R\ e salvate in questa cartella il file Scatterplot.csv. Copiate e incollate nella Console di  R ed eseguite questo codice:
#
mydata <- read.table("c:/R/Scatterplot.csv", header=TRUE, sep=";")
attach(mydata)
plot(HB, HCT, main="Identifica punti in uno scatterplot", xlab="Emoglobina, mg/dL ", ylab="Ematocrito, %", pch=1)
identify(HB, HCT, plot = TRUE, atpen = FALSE, offset = 0.5, tolerance = 0.25, locatorBell = TRUE)
#
Posizionatevi nelle vicinanze del punto cui siete interessati e che volete identificare: poco sopra, appena sotto, un poco a sinistra o a destra, e fate click con il tasto sinistro del mouse: nella posizione prescelta comparirà il numero del dato. Identify_small Per terminare selezionate Stop con il tasto destro del mouse.
 
 
Confronto tra metodi (diagramma di Bland e Altman e regressione di Passing e Bablok)
 
Se non l’avete già fatto, scaricate dal CRAN la libreria MethComp. Create la cartella C:\R\ e salvate in questa cartella il file MethComp.csv. Copiate e incollate nella Console di  R ed eseguite questo codice:
#
mydata <- read.table("c:/R/MethComp.csv", header=TRUE, sep=";")
library(MethComp)
newdata <- Meth(mydata) # crea un oggetto Meth per la libreria
plot.Meth(newdata)
#
Vedete la sintesi grafica dei dati del confronto tra metodi. CfrMetodiSintesi_small
 
Ora copiate e incollate nella Console di  R questo codice
#
predef <- par()$mar # salva i valori predefiniti dei margini
par(mar = c(5,5,5,4)) # imposta margini più ampi
BA.plot(newdata, main = "Grafico di Bland e Altman")
#
Come vedete viene rappresentato il diagramma di Bland e Altman con i limiti di confidenza al 95% della media. CfrMetodiBAplot_small
 
Infine copiate e incollate nella Console di  R questo codice:
#
print(PBreg(newdata)) # statistiche della regressione di Passing e Bablok
par(mar = predef) # ripristina i valori predefiniti dei margini
plot(PBreg(newdata), main = "Regressione di Passing e Bablok")
#
Oltre alle statistiche vedete il grafico della regressione lineare non parametrica di Passing e Bablok con i limiti di confidenza. CfrMetodiPBreg_small
 
Per utilizzare la libreria MethComp la struttura dei dati deve prevedere il campo meth (il metodo di analisi), il campo item (il numero progressivo del campione analizzato), il campo repl (il numero del replicato: in questo caso abbiamo un unico valore) e il campo y (il risultato numerico) come in questo esempio:
 

meth

item

repl

y

Metodo x

1

1

4

Metodo y

1

1

3

Metodo x

2

1

4

Metodo y

2

1

3.9

Metodo x

….

….

….

Metodo y

….

….

….

Metodo x

188

1

115.4

Metodo y

188

1

110.2

Metodo x

189

1

156

Metodo y

189

1

152

I dettagli sui comandi in R e i riferimenti bibliografici delle tecniche statistiche utilizzate li trovate sul CRAN nella documentazione del pacchetto MethComp. Inoltre ho predisposto una documentazione comprendente un file nel quale trovate illustrata la regressione lineare non parametrica (che include la regressione lineare di Passing e Bablok), e un file nel quale trovate documentato l’approccio alternativo, basato sulla regressione lineare parametrica (che include la componente principale standardizzata e la regressione lineare di Deming). Per la regressione lineare parametrica ho infine preparato un file per OpenOffice.org Calc© ed Excel© che trovate nella parte di esercizi di statistica alla voce confronto tra metodi mediante modelli di regressione lineare parametrica.
 
 
********************************
 

R problemi scelti

Ultimo aggiornamento: 20 maggio 2019

DNA_0527s
Bayes
 
NOTA SUI COLLEGAMENTI
ALLE FONTI BIBLIOGRAFICHE
 
La maggior parte dei collegamenti ad articoli scientifici riportati nel sito fa riferimento a riviste online che forniscono gratuitamente l’articolo originale. In alcuni casi è necessario registrarsi sul sito per avere libero accesso agli articoli: questo accade per esempio con il BMJ. Quando i collegamenti  fanno riferimento a fonti bibliografiche a pagamento, chi non ha sottoscritto un abbonamento con la rivista potrebbe vedere comparire un messaggio del tipo “access forbidden”, ma il più delle volte vedrà comparire una pagina che consente di acquistare online l’articolo originale.
 
 

Informazione diagnostica e curve ROC

Teorema di Bayes e medicina basata sull’evidenza (EBM)

 I migliori  02  scelti per voi...

FreeBooks4Doctors
Corso di Epidemiologia
The Medical Biochemistry Page
Download02

Programma di statistica Ministat (versione per Windows)

Cornice_300
Programma di statistica Open Source R
(per Linux, Mac OS X e Windows)
Calcolo degli intervalli di confidenza di sensibilità, specificità, valore predittivo, likelihood ratio
The_Merck_Manual
Manuale Merck di diagnosi
e terapia

         L’articolo da non perdere...    

IEoMet
Errori congeniti del metabolismo
I migliori libri del mese
 
Leonard Mlodinow
   La passeggiata dell’ubriaco. Le leggi scientifiche del caso.
Rizzoli Editore, 2009, pp. 294
ISBN: 17034081
OpenOffice, la suite Open Source (per Linux, Mac OS X e Windows)

Senza dati di appropriatezza i tagli indiscriminati sono inevitabili

ebooks...
 
Mauss, Berg, Rockstroh, Sarrazin, Wedemeyer, at al.
Hepatology - A clinical textbook. Nona Edizione - 2018
Westgard QC

 eGFR o creatinina nel siero?

Le letture
consigliate
Book-03-june
Inprimopianochiaro
Atlante di anatomia del Bock
Atlante di anatomia
Tavole metaboliche
Tavole metaboliche
Informazioni: info@bayes.it
Scrivimi: webmaster@bayes.it

Per la riproduzione dei contenuti del sito è necessario il permesso dell’Autore

NOTA LEGALE
 
L’interpretazione dei risultati delle analisi di laboratorio deve essere effettuata esclusivamente dal medico e alla luce dei dati clinici.
Questo sito ha uno scopo esclusivamente educativo e formativo. Pertanto le informazioni in esso contenute possono essere utilizzate esclusivamente a scopo didattico, e anche in questo caso sotto la responsabilità personale di chi le utilizza, sia per sé stesso sia per terzi.
Le informazioni contenute in questo sito non possono e non devono essere utilizzate né a scopo diagnostico, né a scopo prognostico, né a scopo terapeutico, né per qualsiasi attività che abbia un impatto sia diretto sia indiretto sullo stato di salute di  un individuo o di più individui.
Nessuna responsabilità può essere imputata all’autore per danni diretti o indiretti e di qualsivoglia natura che potrebbero essere causati a sé stessi o a terzi a causa di errori, imprecisioni, omissioni, interpretazioni o utilizzo dei contenuti di questo sito o dei siti cui esso fa riferimento.

 

ebooks...
 
Wim P. Krijnen
Applied Statistics for Bioinformatics using R

 eGFR, riflessioni critiche  [b]

 eGFR, indagine in Piemonte  [b]

Le statistiche del sito

E ora che i test genetici sono alla portata di tutti?
Con meno di mille euro è possibile comprare un test genetico su Internet: si manda un piccolo campione di cellule e poi si aspetta la risposta. Ma... a che cosa serve la risposta? Un dossier di Marika De Acetis dall’Archivio storico del sito www.torinoscienza.it
[Home] [Errori cognitivi] [Epistemologia] [Teorema di Bayes] [Decisioni mediche] [Le basi biochimiche]
[Analisi tradizionali] [Analisi genetiche] [Qualità in laboratorio] [Statistica e laboratorio]
[Storia delle medicina] [Download] [Link] [Bacheca] [FAQ] [Chi sono]
BuiltWithNOF
 Attualità in tema di eGFR:

Esercizi di statistica

I migliori libri del mese
 
  Giovanni Federspil
   Logica clinica. I principi del metodo in medicina.
McGraw-Hill, 2004, pp. 368
ISBN: 88 386 2984-6

Regressione lineare parametrica con quattro modelli inclusa la regressione di Deming

ebooks...
 
Dennis A. Noe
The logic of Laboratory Medicine.
Atlante di virologia
Virus2
390.620  visitatori
da settembre 2008 a dicembre 2018

Gradi centigradi o gradi Celsius?

ebooks...
 
M. Besozzi
Errori cognitivi, probabilità e decisioni mediche.
 
Fate click sul titolo o scaricate il testo su tablet o smartphone con il codice a barre riportato qui sotto.
 
ECPEDM
Atlante del protozoi
Atlante dei protozoi intestinali
Citologia e istologia
Atlante di citologia e istologia
Statistica e New01grafica con R
Espressione dei risultati nel laboratorio di chimica clinica
Espressione dei risultati
   NIST/SEMATECH   e-Handbook of Statistical Methods
Pathology outlines
PathologyOutlines
GraysAnatomy
Atlante di anatomia del Gray
Atlante di ematologia
Atlante di ematologia
Entamoeba coli1
Atlante di parassitologia
Micobatteriologia
clinica
Micobatteriologia

Spurious correlations

Concetti, metodi e strumenti per una
pensierocritico70
buona informazione
R
LTO_75
Cerca nel sito...
ebooks...
 
M. Vidali - M. Besozzi
Statistica con R
per il laboratorio
di analisi cliniche.
 
Fate click sul titolo o scaricate il testo su tablet o smartphone con il codice a barre riportato qui sotto.
 
SCR
I migliori libri del mese
 
Luigi Tesio
   I bravi e i buoni.
Perché la medicina clinica può essere una scienza.
Il Pensiero Scientifico Editore, 2015, pp. 216
 ISBN: 978-88-490-0538-7
Gli inganni della correlazione:
New01
logo_INRIM_229_2017
SI_2
Storia delle unità di misura
New01