Lección 4 Descripción de la muestra de casos según sintomatología

Hubo:

  • 357 infecciones asintomáticas (40.71%)

  • 314 infecciones leves (35.8%)

  • 206 infecciones graves (23.49%)

Síntomas=ordered(c("Asintomática", "Leve", "Grave"),levels=c("Asintomática", "Leve", "Grave"))
valor=as.vector(prop.table(table(Sint)))
data <- data.frame(Síntomas,valor)

ggplot(data, aes(x=Síntomas, y=valor,fill=Síntomas)) + 
  geom_bar(stat="identity")+
  xlab("")+
  ylab("")+
  scale_fill_brewer(palette = "Dark2") +
  theme(legend.position="none")
\s

Figura 4.1: 

Trim=Casos$Trim.Diag
NA_T=length(Trim[is.na(Trim)])
NA_S=length(Sint[is.na(Sint)])

DF=data.frame(Trimestre=Trim,Síntomas=Sint)
taula=table(DF)[,1:3]
proptaula=round(100*prop.table(table(DF)),2)[,1:3]

EEExt=cbind(c(as.vector(taula[,1]),sum(taula[,1])),
            c(as.vector(proptaula[,1]), round(100*sum(taula[,1])/n_I,2)),
            c(as.vector(taula[,2]),sum(taula[,2])),
            c(as.vector(proptaula[,2]), round(100*sum(taula[,2])/n_I,2)),
            c(as.vector(taula[,3]),sum(taula[,3])),
            c(as.vector(proptaula[,3]), round(100*sum(taula[,3])/n_I,2))
            )
rownames(EEExt)=c("1er trimestre", "2o trimestre", "3er trimestre","Total")
colnames(EEExt)=Columnes.Sint

EEExt %>%
  kbl() %>%
  kable_styling() %>%     
  scroll_box(width="100%", box_css="border: 0px;")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%)
1er trimestre 2 0.23 29 3.31 10 1.14
2o trimestre 20 2.28 94 10.72 44 5.02
3er trimestre 335 38.20 191 21.78 152 17.33
Total 357 21.40 314 18.82 206 12.35 
Síntomas=ordered(rep(c("Asintomática", "Leve", "Grave"), each=3),levels=c("Asintomática", "Leve", "Grave"))
Grupo=rep(c("1er trimestre", "2o trimestre", "3er trimestre") , 3)
valor=as.vector(prop.table(taula, margin=1))
data <- data.frame(Grupo,Síntomas,valor)

ggplot(data, aes(fill=Síntomas, y=valor, x=Grupo)) + 
  geom_bar(position="dodge", stat="identity")+
  xlab("Trimestre de infección")+
  ylab("")+
  scale_fill_brewer(palette = "Dark2")
\s

Figura 4.2:

4.1 Antecedentes maternos

4.1.1 Edades

I=Casos$Edad._años_
DF=data.frame(Edad=I,Sint=Casos$SINTOMAS_DIAGNOSTICO)



DF %>%
  ggplot( aes(x=Sint, y=Edad, fill=Sint)) +
    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 (años)")+
 scale_fill_brewer(palette="Dark2")

I1=I[Casos$SINTOMAS_DIAGNOSTICO=="Asintomática"]
I2=I[Casos$SINTOMAS_DIAGNOSTICO=="Leve"]
I3=I[Casos$SINTOMAS_DIAGNOSTICO=="Grave"]

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(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(I3,na.rm=TRUE),1),round(max(I3,na.rm=TRUE),1), round(mean(I3,na.rm=TRUE),1),round(median(I3,na.rm=TRUE),1),round(quantile(I3,c(0.25,0.75),na.rm=TRUE),1), round(sd(I3,na.rm=TRUE),1)))

colnames(Dades)=c("Edad mínima","Edad máxima","Edad  media", "Edad  mediana", "1er cuartil", "3er cuartil", "Desv. típica")
rownames(Dades)=c("Asintomática", "Leve","Grave")

Dades %>%
  kbl() %>%
  kable_styling() %>%     
  scroll_box(width="100%", box_css="border: 0px;")
Edad mínima Edad máxima Edad media Edad mediana 1er cuartil 3er cuartil Desv. típica
Asintomática 18 49 32.5 33 29 37 6.2
Leve 18 48 33.0 34 29 37 5.8
Grave 18 47 32.7 33 29 37 6.2

  • Ajuste de las edades maternas a distribuciones normales: test de Shapiro-Wilks, p-valores \(7\times 10^{-5}\), \(0.003\) y 0.0259, respectivamente

  • Edades medias: test de Kruskal-Wallis, p-valor 0.7215272

  • Desviaciones típicas: test de Fligner-Killeen, p-valor 0.32

  • Contrastes post hoc por parejas

Contraste=c("Asíntomatica vs Leve","Asíntomatica vs Grave", "Leve vs Grave")

pvals=round(3*c(t.test(I1,I2,var.equal=TRUE)$p.value, t.test(I1,I3,var.equal=TRUE)$p.value,
            t.test(I2,I3,var.equal=TRUE)$p.value),4)
dades=data.frame(Contraste=Contraste,"p-valor"=pvals)
dades %>%
  kbl() %>%
  kable_styling() %>%     
  scroll_box(width="100%", box_css="border: 0px;")
Contraste p.valor
Asíntomatica vs Leve 0.9155
Asíntomatica vs Grave 1.9550
Leve vs Grave 1.9925

En tablas como la que sigue:

  • p-valor: El p-valor del test \(\chi^2\) de si la distribución de la fila correspondiente en casos sintomáticos es la misma que la del global de la muestra de casos, ajustado por Bonferroni cuando haya más de 2 filas

  • Tipo: El tipo de test \(\chi^2\), paramétrico, siempre que es posible, o Montecarlo, cuando no se dan las condiciones necesarias para que tenga sentido efectuar el test paramétrico

I.cut=cut(I,breaks=c(0,30,40,100),labels=c("18-30","31-40",">40"))
Tabla.DMCasosm(I.cut, c("18-30", "31-40", ">40"))
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
18-30 116 32.7 103 32.9 67 32.7 1 Paramétrico
31-40 211 59.4 186 59.4 119 58.0 1 Paramétrico
>40 28 7.9 24 7.7 19 9.3 1 Paramétrico
Datos perdidos 2 1 1 
Síntomas=ordered(rep(c("Asintomática", "Leve", "Grave"), each=3),levels=c("Asintomática", "Leve", "Grave"))
Grupo=ordered(rep(c("18-30","31-40",">40") , 3),levels=c("18-30","31-40",">40"))

taula=table(data.frame(Edad=I.cut,Síntomas=Sint))
valor=as.vector(prop.table(taula, margin=1))
data <- data.frame(Grupo,Síntomas,valor)

ggplot(data, aes(fill=Síntomas, y=valor, x=Grupo)) + 
  geom_bar(position="dodge", stat="identity")+
  xlab("Edad")+
  ylab("")+
  scale_fill_brewer(palette = "Dark2")
\s

Figura 4.3:

  • Asociación entre los grupos de sintomatología y las franjas de edad: test \(\chi^2\), p-valor 0.975

4.1.2 Etnia

I=Casos$Etnia
I[I=="Asia"]="Asiática"
I=factor(I)
Tabla.DMCasosm(I,c("Árabe", "Asiática", "Blanca", "Latinoamericana","Negra"))
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
Árabe 28 7.8 20 6.4 6 2.9 0.332868 Paramétrico
Asiática 12 3.4 5 1.6 7 3.4 1.000000 Paramétrico
Blanca 248 69.5 196 62.6 93 45.6 0.000001 Paramétrico
Latinoamericana 59 16.5 85 27.2 96 47.1 0.000000 Paramétrico
Negra 10 2.8 7 2.2 2 1.0 1.000000 Montecarlo
Datos perdidos 0 1 2 
Síntomas=ordered(rep(c("Asintomática", "Leve", "Grave"), each=5),levels=c("Asintomática", "Leve", "Grave"))
Grupo=ordered(rep(c("Árabe", "Asiática", "Blanca", "Latinoamericana","Negra") , 3),levels=c("Árabe", "Asiática", "Blanca", "Latinoamericana","Negra"))

taula=table(data.frame(Etnia=I,Síntomas=Sint))
valor=as.vector(prop.table(taula, margin=1))
data <- data.frame(Grupo,Síntomas,valor)

ggplot(data, aes(fill=Síntomas, y=valor, x=Grupo)) + 
  geom_bar(position="dodge", stat="identity")+
  xlab("Etnia")+
  ylab("")+
  scale_fill_brewer(palette = "Dark2")
\s

Figura 4.4:

  • Asociación entre los grupos de sintomatología y las etnias: test \(\chi^2\), p-valor \(4\times 10^{-11}\)

4.1.3 Hábito tabáquico

taula=table(data.frame(Casos$FUMADORA_CAT,Sint))[c(2,1) ,1:3]
Tabla.DMCasos(Casos$FUMADORA_CAT,"Fumadoras", "No fumadoras")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
Fumadoras 38 11.1 42 13.8 16 8.3 0.173771 Paramétrico
No fumadoras 304 88.9 263 86.2 176 91.7
Datos perdidos 15 9 14 
Barplot.DGS(Casos$FUMADORA_CAT,"Fumadoras", "No fumadoras")
\s

Figura 4.5:

  • Potencia del test: 0.369

4.1.4 Obesidad

taula=table(data.frame(Casos$Obesidad,Sint))[c(2,1) ,1:3]
Tabla.DMCasos(Casos$Obesidad,"Obesas", "No obesas")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
Obesas 48 13.4 61 19.4 52 25.2 0.001928 Paramétrico
No obesas 309 86.6 253 80.6 154 74.8
Datos perdidos 0 0 0 
Barplot.DGS(Casos$Obesidad,"Obesas", "No obesas")
\s

Figura 4.6:

  • Potencia del test: 0.896

4.1.5 Hipertensión pregestacional

taula=table(data.frame(Casos$Hipertensión.pregestacional,Sint))[c(2,1) ,1:3]
Tabla.DMCasos(Casos$Hipertensión.pregestacional,"HTA", "No HTA")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
HTA 5 1.4 4 1.3 5 2.4 0.615638 Montecarlo
No HTA 352 98.6 310 98.7 201 97.6
Datos perdidos 0 0 0 
Barplot.DGS(Casos$Hipertensión.pregestacional,"HTA", "No HTA")
\s

Figura 4.7:

  • Potencia del test: 0.151

4.1.6 Diabetes

taula=table(data.frame(Casos$DIABETES,Sint))[c(2,1) ,1:3]
Tabla.DMCasos(Casos$DIABETES,"DM", "No DM")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
DM 2 0.6 8 2.5 4 1.9 0.117688 Montecarlo
No DM 355 99.4 306 97.5 202 98.1
Datos perdidos 0 0 0 
Barplot.DGS(Casos$DIABETES,"DM", "No DM")
\s

Figura 4.8:

  • Potencia del test: 0.452

4.1.7 Cardiopatía

taula=table(data.frame(Casos$Enfermedad.cardiaca.crónica,Sint))[c(2,1) ,1:3]
Tabla.DMCasos(Casos$Enfermedad.cardiaca.crónica,"ECC", "No ECC")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
ECC 4 1.1 3 1 4 1.9 0.639936 Montecarlo
No ECC 353 98.9 311 99 202 98.1
Datos perdidos 0 0 0 
Barplot.DGS(Casos$Enfermedad.cardiaca.crónica,"ECC", "No ECC")
\s

Figura 4.9:

  • Potencia del test: 0.138

4.1.8 Enfermedad pulmonar crónica

INA=Casos$Enfermedad.pulmonar.crónica.no.asma
IA=Casos$Diagnóstico.clínico.de.Asma
I.EPC=rep(NA,length(Sint))
for (i in 1:length(Sint)){I.EPC[i]=max(INA[i],IA[i],na.rm=TRUE)}
taula=table(data.frame(I.EPC,Sint))[c(2,1) ,1:3]
Tabla.DMCasos(I.EPC,"EPC", "No EPC")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
EPC 11 3.1 18 5.7 9 4.4 0.242472 Paramétrico
No EPC 346 96.9 296 94.3 197 95.6
Datos perdidos 0 0 0 
Barplot.DGS(I.EPC,"EPC", "No EPC")
\s

Figura 4.10:

  • Potencia del test: 0.306

4.1.9 Gestación múltiple

taula=table(data.frame(Casos$Gestación.Múltiple,Sint))[c(2,1) ,1:3]
Tabla.DMCasos(Casos$Gestación.Múltiple,"Gestación múltiple", "Gestación única")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
Gestación múltiple 2 0.6 12 3.8 4 1.9 0.008999 Montecarlo
Gestación única 355 99.4 302 96.2 202 98.1
Datos perdidos 0 0 0 
Barplot.DGS(Casos$Gestación.Múltiple,"Gestación múltiple", "Gestación única")
\s

Figura 4.11:

  • Potencia del test: 0.764

4.1.10 Paridad

taula=table(data.frame(Casos$NULIPARA,Sint))[c(2,1) ,1:3]
Tabla.DMCasos(Casos$NULIPARA, "Nulípara","Multípara")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
Nulípara 130 37.5 123 39.4 66 32.4 0.258148 Paramétrico
Multípara 217 62.5 189 60.6 138 67.6
Datos perdidos 10 2 2 
Barplot.DGS(Casos$NULIPARA, "Nulípara","Multípara")
\s

Figura 4.12:

  • Potencia del test: 0.294

4.2 Desenlaces

4.2.1 Anomalía congénita

taula=table(data.frame(Casos$Diagnóstico.de.malformación.ecográfica._.semana.20._,Sint))[c(2,1) ,1:3]
Tabla.DMCasos(Casos$Diagnóstico.de.malformación.ecográfica._.semana.20._,"Anomalías congénitas", "No anomalías congénitas")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
Anomalías congénitas 6 1.7 6 1.9 2 1.1 0.742326 Montecarlo
No anomalías congénitas 342 98.3 305 98.1 188 98.9
Datos perdidos 9 3 16 
Barplot.DGS(Casos$Diagnóstico.de.malformación.ecográfica._.semana.20._,"Anomalías congénitas", "No anomalías congénitas")
\s

Figura 4.13:

  • Potencia del test: 0.096

4.2.2 Retraso del crecimiento intrauterino

taula=table(data.frame(Casos$Defecto.del.crecimiento.fetal..en.tercer.trimestre._.CIR._.,Sint))[c(2,1) ,1:3]
Tabla.DMCasos(Casos$Defecto.del.crecimiento.fetal..en.tercer.trimestre._.CIR._.,"RCIU", "No RCIU")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
RCIU 16 4.5 10 3.2 6 2.9 0.544841 Paramétrico
No RCIU 341 95.5 304 96.8 200 97.1
Datos perdidos 0 0 0 
Barplot.DGS(Casos$Defecto.del.crecimiento.fetal..en.tercer.trimestre._.CIR._.,"RCIU", "No RCIU")
\s

Figura 4.14:

  • Potencia del test: 0.152

4.2.3 Diabetes gestacional

taula=table(data.frame(Casos$Diabetes.gestacional,Sint))[c(2,1) ,1:3]
Tabla.DMCasos(Casos$Diabetes.gestacional,"DG", "No DG")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
DG 24 6.7 28 8.9 14 6.8 0.506116 Paramétrico
No DG 333 93.3 286 91.1 192 93.2
Datos perdidos 0 0 0 
Barplot.DGS(Casos$Diabetes.gestacional,"DG", "No DG")
\s

Figura 4.15:

  • Potencia del test: 0.166

4.2.4 Hipertensión gestacional

taula=table(data.frame(Casos$Hipertensión.gestacional,Sint))[c(2,1) ,1:3]
Tabla.DMCasos(Casos$Hipertensión.gestacional,"HG", "No HG")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
HG 9 2.5 8 2.5 3 1.5 0.684832 Montecarlo
No HG 348 97.5 306 97.5 203 98.5
Datos perdidos 0 0 0 
Barplot.DGS(Casos$Hipertensión.gestacional,"HG", "No HG")
\s

Figura 4.16:

  • Potencia del test: 0.117

4.2.5 Rotura prematura de membranas

taula=table(data.frame(Casos$Bolsa.rota.anteparto,Sint))[c(2,1) ,1:3]
Tabla.DMCasos(Casos$Bolsa.rota.anteparto,"RPM", "No RPM")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
RPM 53 14.8 46 14.6 25 12.1 0.639141 Paramétrico
No RPM 304 85.2 268 85.4 181 87.9
Datos perdidos 0 0 0 
Barplot.DGS(Casos$Bolsa.rota.anteparto,"RPM", "No RPM")
\s

Figura 4.17:

  • Potencia del test: 0.123

4.2.6 Preeclampsia

taula=table(data.frame(Casos$PREECLAMPSIA_ECLAMPSIA_TOTAL,Sint))[c(2,1) ,1:3]
Tabla.DMCasos(Casos$PREECLAMPSIA_ECLAMPSIA_TOTAL,"PE", "No PE")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
PE 19 5.3 16 5.1 11 5.3 0.989005 Paramétrico
No PE 338 94.7 298 94.9 195 94.7
Datos perdidos 0 0 0 
Barplot.DGS(Casos$PREECLAMPSIA_ECLAMPSIA_TOTAL,"PE", "No PE")
\s

Figura 4.18:

  • Potencia del test: 0.052

4.2.7 Preeclampsia con criterios de gravedad

I=Casos[Casos$PREECLAMPSIA_ECLAMPSIA_TOTAL==1,]$Preeclampsia.grave_HELLP_ECLAMPSIA
IA=Casos[Casos$PREECLAMPSIA_ECLAMPSIA_TOTAL==1 & Casos$SINTOMAS_DIAGNOSTICO=="Asintomática",]$Preeclampsia.grave_HELLP_ECLAMPSIA
IL=Casos[Casos$PREECLAMPSIA_ECLAMPSIA_TOTAL==1 & Casos$SINTOMAS_DIAGNOSTICO=="Leve",]$Preeclampsia.grave_HELLP_ECLAMPSIA
IG=Casos[Casos$PREECLAMPSIA_ECLAMPSIA_TOTAL==1 & Casos$SINTOMAS_DIAGNOSTICO=="Grave",]$Preeclampsia.grave_HELLP_ECLAMPSIA

taula=table(data.frame(I,Sint[Casos$PREECLAMPSIA_ECLAMPSIA_TOTAL==1]))
Tabla.DMCasosr(IA,IL,IG,"PE con CG", "PE sin CG")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
PE con CG 7 36.8 6 37.5 6 54.5 0.636936 Montecarlo
PE sin CG 12 63.2 10 62.5 5 45.5
Datos perdidos 0 0 0 
Barplot.DGSalt(I,Sint[Casos$PREECLAMPSIA_ECLAMPSIA_TOTAL==1],"PE con CG", "PE sin CG")

  • Potencia del test: 0.137

4.2.8 Eventos hemorrágicos

taula=table(data.frame(Casos$EVENTOS_HEMORRAGICOS_TOTAL,Sint))[c(2,1) ,1:3]
Tabla.DMCasos(Casos$EVENTOS_HEMORRAGICOS_TOTAL,"Eventos hemorrágicos", "No eventos hemorrágicos")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
Eventos hemorrágicos 17 4.8 16 5.1 18 8.7 0.120466 Paramétrico
No eventos hemorrágicos 340 95.2 298 94.9 188 91.3
Datos perdidos 0 0 0 
Barplot.DGS(Casos$EVENTOS_HEMORRAGICOS_TOTAL,"Eventos hemorrágicos", "No eventos hemorrágicos")
\s

Figura 4.19:

  • Asociación entre los grupos de sintomatología y evento hemorrágico: test \(\chi^2\), p-valor 0.12

  • Test de diferencia en la tendencia de la gravedad respecto del global: p-valor 0.1573

  • Potencia del test: 0.437

4.2.9 Hemorragia postparto

I=Casos$Hemorragia.postparto
I.sino=I
I.sino[!is.na(I.sino)& I.sino!="No"]="Sí"
taula=table(data.frame(I.sino,Sint))[c(2,1) ,1:3]

Tabla.DMCasos(I.sino,"HPP", "No HPP")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
HPP 13 3.7 11 3.6 17 8.9 0.011451 Paramétrico
No HPP 341 96.3 298 96.4 175 91.1
Datos perdidos 3 5 14 
Barplot.DGS(I.sino,"HPP", "No HPP")
\s

Figura 4.20:

  • Potencia del test: 0.768
I=ordered(I,levels=names(table(I))[c(2,3,1,4)])
Tabla.DMCasosm(I,c("Tto. médico",
  "Tto. Qx. conservador" , "Histerectomía",                
"No") ,r=6)
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
Tto. médico 12 3.4 8 2.6 12 6.2 0.398160 Paramétrico
Tto. Qx. conservador 1 0.3 0 0.0 3 1.6 0.225977 Montecarlo
Histerectomía 0 0.0 3 1.0 2 1.0 0.810719 Montecarlo
No 341 96.3 298 96.4 175 91.1 0.045805 Paramétrico
Datos perdidos 3 5 14 
DF=data.frame(Factor=I,Síntomas=Sint)
taula=table(DF)

Síntomas=ordered(rep(c("Asintomática", "Leve", "Grave"), each=4),levels=c("Asintomática", "Leve", "Grave"))
Grupo=ordered(rep(c("Tto. médico",
  "Tto. Qx. conservador" , "Histerectomía" ,          
"No") , 3),levels=c("Tto. médico",
  "Tto. Qx. conservador" , "Histerectomía",          
"No"))
valor=as.vector(prop.table(taula, margin=1))
data <- data.frame(Grupo,Síntomas,valor)

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

Figura 4.21:

  • Asociación entre los grupos de sintomatología y el tipo de hemorragia postparto: test \(\chi^2\) de Montecarlo, p-valor 0.172

  • Potencia del test: 0.495

4.2.10 Eventos trombóticos

taula=table(data.frame(Casos$EVENTOS_TROMBO_TOTALES,Sint))[c(2,1) ,1:3]
Tabla.DMCasos(Casos$EVENTOS_TROMBO_TOTALES,"Eventos trombóticos", "No eventos trombóticos")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
Eventos trombóticos 0 0 0 0 7 3.4 1e-04 Montecarlo
No eventos trombóticos 357 100 314 100 199 96.6
Datos perdidos 0 0 0 
Barplot.DGS(Casos$EVENTOS_TROMBO_TOTALES,"Eventos trombóticos", "No eventos trombóticos")
\s

Figura 4.22:

  • Potencia del test: 0.994

4.2.11 UCI materna (Sí-No)

taula=table(data.frame(Casos$UCI,Sint))[c(2,1) ,1:3]
Tabla.DMCasos(Casos$UCI,"UCI", "No UCI")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
UCI 2 0.6 5 1.6 17 8.3 0 Paramétrico
No UCI 355 99.4 309 98.4 189 91.7
Datos perdidos 0 0 0 
Barplot.DGS(Casos$UCI,"UCI", "No UCI")
\s

Figura 4.23:

  • Potencia del test: 1

4.2.12 UCI materna (antes-después)

I=Casos$UCI_ANTES.DESPUES.DEL.PARTO[Casos$UCI==1]
IA=Casos[Casos$UCI==1 & Casos$SINTOMAS_DIAGNOSTICO=="Asintomática",]$UCI_ANTES.DESPUES.DEL.PARTO
IA=factor(IA,levels=c("ANTES DEL PARTO","DESPUES DEL PARTO"))
IL=Casos[Casos$UCI==1 & Casos$SINTOMAS_DIAGNOSTICO=="Leve",]$UCI_ANTES.DESPUES.DEL.PARTO
IL=factor(IL,levels=c("ANTES DEL PARTO","DESPUES DEL PARTO"))
IG=Casos[Casos$UCI==1 & Casos$SINTOMAS_DIAGNOSTICO=="Grave",]$UCI_ANTES.DESPUES.DEL.PARTO
IG=factor(IG,levels=c("ANTES DEL PARTO","DESPUES DEL PARTO"))

taula=table(data.frame(I,Sint[Casos$UCI==1]))
Tabla.DMCasosr(IA,IL,IG,"UCI antes del parto", "UCI después del parto")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
UCI antes del parto 2 100 5 100 13 76.5 0.548745 Montecarlo
UCI después del parto 0 0 0 0 4 23.5
Datos perdidos 0 0 0 
Barplot.DGSalt(I,Sint[Casos$UCI==1],"UCI antes del parto", "UCI después del parto")

  • Potencia del test: 0.223

4.2.13 Prematuridad

taula=table(data.frame(Casos$PREMATURO,Sint))[c(2,1) ,1:3]
Tabla.DMCasos(Casos$PREMATURO,"Prematuro", "A término")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
Prematuro 28 7.8 37 11.8 39 18.9 0.00046 Paramétrico
A término 329 92.2 277 88.2 167 81.1
Datos perdidos 0 0 0 
Barplot.DGS(Casos$PREMATURO,"Prematuro", "A término")
\s

Figura 4.24:

  • Potencia del test: 0.949

4.2.14 Inicio de parto

I=Casos$Inicio.de.parto
I=factor(I,levels=c("Espontáneo", "Inducido", "Cesárea"),ordered=TRUE)
DF=data.frame(Factor=I,Síntomas=Sint)
taula=table(DF)
Tabla.DMCasosm(I,c("Espontáneo", "Inducido","Cesárea programada"))
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
Espontáneo 200 56.0 158 50.5 84 41.0 0.008240 Paramétrico
Inducido 127 35.6 117 37.4 81 39.5 1.000000 Paramétrico
Cesárea programada 30 8.4 38 12.1 40 19.5 0.001769 Paramétrico
Datos perdidos 0 1 1 
Síntomas=ordered(rep(c("Asintomática", "Leve", "Grave"), each=3),levels=c("Asintomática", "Leve", "Grave"))
Grupo=ordered(rep(rownames(EEExt)[1:3] , 3),levels=rownames(EEExt)[1:3])
valor=as.vector(prop.table(taula, margin=1))
data <- data.frame(Grupo,Síntomas,valor)

ggplot(data, aes(fill=Síntomas, y=valor, x=Grupo)) + 
  geom_bar(position="dodge", stat="identity")+
  ylab("")+
  xlab("Inicio de parto")+
  scale_fill_brewer(palette = "Dark2")
\s

Figura 4.25:

  • Asociación entre los grupos de sintomatología y el inicio de parto: test \(\chi^2\), p-valor \(6\times 10^{-4}\)

4.2.15 Tipo de parto

I.In=Casos$Inicio.de.parto
I.In[I.In=="Cesárea"]="Cesárea programada"
I=Casos$Tipo.de.parto
I[I.In=="Cesárea programada"]="Cesárea programada"
I[I=="Cesárea"]="Cesárea urgente"

I=factor(I,levels=c("Eutocico", "Instrumental", "Cesárea programada", "Cesárea urgente"),ordered=TRUE)
DF=data.frame(Factor=I,Síntomas=Sint)
taula=table(DF)
Tabla.DMCasosm(I,c("Eutócico", "Instrumental", "Cesárea programada", "Cesárea urgente"))
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
Eutócico 233 65.3 184 58.6 111 53.9 0.089891 Paramétrico
Instrumental 45 12.6 39 12.4 16 7.8 0.685373 Paramétrico
Cesárea programada 30 8.4 38 12.1 40 19.4 0.002576 Paramétrico
Cesárea urgente 49 13.7 53 16.9 39 18.9 0.958557 Paramétrico
Datos perdidos 0 0 0 
Síntomas=ordered(rep(c("Asintomática", "Leve", "Grave"), each=4),levels=c("Asintomática", "Leve", "Grave"))
Grupo=ordered(rep(c("Eutócico", "Instrumental", "Cesárea programada", "Cesárea urgente") , 3),levels=c("Eutócico", "Instrumental", "Cesárea programada", "Cesárea urgente"))
valor=as.vector(prop.table(taula, margin=1))
data <- data.frame(Grupo,Síntomas,valor)

ggplot(data, aes(fill=Síntomas, y=valor, x=Grupo)) + 
  geom_bar(position="dodge", stat="identity")+
  ylab("")+
  xlab("Tipo de parto")+
  scale_fill_brewer(palette = "Dark2")
\s

Figura 4.26:

  • Asociación entre los grupos de sintomatología y tipos de parto: test \(\chi^2\), p-valor \(0.002\)

  • Asociación entre los grupos de sintomatología y tipos de parto diferentes de la cesárea programada: test \(\chi^2\), p-valor 0.139

4.2.16 APGAR

I=c(Casos$APGAR.5...126,CasosGM$APGAR.5...150)
I[I==19]=NA
I=cut(I,breaks=c(-1,7,20),labels=c("0-7","8-10"))
I=ordered(I,levels=c("8-10","0-7"))
SintN=c(Casos$SINTOMAS_DIAGNOSTICO,CasosGM$SINTOMAS_DIAGNOSTICO)

taula=table(data.frame(I,SintN))[c(2,1) ,1:3]
Tabla.DMCasos(I,"Apgar.5≤7","Apgar.5≥8")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
Apgar.5≤7 8 2.2 9 2.8 9 4.4 0.335268 Paramétrico
Apgar.5≥8 352 97.8 312 97.2 196 95.6
Datos perdidos 3 4 2 
Barplot.DGSalt(I,SintN,"Apgar.5≤7","Apgar.5≥8")

  • Potencia del test: 0.228

4.2.17 Sintomatología vs UCI neonato

I=c(Casos[Casos$Feto.muerto.intraútero=="No",]$Ingreso.en.UCIN,CasosGM[CasosGM$Feto.vivo=="Sí",]$Ingreso.en.UCI)

IA=c(Casos[Casos$SINTOMAS_DIAGNOSTICO=="Asintomática"&Casos$Feto.muerto.intraútero=="No",]$Ingreso.en.UCIN,CasosGM[CasosGM$SINTOMAS_DIAGNOSTICO=="Asintomática" & CasosGM$Feto.vivo=="Sí",]$Ingreso.en.UCI)

IL=c(Casos[Casos$SINTOMAS_DIAGNOSTICO=="Leve"&Casos$Feto.muerto.intraútero=="No",]$Ingreso.en.UCIN,CasosGM[CasosGM$SINTOMAS_DIAGNOSTICO=="Leve" & CasosGM$Feto.vivo=="Sí",]$Ingreso.en.UCI)

IG=c(Casos[Casos$SINTOMAS_DIAGNOSTICO=="Grave"&Casos$Feto.muerto.intraútero=="No",]$Ingreso.en.UCIN,CasosGM[CasosGM$SINTOMAS_DIAGNOSTICO=="Grave" & CasosGM$Feto.vivo=="Sí",]$Ingreso.en.UCI)

SintN=c(Casos[Casos$Feto.muerto.intraútero=="No",]$SINTOMAS_DIAGNOSTICO,CasosGM[CasosGM$Feto.vivo=="Sí",]$SINTOMAS_DIAGNOSTICO)

taula=table(data.frame(I,SintN))[c(2,1) ,1:3]
Tabla.DMCasosr(IA,IL,IG,"UCIN", "No UCIN")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
UCIN 24 6.8 32 10.1 37 17.9 0.000207 Paramétrico
No UCIN 328 93.2 286 89.9 170 82.1
Datos perdidos 3 4 2 
Barplot.DGSalt(I,SintN,"UCIN", "No UCIN")

  • Potencia del test: 0.966

4.2.18 Sintomatología vs Fetos muertos anteparto

I1=Casos$Feto.muerto.intraútero
I1[I1=="Sí"]="Muerto"
I1[I1=="No"]="Vivo"
I1=ordered(I1,levels=c("Vivo","Muerto"))
I1A=I1[Casos$SINTOMAS_DIAGNOSTICO=="Asintomática"]
I1L=I1[Casos$SINTOMAS_DIAGNOSTICO=="Leve"]
I1G=I1[Casos$SINTOMAS_DIAGNOSTICO=="Grave"]

I2=CasosGM$Feto.vivo
I2[I2=="Sí"]="Vivo"
I2[I2=="No"]="Muerto"
I2=ordered(I2,levels=c("Vivo","Muerto"))
I2A=I2[CasosGM$SINTOMAS_DIAGNOSTICO=="Asintomática"]
I2L=I2[CasosGM$SINTOMAS_DIAGNOSTICO=="Leve"]
I2G=I2[CasosGM$SINTOMAS_DIAGNOSTICO=="Grave"]

IA=c(I1A,I2A)
IL=c(I1L,I2L)
IG=c(I1G,I2G)



I=c(I1,I2)
SintN1=Casos$SINTOMAS_DIAGNOSTICO
SintN2=CasosGM$SINTOMAS_DIAGNOSTICO
SintN=c(SintN1,SintN2)

taula=table(data.frame(I,SintN))[c(2,1) ,1:3]
Tabla.DMCasosr(IA,IL,IG,"Feto muerto anteparto", "Feto vivo")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
Feto muerto anteparto 4 1.1 4 1.2 1 0.5 0.765023 Montecarlo
Feto vivo 355 98.9 321 98.8 209 99.5
Datos perdidos 0 1 0 
Barplot.DGSalt(I,SintN,"Feto muerto anteparto", "Feto vivo")

  • Potencia del test: 0.115

4.2.19 Edades gestacionales

I=Casos$EG_TOTAL_PARTO
Síntomas=ordered(Sint,levels=c("Asintomática" ,"Leve",      "Grave"  ))
data =data.frame(
  Síntomas,
  Edades=I
)

data %>%
  ggplot( aes(x=Síntomas, y=Edades, fill=Síntomas)) +
    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_brewer(palette = "Dark2")
\s

Figura 4.27: 

Dades=rbind(c(round(min(I[data$Síntomas=="Asintomática"],na.rm=TRUE),1),round(max(I[data$Síntomas=="Asintomática"],na.rm=TRUE),1), round(mean(I[data$Síntomas=="Asintomática"],na.rm=TRUE),1),
              round(median(I[data$Síntomas=="Asintomática"],na.rm=TRUE),1),
              round(quantile(I[data$Síntomas=="Asintomática"],c(0.25,0.75),na.rm=TRUE),1),
              round(sd(I[data$Síntomas=="Asintomática"],na.rm=TRUE),1)),
   c(round(min(I[data$Síntomas=="Leve"],na.rm=TRUE),1),round(max(I[data$Síntomas=="Leve"],na.rm=TRUE),1), round(mean(I[data$Síntomas=="Leve"],na.rm=TRUE),1),
       round(median(I[data$Síntomas=="Leve"],na.rm=TRUE),1),
              round(quantile(I[data$Síntomas=="Leve"],c(0.25,0.75),na.rm=TRUE),1),round(sd(I[data$Síntomas=="Leve"],na.rm=TRUE),1)),         
  c(round(min(I[data$Síntomas=="Grave"],na.rm=TRUE),1),round(max(I[data$Síntomas=="Grave"],na.rm=TRUE),1), round(mean(I[data$Síntomas=="Grave"],na.rm=TRUE),1),round(median(I[data$Síntomas=="Grave"],na.rm=TRUE),1),
              round(quantile(I[data$Síntomas=="Grave"],c(0.25,0.75),na.rm=TRUE),1),round(sd(I[data$Síntomas=="Grave"],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("Asintomática" ,"Leve",      "Grave"  )

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
Asintomática 28.7 42.4 39.4 39.7 38.6 40.6 1.8
Leve 16.4 41.9 38.9 39.4 38.3 40.3 2.6
Grave 23.9 41.7 38.2 39.0 37.4 40.0 3.0

  • Ajuste de las edades gestacionales de cada nivel a distribuciones normales: test de Shapiro-Wilks, p-valores \(4\times 10^{-16}\), \(3\times 10^{-23}\), \(2\times 10^{-15}\), respectivamente

  • Homocedasticidad: Test de Fligner-Killeen, p-valor \(0.001\)

  • Edades gestacionales medias: test de Kruskal-Wallis, p-valor \(2\times 10^{-6}\)

  • Contrastes posteriores de edades gestacionales medias por parejas: tests de Mann-Whitney,p-valores ajustados por Bonferroni:

    • Asintomática vs Leve: 0.029
    • Asintomática vs Grave: \(10^{-6}\)
    • Leve vs Grave: \(0.01\)

4.2.20 Pesos hijos infectadas

SintN=c(Casos[Casos$Feto.muerto.intraútero=="No",]$SINTOMAS_DIAGNOSTICO,CasosGM[CasosGM$Feto.vivo=="Sí",]$SINTOMAS_DIAGNOSTICO)
Síntomas=SintN[!is.na(SintN)]

I=c(Casos[Casos$Feto.muerto.intraútero=="No",]$Peso._gramos_...125,CasosGM[CasosGM$Feto.vivo=="Sí",]$Peso._gramos_...148)
I=I[!is.na(SintN)]

data =data.frame(
  Síntomas,
  Pesos=I
)

data %>%
  ggplot( aes(x=Síntomas, y=Pesos, fill=Síntomas)) +
    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_brewer(palette = "Dark2")
\s

Figura 4.28: 

Dades=rbind(c(round(min(I[data$Síntomas=="Asintomática"],na.rm=TRUE),1),round(max(I[data$Síntomas=="Asintomática"],na.rm=TRUE),1), round(mean(I[data$Síntomas=="Asintomática"],na.rm=TRUE),1),
              round(median(I[data$Síntomas=="Asintomática"],na.rm=TRUE),1),
              round(quantile(I[data$Síntomas=="Asintomática"],c(0.25,0.75),na.rm=TRUE),1),
              round(sd(I[data$Síntomas=="Asintomática"],na.rm=TRUE),1)),
   c(round(min(I[data$Síntomas=="Leve"],na.rm=TRUE),1),round(max(I[data$Síntomas=="Leve"],na.rm=TRUE),1), round(mean(I[data$Síntomas=="Leve"],na.rm=TRUE),1),
       round(median(I[data$Síntomas=="Leve"],na.rm=TRUE),1),
              round(quantile(I[data$Síntomas=="Leve"],c(0.25,0.75),na.rm=TRUE),1),round(sd(I[data$Síntomas=="Leve"],na.rm=TRUE),1)),         
  c(round(min(I[data$Síntomas=="Grave"],na.rm=TRUE),1),round(max(I[data$Síntomas=="Grave"],na.rm=TRUE),1), round(mean(I[data$Síntomas=="Grave"],na.rm=TRUE),1),round(median(I[data$Síntomas=="Grave"],na.rm=TRUE),1),
              round(quantile(I[data$Síntomas=="Grave"],c(0.25,0.75),na.rm=TRUE),1),round(sd(I[data$Síntomas=="Grave"],na.rm=TRUE),1))          )
colnames(Dades)=c("Peso. mínimo","Peso.  máximo","Peso.  medio","Peso mediano", "1er cuartil", "3er cuartil","Desv. típica")
rownames(Dades)=c("Asintomática" ,"Leve",      "Grave"  )

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
Asintomática 315 4640 3231.0 3275 2945 3550 553.7
Leve 680 5190 3137.3 3220 2835 3510 624.7
Grave 680 4400 3062.4 3140 2790 3500 686.3

  • Ajuste de los pesos de cada nivel a distribuciones normales: test de Shapiro-Wilks, p-valores \(9\times 10^{-10}\), \(2\times 10^{-8}\), \(10^{-7}\), respectivamente

  • Homocedasticidad: Test de Fligner-Killeen, p-valor 0.06

  • Pesos medios: test de Kruskal-Wallis, p-valor 0.061

4.2.21 Bajo peso

I=c(Casos[Casos$Feto.muerto.intraútero=="No",]$Peso._gramos_...125,CasosGM[CasosGM$Feto.vivo=="Sí",]$Peso._gramos_...148)
I.cut=cut(I,breaks=c(0,2500,10000),labels=c(1,0),right=FALSE)
I.cut=ordered(I.cut,levels=c(0,1))

IA=c(Casos[Casos$Feto.muerto.intraútero=="No" &Casos$SINTOMAS_DIAGNOSTICO=="Asintomática" ,]$Peso._gramos_...125,CasosGM[CasosGM$Feto.vivo=="Sí"&CasosGM$SINTOMAS_DIAGNOSTICO=="Asintomática",]$Peso._gramos_...148)
IA.cut=cut(IA,breaks=c(0,2500,10000),labels=c(1,0),right=FALSE)
IA.cut=ordered(IA.cut,levels=c(0,1))

IL=c(Casos[Casos$Feto.muerto.intraútero=="No" &Casos$SINTOMAS_DIAGNOSTICO=="Leve" ,]$Peso._gramos_...125,CasosGM[CasosGM$Feto.vivo=="Sí"&CasosGM$SINTOMAS_DIAGNOSTICO=="Leve",]$Peso._gramos_...148)
IL.cut=cut(IL,breaks=c(0,2500,10000),labels=c(1,0),right=FALSE)
IL.cut=ordered(IL.cut,levels=c(0,1))

IG=c(Casos[Casos$Feto.muerto.intraútero=="No" &Casos$SINTOMAS_DIAGNOSTICO=="Grave" ,]$Peso._gramos_...125,CasosGM[CasosGM$Feto.vivo=="Sí"&CasosGM$SINTOMAS_DIAGNOSTICO=="Grave",]$Peso._gramos_...148)
IG.cut=cut(IG,breaks=c(0,2500,10000),labels=c(1,0),right=FALSE)
IG.cut=ordered(IG.cut,levels=c(0,1))



SintN=c(Casos[Casos$Feto.muerto.intraútero=="No",]$SINTOMAS_DIAGNOSTICO,CasosGM[CasosGM$Feto.vivo=="Sí",]$SINTOMAS_DIAGNOSTICO)

taula=table(data.frame(I.cut,SintN))[c(2,1) ,1:3]
Tabla.DMCasosr(IA.cut,IL.cut,IG.cut,"Bajo peso", "No bajo peso")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
Bajo peso 30 8.6 38 12.1 32 15.6 0.039705 Paramétrico
No bajo peso 320 91.4 277 87.9 173 84.4
Datos perdidos 5 7 4 
Barplot.DGSalt(I.cut,SintN,"Bajo peso", "No bajo peso")

  • Potencia del test: 0.617