Lección 8 Comparación de las dos olas

8.1 Gravedad en la infeccion

Sint1w=Casos1w$SINTOMAS_DIAGNOSTICO
Sint2w=Casos2w$SINTOMAS_DIAGNOSTICO
Sint=c(Sint1w,Sint2w)
EEExt=rbind(c(table(Sint1w)[1],round(100*prop.table(table(Sint1w)),2)[1],
              table(Sint1w)[2],round(100*prop.table(table(Sint1w)),2)[2],
              table(Sint1w)[3],round(100*prop.table(table(Sint1w)),2)[3],
              length(Sint1w)),
            c(table(Sint2w)[1],round(100*prop.table(table(Sint2w)),2)[1],
              table(Sint2w)[2],round(100*prop.table(table(Sint2w)),2)[2],
              table(Sint2w)[3],round(100*prop.table(table(Sint2w)),2)[3],
              length(Sint2w))
            )
EEE=EEExt[,c(1,3,5)]

rownames(EEExt)=c("Infectadas 1a ola", "Infectadas 2a ola")
colnames(EEExt)=c("Asintomáticas (N)", "Asintomáticas (%)","Síntomas leves (N)", "Síntomas leves (%)", "Neumonía (N)", "Neumonía (%)","Total")

EEExt %>%
  kbl() %>%
  kable_styling() %>%     
  scroll_box(width="100%", box_css="border: 0px;")

	Asintomáticas (N)	Asintomáticas (%)	Síntomas leves (N)	Síntomas leves (%)	Neumonía (N)	Neumonía (%)	Total
Infectadas 1a ola	357	40.71	314	35.80	206	23.49	877
Infectadas 2a ola	388	49.05	329	41.59	74	9.36	791

df =data.frame(
  Ola=c(rep("1a ola",length(Sint1w)), rep("2a ola",length(Sint2w))),
  Sintomas=c(Sint1w,Sint2w)
)

Gravedad=ordered(rep(c("Asintomáticas", "Síntomas leves", "Neumonía"), each=2),levels=c("Asintomáticas", "Síntomas leves", "Neumonía"))
Grupo=rep(c("1a ola","2a ola") , 3)
valor=as.vector(prop.table(table(df), margin=1))
data <- data.frame(Gravedad,Grupo,valor)


ggplot(data, aes(fill=Gravedad, y=valor, x=Grupo)) + 
  geom_bar(position="dodge", stat="identity")+
  xlab("Olas")+
  ylab("")+
    scale_fill_brewer(palette="Dark2")+labs(fill="")

$\s$

Figura 8.1:

Asociación entre los grupos de sintomatología y las olas: test $\chi^2$, p-valor $10^{-13}$

8.2 Comparación de antecedentes

8.2.1 Franja de edad

ECa1=Casos1w$Edad._años_
ECa2=Casos2w$Edad._años_
ECo1=Controls1w$Edad._años_
ECo2=Controls2w$Edad._años_
fligner.test(list(ECa1,ECa2))$p.value

## [1] 0.166121

fligner.test(list(ECo1,ECo2))$p.value

## [1] 0.707814

TCa=t.test(ECa1,ECa2,var.equal=TRUE)
TCo=t.test(ECo1,ECo2,var.equal=TRUE)

Igualdad de edades medias entre olas
- Para los casos: test t, p-valor $3\times 10^{-9}$; IC-95% para la diferencia de medias [1.209, 2.387]
- Para los controles: test t, p-valor 0.244; IC-95% para la difound(erencia de medias [-0.258, 1.014]

En tablas como la que sigue, para cada fila considerada como antecedente:

Cociente de OR: cociente de la OR de infección relativa al antecedente en la 1a ola entre la correspondiente OR en la 2a ola
p-valor igualdad OR: p-valor del contraste de igualdad entre las OR de infección relativas al antecedente en las dos olas, ajustados por Bonferroni
IC: IC-95% para el cociente de las OR
p-valor global olas: p-valor del test de Fisher de la igualdad de proporciones del antecendente en las dos olas, ajustados por Bonferroni
p-valor casos: p-valor del test de Fisher de la igualdad de proporciones del antecendente entre las infectadas de las dos olas, ajustados por Bonferroni
p-valor controles: p-valor del test de Fisher de la igualdad de proporciones del antecendente entre las no infectadas de las dos olas, ajustados por Bonferroni

I1=cut(Casos1w$Edad._años_,breaks=c(0,30,40,100),labels=c("18-30","31-40",">40"))
NI1=cut(Controls1w$Edad._años_,breaks=c(0,30,40,100),labels=c("18-30","31-40",">40"))
I2=cut(Casos2w$Edad._años_,breaks=c(0,30,40,100),labels=c("18-30","31-40",">40"))
NI2=cut(Controls2w$Edad._años_,breaks=c(0,30,40,100),labels=c("18-30","31-40",">40"))
#
ComparOlasCCm(I1,I2,NI1,NI2,c("18-30","31-40",">40"))

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Cociente de OR	Extr. inf. IC	Extr. sup. IC	p-valor igualdad OR	p-valor global olas	p-valor casos	p-valor controles
18-30	286	32.8	416	35.3	361	45.7	151	37.2	0.63	0.46	0.86	0.009300	0.000004	0.000000	1
31-40	516	59.1	695	58.9	385	48.7	236	58.1	1.47	1.09	1.98	0.035766	0.000261	0.000068	1
>40	71	8.1	68	5.8	44	5.6	19	4.7	1.20	0.63	2.31	1.000000	0.291949	0.126685	1
Datos perdidos	4		12		1		10

Tipo= c(I1,I2,NI1,NI2)
dtbp=data.frame(Grupo=c(rep("Inf.",length(I1)+length(I2)),rep("No inf.",length(NI1)+length(NI2))),
Ola= c(rep("1a ola",length(I1)),rep("2a ola",length(I2)),rep("1a ola",length(NI1)),rep("2a ola",length(NI2))),  
Tipo
 )
SRH=scheirerRayHare(Tipo ~ Grupo + Ola,data=dtbp,verbose=FALSE)$p.value[3]

Test de interacción de Scheirer-Ray-Hare: p-valor, 0.003. Un p-valor pequeño da evidencia estadística de que las diferencia de la “franja mediana de edad” en infectadas y no infectadas en las dos olas han sido diferentes.

8.2.2 Etnia

I1=Casos1w$Etnia
NI1=Controls1w$Etnia
I2=Casos2w$Etnia
NI2=Controls2w$Etnia
I1[I1=="Asia"]="Asiática"
I1=factor(I1)
I2[I2=="Asia"]="Asiática"
I2=factor(I2)
#
ComparOlasCCm(I1,I2,NI1,NI2,c("Árabe", "Asiática", "Blanca", "Latinoamericana","Negra"))

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Cociente de OR	Extr. inf. IC	Extr. sup. IC	p-valor igualdad OR	p-valor global olas	p-valor casos	p-valor controles
Árabe	54	6.2	108	9.1	87	11.0	31	7.5	0.43	0.25	0.75	0.013101	0.000000	0.002044	1
Asiática	24	2.7	27	2.3	25	3.2	14	3.4	1.30	0.55	3.10	1.000000	0.255819	1.000000	1
Blanca	537	61.4	922	77.7	387	49.0	321	77.9	1.68	1.20	2.34	0.011709	0.000894	0.000002	1
Latinoamericana	240	27.5	114	9.6	265	33.6	41	10.0	0.78	0.51	1.20	1.000000	0.000000	0.037803	1
Negra	19	2.2	16	1.3	25	3.2	5	1.2	0.61	0.19	1.98	1.000000	0.035735	1.000000	1
Datos perdidos	3		4		2		4

Como las etnias no son ordinales, no hay ningún test sensato para comparar si la diferencia entre casos y controles en la primera ola és “diferente” de la diferencia entre casos y controles en segunda ola.

8.2.3 Hábito tabáquico

En tablas como la que sigue:

Cociente de OR: cociente de la OR de infección relativa al antecedente en la 1a ola entre la correspondiente OR en la 2a ola
p-valor igualdad OR: p-valor del contraste de igualdad entre las OR de infección relativas al antecedente en las dos olas;
IC: IC-95% para el cociente de las OR
p-valor global olas: p-valor del test de Fisher de la igualdad de proporciones del antecendente en las dos olas
p-valor casos: p-valor del test de Fisher de la igualdad de proporciones del antecendente entre las infectadas de las dos olas
p-valor controles: p-valor del test de Fisher de la igualdad de proporciones del antecendente entre las no infectadas de las dos olas

I1=Casos1w$FUMADORA_CAT
I2=Casos2w$FUMADORA_CAT
NI1=Controls1w$Fumadora_cat
NI2=Controls2w$Fumadora_cat
#
ComparOlasCC(I1,I2,NI1,NI2,"Fumadoras","No fumadoras")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Cociente de OR	Extr. inf. IC	Extr. sup. IC	p-valor igualdad OR	p-valor global olas	p-valor casos	p-valor controles
Fumadoras	96	11.4	144	12.9	57	7.4	49	12.7	1.5923	0.9772	2.5947	0.061867	0.009313	0.006423	1
No fumadoras	743	88.6	976	87.1	711	92.6	336	87.3
Datos perdidos	38		71		23		31

GrComparOlasCC(I1,I2,NI1,NI2,"Fumadoras")

$\s$

Figura 8.2:

8.2.4 Obesidad

I1=Casos1w$Obesidad
I2=Casos2w$Obesidad
I2[I2=="No"]=0
I2[I2=="Sí"]=1
I1[I1=="No"]=0
I1[I1=="Sí"]=1
#
NI1=Controls1w$Obesidad
NI2=Controls2w$Obesidad
#
ComparOlasCC(I1,I2,NI1,NI2,"Obesas","No obesas")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Cociente de OR	Extr. inf. IC	Extr. sup. IC	p-valor igualdad OR	p-valor global olas	p-valor casos	p-valor controles
Obesas	161	18.4	198	17.5	144	18.2	51	13.4	0.7353	0.4855	1.1136	0.14649	0.383481	0.949494	0.066203
No obesas	716	81.6	935	82.5	647	81.8	331	86.6
Datos perdidos	0		58		0		34

GrComparOlasCC(I1,I2,NI1,NI2,"Obesas")

$\s$

Figura 8.3:

8.2.5 Hipertensión pregestacional

I1=Casos1w$Hipertensión.pregestacional
I2=Casos2w$Hipertensión.pregestacional
I2[I2=="No"]=0
I2[I2=="Sí"]=1
I1[I1=="No"]=0
I1[I1=="Sí"]=1
#
NI1=Controls1w$Hipertensión.pregestacional
NI2=Controls2w$Hipertensión.pregestacional
#
ComparOlasCC(I1,I2,NI1,NI2,"HTA","No HTA")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Cociente de OR	Extr. inf. IC	Extr. sup. IC	p-valor igualdad OR	p-valor global olas	p-valor casos	p-valor controles
HTA	14	1.6	13	1.1	11	1.4	4	1.1	1.0628	0.2676	4.2216	0.931042	1	0.840958	1
No HTA	863	98.4	1123	98.9	780	98.6	374	98.9
Datos perdidos	0		55		0		38

GrComparOlasCC(I1,I2,NI1,NI2,"HTA")

$\s$

Figura 8.4:

8.2.6 Diabetes Mellitus

I1=Casos1w$DIABETES
I2=Casos2w$DIABETES
I2[I2=="No"]=0
I2[I2=="Sí"]=1
I1[I1=="No"]=0
I1[I1=="Sí"]=1
#
NI1=Controls1w$Diabetes
NI2=Controls2w$Diabetes
#
ComparOlasCC(I1,I2,NI1,NI2,"DM","No DM")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Cociente de OR	Extr. inf. IC	Extr. sup. IC	p-valor igualdad OR	p-valor global olas	p-valor casos	p-valor controles
DM	14	1.6	17	1.4	21	2.7	11	2.6	1.1156	0.3995	3.1156	0.83458	0.024607	0.170512	0.125623
No DM	863	98.4	1174	98.6	770	97.3	405	97.4
Datos perdidos	0		0		0		0

GrComparOlasCC(I1,I2,NI1,NI2,"DM")

$\s$

Figura 8.5:

8.2.7 Enfermedades cardiacas crónicas

I1=Casos1w$Enfermedad.cardiaca.crónica
I2=Casos2w$Enfermedad.cardiaca.crónica
I2[I2=="No"]=0
I2[I2=="Sí"]=1
I1[I1=="No"]=0
I1[I1=="Sí"]=1
#
NI1=Controls1w$ENF.CARDIACA.TODO
NI2=Controls2w$ENF.CARDIACA.TODO
#
ComparOlasCC(I1,I2,NI1,NI2,"ECC","No ECC")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Cociente de OR	Extr. inf. IC	Extr. sup. IC	p-valor igualdad OR	p-valor global olas	p-valor casos	p-valor controles
ECC	11	1.3	21	1.8	8	1	6	1.6	1.057	0.2897	3.8568	0.933077	0.442291	0.818066	0.826361
No ECC	866	98.7	1134	98.2	783	99	381	98.4
Datos perdidos	0		36		0		29

GrComparOlasCC(I1,I2,NI1,NI2,"ECC")

$\s$

Figura 8.6:

8.2.8 Enfermedades pulmonares crónicas (incluyendo asma)

INA1w=Casos1w$Enfermedad.pulmonar.crónica.no.asma
NINA1w=Controls1w$Enfermedad.pulmonar.crónica.no.asma
NINA1w[NINA1w==0]="No"
NINA1w[NINA1w==1]="Sí"
IA1w=Casos1w$Diagnóstico.clínico.de.Asma
NIA1w=Controls1w$Diagnóstico.clínico.de.Asma
NIA1w[NIA1w==0]="No"
NIA1w[NIA1w==1]="Sí"
I1=rep(NA,n_I1)
for (i in 1:n_I1){I1[i]=max(INA1w[i],IA1w[i],na.rm=TRUE)}
NI1=rep(NA,n_NI1)
for (i in 1:n_NI1){NI1[i]=max(NINA1w[i],NIA1w[i],na.rm=TRUE)}
NI1[NI1==-Inf]=NA


INA2w=Casos2w$Enfermedad.pulmonar.crónica.no.asma
NINA2w=Controls2w$Enfermedad.pulmonar.crónica.no.asma
NINA2w[NINA2w==0]="No"
NINA2w[NINA2w==1]="Sí"
IA2w=Casos2w$Diagnóstico.clínico.de.Asma
NIA2w=Controls2w$Diagnóstico.clínico.de.Asma
NIA2w[NIA2w==0]="No"
NIA2w[NIA2w==1]="Sí"
I2=rep(NA,n_I2)
for (i in 1:n_I2){I2[i]=max(INA2w[i],IA2w[i],na.rm=TRUE)}
NI2=rep(NA,n_NI2)
for (i in 1:n_NI2){NI2[i]=max(NINA2w[i],NIA2w[i],na.rm=TRUE)}
NI2[NI2==-Inf]=NA
#
ComparOlasCC(I1,I2,NI1,NI2,"EPC","No EPC")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Cociente de OR	Extr. inf. IC	Extr. sup. IC	p-valor igualdad OR	p-valor global olas	p-valor casos	p-valor controles
EPC	38	4.3	42	3.6	36	4.6	12	3.1	0.8021	0.3598	1.7881	0.589774	0.852058	0.905326	0.749704
No EPC	839	95.7	1111	96.4	755	95.4	376	96.9
Datos perdidos	0		38		0		28

GrComparOlasCC(I1,I2,NI1,NI2,"EPC")

$\s$

Figura 8.7:

8.2.9 Paridad

I1=Casos1w$NULIPARA
I2=Casos2w$NULIPARA
NI1=Controls1w$Nuliparous
NI2=Controls2w$Nuliparous
EE=cbind(as.vector(table(I1))[2:1],
         as.vector(table(NI1))[2:1],
         as.vector(table(I2))[2:1],
         as.vector(table(NI2))[2:1])
#
ComparOlasCC(I1,I2,NI1,NI2,"Nulípara","Multípara")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Cociente de OR	Extr. inf. IC	Extr. sup. IC	p-valor igualdad OR	p-valor global olas	p-valor casos	p-valor controles
Nulípara	319	37	451	38.1	287	36.4	193	46.7	1.4599	1.0792	1.9748	0.014109	0.204173	0.83805	0.002438
Multípara	544	63	732	61.9	502	63.6	220	53.3
Datos perdidos	14		8		2		3

GrComparOlasCC(I1,I2,NI1,NI2,"Nulípara")

$\s$

Figura 8.8:

8.2.10 Gestación múltip

I1=Casos1w$Gestación.Múltiple
I2=Casos2w$Gestación.Múltiple
I2[I2=="No"]=0
I2[I2=="Sí"]=1
I1[I1=="No"]=0
I1[I1=="Sí"]=1
#
NI1=Controls1w$Gestación.Múltiple
NI2=Controls2w$Gestación.Múltiple
#
ComparOlasCC(I1,I2,NI1,NI2,"Gestación múltiple", "Gestación única")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Cociente de OR	Extr. inf. IC	Extr. sup. IC	p-valor igualdad OR	p-valor global olas	p-valor casos	p-valor controles
Gestación múltiple	18	2.1	28	2.4	13	1.6	6	1.4	0.7624	0.2429	2.3931	0.642082	0.242333	0.589242	0.325861
Gestación única	859	97.9	1163	97.6	778	98.4	410	98.6
Datos perdidos	0		0		0		0

GrComparOlasCC(I1,I2,NI1,NI2,"Gestación múltiple")

$\s$

Figura 8.9:

8.3 Comparación de riesgos de desenlaces

8.3.1 Hipertensión gestacional

En tablas como la que sigue:

Diferencia RA: Diferencia entre los RA del desenlace en la 1a menos la 2a ola
IC RA: IC 95% para esta diferencia
p-valor igualdad RA: p-valor del contraste de igualdad entre los RA del desenlace en las dos olas
Cociente RR: Cociente de los RR del desenlace en la 1a dividido por la 2a ola
IC RR: IC 95% para este cociente
p-valor igualdad RR: p-valor del contraste de igualdad entre los RR del desenlace en las dos olas
p-valor global olas, p-valor casos, p-valor controles: como antes

I1=Casos1w$Hipertensión.gestacional
I2=Casos2w$Hipertensión.gestacional
I2[I2=="No"]=0
I2[I2=="Sí"]=1
I1[I1=="No"]=0
I1[I1=="Sí"]=1
#
NI1=Controls1w$Hipertensión.gestacional
NI2=Controls2w$Hipertensión.gestacional
#
ComparOlasRR(I1,I2,NI1,NI2,"HG", "No HG")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	Extr. sup. IC RR	p-valor igualdad RR	p-valor global olas	p-valor casos	p-valor controles
HG	20	2.3	29	2.5	22	2.8	7	1.7	-0.0126	-0.0338	0.0109	0.270177	0.5672	0.206	1.5619	0.272565	1	0.53493	0.445232
No HG	857	97.7	1146	97.5	769	97.2	403	98.3
Datos perdidos	0		16		0		6

GrComparOlasCC(I1,I2,NI1,NI2,"HG")

$\s$

Figura 8.10:

8.3.2 Diabetes gestacional

I1=Casos1w$Diabetes.gestacional
I2=Casos2w$Diabetes.gestacional
I2[I2=="No"]=0
I2[I2=="Sí"]=1
I1[I1=="No"]=0
I1[I1=="Sí"]=1
#
NI1=Controls1w$Diabetes.gestacional
NI2=Controls2w$Diabetes.gestacional
#
ComparOlasRR(I1,I2,NI1,NI2,"DG", "No DG")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	Extr. sup. IC RR	p-valor igualdad RR	p-valor global olas	p-valor casos	p-valor controles
DG	66	7.5	95	8.1	59	7.5	41	10	0.0197	-0.0205	0.0631	0.343527	1.2468	0.7674	2.0258	0.372978	0.640031	1	0.25976
No DG	811	92.5	1079	91.9	732	92.5	369	90
Datos perdidos	0		17		0		6

GrComparOlasCC(I1,I2,NI1,NI2,"DG")

$\s$

Figura 8.11:

8.3.3 Preeclampsia

I1=Casos1w$PREECLAMPSIA_ECLAMPSIA_TOTAL
I2=Casos2w$PREECLAMPSIA_ECLAMPSIA_TOTAL
NI1=Controls1w$PREECLAMPSIA
NI2=Controls2w$PREECLAMPSIA
#
ComparOlasRR(I1,I2,NI1,NI2,"PE", "No PE")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	Extr. sup. IC RR	p-valor igualdad RR	p-valor global olas	p-valor casos	p-valor controles
PE	46	5.2	56	4.7	40	5.1	8	1.9	-0.0259	-0.0535	0.003	0.077255	0.4242	0.183	0.9833	0.045573	0.225527	0.911918	0.012567
No PE	831	94.8	1135	95.3	751	94.9	408	98.1
Datos perdidos	0		0		0		0

GrComparOlasCC(I1,I2,NI1,NI2,"PE")

$\s$

Figura 8.12:

8.3.4 Preeclampsia con CG entre las preeclámpsicas

I1=Casos1w[Casos1w$PREECLAMPSIA_ECLAMPSIA_TOTAL==1,]$Preeclampsia.grave_HELLP_ECLAMPSIA
I1[I1=="Sí"]=1
I1[I1=="No"]=0
I2=Casos2w[Casos2w$PREECLAMPSIA_ECLAMPSIA_TOTAL==1,]$Preeclampsia.grave_HELLP_ECLAMPSIA
I2[I2=="Sí"]=1
I2[I2=="No"]=0

NI1.1=Controls1w[Controls1w$PREECLAMPSIA==1,]$preeclampsia_severa
NI1.2=Controls1w[Controls1w$PREECLAMPSIA==1,]$Preeclampsia.grave.No.HELLP 
NI1=rep(NA,length(NI1.1))
for (i in 1:length(NI1.1)){NI1[i]=max(NI1.1[i],NI1.2[i],na.rm=TRUE)}

NI2.1=Controls2w[Controls2w$PREECLAMPSIA==1,]$preeclampsia_severa
NI2.2=Controls2w[Controls2w$PREECLAMPSIA==1,]$Preeclampsia.grave.No.HELLP 
NI2=rep(NA,length(NI2.1))
for (i in 1:length(NI2.1)){NI2[i]=max(NI2.1[i],NI2.2[i],na.rm=TRUE)}
#

ComparOlasRR(I1,I2,NI1,NI2,"PE con CG", "PE sin CG")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	Extr. sup. IC RR	p-valor igualdad RR	p-valor global olas	p-valor casos	p-valor controles
PE con CG	19	41.3	8	14.3	11	27.5	3	37.5	0.3702	0.0243	0.7629	0.033753	3.9427	1.1201	13.8784	0.032634	0.844514	0.256782	0.131402
PE sin CG	27	58.7	48	85.7	29	72.5	5	62.5
Datos perdidos	0		0		0		0

base=c("1a ola","2a ola")

df =data.frame(
  Factor=c(rep("Infectadas 1a ola",length(I1)), rep("No infectadas 1a ola",length(NI1)),rep("Infectadas 2a ola",length(I2)), rep("No infectadas 2a ola",length(NI2))),
  Grupo=c(I1,NI1,I2,NI2)
)

Grupo=ordered(rep(c("Infectadas","No infectadas"), 2),levels=c("Infectadas","No infectadas"))
Ola=ordered(rep(base , each=2),levels=base)
valor=as.vector(100*prop.table(table(df)[c(1,3,2,4),2:1], margin=1))[1:4]
data=data.frame(Grupo,Ola,valor)


data %>%
ggplot(aes(fill=Grupo, y=valor, x=Ola)) + 
  geom_bar(position="dodge", stat="identity")+
xlab("")+
  ylab("Preeclampsias con CG (% de preeclampsias)")+
scale_fill_hue(c=100)+labs(fill="")

$\s$

Figura 8.13:

8.3.5 Prematurez

I1=Casos1w$PREMATURO
I2=Casos2w$PREMATURO
NI1=Controls1w$Preterm.deliveries
NI2=Controls2w$Preterm.deliveries
#
ComparOlasRR(I1,I2,NI1,NI2,"Prematuro", "A término")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	Extr. sup. IC RR	p-valor igualdad RR	p-valor global olas	p-valor casos	p-valor controles
Prematuro	104	11.9	75	6.3	65	8.2	19	4.6	0.0191	-0.0178	0.0581	0.31395	1.0467	0.5904	1.8554	0.875918	0.095521	0.014738	0.225321
A término	773	88.1	1116	93.7	726	91.8	397	95.4
Datos perdidos	0		0		0		0

GrComparOlasCC(I1,I2,NI1,NI2,"Prematuro")

$\s$

Figura 8.14:

8.3.6 Eventos hemorrágicos

I1=Casos1w$EVENTOS_HEMORRAGICOS_TOTAL
I2=Casos2w$EVENTOS_HEMORRAGICOS_TOTAL
NI1=Controls1w$eventos_hemorragicos
NI2=Controls2w$eventos_hemorragicos
#
ComparOlasRR(I1,I2,NI1,NI2,"Eventos hemorrágicos", "No eventos hemorrágicos")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	Extr. sup. IC RR	p-valor igualdad RR	p-valor global olas	p-valor casos	p-valor controles
Eventos hemorrágicos	51	5.8	64	5.4	40	5.1	25	6	0.0139	-0.0189	0.05	0.413901	1.2861	0.7039	2.3499	0.41332	0.873878	0.518663	0.619647
No eventos hemorrágicos	826	94.2	1127	94.6	751	94.9	391	94
Datos perdidos	0		0		0		0

GrComparOlasCC(I1,I2,NI1,NI2,"Eventos hemorrágicos")

$\s$

Figura 8.15:

8.3.7 Eventos trombóticos

I1=factor(Casos1w$EVENTOS_TROMBO_TOTALES,levels=0:1)
I2=factor(Casos2w$EVENTOS_TROMBO_TOTALES,levels=0:1)
NI1a=Controls1w$DVT
NI1b=Controls1w$PE
NI1=rep(NA,length(NI1a))
for (i in 1:length(NI1a)){NI1[i]=max(NI1a[i],NI1b[i],na.rm=TRUE)}
NI1=factor(NI1,levels=0:1)
NI2a=Controls2w$DVT
NI2b=Controls2w$PE
NI2=rep(NA,length(NI2a))
for (i in 1:length(NI2a)){NI2[i]=max(NI2a[i],NI2b[i],na.rm=TRUE)}
NI2=factor(NI2,levels=0:1)
#
ComparOlasRR(I1,I2,NI1,NI2,"Eventos trombóticos", "No eventos trombóticos")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. sup. IC RR	p-valor global olas	p-valor casos	p-valor controles
Eventos trombóticos	7	0.8	0	0	5	0.6	2	0.5	0.0065	-0.0038	0.0205	0.202718	Inf	Inf	0.405389	0.777207	0.066893
No eventos trombóticos	870	99.2	1191	100	786	99.4	414	99.5
Datos perdidos	0		0		0		0

GrComparOlasCC(I1,I2,NI1,NI2,"Eventos trombóticos")

$\s$

Figura 8.16:

8.3.8 Anomalías congénitas

I1=Casos1w$Diagnóstico.de.malformación.ecográfica._.semana.20._
I1[I1=="No"]=0
I1[I1=="Sí"]=1
I2=Casos2w$Diagnóstico.de.malformación.ecográfica._.semana.20._
I2[I2=="No"]=0
I2[I2=="Sí"]=1
NI1=Controls1w$Diagnóstico.de.malformación.ecográfica._.semana.20._
NI2=Controls2w$Diagnóstico.de.malformación.ecográfica._.semana.20._
#
ComparOlasRR(I1,I2,NI1,NI2,"Anomalías congénitas", "No anomalías congénitas")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	Extr. sup. IC RR	p-valor igualdad RR	p-valor global olas	p-valor casos	p-valor controles
Anomalías congénitas	14	1.6	12	1	14	1.8	4	1	-0.0022	-0.0191	0.017	0.798298	0.8645	0.2254	3.3156	0.831884	0.636883	0.849622	1
No anomalías congénitas	835	98.4	1161	99	750	98.2	403	99
Datos perdidos	28		18		27		9

GrComparOlasCC(I1,I2,NI1,NI2,"Anomalías congénitas")

$\s$

Figura 8.17:

8.3.9 Embarazos con feto muerto anteparto

I1=Casos1w$Feto.muerto.intraútero
I1[I1=="Sí"]=1
I1[I1=="No"]=0
I2=Casos2w$Feto.muerto.intraútero
I2[I2=="Sí"]=1
I2[I2=="No"]=0


NI1a=Controls1w$Feto.vivo...194
NI1a[NI1a=="Sí"]=0
NI1a[NI1a=="No"]=1
NI1b=Controls1w$Feto.vivo...245
NI1b[NI1b=="Sí"]=0
NI1b[NI1b=="No"]=1
NI1=NI1a
for (i in 1:length(NI1a)){NI1[i]=max(NI1a[i],NI1b[i],na.rm=TRUE)}

NI2a=Controls2w$Feto.vivo...194
NI2a[NI2a=="Sí"]=0
NI2a[NI2a=="No"]=1
NI2b=Controls2w$Feto.vivo...245
NI2b[NI2b=="Sí"]=0
NI2b[NI2b=="No"]=1
NI2=NI2a
for (i in 1:length(NI2a)){NI2[i]=max(NI2a[i],NI2b[i],na.rm=TRUE)}
NI2=factor(NI2,levels=0:1)
#
ComparOlasRR(I1,I2,NI1,NI2,"Algún feto muerto anteparto", "Ningún feto muerto anteparto")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	p-valor global olas	p-valor casos	p-valor controles
Algún feto muerto anteparto	9	1	3	0.3	10	1.3	0	0	-0.0049	-0.0169	0.0061	0.364361	0	0	0	0.653241	0.572991
Ningún feto muerto anteparto	868	99	1188	99.7	781	98.7	416	100
Datos perdidos	0		0		0		0

GrComparOlasCC(I1,I2,NI1,NI2,"Algún feto muerto anteparto")

$\s$

Figura 8.18:

8.3.10 Inicios de parto

En tablas como la que sigue:

Lo mismo que en las anteriores, pero por filas: cada fila considerada com un desenlace contra el resto
Los p-valores han sido ajustados por Bonferroni

I1=Casos1w$Inicio.de.parto
I1=factor(I1,levels=c("Espontáneo", "Inducido", "Cesárea"),ordered=TRUE)
I2=Casos2w$Inicio.de.parto
I2=factor(I2,levels=c("Espontáneo", "Inducido", "Cesárea"),ordered=TRUE)
NI1=Controls1w$Inicio.de.parto
NI1[NI1=="Cesárea programada"]="Cesárea"
NI1=factor(NI1,levels=c("Espontáneo", "Inducido", "Cesárea"),ordered=TRUE)
NI2=Controls2w$Inicio.de.parto
NI2[NI2=="Cesárea programada"]="Cesárea"
NI2=factor(NI2,levels=c("Espontáneo", "Inducido", "Cesárea"),ordered=TRUE)

ComparOlasRR.m(I1,I2,NI1,NI2,c("Espontáneo", "Inducido", "Cesárea programada"))

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	Extr. sup. IC RR	p-valor igualdad RR	p-valor global olas	p-valor casos	p-valor controles
Espontáneo	442	50.5	734	61.6	429	54.2	266	63.9	-0.01	-0.09	0.06	1.0000	0.97	0.85	1.09	1.00000	1.000000	0.421874	1
Inducido	325	37.1	393	33.0	303	38.3	129	31.0	-0.03	-0.10	0.04	1.0000	0.91	0.74	1.12	1.00000	1.000000	1.000000	1
Cesárea programada	108	12.3	64	5.4	59	7.5	21	5.0	0.05	0.01	0.08	0.0441	1.55	0.88	2.74	0.38254	0.267502	0.003122	1
Datos perdidos	2		0		0		0

Tipo= c(I1,I2,NI1,NI2)
Tipo[Tipo=="Cesárea"]="Cesárea programada"
Tipo=ordered(Tipo, levels=c("Espontáneo", "Inducido", "Cesárea programada"))
dtbp=data.frame(Grupo=c(rep("Inf.",length(I1)+length(I2)),rep("No inf.",length(NI1)+length(NI2))),
Ola= c(rep("1a ola",length(I1)),rep("2a ola",length(I2)),rep("1a ola",length(NI1)),rep("2a ola",length(NI2))),  
Tipo
 )

ggplot(data=na.omit(dtbp))+
   geom_mosaic(aes(x=product(Tipo,Ola), fill=Grupo)) +
  theme_mosaic()+
  ylab("Inicio de parto")+
  xlab("")+
  scale_fill_discrete(name ="", labels=c("Infectadas", "No infectadas"))+
  scale_x_productlist(labels=c("Infectadas\n 1a ola",  "No infectadas\n 1a ola", "Infectadas\n 2a ola", "No infectadas\n 2a ola"))

$\s$

Figura 8.19:

SRH=scheirerRayHare(Tipo ~ Grupo + Ola,data=dtbp,verbose=FALSE)$p.value[3]

Test de interacción de Scheirer-Ray-Hare: p-valor, 0.745. Un p-valor pequeño hubiera sido evidencia estadística de que la diferencia de la “gravedad mediana” de los inicios de parto en infectadas y no infectadas en las dos olas han sido diferentes. No ha sido el caso.

8.3.11 Tipos de parto

I1.In=Casos1w$Inicio.de.parto
I1=Casos1w$Tipo.de.parto
I1[I1.In=="Cesárea"]="Cesárea programada"
I1[I1=="Cesárea"]="Cesárea urgente"
I1[I1=="Eutocico"]="Eutócico"
I1=factor(I1,levels=c("Eutócico", "Instrumental", "Cesárea programada", "Cesárea urgente"),ordered=TRUE)

I2.In=Casos2w$Inicio.de.parto
I2=Casos2w$Tipo.de.parto
I2[I2.In=="Cesárea"]="Cesárea programada"
I2[I2=="Cesárea"]="Cesárea urgente"
I2[I2=="Eutocico"]="Eutócico"
I2=factor(I2,levels=c("Eutócico", "Instrumental", "Cesárea programada", "Cesárea urgente"),ordered=TRUE)

NI1.In=Controls1w$Inicio.de.parto
NI1=Controls1w$Tipo.de.parto
NI1[NI1.In=="Cesárea programada"]="Cesárea programada"
NI1[NI1=="Cesárea"]="Cesárea urgente"
NI1[NI1=="Eutocico"]="Eutócico"
NI1=factor(NI1,levels=c("Eutócico", "Instrumental", "Cesárea programada", "Cesárea urgente"),ordered=TRUE)


NI2.In=Controls2w$Inicio.de.parto
NI2=Controls2w$Tipo.de.parto
NI2[NI2.In=="Cesárea programada"]="Cesárea programada"
NI2[NI2=="Cesárea"]="Cesárea urgente"
NI2[NI2=="Eutocico"]="Eutócico"
NI2=factor(NI2,levels=c("Eutócico", "Instrumental", "Cesárea programada", "Cesárea urgente"),ordered=TRUE)


ComparOlasRR.m(I1,I2,NI1,NI2,c("Eutócico", "Instrumental", "Cesárea programada", "Cesárea urgente"))

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	Extr. sup. IC RR	p-valor igualdad RR	p-valor global olas	p-valor casos	p-valor controles
Eutócico	528	60.2	767	64.4	527	66.6	277	66.6	-0.04	-0.11	0.03	0.940115	0.93	0.84	1.04	0.877288	0.093918	0.028144	1
Instrumental	100	11.4	177	14.9	77	9.7	58	13.9	0.01	-0.04	0.06	1.000000	1.10	0.74	1.63	1.000000	0.285699	1.000000	1
Cesárea programada	108	12.3	64	5.4	59	7.5	21	5.0	0.05	0.01	0.08	0.061065	1.55	0.88	2.74	0.518006	0.356675	0.004188	1
Cesárea urgente	141	16.1	183	15.4	128	16.2	60	14.4	-0.01	-0.06	0.04	1.000000	0.93	0.66	1.32	1.000000	1.000000	1.000000	1
Datos perdidos	0		0		0		0

8.3.12 Retraso del crecimiento

I1=factor(Casos1w$Defecto.del.crecimiento.fetal..en.tercer.trimestre._.CIR._.,labels=0:1)
I2=factor(Casos2w$Defecto.del.crecimiento.fetal..en.tercer.trimestre._.CIR._.,labels=0:1)
NI1=factor(Controls1w$Defecto.del.crecimiento.fetal..en.tercer.trimestre._.CIR._.)
NI2=factor(Controls2w$Defecto.del.crecimiento.fetal..en.tercer.trimestre._.CIR._.)

ComparOlasRR(I1,I2,NI1,NI2,"RCIU", "No RCIU")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	Extr. sup. IC RR	p-valor igualdad RR	p-valor global olas	p-valor casos	p-valor controles
RCIU	32	3.6	33	2.9	27	3.4	11	2.7	6e-04	-0.0241	0.0282	0.960944	1.0047	0.4336	2.3277	0.991361	1	0.894551	1
No RCIU	845	96.4	1123	97.1	764	96.6	399	97.3
Datos perdidos	0		35		0		6

GrComparOlasCC(I1,I2,NI1,NI2,"RCIU")

$\s$

Figura 8.20:

8.3.13 Hemorragia postparto

I1=Casos1w$Hemorragia.postparto
I1.sino=I1
I1.sino[!is.na(I1.sino)& I1.sino!="No"]="Sí"
I1=ordered(I1,levels=names(table(I1))[c(2,3,1,4)])
I2=Casos2w$Hemorragia.postparto
I2.sino=I2
I2.sino[!is.na(I2.sino)& I2.sino!="No"]="Sí"
I2=ordered(I2,levels=names(table(I2))[c(2,3,1,4)])


NI1=Controls1w$Hemorragia.postparto
NI1.sino=NI1
NI1.sino[!is.na(NI1.sino)& NI1.sino!="No"]="Sí"
NI1=ordered(NI1,levels=names(table(NI1))[c(2,3,1,4)])
NI2=Controls2w$Hemorragia.postparto
NI2.sino=NI2
NI2.sino[!is.na(NI2.sino)& NI2.sino!="No"]="Sí"
NI2=ordered(NI2,levels=names(table(NI2))[c(2,3,1,4)])


ComparOlasRR(I1.sino,I2.sino,NI1.sino,NI2.sino,"HPP", "No HPP")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	Extr. sup. IC RR	p-valor igualdad RR	p-valor global olas	p-valor casos	p-valor controles
HPP	41	4.8	50	4.3	32	4.1	20	4.9	0.0127	-0.0172	0.0459	0.412874	1.3272	0.6732	2.6162	0.413699	0.929475	0.549725	0.675903
No HPP	814	95.2	1121	95.7	747	95.9	392	95.1
Datos perdidos	22		20		12		4

GrComparOlasCC(I1.sino,I2.sino,NI1.sino,NI2.sino,"HPP")

$\s$

Figura 8.21:

ComparOlasRR.m(I1,I2,NI1,NI2,c( "HPP Tto médico", "HPP Tto Qx conservador", "Histerectomía", "No HPP"),r=6)

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	Extr. sup. IC RR	p-valor igualdad RR	p-valor global olas	p-valor casos	p-valor controles
HPP Tto médico	32	3.7	42	3.6	5	0.6	3	0.7	0.00	-0.02	0.02	1	1.18	0.26	5.28	1.000000	0	6.0e-05	0.006249
HPP Tto Qx conservador	4	0.5	7	0.6	747	95.9	392	95.1	-0.01	-0.04	0.02	1	0.78	0.23	2.64	1.000000	0	0.0e+00	0.000000
Histerectomía	5	0.6	1	0.1	27	3.5	17	4.1	0.01	-0.01	0.04	1	8.15	0.88	75.47	0.259221	0	8.3e-05	0.000000
No HPP	814	95.2	1121	95.7	12		4		0.00	-0.03	0.02	1	1.13	0.27	4.69	1.000000	0	0.0e+00	0.000000
Datos perdidos	22		20		5	0.6	3	0.7

Tipo= c(I1,I2,NI1,NI2)
dtbp=data.frame(Grupo=c(rep("Inf.",length(I1)+length(I2)),rep("No inf.",length(NI1)+length(NI2))),
Ola= c(rep("1a ola",length(I1)),rep("2a ola",length(I2)),rep("1a ola",length(NI1)),rep("2a ola",length(NI2))),  
Tipo
 )

ggplot(data=na.omit(dtbp))+
   geom_mosaic(aes(x=product(Tipo,Ola), fill=Grupo)) +
  theme_mosaic()+
  ylab("Tipo de HPP")+
  xlab("")+
  scale_fill_discrete(name ="", labels=c("Infectadas", "No infectadas"))+
  scale_x_productlist(labels=c("Infectadas\n 1a ola",  "No infectadas\n 1a ola", "Infectadas\n 2a ola", "No infectadas\n 2a ola"))

$\s$

Figura 8.22:

SRH=scheirerRayHare(Tipo ~ Grupo + Ola,data=dtbp)$p.value[3]

## 
## DV:  Tipo 
## Observations:  3217 
## D:  0.1274646 
## MS total:  862692.2

Test de interacción de Scheirer-Ray-Hare: p-valor, 0.42.

8.3.14 Ingreso materno en UCI

I1=Casos1w$UCI
I2=Casos2w$UCI

NI1=factor(Controls1w$UCI...9)
NI2=factor(Controls2w$UCI...9,levels=0:1)

ComparOlasRR(I1,I2,NI1,NI2,"UCI", "No UCI")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	p-valor global olas	p-valor casos	p-valor controles
UCI	24	2.7	2	0.2	13	1.6	0	0	0.0093	-0.0053	0.0242	0.204274	0	0	0	0.13762	1
No UCI	853	97.3	1189	99.8	778	98.4	416	100
Datos perdidos	0		0		0		0

GrComparOlasCC(I1,I2,NI1,NI2,"UCI")

8.3.15 Rotura prematura de membranas

I1=Casos1w$Bolsa.rota.anteparto
I2=Casos2w$Bolsa.rota.anteparto

NI1=Controls1w$Bolsa.rota.anteparto
NI2=Controls2w$Bolsa.rota.anteparto

ComparOlasRR(I1,I2,NI1,NI2,"RPM", "No RPM")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	Extr. sup. IC RR	p-valor igualdad RR	p-valor global olas	p-valor casos	p-valor controles
RPM	124	14.1	130	10.9	111	14	49	11.8	0.0097	-0.0382	0.0599	0.696105	1.0873	0.7364	1.6054	0.673785	0.445473	1	0.650994
No RPM	753	85.9	1061	89.1	680	86	367	88.2
Datos perdidos	0		0		0		0

GrComparOlasCC(I1,I2,NI1,NI2,"RPM")

$\s$

Figura 8.23:

8.3.16 Ingreso neonatal en UCIN

I1=c(Casos1w[Casos1w$Feto.muerto.intraútero=="No",]$Ingreso.en.UCIN,Casos1wGM[Casos1wGM$Feto.vivo=="Sí",]$Ingreso.en.UCI)
I2=c(Casos2w[Casos2w$Feto.muerto.intraútero=="No",]$Ingreso.en.UCIN,Casos2wGM[Casos2wGM$Feto.vivo=="Sí",]$Ingreso.en.UCI)
NI1=c(Controls1w[Controls1w$Feto.vivo...194=="Sí",]$Ingreso.en.UCI...213,Controls1wGM[Controls1wGM$Feto.vivo...245=="Sí",]$Ingreso.en.UCI...260)
NI2=c(Controls2w[Controls2w$Feto.vivo...194=="Sí",]$Ingreso.en.UCI...213,Controls2wGM[Controls2wGM$Feto.vivo...245=="Sí",]$Ingreso.en.UCI...260)

ComparOlasRR(I1,I2,NI1,NI2,"UCIN", "No UCIN")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	Extr. sup. IC RR	p-valor igualdad RR	p-valor global olas	p-valor casos	p-valor controles
UCIN	93	10.6	34	2.8	64	8.2	8	1.9	0.015	-0.0171	0.0482	0.360706	0.875	0.3853	1.9873	0.749748	0.939581	0.110174	0.374128
No UCIN	784	89.4	1173	97.2	717	91.8	412	98.1
Datos perdidos	9		9		13		2

df =data.frame(
  Factor=c(rep("Infectadas 1a ola",length(I1)), rep("No infectadas 1a ola",length(NI1)),rep("Infectadas 2a ola",length(I2)), rep("No infectadas 2a ola",length(NI2))),
  Grupo=c(I1,NI1,I2,NI2 )
)

Grupo=ordered(rep(c("Infectadas","No infectadas"), 2),levels=c("Infectadas","No infectadas"))
Ola=ordered(rep(base , each=2),levels=base)
valor=as.vector(100*prop.table(table(df)[c(1,3,2,4),2:1], margin=1))[1:4]
data=data.frame(Grupo,Ola,valor)


data %>%
ggplot(aes(fill=Grupo, y=valor, x=Ola)) + 
  geom_bar(position="dodge", stat="identity")+
xlab("")+
  ylab("UCI neonatal (%)")+
scale_fill_hue(c=100)+labs(fill="")

$\s$

Figura 8.24:

8.3.17 Apgar

I1=c(Casos1w$APGAR.5...126,Casos1wGM$APGAR.5...150)
I2=c(Casos2w$APGAR.5...126,Casos2wGM$APGAR.5...150)
I2[I2==19]=NA
NI1=c(Controls1w$APGAR.5...200,Controls1wGM$APGAR.5...249)
NI2=c(Controls2w$APGAR.5...200,Controls2wGM$APGAR.5...249)

I1=cut(I1,breaks=c(-1,7,20),labels=c("0-7","8-10"))
I2=cut(I2,breaks=c(-1,7,20),labels=c("0-7","8-10"))
NI1=cut(NI1,breaks=c(-1,7,20),labels=c("0-7","8-10"))
NI2=cut(NI2,breaks=c(-1,7,20),labels=c("0-7","8-10"))

I1=ordered(I1,levels=c("8-10","0-7"))
I2=ordered(I2,levels=c("8-10","0-7"))
NI1=ordered(NI1,levels=c("8-10","0-7"))
NI2=ordered(NI2,levels=c("8-10","0-7"))


ComparOlasRR(I1,I2,NI1,NI2,"Apgar.5≤7", "Apgar.5≥8")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	Extr. sup. IC RR	p-valor igualdad RR	p-valor global olas	p-valor casos	p-valor controles
Apgar.5≤7	26	2.9	28	2.3	24	3	5	1.2	-0.0122	-0.0332	0.0105	0.273419	0.5004	0.1679	1.4907	0.213808	0.817923	1	0.225749
Apgar.5≥8	860	97.1	1183	97.7	767	97	413	98.8
Datos perdidos	9		8		13		4

df =data.frame(
  Factor=c(rep("Infectadas 1a ola",length(I1)), rep("No infectadas 1a ola",length(NI1)),rep("Infectadas 2a ola",length(I2)), rep("No infectadas 2a ola",length(NI2))),
  Grupo=c(I1,NI1,I2,NI2 )
)

Grupo=ordered(rep(c("Infectadas","No infectadas"), 2),levels=c("Infectadas","No infectadas"))
Ola=ordered(rep(base , each=2),levels=base)
valor=as.vector(100*prop.table(table(df)[c(1,3,2,4),], margin=1))[1:4]
data=data.frame(Grupo,Ola,valor)


data %>%
ggplot(aes(fill=Grupo, y=valor, x=Ola)) + 
  geom_bar(position="dodge", stat="identity")+
xlab("")+
  ylab("UCI materna (%)")+
scale_fill_hue(c=100)+labs(fill="")

$\s$

Figura 8.25:

8.3.18 Edad gestacional al parto

I1=Casos1w$EG_TOTAL_PARTO
I2=Casos2w$EG_TOTAL_PARTO
NI1=Controls1w$EDAD_GEST 
NI2=Controls2w$EDAD_GEST

fligner.test(list(I1,I2))$p.value

## [1] 0.1098393

fligner.test(list(NI1,NI2))$p.value

## [1] 0.7167789

TCa=t.test(I1,I2,var.equal=TRUE)
TCo=t.test(NI1,NI2,var.equal=TRUE)

Igualdad de edades gestacionales medias entre olas
- Para los casos: test t, p-valor 0.135; IC-95% para la diferencia de medias [-0.395, 0.053]
- Para los controles: test t, p-valor 0.685; IC-95% para la difound(erencia de medias [-0.163, 0.248]

Dades=rbind(c(round(min(I1,na.rm=TRUE),1),round(max(I1,na.rm=TRUE),1), round(mean(I1,na.rm=TRUE),1),round(median(I1,na.rm=TRUE),1),round(quantile(I1,c(0.25,0.75),na.rm=TRUE),1), round(sd(I1,na.rm=TRUE),1)),
            c(round(min(NI1,na.rm=TRUE),1),round(max(NI1,na.rm=TRUE),1), round(mean(NI1,na.rm=TRUE),1),round(median(NI1,na.rm=TRUE),1),round(quantile(NI1,c(0.25,0.75),na.rm=TRUE),1),round(sd(NI1,na.rm=TRUE),1)),
            c(round(min(I2,na.rm=TRUE),1),round(max(I2,na.rm=TRUE),1), round(mean(I2,na.rm=TRUE),1),round(median(I2,na.rm=TRUE),1),round(quantile(I2,c(0.25,0.75),na.rm=TRUE),1), round(sd(I2,na.rm=TRUE),1)),
            c(round(min(NI2,na.rm=TRUE),1),round(max(NI2,na.rm=TRUE),1), round(mean(NI2,na.rm=TRUE),1),round(median(NI2,na.rm=TRUE),1),round(quantile(NI2,c(0.25,0.75),na.rm=TRUE),1),round(sd(NI2,na.rm=TRUE),1)))

colnames(Dades)=c("Edad gest. mínima","Edad gest. máxima","Edad gest. media", "Edad gest. mediana", "1er cuartil", "3er cuartil", "Desv. típica")
rownames(Dades)=c("Infectadas 1a ola", "No infectadas 1a ola","Infectadas 2a ola", "No infectadas 2a ola")

Dades %>%
  kbl() %>%
  kable_styling() %>%     
  scroll_box(width="100%", box_css="border: 0px;")

	Edad gest. mínima	Edad gest. máxima	Edad gest. media	Edad gest. mediana	1er cuartil	3er cuartil	Desv. típica
Infectadas 1a ola	16.4	42.4	38.9	39.4	38.3	40.4	2.5
No infectadas 1a ola	23.7	42.0	39.5	39.7	38.9	40.6	1.9
Infectadas 2a ola	18.0	42.1	39.1	39.4	38.4	40.4	2.2
No infectadas 2a ola	23.0	42.0	39.4	39.6	38.9	40.4	1.7

data =data.frame(
  name=ordered(c( rep("Infectadas 1a ola",length(I1)), rep("No infectadas 1a ola",length(NI1)),rep("Infectadas 2a ola",length(I2)), rep("No infectadas 2a ola",length(NI2))),levels=c("Infectadas 1a ola","No infectadas 1a ola","Infectadas 2a ola","No infectadas 2a ola")),
  Edades=c( I1,NI1,I2,NI2 ),
  Color=c( rep("Infectadas",length(I1)), rep("No infectadas",length(NI1)),rep("Infectadas",length(I2)), rep("No infectadas",length(NI2)))
)


data %>%
  ggplot( aes(x=name, y=Edades, fill=name)) +
    geom_violin(width=1) +
    geom_boxplot(width=0.1, color="black", alpha=0.2,outlier.fill="black",
               outlier.size=1) +
    theme(
      legend.position="none",
      plot.title=element_text(size=11)
    ) +
    xlab("")+
  ylab("Edades gestacionales (semanas)")+
  scale_fill_manual(values=c("#F8766D" ,"#00BFC4" ,"#F8766D", "#00BFC4"))

$\s$

Figura 8.26:

Ninguno de los cuatro grupos de edades gestacionales se ajusta a distribución normal: test de Shapiro-Wilkis, p-valor máximo $2\times 10^{-23}$

Tipo= c(I1,I2,NI1,NI2)
dtbp=data.frame(Grupo=c(rep("Inf.",length(I1)+length(I2)),rep("No inf.",length(NI1)+length(NI2))),
Ola= c(rep("1a ola",length(I1)),rep("2a ola",length(I2)),rep("1a ola",length(NI1)),rep("2a ola",length(NI2))),  
Tipo
 )
SRH=scheirerRayHare(Tipo ~ Grupo + Ola,
                data=dtbp,verbose=FALSE)$p.value[3]

Test de interacción de Scheirer-Ray-Hare: p-valor 0.126: no hay evidencia de que la diferencia de edades medias gestacionales de infectadas y no infectadas sea diferente según la ola.

8.3.19 Peso de neonatos al nacimiento

I1=c(Casos1w[Casos1w$Feto.muerto.intraútero=="No",]$Peso._gramos_...125,Casos1wGM[Casos1wGM$Feto.vivo=="Sí",]$Peso._gramos_...148)
NI1=c(Controls1w[Controls1w$Feto.vivo...194=="Sí",]$Peso._gramos_...198,Controls1wGM[Controls1wGM$Feto.vivo...245=="Sí",]$Peso._gramos_...247)
I2=c(Casos2w[Casos2w$Feto.muerto.intraútero=="No",]$Peso._gramos_...125,Casos2wGM[Casos2wGM$Feto.vivo=="Sí",]$Peso._gramos_...148)
NI2=c(Controls2w[Controls2w$Feto.vivo...194=="Sí",]$Peso._gramos_...198,Controls2wGM[Controls2wGM$Feto.vivo...245=="Sí",]$Peso._gramos_...247)

Dades=rbind(c(round(min(I1,na.rm=TRUE),1),round(max(I1,na.rm=TRUE),1), round(mean(I1,na.rm=TRUE),1),round(median(I1,na.rm=TRUE),1),round(quantile(I1,c(0.25,0.75),na.rm=TRUE),1), round(sd(I1,na.rm=TRUE),1)),
            c(round(min(NI1,na.rm=TRUE),1),round(max(NI1,na.rm=TRUE),1), round(mean(NI1,na.rm=TRUE),1),round(median(NI1,na.rm=TRUE),1),round(quantile(NI1,c(0.25,0.75),na.rm=TRUE),1),round(sd(NI1,na.rm=TRUE),1)),
            c(round(min(I2,na.rm=TRUE),1),round(max(I2,na.rm=TRUE),1), round(mean(I2,na.rm=TRUE),1),round(median(I2,na.rm=TRUE),1),round(quantile(I2,c(0.25,0.75),na.rm=TRUE),1), round(sd(I2,na.rm=TRUE),1)),
            c(round(min(NI2,na.rm=TRUE),1),round(max(NI2,na.rm=TRUE),1), round(mean(NI2,na.rm=TRUE),1),round(median(NI2,na.rm=TRUE),1),round(quantile(NI2,c(0.25,0.75),na.rm=TRUE),1),round(sd(NI2,na.rm=TRUE),1)))

colnames(Dades)=c("Peso mínimo","Peso máximo","Peso  medio", "Peso  mediano", "1er cuartil", "3er cuartil", "Desv. típica")
rownames(Dades)=c("Infectadas 1a ola", "No infectadas 1a ola","Infectadas 2a ola", "No infectadas 2a ola")

Dades %>%
  kbl() %>%
  kable_styling() %>%     
  scroll_box(width="100%", box_css="border: 0px;")

	Peso mínimo	Peso máximo	Peso medio	Peso mediano	1er cuartil	3er cuartil	Desv. típica
Infectadas 1a ola	315	5190	3157.3	3230.0	2872.5	3528.8	615.8
No infectadas 1a ola	490	4700	3242.9	3280.0	2947.5	3600.0	549.6
Infectadas 2a ola	585	4740	3229.0	3287.5	2913.8	3602.5	587.1
No infectadas 2a ola	538	4760	3265.7	3270.0	2970.0	3580.0	503.6

data =data.frame(
  name=ordered(c( rep("Infectadas 1a ola",length(I1)), rep("No infectadas 1a ola",length(NI1)),rep("Infectadas 2a ola",length(I2)), rep("No infectadas 2a ola",length(NI2))),levels=c("Infectadas 1a ola","No infectadas 1a ola","Infectadas 2a ola","No infectadas 2a ola")),
  Edades=c( I1,NI1,I2,NI2 ),
  Color=c( rep("Infectadas",length(I1)), rep("No infectadas",length(NI1)),rep("Infectadas",length(I2)), rep("No infectadas",length(NI2)))
)


data %>%
  ggplot( aes(x=name, y=Edades, fill=name)) +
    geom_violin(width=1) +
    geom_boxplot(width=0.1, color="black", alpha=0.2,outlier.fill="black",
               outlier.size=1) +
    theme(
      legend.position="none",
      plot.title=element_text(size=11)
    ) +
    xlab("")+
  ylab("Pesos (gramos)")+
  scale_fill_manual(values=c("#F8766D" ,"#00BFC4" ,"#F8766D", "#00BFC4"))

$\s$

Figura 8.27:

Ninguno de los cuatro grupos de edades gestacionales se ajusta a distribución normal: test de Shapiro-Wilkis, p-valor máximo $3\times 10^{-8}$

Tipo= c(I1,I2,NI1,NI2)
dtbp=data.frame(Grupo=c(rep("Inf.",length(I1)+length(I2)),rep("No inf.",length(NI1)+length(NI2))),
Ola= c(rep("1a ola",length(I1)),rep("2a ola",length(I2)),rep("1a ola",length(NI1)),rep("2a ola",length(NI2))),  
Tipo
 )
SRH=scheirerRayHare(Tipo ~ Grupo + Ola,
                data=dtbp,verbose=FALSE)$p.value[3]

fligner.test(list(I1,I2))$p.value

## [1] 0.9520945

fligner.test(list(NI1,NI2))$p.value

## [1] 0.2056903

TCa=t.test(I1,I2,var.equal=TRUE)
TCo=t.test(NI1,NI2,var.equal=TRUE)

Igualdad de edades gestacionales medias entre olas
- Para los casos: test t, p-valor 0.016; IC-95% para la diferencia de medias [-130.116, -13.26]
- Para los controles: test t, p-valor 0.456; IC-95% para la difound(erencia de medias [-82.923, 37.253]
Test de interacción de Scheirer-Ray-Hare: p-valor 0.194: no hay evidencia de que la diferencia de pesos medios de hijos de infectadas y no infectadas sea diferente según la ola.

I1w=cut(I1,breaks=c(0,2500,10000),labels=c(1,0),right=FALSE)
NI1w=cut(NI1,breaks=c(0,2500,10000),labels=c(1,0),right=FALSE)
I2w=cut(I2,breaks=c(0,2500,10000),labels=c(1,0),right=FALSE)
NI2w=cut(NI2,breaks=c(0,2500,10000),labels=c(1,0),right=FALSE)


I1w=ordered(I1w,levels=c(0,1))
I2w=ordered(I2w,levels=c(0,1))
NI1w=ordered(NI1w,levels=c(0,1))
NI2w=ordered(NI2w,levels=c(0,1))



ComparOlasRR(I1w,I2w,NI1w,NI2w,"Bajo peso", "No bajo peso")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	Extr. sup. IC RR	p-valor igualdad RR	p-valor global olas	p-valor casos	p-valor controles
Bajo peso	100	11.5	91	7.6	72	9.3	22	5.3	-9e-04	-0.0397	0.0399	0.964724	0.8644	0.506	1.4767	0.593854	0.221133	0.169895	0.145856
No bajo peso	770	88.5	1113	92.4	700	90.7	393	94.7
Datos perdidos	16		12		22		7

df =data.frame(
  Factor=c(rep("Infectadas 1a ola",length(I1w)), rep("No infectadas 1a ola",length(NI1w)),rep("Infectadas 2a ola",length(I2w)), rep("No infectadas 2a ola",length(NI2w))),
  Grupo=c(I1w,NI1w,I2w,NI2w )
)

Grupo=ordered(rep(c("Infectadas","No infectadas"), 2),levels=c("Infectadas","No infectadas"))
Ola=ordered(rep(base , each=2),levels=base)
valor=as.vector(100*prop.table(table(df)[c(1,3,2,4),2:1], margin=1))[1:4]
data=data.frame(Grupo,Ola,valor)


data %>%
ggplot(aes(fill=Grupo, y=valor, x=Ola)) + 
  geom_bar(position="dodge", stat="identity")+
xlab("")+
  ylab("RPM (%)")+
scale_fill_hue(c=100)+labs(fill="")

8.3.20 Fetos muertos anteparto

I1w1=Casos1w$Feto.muerto.intraútero
I1w1[I1w1=="Sí"]="Muerto"
I1w1[I1w1=="No"]="Vivo"
I1w2=Casos1wGM$Feto.vivo
I1w2[I1w2=="Sí"]="Vivo"
I1w2[I1w2=="No"]="Muerto"
I1w=c(I1w1,I1w2)
n_I1wFT=length(I1w)
n_VI1w=as.vector(table(I1w))[2]
I1w=ordered(I1w,levels=c("Vivo","Muerto"))

NI1w1=Controls1w$Feto.vivo...194
NI1w2=Controls1wGM$Feto.vivo...245
NI1w=c(NI1w1,NI1w2)
NI1w[NI1w=="Sí"]="Vivo"
NI1w[NI1w=="No"]="Muerto"
NI1w=factor(NI1w,levels=c("Muerto","Vivo"))
n_NI1wFT=length(NI1w)
n_VNI1w=as.vector(table(NI1w))[2]
I2w=ordered(I2w,levels=c("Vivo","Muerto"))
#
#
I2w1=Casos2w$Feto.muerto.intraútero
I2w1[I2w1=="Sí"]="Muerto"
I2w1[I2w1=="No"]="Vivo"
I2w2=Casos2wGM$Feto.vivo
I2w2[I2w2=="Sí"]="Vivo"
I2w2[I2w2=="No"]="Muerto"
I2w=c(I2w1,I2w2)
n_I2wFT=length(I2w)
n_VI2w=as.vector(table(I2w))[2]
NI1w=ordered(NI1w,levels=c("Vivo","Muerto"))

NI2w1=Controls2w$Feto.vivo...194
NI2w2=Controls2wGM$Feto.vivo...245
NI2w=c(NI2w1,NI2w2)
NI2w[NI2w=="Sí"]="Vivo"
NI2w[NI2w=="No"]="Muerto"
NI2w=factor(NI2w,levels=c("Muerto","Vivo"))
n_NI2wFT=length(NI2w)
n_VNI2w=as.vector(table(NI2w))[2]
NI1w=ordered(NI1w,levels=c("Vivo","Muerto"))

ComparOlasRRwe(I1w,I2w,NI1w,NI2w,"Feto muerto anteparto", "Feto vivo")

	Infectadas 1a ola (N)	Infectadas 1a ola (%)	No infectadas 1a ola (N)	No infectadas 1 ola (%)	Infectadas 2 ola (N)	Infectadas 2 ola (%)	No infectadas 2 ola (N)	No infectadas 2 ola (%)	Diferencia RA	Extr. inf. IC RA	Extr. sup. IC RA	p-valor igualdad RA	Cociente RR	Extr. inf. IC RR	Extr. sup. IC RR	p-valor igualdad RR	p-valor global olas	p-valor casos	p-valor controles
Feto muerto anteparto	9	1	3	0.2	794	98.8	422	100	0.02	0.0109	0.0328	0.00345	4.1353	1.1227	15.2317	0.032845	0	0	0
Feto vivo	885	99	1214	99.8	10	1.2	0	0
Datos perdidos	1		2		0		0