Lección 2 Descripción de la muestra de casos según sintomatología

Hubo:

  • 745 infecciones asintomáticas (44.66%)

  • 643 infecciones leves (38.55%)

  • 280 infecciones graves (16.79%)

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 2.1: 

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 14 0.84 67 4.02 10 0.60
2o trimestre 45 2.70 183 10.97 57 3.42
3er trimestre 686 41.13 393 23.56 213 12.77
Total 745 44.66 643 38.55 280 16.79 
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 2.2:

2.1 Antecedentes maternos

2.1.1 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 31.9 32 28.0 36 6.2
Leve 18 48 31.5 32 27.0 36 6.1
Grave 18 47 32.6 33 28.5 37 6.0

  • Ajuste de las edades maternas a distribuciones normales: test de Shapiro-Wilks, p-valores \(10^{-7}\), \(10^{-4}\) y 0.0126, respectivamente

  • Edades medias: test de Kruskal-Wallis, p-valor 0.0445112

  • Desviaciones típicas: test de Fligner-Killeen, p-valor 0.91

  • 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 0.9667
Asíntomatica vs Grave 0.2546
Leve vs Grave 0.0414

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
18-30 281 37.9 273 42.5 93 33.3 0.070056 Paramétrico
31-40 412 55.5 326 50.8 163 58.4 0.186490 Paramétrico
>40 49 6.6 43 6.7 23 8.2 1.000000 Paramétrico
Datos perdidos 3 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 2.3:

  • Asociación entre los grupos de sintomatología y las franjas de edad: test \(\chi^2\), p-valor 0.092

2.1.2 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 81 10.9 45 7.0 15 5.4 0.023462 Paramétrico
Asiática 26 3.5 11 1.7 12 4.3 0.248939 Paramétrico
Blanca 467 62.8 341 53.2 116 41.7 0.000000 Paramétrico
Latinoamericana 144 19.4 229 35.7 132 47.5 0.000000 Paramétrico
Negra 26 3.5 15 2.3 3 1.1 0.418159 Paramétrico
Datos perdidos 1 2 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 2.4:

  • Asociación entre los grupos de sintomatología y las etnias: test \(\chi^2\), p-valor \(4\times 10^{-18}\)

2.1.3 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 72 10.1 61 9.7 20 7.5 0.470802 Paramétrico
No fumadoras 640 89.9 569 90.3 245 92.5
Datos perdidos 33 13 15 
Barplot.DGS(Casos$FUMADORA_CAT,"Fumadoras", "No fumadoras")
\s

Figura 2.5:

  • Potencia del test: 0.179

2.1.4 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 118 15.8 119 18.5 68 24.3 0.007627 Paramétrico
No obesas 627 84.2 524 81.5 212 75.7
Datos perdidos 0 0 0 
Barplot.DGS(Casos$Obesidad,"Obesas", "No obesas")
\s

Figura 2.6:

  • Potencia del test: 0.805

2.1.5 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 11 1.5 7 1.1 7 2.5 0.267573 Montecarlo
No HTA 734 98.5 636 98.9 273 97.5
Datos perdidos 0 0 0 
Barplot.DGS(Casos$Hipertensión.pregestacional,"HTA", "No HTA")
\s

Figura 2.7:

  • Potencia del test: 0.287

2.1.6 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 12 1.6 15 2.3 8 2.9 0.402704 Paramétrico
No DM 733 98.4 628 97.7 272 97.1
Datos perdidos 0 0 0 
Barplot.DGS(Casos$DIABETES,"DM", "No DM")
\s

Figura 2.8:

  • Potencia del test: 0.208

2.1.7 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 6 0.8 7 1.1 6 2.1 0.187581 Montecarlo
No ECC 739 99.2 636 98.9 274 97.9
Datos perdidos 0 0 0 
Barplot.DGS(Casos$Enfermedad.cardiaca.crónica,"ECC", "No ECC")
\s

Figura 2.9:

  • Potencia del test: 0.346

2.1.8 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 21 2.8 40 6.2 13 4.6 0.008846 Paramétrico
No EPC 724 97.2 603 93.8 267 95.4
Datos perdidos 0 0 0 
Barplot.DGS(I.EPC,"EPC", "No EPC")
\s

Figura 2.10:

  • Potencia del test: 0.792

2.1.9 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 8 1.1 17 2.6 6 2.1 0.090115 Paramétrico
Gestación única 737 98.9 626 97.4 274 97.9
Datos perdidos 0 0 0 
Barplot.DGS(Casos$Gestación.Múltiple,"Gestación múltiple", "Gestación única")
\s

Figura 2.11:

  • Potencia del test: 0.488

2.1.10 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 275 37.4 250 39.1 81 29.1 0.013405 Paramétrico
Multípara 460 62.6 389 60.9 197 70.9
Datos perdidos 10 4 2 
Barplot.DGS(Casos$NULIPARA, "Nulípara","Multípara")
\s

Figura 2.12:

  • Potencia del test: 0.752

2.2 Desenlaces

2.2.1 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 11 1.5 14 2.2 3 1.1 0.49795 Montecarlo
No anomalías congénitas 709 98.5 617 97.8 259 98.9
Datos perdidos 25 12 18 
Barplot.DGS(Casos$Diagnóstico.de.malformación.ecográfica._.semana.20._,"Anomalías congénitas", "No anomalías congénitas")
\s

Figura 2.13:

  • Potencia del test: 0.186

2.2.2 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 32 4.3 20 3.1 7 2.5 0.289252 Paramétrico
No RCIU 713 95.7 623 96.9 273 97.5
Datos perdidos 0 0 0 
Barplot.DGS(Casos$Defecto.del.crecimiento.fetal..en.tercer.trimestre._.CIR._.,"RCIU", "No RCIU")
\s

Figura 2.14:

  • Potencia del test: 0.272

2.2.3 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 53 7.1 49 7.6 23 8.2 0.827165 Paramétrico
No DG 692 92.9 594 92.4 257 91.8
Datos perdidos 0 0 0 
Barplot.DGS(Casos$Diabetes.gestacional,"DG", "No DG")
\s

Figura 2.15:

  • Potencia del test: 0.08

2.2.4 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 20 2.7 16 2.5 6 2.1 0.883801 Paramétrico
No HG 725 97.3 627 97.5 274 97.9
Datos perdidos 0 0 0 
Barplot.DGS(Casos$Hipertensión.gestacional,"HG", "No HG")
\s

Figura 2.16:

  • Potencia del test: 0.069

2.2.5 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 103 13.8 97 15.1 35 12.5 0.56147 Paramétrico
No RPM 642 86.2 546 84.9 245 87.5
Datos perdidos 0 0 0 
Barplot.DGS(Casos$Bolsa.rota.anteparto,"RPM", "No RPM")
\s

Figura 2.17:

  • Potencia del test: 0.147

2.2.6 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 36 4.8 35 5.4 15 5.4 0.864429 Paramétrico
No PE 709 95.2 608 94.6 265 94.6
Datos perdidos 0 0 0 
Barplot.DGS(Casos$PREECLAMPSIA_ECLAMPSIA_TOTAL,"PE", "No PE")
\s

Figura 2.18:

  • Potencia del test: 0.073

2.2.7 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$PREECLAMPSIA_ECLAMPSIA_TOTAL==1]))
Tabla.DMCasosr(IA,IL,IG,"PE con CG", "PE sin CG")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
PE con CG 9 25 13 37.1 8 53.3 0.14409 Paramétrico
PE sin CG 27 75 22 62.9 7 46.7
Datos perdidos 0 0 0 
Barplot.DGSalt(I,Sint[Casos$PREECLAMPSIA_ECLAMPSIA_TOTAL==1],"PE con CG", "PE sin CG")

  • Potencia del test: 0.404

2.2.8 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 29 3.9 39 6.1 23 8.2 0.017222 Paramétrico
No eventos hemorrágicos 716 96.1 604 93.9 257 91.8
Datos perdidos 0 0 0 
Barplot.DGS(Casos$EVENTOS_HEMORRAGICOS_TOTAL,"Eventos hemorrágicos", "No eventos hemorrágicos")
\s

Figura 2.19:

  • Asociación entre los grupos de sintomatología y evento hemorrágico: test \(\chi^2\), p-valor 0.017

  • Test de diferencia en la tendencia de la gravedad respecto del global: p-valor 0.0269

  • Potencia del test: 0.725

2.2.9 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 22 3 30 4.7 21 7.9 0.003746 Paramétrico
No HPP 710 97 607 95.3 244 92.1
Datos perdidos 13 6 15 
Barplot.DGS(I.sino,"HPP", "No HPP")
\s

Figura 2.20:

  • Potencia del test: 0.858
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 20 2.7 23 3.6 16 6.0 0.188670 Paramétrico
Tto. Qx. conservador 2 0.3 4 0.6 3 1.1 1.000000 Montecarlo
Histerectomía 0 0.0 3 0.5 2 0.8 0.300770 Montecarlo
No 710 97.0 607 95.3 244 92.1 0.014985 Paramétrico
Datos perdidos 13 6 15 
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 2.21:

  • Asociación entre los grupos de sintomatología y el tipo de hemorragia postparto: test \(\chi^2\) de Montecarlo, p-valor 0.608

  • Potencia del test: 0.232

2.2.10 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 1 0.1 0 0 11 3.9 1e-04 Montecarlo
No eventos trombóticos 744 99.9 643 100 269 96.1
Datos perdidos 0 0 0 
Barplot.DGS(Casos$EVENTOS_TROMBO_TOTALES,"Eventos trombóticos", "No eventos trombóticos")
\s

Figura 2.22:

  • Potencia del test: 1

2.2.11 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 3 0.4 7 1.1 27 9.6 0 Paramétrico
No UCI 742 99.6 636 98.9 253 90.4
Datos perdidos 0 0 0 
Barplot.DGS(Casos$UCI,"UCI", "No UCI")
\s

Figura 2.23:

  • Potencia del test: 1

2.2.12 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
IG=Casos[Casos$UCI==1 & Casos$SINTOMAS_DIAGNOSTICO=="Grave",]$UCI_ANTES.DESPUES.DEL.PARTO

taula=table(data.frame(I,Sint[Casos$UCI==1]))
Tabla.DMCasosr(IA,IL,IG,"UCI antes del parto", "UCI después del parto")
Asintomáticas (N) Asintomáticas (%) Leves (N) Leves (%) Graves (N) Graves (%) p-valor Tipo
UCI antes del parto 3 100 5 71.4 19 70.4 0.70493 Montecarlo
UCI después del parto 0 0 2 28.6 8 29.6
Datos perdidos 0 0 0 
Barplot.DGSalt(I,Sint[Casos$UCI==1],"UCI antes del parto", "UCI después del parto")

  • Potencia del test: 0.152

2.2.13 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 53 7.1 63 9.8 53 18.9 0 Paramétrico
A término 692 92.9 580 90.2 227 81.1
Datos perdidos 0 0 0 
Barplot.DGS(Casos$PREMATURO,"Prematuro", "A término")
\s

Figura 2.24:

  • Potencia del test: 0.999

2.2.14 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 423 56.8 332 51.7 116 41.6 0.000232 Paramétrico
Inducido 273 36.6 246 38.3 109 39.1 1.000000 Paramétrico
Cesárea programada 49 6.6 64 10.0 54 19.4 0.000000 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 2.25:

  • Asociación entre los grupos de sintomatología y el inicio de parto: test \(\chi^2\), p-valor \(10^{-8}\)

2.2.15 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 488 65.5 412 64.1 155 55.4 0.037871 Paramétrico
Instrumental 85 11.4 71 11.0 21 7.5 0.700856 Paramétrico
Cesárea programada 49 6.6 64 10.0 54 19.3 0.000000 Paramétrico
Cesárea urgente 123 16.5 96 14.9 50 17.9 1.000000 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 2.26:

  • Asociación entre los grupos de sintomatología y tipos de parto: test \(\chi^2\), p-valor \(4\times 10^{-7}\)

  • Asociación entre los grupos de sintomatología y tipos de parto diferentes de la cesárea programada: test \(\chi^2\), p-valor 0.354

2.2.16 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 19 2.6 20 3 11 4 0.502207 Paramétrico
Apgar.5≥8 723 97.4 637 97 267 96
Datos perdidos 12 7 3 
Barplot.DGSalt(I,SintN,"Apgar.5≤7","Apgar.5≥8")

  • Potencia del test: 0.159

2.2.17 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 52 7.1 55 8.6 50 17.8 1e-06 Paramétrico
No UCIN 682 92.9 588 91.4 231 82.2
Datos perdidos 11 8 3 
Barplot.DGSalt(I,SintN,"UCIN", "No UCIN")

  • Potencia del test: 0.999

2.2.18 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 8 1.1 9 1.4 2 0.7 0.644936 Montecarlo
Feto vivo 745 98.9 650 98.6 284 99.3
Datos perdidos 0 1 0 
Barplot.DGSalt(I,SintN,"Feto muerto anteparto", "Feto vivo")

  • Potencia del test: 0.119

2.2.19 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 2.27: 

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 26.7 42.4 39.3 39.6 38.6 40.6 1.9
Leve 16.4 41.9 39.0 39.4 38.4 40.4 2.5
Grave 23.9 41.7 38.3 39.0 37.4 40.0 2.8

  • Ajuste de las edades gestacionales de cada nivel a distribuciones normales: test de Shapiro-Wilks, p-valores \(9\times 10^{-26}\), \(10^{-32}\), \(2\times 10^{-17}\), respectivamente

  • Homocedasticidad: Test de Fligner-Killeen, p-valor \(10^{-5}\)

  • Edades gestacionales medias: test de Kruskal-Wallis, p-valor \(2\times 10^{-7}\)

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

    • Asintomática vs Leve: 0.188
    • Asintomática vs Grave: \(9\times 10^{-8}\)
    • Leve vs Grave: \(10^{-4}\)

2.2.20 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 2.28: 

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 4720 3223.6 3290 2911.2 3580 569.4
Leve 680 5190 3189.0 3240 2915.0 3540 601.3
Grave 680 4500 3109.8 3210 2800.0 3570 684.1

  • Ajuste de los pesos de cada nivel a distribuciones normales: test de Shapiro-Wilks, p-valores \(2\times 10^{-14}\), \(10^{-12}\), \(10^{-6}\), respectivamente

  • Homocedasticidad: Test de Fligner-Killeen, p-valor 0.027

  • Pesos medios: test de Kruskal-Wallis, p-valor 0.18

2.2.21 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 69 9.5 62 9.8 41 14.8 0.03533 Paramétrico
No bajo peso 661 90.5 573 90.2 236 85.2
Datos perdidos 15 16 7 
Barplot.DGSalt(I.cut,SintN,"Bajo peso", "No bajo peso")

  • Potencia del test: 0.634