Lección 10 Grupos Robson

10.1 Muestra global

Ola=factor(c(rep("1a ola",n_I1+n_NI1), rep("2a ola",n_I2+n_NI2)))
Grupos=c(Casos1w$Robson,Controls1w$Robson,Casos2w$Robson,Controls2w$Robson)
tabla=data.frame(Robson=c(1:10,"Pérdidas"),
                table(Ola,Grupos)[1,c(2:11,1)],
table(Ola,Grupos)[2,c(2:11,1)])

row.names(tabla)=c()
names(tabla)=c("Grupo Robson","1a ola","2a ola")

tabla %>%  
  kbl() %>%
  kable_styling()
Grupo Robson 1a ola 2a ola
1 372 243
2 283 187
3 667 393
4 382 213
5 90 43
6 29 19
7 34 12
8 46 19
9 1 2
10 143 72
Pérdidas 21 4 
Tipo=factor(rep(c("1a ola","2a ola"), each=10))
Grupo=factor(rep(1:10 , 2))
valor=as.vector(c(prop.table(table(c(Casos1w$Robson,Controls1w$Robson))[c(2:11)]),prop.table(table(c(Casos2w$Robson,Controls2w$Robson))[c(2:11)])))
data=data.frame(Grupo,Tipo,valor)

ggplot(data, aes(fill=Tipo, y=valor, x=Grupo)) + 
  geom_bar(position="dodge", stat="identity")+
  ylab("")+
  xlab("")+
  ggtitle("Distribución de grupos Robson en las dos olas")+
  scale_fill_brewer(palette = "Pastel2")
\s

Figura 10.1:

Diferencia en la distribución de grupos Robson en las dos olas: Test \(\chi^2\) de Montecarlo (hay muy pocas gestantes del grupo 9), p-valor 0.245. No hay evidencia de diferencia en la distribución de los grupos en las dos olas.

10.1.1 Infectadas

TRCa=table(Casos$Robson,Casos$Cesárea) 

DFTRCa=data.frame(Robson=c(1:10,"Pérdidas"),Gestantes=as.vector(table(Casos$Robson)[c(2:11,1)]),Cesáreas=TRCa[c(2:11,1),2], Porcentaje=round(100*prop.table(TRCa,margin=1)[c(2:11,1),2],2))
row.names(DFTRCa)=c()

DFTRCa %>%  
  kbl() %>%
  kable_styling()
Robson Gestantes Cesáreas Porcentaje
1 258 28 10.85
2 250 84 33.60
3 509 30 5.89
4 332 72 21.69
5 77 77 100.00
6 31 31 100.00
7 26 26 100.00
8 31 19 61.29
9 2 2 100.00
10 139 67 48.20
Pérdidas 13 0 0.00 
Tipo=factor(rep(c("Cesárea","No cesárea"), each=10))
Grupo=factor(rep(1:10 , 2))
valor=as.vector(TRCa[c(2:11),2:1])
data=data.frame(Grupo,Tipo,valor)

ggplot(data, aes(fill=Tipo, y=valor, x=Grupo)) + 
  geom_bar(position="stack", stat="identity")+
  ylab("")+
  xlab("")+
  ggtitle("Cesáreas en grupos Robson de infectadas")+
  scale_fill_brewer(palette = "Pastel1")
\s

Figura 10.2:

10.1.2 No infectadas

TRCo=table(Controls$Robson,Controls$Cesárea) 
DFTRCo=data.frame(Robson=c(1:10,"Pérdidas"),Gestantes=as.vector(table(Controls$Robson)[c(2:11,1)]),Cesáreas=TRCo[c(2:11,1),2], Porcentaje=round(100*prop.table(TRCo,margin=1)[c(2:11,1),2],2))
row.names(DFTRCo)=c()
DFTRCo %>%  
  kbl() %>%
  kable_styling()
Robson Gestantes Cesáreas Porcentaje
1 357 43 12.04
2 220 70 31.82
3 551 32 5.81
4 263 43 16.35
5 56 56 100.00
6 17 16 94.12
7 20 20 100.00
8 34 17 50.00
9 1 1 100.00
10 76 26 34.21
Pérdidas 12 4 33.33 
Tipo=factor(rep(c("Cesárea","No cesárea"), each=10))
Grupo=factor(rep(1:10 , 2))
valor=as.vector(TRCo[c(2:11),2:1])
data=data.frame(Grupo,Tipo,valor)

ggplot(data, aes(fill=Tipo, y=valor, x=Grupo)) + 
  geom_bar(position="stack", stat="identity")+
  ylab("")+
  xlab("")+
  ggtitle("Cesáreas en grupos Robson de no infectadas")+
  scale_fill_brewer(palette = "Pastel1")
\s

Figura 10.3:

10.1.3 Diferencias?

Diferencia en la distribución de grupos Robson entre casos y controles: Test \(\chi^2\) de Montecarlo (hay muy pocas gestantes del grupo 9), p-valor \(5\times 10^{-4}\).

Qué grupos tienen proporciones de cesáreas en infectadas o no infectadas significativamente diferentes? Ninguno:

TablaRobsonGlobal(TRCa,TRCo,"global")
Grupo Robson Casos global Cesáreas Porcentaje Controles global Cesáreas Porcentaje OR p-valor test de Fisher
1 258 28 10.85 357 43 12.04 0.89 0.702
2 250 84 33.60 220 70 31.82 1.08 0.695
3 509 30 5.89 551 32 5.81 1.02 1.000
4 332 72 21.69 263 43 16.35 1.42 0.117
5 77 77 100.00 56 56 100.00 0.00 1.000
6 31 31 100.00 17 16 94.12 Inf 0.354
7 26 26 100.00 20 20 100.00 0.00 1.000
8 31 19 61.29 34 17 50.00 1.57 0.456
9 2 2 100.00 1 1 100.00 0.00 1.000
10 139 67 48.20 76 26 34.21 1.78 0.061

10.1.4 Grupos sintomáticos

TCaAsin=table(Casos$Robson[Casos$SINTOMAS_CAT==1],Casos$Cesárea[Casos$SINTOMAS_CAT==1])[2:11,2:1]
TCaSL=table(Casos$Robson[Casos$SINTOMAS_CAT==2],Casos$Cesárea[Casos$SINTOMAS_CAT==2])[2:11,2:1]
TCaNeu=table(Casos$Robson[Casos$SINTOMAS_CAT==3],Casos$Cesárea[Casos$SINTOMAS_CAT==3])[2:11,2:1]
dades=data.frame(1:10,
rowSums(TCaAsin),TCaAsin[,1],round(100*prop.table(TCaAsin,margin=1)[,1],2),
rowSums(TCaSL),TCaSL[,1],round(100*prop.table(TCaSL,margin=1)[,1],2),
rowSums(TCaNeu),TCaNeu[,1],round(100*prop.table(TCaNeu,margin=1)[,1],2))
      names(dades)=c("Grupo Robson", "Inf. Asintomática", "Cesáreas", "Porcentaje", 
                     "Inf. leve", "Cesáreas", "Porcentaje",
                     "Inf. grave", "Cesáreas", "Porcentaje")
dades %>%
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson Inf. Asintomática Cesáreas Porcentaje Inf. leve Cesáreas Porcentaje Inf. grave Cesáreas Porcentaje
1 125 17 13.60 112 8 7.14 21 3 14.29
2 120 43 35.83 91 26 28.57 39 15 38.46
3 252 14 5.56 181 10 5.52 76 6 7.89
4 132 24 18.18 135 29 21.48 65 19 29.23
5 30 30 100.00 31 31 100.00 16 16 100.00
6 13 13 100.00 14 14 100.00 4 4 100.00
7 9 9 100.00 12 12 100.00 5 5 100.00
8 8 5 62.50 17 9 52.94 6 5 83.33
9 1 1 100.00 1 1 100.00 0 0
10 46 16 34.78 47 20 42.55 46 31 67.39

En la lista que sigue, los p-valores son los del contraste si las proporciones de cesáreas en los grupos 1,2,3,4,8 y 10 son las mismas o no en los dos grupos sintomáticos comparados:

pp=c()
EE=dades[c(1:4,8,10),c(2,3,5,6,8,9)]
pp[1]=Prop.trend.test(EE[,2],EE[,1])
pp[2]=Prop.trend.test(EE[,2],EE[,1])
pp[3]=Prop.trend.test(EE[,4],EE[,3])
  • Asintomática contra Leve: \(2\times 10^{-9}\)
  • Asintomática contra Grave: \(2\times 10^{-9}\)
  • Leve contra Grave: \(8\times 10^{-9}\)

Qué pasa si agrupamos Asintomática+Leve contra Grave? Hay diferencia en la 10

Casos$SintGrave=NA
Casos$SintGrave[Casos$SINTOMAS_CAT==1 |Casos$SINTOMAS_CAT==2]=0
Casos$SintGrave[Casos$SINTOMAS_CAT==3]=1

TCaSL=table(Casos$Robson[Casos$SintGrave==0],Casos$Cesárea[Casos$SintGrave==0])
TCaSG=table(Casos$Robson[Casos$SintGrave==1],Casos$Cesárea[Casos$SintGrave==1])

EE1=t(TCaSL)[2:1,2:11]
EE2=t(TCaSG)[2:1,2:11]
OR=rep(0,10)
pp=rep(0,10)
for (i in 1:10){
FT=fisher.test(cbind(EE1[,i],EE2[,i]))
OR[i]=FT$estimate
pp[i]=FT$p.value       }

dt=data.frame(1:10,colSums(EE1),EE1[1,],round(100*prop.table(EE1,margin=2)[1,],2),colSums(EE2),EE2[1,],round(100*prop.table(EE2,margin=2)[1,],2),round(OR,2),round(pp,3))
names(dt)=c("Grupo Robson", "Inf. Asintomática o leve", "Cesáreas", "Porcentaje",  "Inf. Grave", "Cesáreas", "Porcentaje","OR","p-valor test de Fisher")
dt %>%
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson Inf. Asintomática o leve Cesáreas Porcentaje Inf. Grave Cesáreas Porcentaje OR p-valor test de Fisher
1 237 25 10.55 21 3 14.29 0.71 0.485
2 211 69 32.70 39 15 38.46 0.78 0.580
3 433 24 5.54 76 6 7.89 0.69 0.428
4 267 53 19.85 65 19 29.23 0.60 0.130
5 61 61 100.00 16 16 100.00 0.00 1.000
6 27 27 100.00 4 4 100.00 0.00 1.000
7 21 21 100.00 5 5 100.00 0.00 1.000
8 25 14 56.00 6 5 83.33 0.26 0.363
9 2 2 100.00 0 0 0.00 1.000
10 93 36 38.71 46 31 67.39 0.31 0.002

10.2 1a ola

10.2.1 Global

TRC1w=table(c(Casos1w$Robson,Controls1w$Robson),c(Casos1w$Cesárea,Controls1w$Cesárea)) 
DFTRC1w=data.frame(Robson=c(1:10,"Pérdidas"),Gestantes=as.vector(table(c(Casos1w$Robson,Controls1w$Robson))[c(2:11,1)]),Cesáreas=TRC1w[c(2:11,1),2], Porcentaje=round(100*prop.table(TRC1w,margin=1)[c(2:11,1),2],2))
row.names(DFTRC1w)=c()

DFTRC1w %>%  
  kbl() %>%
  kable_styling()
Robson Gestantes Cesáreas Porcentaje
1 372 45 12.10
2 283 87 30.74
3 667 38 5.70
4 382 82 21.47
5 90 90 100.00
6 29 29 100.00
7 34 34 100.00
8 46 23 50.00
9 1 1 100.00
10 143 63 44.06
Pérdidas 21 4 19.05 
Tipo=factor(rep(c("Cesárea","No cesárea"), each=10))
Grupo=factor(rep(1:10 , 2))
valor=as.vector(TRC1w[c(2:11),2:1])
data=data.frame(Grupo,Tipo,valor)

ggplot(data, aes(fill=Tipo, y=valor, x=Grupo)) + 
  geom_bar(position="stack", stat="identity")+
  ylab("")+
  xlab("")+
  ggtitle("Cesáreas en grupos Robson en la 1a ola")+
  scale_fill_brewer(palette = "Pastel1")
\s

Figura 10.4:

10.2.2 Infectadas

TRCa1w=table(Casos1w$Robson,Casos1w$Cesárea) 
DFTRCa1w=data.frame(Robson=c(1:10,"Pérdidas"),Gestantes=as.vector(table(Casos1w$Robson)[c(2:11,1)]),Cesáreas=TRCa1w[c(2:11,1),2], Porcentaje=round(100*prop.table(TRCa1w,margin=1)[c(2:11,1),2],2))
row.names(DFTRCa1w)=c()

DFTRCa1w %>%  
  kbl() %>%
  kable_styling()
Robson Gestantes Cesáreas Porcentaje
1 128 16 12.50
2 125 40 32.00
3 253 16 6.32
4 176 44 25.00
5 44 44 100.00
6 19 19 100.00
7 17 17 100.00
8 18 10 55.56
9 0 0
10 86 43 50.00
Pérdidas 11 0 0.00 
Tipo=factor(rep(c("Cesárea","No cesárea"), each=10))
Grupo=factor(rep(1:10 , 2))
valor=as.vector(TRCa1w[c(2:11),2:1])
data=data.frame(Grupo,Tipo,valor)

ggplot(data, aes(fill=Tipo, y=valor, x=Grupo)) + 
  geom_bar(position="stack", stat="identity")+
  ylab("")+
  xlab("")+
  ggtitle("Cesáreas en grupos Robson en las infectadas de la 1a ola")+
  scale_fill_brewer(palette = "Pastel1")
\s

Figura 10.5:

10.2.3 No infectadas

TRCo1w=table(Controls1w$Robson,Controls1w$Cesárea) 
DFTRCo1w=data.frame(Robson=c(1:10,"Pérdidas"),Gestantes=as.vector(table(Controls1w$Robson)[c(2:11,1)]),Cesáreas=TRCo1w[c(2:11,1),2], Porcentaje=round(100*prop.table(TRCo1w,margin=1)[c(2:11,1),2],2))
row.names(DFTRCo1w)=c()

DFTRCo1w %>%  
  kbl() %>%
  kable_styling()
Robson Gestantes Cesáreas Porcentaje
1 244 29 11.89
2 158 47 29.75
3 414 22 5.31
4 206 38 18.45
5 46 46 100.00
6 10 10 100.00
7 17 17 100.00
8 28 13 46.43
9 1 1 100.00
10 57 20 35.09
Pérdidas 10 4 40.00 
Tipo=factor(rep(c("Cesárea","No cesárea"), each=10))
Grupo=factor(rep(1:10 , 2))
valor=as.vector(TRCo1w[c(2:11),2:1])
data=data.frame(Grupo,Tipo,valor)

ggplot(data, aes(fill=Tipo, y=valor, x=Grupo)) + 
  geom_bar(position="stack", stat="identity")+
  ylab("")+
  xlab("")+
  ggtitle("Cesáreas en grupos Robson en las no infectadas de la 1a ola")+
  scale_fill_brewer(palette = "Pastel1")
\s

Figura 10.6:

10.2.4 Diferencias?

Qué grupos tienen proporciones de cesáreas significativamente diferentes entre infectadas y no infectadas? Ninguno:

TablaRobsonGlobal(TRCa1w,TRCo1w,"global")
Grupo Robson Casos global Cesáreas Porcentaje Controles global Cesáreas Porcentaje OR p-valor test de Fisher
1 128 16 12.50 244 29 11.89 1.06 0.868
2 125 40 32.00 158 47 29.75 1.11 0.699
3 253 16 6.32 414 22 5.31 1.20 0.608
4 176 44 25.00 206 38 18.45 1.47 0.134
5 44 44 100.00 46 46 100.00 0.00 1.000
6 19 19 100.00 10 10 100.00 0.00 1.000
7 17 17 100.00 17 17 100.00 0.00 1.000
8 18 10 55.56 28 13 46.43 1.43 0.763
9 0 0 1 1 100.00 0.00 1.000
10 86 43 50.00 57 20 35.09 1.84 0.088

10.3 2a ola

10.3.1 Global

TRC2w=table(c(Casos2w$Robson,Controls2w$Robson),c(Casos2w$Cesárea,Controls2w$Cesárea)) 
DFTRC2w=data.frame(Robson=c(1:10,"Pérdidas"),Gestantes=as.vector(table(c(Casos2w$Robson,Controls2w$Robson))[c(2:11,1)]),Cesáreas=TRC2w[c(2:11,1),2], Porcentaje=round(100*prop.table(TRC2w,margin=1)[c(2:11,1),2],2))
row.names(DFTRC2w)=c()

DFTRC2w %>%  
  kbl() %>%
  kable_styling()
Robson Gestantes Cesáreas Porcentaje
1 243 26 10.70
2 187 67 35.83
3 393 24 6.11
4 213 33 15.49
5 43 43 100.00
6 19 18 94.74
7 12 12 100.00
8 19 13 68.42
9 2 2 100.00
10 72 30 41.67
Pérdidas 4 0 0.00 
Tipo=factor(rep(c("Cesárea","No cesárea"), each=10))
Grupo=factor(rep(1:10 , 2))
valor=as.vector(TRC2w[c(2:11),2:1])
data=data.frame(Grupo,Tipo,valor)

ggplot(data, aes(fill=Tipo, y=valor, x=Grupo)) + 
  geom_bar(position="stack", stat="identity")+
  ylab("")+
  xlab("")+
  ggtitle("Cesáreas en grupos Robson en la 2a ola")+
  scale_fill_brewer(palette = "Pastel1")
\s

Figura 10.7:

10.3.2 Infectadas

TRCa2w=table(Casos2w$Robson,Casos2w$Cesárea) 
DFTRCa2w=data.frame(Robson=c(1:10,"Pérdidas"),Gestantes=as.vector(table(Casos2w$Robson)[c(2:11,1)]),Cesáreas=TRCa2w[c(2:11,1),2], Porcentaje=round(100*prop.table(TRCa2w,margin=1)[c(2:11,1),2],2))
row.names(DFTRCa2w)=c()

DFTRCa2w %>%  
  kbl() %>%
  kable_styling()
Robson Gestantes Cesáreas Porcentaje
1 130 12 9.23
2 125 44 35.20
3 256 14 5.47
4 156 28 17.95
5 33 33 100.00
6 12 12 100.00
7 9 9 100.00
8 13 9 69.23
9 2 2 100.00
10 53 24 45.28
Pérdidas 2 0 0.00 
Tipo=factor(rep(c("Cesárea","No cesárea"), each=10))
Grupo=factor(rep(1:10 , 2))
valor=as.vector(TRCa2w[c(2:11),2:1])
data=data.frame(Grupo,Tipo,valor)

ggplot(data, aes(fill=Tipo, y=valor, x=Grupo)) + 
  geom_bar(position="stack", stat="identity")+
  ylab("")+
  xlab("")+
  ggtitle("Cesáreas en grupos Robson en las infectadas de la 2a ola")+
  scale_fill_brewer(palette = "Pastel1")
\s

Figura 10.8:

10.3.3 No infectadas

TRCo2w=table(Controls2w$Robson,Controls2w$Cesárea) 
DFTRCo2w=data.frame(Robson=c(1:10,"Pérdidas"),Gestantes=as.vector(table(Controls2w$Robson)[c(2:11,1)]),Cesáreas=TRCo2w[c(2:11,1),2], Porcentaje=round(100*prop.table(TRCo2w,margin=1)[c(2:11,1),2],2))
row.names(DFTRCo2w)=c()

DFTRCo2w %>%  
  kbl() %>%
  kable_styling()
Robson Gestantes Cesáreas Porcentaje
1 113 14 12.39
2 62 23 37.10
3 137 10 7.30
4 57 5 8.77
5 10 10 100.00
6 7 6 85.71
7 3 3 100.00
8 6 4 66.67
9 0 0
10 19 6 31.58
Pérdidas 2 0 0.00 
Tipo=factor(rep(c("Cesárea","No cesárea"), each=10))
Grupo=factor(rep(1:10 , 2))
valor=as.vector(TRCo2w[c(2:11),2:1])
data=data.frame(Grupo,Tipo,valor)

ggplot(data, aes(fill=Tipo, y=valor, x=Grupo)) + 
  geom_bar(position="stack", stat="identity")+
  ylab("")+
  xlab("")+
  ggtitle("Cesáreas en grupos Robson en las no infectadas de la 2a ola")+
  scale_fill_brewer(palette = "Pastel1")
\s

Figura 10.9:

10.3.4 Diferencias?

Qué grupos tienen proporciones de cesáreas significativamente diferentes? Ninguno:

TablaRobsonGlobal(TRCa2w,TRCo2w,"2a ola")
Grupo Robson Casos 2a ola Cesáreas Porcentaje Controles 2a ola Cesáreas Porcentaje OR p-valor test de Fisher
1 130 12 9.23 113 14 12.39 0.72 0.533
2 125 44 35.20 62 23 37.10 0.92 0.872
3 256 14 5.47 137 10 7.30 0.74 0.510
4 156 28 17.95 57 5 8.77 2.27 0.134
5 33 33 100.00 10 10 100.00 0.00 1.000
6 12 12 100.00 7 6 85.71 Inf 0.368
7 9 9 100.00 3 3 100.00 0.00 1.000
8 13 9 69.23 6 4 66.67 1.12 1.000
9 2 2 100.00 0 0 0.00 1.000
10 53 24 45.28 19 6 31.58 1.78 0.417

10.4 Contrastes entre olas

10.4.1 En el global

Qué grupos tienen proporciones de cesáreas significativamente diferentes en las dos olas? Ninguno:

EE1=t(TRC1w)[2:1,2:11]
EE2=t(TRC2w)[2:1,2:11]
OR=rep(0,10)
pp=rep(0,10)
for (i in 1:10){
FT=fisher.test(cbind(EE1[,i],EE2[,i]))
OR[i]=FT$estimate
pp[i]=FT$p.value       }

dt=data.frame(1:10,colSums(EE1),EE1[1,],round(100*prop.table(EE1,margin=2)[1,],2),colSums(EE2),EE2[1,],round(100*prop.table(EE2,margin=2)[1,],2),round(OR,2),round(pp,3))
names(dt)=c("Grupo Robson", "1a ola", "Cesáreas", "Porcentaje",  "2a ola", "Cesáreas", "Porcentaje","OR","p-valor test de Fisher")
dt %>%
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson 1a ola Cesáreas Porcentaje 2a ola Cesáreas Porcentaje OR p-valor test de Fisher
1 372 45 12.10 243 26 10.70 1.15 0.699
2 283 87 30.74 187 67 35.83 0.80 0.270
3 667 38 5.70 393 24 6.11 0.93 0.788
4 382 82 21.47 213 33 15.49 1.49 0.084
5 90 90 100.00 43 43 100.00 0.00 1.000
6 29 29 100.00 19 18 94.74 Inf 0.396
7 34 34 100.00 12 12 100.00 0.00 1.000
8 46 23 50.00 19 13 68.42 0.47 0.273
9 1 1 100.00 2 2 100.00 0.00 1.000
10 143 63 44.06 72 30 41.67 1.10 0.772

10.4.2 Entre infectadas

Qué grupos tienen proporciones de cesáreas significativamente diferentes en las infectadas en las dos olas? Ninguno:

EE1=t(TRCa1w)[2:1,2:11]
EE2=t(TRCa2w)[2:1,2:11]
OR=rep(0,10)
pp=rep(0,10)
for (i in 1:10){
FT=fisher.test(cbind(EE1[,i],EE2[,i]))
OR[i]=FT$estimate
pp[i]=FT$p.value       }

dt=data.frame(1:10,colSums(EE1),EE1[1,],round(100*prop.table(EE1,margin=2)[1,],2),colSums(EE2),EE2[1,],round(100*prop.table(EE2,margin=2)[1,],2),round(OR,2),round(pp,3))
names(dt)=c("Grupo Robson", "Inf. 1a ola", "Cesáreas", "Porcentaje",  "Inf. 2a ola", "Cesáreas", "Porcentaje","OR","p-valor test de Fisher")
dt %>%
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson Inf. 1a ola Cesáreas Porcentaje Inf. 2a ola Cesáreas Porcentaje OR p-valor test de Fisher
1 128 16 12.50 130 12 9.23 1.40 0.429
2 125 40 32.00 125 44 35.20 0.87 0.688
3 253 16 6.32 256 14 5.47 1.17 0.710
4 176 44 25.00 156 28 17.95 1.52 0.142
5 44 44 100.00 33 33 100.00 0.00 1.000
6 19 19 100.00 12 12 100.00 0.00 1.000
7 17 17 100.00 9 9 100.00 0.00 1.000
8 18 10 55.56 13 9 69.23 0.57 0.484
9 0 0 2 2 100.00 0.00 1.000
10 86 43 50.00 53 24 45.28 1.21 0.605

10.5 Grupos sintomáticos y olas

10.5.1 Global

TRCaS=table(Casos$Robson,Casos$SINTOMAS_DIAGNOSTICO)[c(2:11,1),]
pTRCaS=round(100*prop.table(table(Casos$Robson,Casos$SINTOMAS_DIAGNOSTICO),margin=1)[c(2:11,1),],2)
DFTRCaS=data.frame(
  Robson=c(1:10,"Pérdidas"),
Tot=as.vector(table(Casos$Robson)[c(2:11,1)]),
Asint=TRCaS[,1],
pAsint=pTRCaS[,1],
SL=TRCaS[,2],
pSL=pTRCaS[,2],
Neum=TRCaS[,3],
pNeum=pTRCaS[,3])
row.names(DFTRCaS)=c()
names(DFTRCaS)=c("Grupo Robson", "Total infectadas", "Asintomática", "%", "Leve", "%", "Grave", "%")

DFTRCaS %>%  
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson Total infectadas Asintomática % Leve % Grave %
1 258 125 48.45 112 43.41 21 8.14
2 250 120 48.00 91 36.40 39 15.60
3 509 252 49.51 181 35.56 76 14.93
4 332 132 39.76 135 40.66 65 19.58
5 77 30 38.96 31 40.26 16 20.78
6 31 13 41.94 14 45.16 4 12.90
7 26 9 34.62 12 46.15 5 19.23
8 31 8 25.81 17 54.84 6 19.35
9 2 1 50.00 1 50.00 0 0.00
10 139 46 33.09 47 33.81 46 33.09
Pérdidas 13 9 69.23 2 15.38 2 15.38 
Tipo=factor(rep(c("Asintomática","Leve", "Grave"), each=10))
Grupo=factor(rep(1:10 , 3))
valor=as.vector(TRCaS[1:10,])
data=data.frame(Grupo,Tipo,valor)

ggplot(data, aes(fill=Tipo, y=valor, x=Grupo)) + 
  geom_bar(position="stack", stat="identity")+
  ylab("")+
  xlab("")+
  ggtitle("Grupos sintomáticos en grupos Robson en las infectadas")+
  scale_fill_brewer(palette = "Dark2")
\s

Figura 10.10:

En la tabla que sigue, para cada grupo Robson, el p-valor es del contraste \(\chi^2\) de si la distribución de los síntomas de las infectadas de ese grupo es igual o diferente de la distribución de los síntomas de las infectadas. Como ves, las distribuciones de síntomas en los grupos 1 y 10 son significativamente diferentes del global.

pp=c()
for (i in c(1:10)){
pp[i]=chisq.test(TRCaS[i,],p=prop.table(colSums(TRCaS)),simulate.p.value=TRUE,B=10000)$p.value
}
tabla=data.frame(
Robson=rep(1:10),
round(pp,4)
)
names(tabla)=c("Grupo Robson","p-valor")
row.names(tabla)=c()

tabla %>%  
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson p-valor
1 0.0006
2 0.5724
3 0.0807
4 0.1579
5 0.5232
6 0.7208
7 0.5707
8 0.1031
9 1.0000
10 0.0001

10.5.2 Comparando olas

TRCa1wS=table(Casos1w$Robson,Casos1w$SINTOMAS_DIAGNOSTICO)[c(2:11,1),]
pTRCa1wS=round(100*prop.table(table(Casos1w$Robson,Casos1w$SINTOMAS_DIAGNOSTICO),margin=1)[c(2:11,1),],2)
pTRCa1wS[9,]=c(0,0,0)
TRCa2wS=table(Casos2w$Robson,Casos2w$SINTOMAS_DIAGNOSTICO)[c(2:11,1),] 
pTRCa2wS=round(100*prop.table(table(Casos2w$Robson,Casos2w$SINTOMAS_DIAGNOSTICO),margin=1)[c(2:11,1),],2)
DFTRCaWS=data.frame(
  Robson=c(1:10,"Pérdidas"),
Tot1w=as.vector(table(Casos1w$Robson)[c(2:11,1)]),
Asint1w=TRCa1wS[,1],
pAsint1w=pTRCa1wS[,1],
SL1w=TRCa1wS[,2],
pSL1w=pTRCa1wS[,2],
Neum1w=TRCa1wS[,3],
pTRCa1wS[,3],
Tot2w=as.vector(table(Casos2w$Robson)[c(2:11,1)]),
Asint2w=TRCa2wS[,1],
pAsint2w=pTRCa2wS[,1],
SL2w=TRCa2wS[,2],
pSL2w=pTRCa2wS[,2],
Neum2w=TRCa2wS[,3],
pTRCa2wS[,3])
row.names(DFTRCaWS)=c()
names(DFTRCaWS)=c("Grupo Robson", "Total infectadas 1a ola", "Asintomática 1a ola", "%", "Leve 1a ola", "%", "Grave 1a ola", "%","Total infectadas 2a ola", "Asintomática 2a ola", "%", "Leve 2a ola", "%", "Grave 2a ola", "%")

DFTRCaWS %>%  
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson Total infectadas 1a ola Asintomática 1a ola % Leve 1a ola % Grave 1a ola % Total infectadas 2a ola Asintomática 2a ola % Leve 2a ola % Grave 2a ola %
1 128 58 45.31 50 39.06 20 15.62 130 67 51.54 62 47.69 1 0.77
2 125 54 43.20 44 35.20 27 21.60 125 66 52.80 47 37.60 12 9.60
3 253 120 47.43 83 32.81 50 19.76 256 132 51.56 98 38.28 26 10.16
4 176 63 35.80 63 35.80 50 28.41 156 69 44.23 72 46.15 15 9.62
5 44 15 34.09 18 40.91 11 25.00 33 15 45.45 13 39.39 5 15.15
6 19 7 36.84 9 47.37 3 15.79 12 6 50.00 5 41.67 1 8.33
7 17 4 23.53 9 52.94 4 23.53 9 5 55.56 3 33.33 1 11.11
8 18 2 11.11 12 66.67 4 22.22 13 6 46.15 5 38.46 2 15.38
9 0 0 0.00 0 0.00 0 0.00 2 1 50.00 1 50.00 0 0.00
10 86 25 29.07 26 30.23 35 40.70 53 21 39.62 21 39.62 11 20.75
Pérdidas 11 9 81.82 0 0.00 2 18.18 2 0 0.00 2 100.00 0 0.00 
Tipo=factor(rep(c("Asintomática","Leve", "Grave"), each=10))
Grupo=factor(rep(1:10 , 3))
valor=as.vector(TRCa1wS[1:10,])
data=data.frame(Grupo,Tipo,valor)

ggplot(data, aes(fill=Tipo, y=valor, x=Grupo)) + 
  geom_bar(position="stack", stat="identity")+
  ylab("")+
  xlab("")+
  ggtitle("Grupos sintomáticos en grupos Robson en las infectadas de la 1a ola")+
  scale_fill_brewer(palette = "Dark2")
\s

Figura 10.11: 

Tipo=ordered(rep(c("Asintomática","Leve", "Grave"), each=10),levels=c("Asintomática","Leve", "Grave"))
Grupo=factor(rep(1:10 , 3))
valor=as.vector(TRCa2wS[1:10,])
data=data.frame(Grupo,Tipo,valor)

ggplot(data, aes(fill=Tipo, y=valor, x=Grupo)) + 
  geom_bar(position="stack", stat="identity")+
  ylab("")+
  xlab("")+
  ggtitle("Grupos sintomáticos en grupos Robson en las infectadas de la 2a ola")+
  scale_fill_brewer(palette = "Dark2")
\s

Figura 10.12: 

Tipo=ordered(rep(c("Asintomática","Leve", "Grave"), 20),levels=c("Asintomática","Leve", "Grave"))
Grupo=ordered(rep(c(sort(c(paste(1:9, "\n 1a\n ola"),paste(1:9, "\n 2a\n ola")) ),"10 \n 1a\n ola", "10 \n 2a\n ola"),each=3),levels=
               c(sort(c(paste(1:9, "\n 1a\n ola"),paste(1:9, "\n 2a\n ola")) ),"10 \n 1a\n ola", "10 \n 2a\n ola"))
valor=c()
for (i in 1:10){
  valor=c(valor,pTRCa1wS[i,],  pTRCa2wS[i,])
}
data=data.frame(Grupo,Tipo,valor)

ggplot(data, aes(fill=Tipo, y=valor, x=Grupo)) + 
  geom_bar(position="stack", stat="identity")+
  ylab("")+
  xlab("")+
  ggtitle("Distribuciones en grupos sintomáticos de los grupos Robson de  infectadas en ambas olas")+
  scale_fill_brewer(palette = "Dark2")
\s

Figura 10.13: 

Tipo=ordered(rep(c("Asintomática","Leve", "Grave"), 20),levels=c("Asintomática","Leve", "Grave"))
Grupo=ordered(rep(c(sort(c(paste(1:9, "\n 1a\n ola"),paste(1:9, "\n 2a\n ola")) ),"10 \n 1a\n ola", "10 \n 2a\n ola"),each=3),levels=
               c(sort(c(paste(1:9, "\n 1a\n ola"),paste(1:9, "\n 2a\n ola")) ),"10 \n 1a\n ola", "10 \n 2a\n ola"))
valor=c()
for (i in 1:10){
  valor=c(valor,TRCa1wS[i,],  TRCa2wS[i,])
}
data=data.frame(Grupo,Tipo,valor)

ggplot(data, aes(fill=Tipo, y=valor, x=Grupo)) + 
  geom_bar(position="stack", stat="identity")+
  ylab("")+
  xlab("")+
  ggtitle("Frecuencias de grupos sintomáticos en los grupos Robson de  infectadas en ambas olas")+
  scale_fill_brewer(palette = "Dark2")
\s

Figura 10.14:

En la tabla que sigue, para cada grupo y cada ola, el p-valor es del contraste \(\chi^2\) de si la distribución de los síntomas de las infectadas de ese grupo y esa ola es igual o diferente de la distribución de los síntomas de las infectadas de ese grupo en el total de las dos olas.

pp=c()
for (i in c(1:8,10)){
pp[i]=chisq.test(TRCa1wS[i,],p=prop.table(TRCa1wS+TRCa2wS,margin=1)[i,],simulate.p.value=TRUE,B=10000)$p.value
}
for (i in c(11:18,20)){
pp[i]=chisq.test(TRCa2wS[i-10,],p=prop.table(TRCa1wS[i-10,]+TRCa2wS[i-10,]),simulate.p.value=TRUE,B=10000)$p.value
}
tabla=data.frame(
Robson=rep(1:10,2),
Ola=rep(1:2,each=10),
round(pp,4)
)
names(tabla)=c("Grupo Robson","Ola","p-valor")
row.names(tabla)=c()

tabla %>%  
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson Ola p-valor
1 1 0.0077
2 1 0.1715
3 1 0.0992
4 1 0.0127
5 1 0.7285
6 1 0.8563
7 1 0.6587
8 1 0.4168
9 1
10 1 0.3382
1 2 0.0100
2 2 0.1749
3 2 0.0957
4 2 0.0066
5 2 0.6551
6 2 0.7853
7 2 0.4574
8 2 0.2868
9 2
10 2 0.1707

10.5.3 Enter cesáreas

Dejo de tener en cuenta los grupos 5,6,7,9, donde las cesáreas fueron constantes.

TRCa1wSC=table(Casos1w$Cesárea,Casos1w$SINTOMAS_DIAGNOSTICO,Casos1w$Robson)[2:1,,c(2:11,1)]
pTRCa1wSC=round(100*prop.table(TRCa1wSC,margin=c(2,3)),2)
TRCa2wSC=table(Casos2w$Cesárea,Casos2w$SINTOMAS_DIAGNOSTICO,Casos2w$Robson)[2:1,,c(2:11,1)] 
pTRCa2wSC=round(100*prop.table(TRCa2wSC,margin=c(2,3)),2)

DFTRCaWSC=data.frame(
Robson=c(1:10,"Pérdidas"),
Asint1w=TRCa1wS[,1],
pAsint1w=pTRCa1wSC[1,1,],
SL1w=TRCa1wS[,2],
pSL1w=pTRCa1wSC[1,2,],
Neum1w=TRCa1wS[,3],
pNeum1w=pTRCa1wSC[1,3,],
Asint2w=TRCa2wS[,1],
pAsint2w=pTRCa2wSC[1,1,],
SL2w=TRCa2wS[,2],
pSL2w=pTRCa2wSC[1,2,],
Neum2w=TRCa2wS[,3],
pNeum2w=pTRCa2wSC[1,3,]
)
DFTRCaWSC=DFTRCaWSC[c(1:4,8,10),]
row.names(DFTRCaWSC)=c()

names(DFTRCaWSC)=c("Grupo Robson", "Asintomática 1a ola", "% cesáreas en Asintomática 1a ola", "Leve 1a ola", "% cesáreas en Leve 1a ola", "Graves 1a ola", "% cesáreas en Grave 1a ola",  "Asintomática 2a ola","% cesáreas en Asintomática 2a ola", "Leve 2a ola", "% cesáreas en Leve 2a ola", "Graves 2a ola", "% cesáreas en Grave 2a ola")

DFTRCaWSC %>%  
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson Asintomática 1a ola % cesáreas en Asintomática 1a ola Leve 1a ola % cesáreas en Leve 1a ola Graves 1a ola % cesáreas en Grave 1a ola Asintomática 2a ola % cesáreas en Asintomática 2a ola Leve 2a ola % cesáreas en Leve 2a ola Graves 2a ola % cesáreas en Grave 2a ola
1 58 13.79 50 10.00 20 15.00 67 13.43 62 4.84 1 0.00
2 54 31.48 44 27.27 27 40.74 66 39.39 47 29.79 12 33.33
3 120 3.33 83 9.64 50 8.00 132 7.58 98 2.04 26 7.69
4 63 20.63 63 22.22 50 34.00 69 15.94 72 20.83 15 13.33
8 2 50.00 12 50.00 4 75.00 6 66.67 5 60.00 2 100.00
10 25 40.00 26 38.46 35 65.71 21 28.57 21 47.62 11 72.73

En la tabla que sigue, para cada grupo y cada ola, el p-valor es del contraste de si la distribución de cesáreas en los grupos sintomáticos de las infectadas de ese grupo y esa ola es igual o diferente de la distribución de cesáreas en los grupos sintomáticos de las infectadas de ese grupo en el total de las dos olas. Si no puedes rechazar que sean iguales, tampoco puedes rechazar que haya diferencia entre olas. Parece que hay diferencia en el grupo 10.

pp=c()
for(i in c(1:4,8,10)){
EEw=TRCa1wSC[,,i]
EE=TRCa1wSC[,,i]+TRCa2wSC[,,i]
pp[i]=Prop.trend.test(EEw[1,],colSums(EEw))
}
for(i in c(11:14,18,20)){
EEw=TRCa2wSC[,,i-10]
EE=TRCa1wSC[,,i-10]+TRCa2wSC[,,i-10]
pp[i]=Prop.trend.test(EEw[1,],colSums(EEw))
}
pp=pp[!is.na(pp)]

tabla=data.frame(
Robson=rep(c(1:4,8,10),2),
Ola=rep(1:2,each=6),
round(pp,4)
)
names(tabla)=c("Grupo Robson","Ola","p-valor")
row.names(tabla)=c()

tabla %>%  
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson Ola p-valor
1 1 0.8260
2 1 0.7037
3 1 0.2057
4 1 0.4135
8 1 0.9015
10 1 0.3867
1 2 0.2926
2 2 0.7607
3 2 0.1942
4 2 0.7532
8 2 0.9146
10 2 0.3528

En la tabla que sigue, para cada grupo Robson y para cada sintomático:

  • OR: la OR de cesárea relativa a ser de la 1a ola
  • p-valor: el p-valor del test de Fisher bilateral para comparar las proporciones de cesáreas en ese grupo Robson y ese grupo sintomático entre las dos olas
ppA=c()
ppSL=c()
ppN=c()
ORA=c()
ORSL=c()
ORN=c()
for(i in c(1:4,8,10)){
EE1w=TRCa1wSC[,,i]
EE2w=TRCa2wSC[,,i]
ORA[i]=fisher.test(cbind(EE1w[,1],EE2w[,1]))$estimate
ORSL[i]=fisher.test(cbind(EE1w[,2],EE2w[,2]))$estimate
ORN[i]=fisher.test(cbind(EE1w[,3],EE2w[,3]))$estimate

ppA[i]=fisher.test(cbind(EE1w[,1],EE2w[,1]))$p.value
ppSL[i]=fisher.test(cbind(EE1w[,2],EE2w[,2]))$p.value
ppN[i]=fisher.test(cbind(EE1w[,3],EE2w[,3]))$p.value
}
ppA=ppA[!is.na(ppA)]
ppSL=ppSL[!is.na(ppSL)]
ppN=ppN[!is.na(ppN)]

ORA=ORA[!is.na(ORA)]
ORSL=ORSL[!is.na(ORSL)]
ORN=ORN[!is.na(ORN)]


tabla=data.frame(
Robson=c(1:4,8,10),
round(ORA,4),
round(ppA,4),
round(ORSL,4),
round(ppSL,4),
round(ORN,4),
round(ppN,4)
)
names(tabla)=c("Grupo Robson", "OR Asintomática", "p-valor Asintomática","OR Leve","p-valor Leve","OR Grave","p-valor Grave")
row.names(tabla)=c()

tabla %>%  
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson OR Asintomática p-valor Asintomática OR Leve p-valor Leve OR Grave p-valor Grave
1 1.0309 1.0000 2.1699 0.4631 Inf 1.0000
2 0.7089 0.4451 0.8851 0.8203 1.3640 0.7342
3 0.4220 0.1744 5.0779 0.0454 1.0429 1.0000
4 1.3676 0.5070 1.0851 1.0000 3.2955 0.1961
8 0.5477 1.0000 0.6827 1.0000 0.0000 1.0000
10 1.6482 0.5384 0.6931 0.5661 0.7238 1.0000

10.6 Antepartos contra peripartos

Casos$Sint=Casos$SINTOMAS_CAT
#Momento del diagnóstico
Casos$PreP=NA
Casos$PreP[round((Casos$EG_TOTAL_PARTO-Casos$EDAD.GEST.TOTAL)*7)>2]="Anteparto"  
Casos$PreP[round((Casos$EG_TOTAL_PARTO-Casos$EDAD.GEST.TOTAL)*7)<=2]="Periparto"
#
CasosPerileve=Casos
CasosPerileve=CasosPerileve[CasosPerileve$Sint==1|CasosPerileve$Sint==2,]
CasosPerileve=CasosPerileve[CasosPerileve$PreP!="Anteparto",]
CasosPerileve=droplevels(CasosPerileve)
CasosPeriGraves=Casos
CasosPeriGraves=CasosPeriGraves[CasosPeriGraves$Sint==3,]
CasosPeriGraves=CasosPeriGraves[CasosPeriGraves$PreP!="Anteparto",]
CasosPeriGraves=droplevels(CasosPeriGraves)
CasosPeriGraves$Robson=factor(CasosPeriGraves$Robson,levels=0:10)
TRcaPreP=table(Casos$Robson[Casos$PreP=="Anteparto"],Casos$Cesárea[Casos$PreP=="Anteparto"])
TRcaPeriP=table(Casos$Robson[Casos$PreP=="Periparto"],Casos$Cesárea[Casos$PreP=="Periparto"])
TRCaPL=table(CasosPerileve$Robson,CasosPerileve$Cesárea) 
TRCaPG=table(CasosPeriGraves$Robson,CasosPeriGraves$Cesárea) 
Tipo=factor(rep(c("Cesárea","No cesárea"), each=10))
Grupo=factor(rep(1:10 , 2))
valor=as.vector(TRCaPL[c(2:11),2:1])
data=data.frame(Grupo,Tipo,valor)

ggplot(data, aes(fill=Tipo, y=valor, x=Grupo)) + 
  geom_bar(position="stack", stat="identity")+
  ylab("")+
  xlab("")+
  ggtitle("Cesáreas en grupos Robson de infectadas periparto Asintomática o leve")+
  scale_fill_brewer(palette = "Pastel1")
\s

Figura 10.15: 

Tipo=factor(rep(c("Cesárea","No cesárea"), each=10))
Grupo=factor(rep(1:10 , 2))
valor=as.vector(TRCaPG[c(2:11),2:1])
data=data.frame(Grupo,Tipo,valor)

ggplot(data, aes(fill=Tipo, y=valor, x=Grupo)) + 
  geom_bar(position="stack", stat="identity")+
  ylab("")+
  xlab("")+
  ggtitle("Cesáreas en grupos Robson de infectadas periparto graves")+
  scale_fill_brewer(palette = "Pastel1")
\s

Figura 10.16: 

TRCo=table(Controls$Robson,Controls$Cesárea)

10.6.1 Diferencias?

Qué grupos tienen proporciones de cesáreas significativamente diferentes en las infectadas anteparto y periparto? Algunos!

EE1=t(TRcaPreP)[2:1,2:11]
EE2=t(TRcaPeriP)[2:1,2:11]
OR=rep(0,10)
pp=rep(0,10)
for (i in 1:10){
FT=fisher.test(cbind(EE1[,i],EE2[,i]))
OR[i]=FT$estimate
pp[i]=FT$p.value       }

dt=data.frame(1:10,colSums(EE1),EE1[1,],round(100*prop.table(EE1,margin=2)[1,],2),colSums(EE2),EE2[1,],round(100*prop.table(EE2,margin=2)[1,],2),round(OR,2),round(pp,3))
names(dt)=c("Grupo Robson", "Inf. anteparto", "Cesáreas", "Porcentaje",  "Inf. periparto", "Cesáreas", "Porcentaje","OR","p-valor test de Fisher")
dt %>%
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson Inf. anteparto Cesáreas Porcentaje Inf. periparto Cesáreas Porcentaje OR p-valor test de Fisher
1 127 9 7.09 131 19 14.50 0.45 0.071
2 132 44 33.33 118 40 33.90 0.98 1.000
3 295 9 3.05 214 21 9.81 0.29 0.002
4 206 41 19.90 126 31 24.60 0.76 0.338
5 45 45 100.00 32 32 100.00 0.00 1.000
6 17 17 100.00 14 14 100.00 0.00 1.000
7 15 15 100.00 11 11 100.00 0.00 1.000
8 21 13 61.90 10 6 60.00 1.08 1.000
9 1 1 100.00 1 1 100.00 0.00 1.000
10 70 40 57.14 69 27 39.13 2.06 0.042

Qué grupos tienen proporciones de cesáreas en infectadas periparto no graves o no infectadas significativamente diferentes? Ninguno:

TablaRobsonGlobal(TRCaPL,TRCo,"Peripartos asintomáticos o leve","")
Grupo Robson Casos Peripartos asintomáticos o leve Cesáreas Porcentaje Controles Cesáreas Porcentaje OR p-valor test de Fisher
1 128 19 14.84 357 43 12.04 1.27 0.441
2 104 34 32.69 220 70 31.82 1.04 0.899
3 201 17 8.46 551 32 5.81 1.50 0.241
4 110 21 19.09 263 43 16.35 1.21 0.548
5 29 29 100.00 56 56 100.00 0.00 1.000
6 12 12 100.00 17 16 94.12 Inf 1.000
7 9 9 100.00 20 20 100.00 0.00 1.000
8 7 4 57.14 34 17 50.00 1.32 1.000
9 1 1 100.00 1 1 100.00 0.00 1.000
10 51 16 31.37 76 26 34.21 0.88 0.848

Qué grupos tienen proporciones de cesáreas en infectadas periparto graves o no infectadas significativamente diferentes? Algunos!

TablaRobsonGlobal(TRCaPG,TRCo,"Peripartos Graves","")
Grupo Robson Casos Peripartos Graves Cesáreas Porcentaje Controles Cesáreas Porcentaje OR p-valor test de Fisher
1 3 0 0.00 357 43 12.04 0.00 1.000
2 14 6 42.86 220 70 31.82 1.60 0.391
3 13 4 30.77 551 32 5.81 7.15 0.007
4 16 10 62.50 263 43 16.35 8.43 0.000
5 3 3 100.00 56 56 100.00 0.00 1.000
6 2 2 100.00 17 16 94.12 Inf 1.000
7 2 2 100.00 20 20 100.00 0.00 1.000
8 3 2 66.67 34 17 50.00 1.96 1.000
9 0 0 1 1 100.00 0.00 1.000
10 18 11 61.11 76 26 34.21 2.98 0.058

Qué grupos tienen proporciones de cesáreas en infectadas periparto no graves o graves significativamente diferentes? Bastantes!

EE1=t(TRCaPG)[2:1,2:11]
EE2=t(TRCaPL)[2:1,2:11]
OR=rep(0,10)
pp=rep(0,10)
for (i in 1:10){
FT=fisher.test(cbind(EE1[,i],EE2[,i]))
OR[i]=FT$estimate
pp[i]=FT$p.value       }

dt=data.frame(1:10,colSums(EE1),EE1[1,],round(100*prop.table(EE1,margin=2)[1,],2),colSums(EE2),EE2[1,],round(100*prop.table(EE2,margin=2)[1,],2),round(OR,2),round(pp,3))
names(dt)=c("Grupo Robson", "Periparto Grave", "Cesáreas", "Porcentaje",  "Periparto no Grave", "Cesáreas", "Porcentaje","OR","p-valor test de Fisher")
dt %>%
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson Periparto Grave Cesáreas Porcentaje Periparto no Grave Cesáreas Porcentaje OR p-valor test de Fisher
1 3 0 0.00 128 19 14.84 0.00 1.000
2 14 6 42.86 104 34 32.69 1.54 0.550
3 13 4 30.77 201 17 8.46 4.75 0.028
4 16 10 62.50 110 21 19.09 6.92 0.001
5 3 3 100.00 29 29 100.00 0.00 1.000
6 2 2 100.00 12 12 100.00 0.00 1.000
7 2 2 100.00 9 9 100.00 0.00 1.000
8 3 2 66.67 7 4 57.14 1.44 1.000
9 0 0 1 1 100.00 0.00 1.000
10 18 11 61.11 51 16 31.37 3.37 0.047 
CasosPrep=droplevels(Casos[Casos$PreP=="Anteparto",])
CasosPeri=droplevels(Casos[Casos$PreP=="Periparto",])
TRCa1wS=table(CasosPrep$Robson,CasosPrep$SINTOMAS_DIAGNOSTICO)[c(2:11,1),]
pTRCa1wS=round(100*prop.table(table(CasosPrep$Robson,CasosPrep$SINTOMAS_DIAGNOSTICO),margin=1)[c(2:11,1),],2)
TRCa2wS=table(CasosPeri$Robson,CasosPeri$SINTOMAS_DIAGNOSTICO)[c(2:11,1),] 
pTRCa2wS=round(100*prop.table(table(CasosPeri$Robson,CasosPeri$SINTOMAS_DIAGNOSTICO),margin=1)[c(2:11,1),],2)
DFTRCaWS=data.frame(
  Robson=c(1:10,"Pérdidas"),
Tot1w=as.vector(table(CasosPrep$Robson)[c(2:11,1)]),
Asint1w=TRCa1wS[,1],
pAsint1w=pTRCa1wS[,1],
SL1w=TRCa1wS[,2],
pSL1w=pTRCa1wS[,2],
Neum1w=TRCa1wS[,3],
pTRCa1wS[,3],
Tot2w=as.vector(table(CasosPeri$Robson)[c(2:11,1)]),
Asint2w=TRCa2wS[,1],
pAsint2w=pTRCa2wS[,1],
SL2w=TRCa2wS[,2],
pSL2w=pTRCa2wS[,2],
Neum2w=TRCa2wS[,3],
pTRCa2wS[,3])
row.names(DFTRCaWS)=c()
names(DFTRCaWS)=c("Grupo Robson", "Total infectadas anteparto", "Asintomática prepartp", "%", "Leve anteparto", "%", "Grave anteparto", "%","Total infectadas periparto", "Asintomática periparto", "%", "Leve periparto", "%", "Grave peripartoa", "%")

DFTRCaWS %>%  
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson Total infectadas anteparto Asintomática prepartp % Leve anteparto % Grave anteparto % Total infectadas periparto Asintomática periparto % Leve periparto % Grave peripartoa %
1 127 24 18.90 85 66.93 18 14.17 131 101 77.10 27 20.61 3 2.29
2 132 42 31.82 65 49.24 25 18.94 118 78 66.10 26 22.03 14 11.86
3 295 73 24.75 159 53.90 63 21.36 214 179 83.64 22 10.28 13 6.07
4 206 44 21.36 113 54.85 49 23.79 126 88 69.84 22 17.46 16 12.70
5 45 9 20.00 23 51.11 13 28.89 32 21 65.62 8 25.00 3 9.38
6 17 5 29.41 10 58.82 2 11.76 14 8 57.14 4 28.57 2 14.29
7 15 3 20.00 9 60.00 3 20.00 11 6 54.55 3 27.27 2 18.18
8 21 3 14.29 15 71.43 3 14.29 10 5 50.00 2 20.00 3 30.00
9 1 0 0.00 1 100.00 0 0.00 1 1 100.00 0 0.00 0 0.00
10 70 18 25.71 24 34.29 28 40.00 69 28 40.58 23 33.33 18 26.09
Pérdidas 4 2 50.00 1 25.00 1 25.00 9 7 77.78 1 11.11 1 11.11 
Tipo=factor(rep(c("Asintomática","Leve", "Grave"), each=10))
Grupo=factor(rep(1:10 , 3))
valor=as.vector(TRCa1wS[1:10,])
data=data.frame(Grupo,Tipo,valor)

ggplot(data, aes(fill=Tipo, y=valor, x=Grupo)) + 
  geom_bar(position="stack", stat="identity")+
  ylab("")+
  xlab("")+
  ggtitle("Grupos sintomáticos en grupos Robson en las infectadas anteparto")+
  scale_fill_brewer(palette = "Dark2")
\s

Figura 10.17: 

Tipo=ordered(rep(c("Asintomática","Leve", "Grave"), each=10),levels=c("Asintomática","Leve", "Grave"))
Grupo=factor(rep(1:10 , 3))
valor=as.vector(TRCa2wS[1:10,])
data=data.frame(Grupo,Tipo,valor)

ggplot(data, aes(fill=Tipo, y=valor, x=Grupo)) + 
  geom_bar(position="stack", stat="identity")+
  ylab("")+
  xlab("")+
  ggtitle("Grupos sintomáticos en grupos Robson en las infectadas periparto")+
  scale_fill_brewer(palette = "Dark2")
\s

Figura 10.18:

En la tabla que sigue, para cada grupo y cada momento de diagnóatico, el p-valor es del contraste \(\chi^2\) de si la distribución de los síntomas de las infectadas de ese grupo y ese momento es igual o diferente de la distribución de los síntomas de las infectadas de ese grupo en el total de las dos olas.

pp=c()
for (i in c(1:8,10)){
pp[i]=chisq.test(TRCa1wS[i,],p=prop.table(TRCa1wS+TRCa2wS,margin=1)[i,],simulate.p.value=TRUE,B=10000)$p.value
}
for (i in c(11:18,20)){
pp[i]=chisq.test(TRCa2wS[i-10,],p=prop.table(TRCa1wS[i-10,]+TRCa2wS[i-10,]),simulate.p.value=TRUE,B=10000)$p.value
}
tabla=data.frame(
Robson=rep(1:10,2),
Ola=rep(c("Preparto","Periparto"),each=10),
round(pp,4)
)
names(tabla)=c("Grupo Robson","Diagnóstico","p-valor")
row.names(tabla)=c()

tabla %>%  
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson Diagnóstico p-valor
1 Preparto 0.0001
2 Preparto 0.0016
3 Preparto 0.0001
4 Preparto 0.0001
5 Preparto 0.0295
6 Preparto 0.5188
7 Preparto 0.4644
8 Preparto 0.3403
9 Preparto
10 Preparto 0.3518
1 Periparto 0.0001
2 Periparto 0.0008
3 Periparto 0.0001
4 Periparto 0.0001
5 Periparto 0.0095
6 Periparto 0.4534
7 Periparto 0.3419
8 Periparto 0.0879
9 Periparto
10 Periparto 0.3451

10.6.2 Enter cesáreas

Dejo de tener en cuenta los grupos 5,6,7,9, donde las cesáreas fueron constantes.

TRCa1wSC=table(CasosPrep$Cesárea,CasosPrep$SINTOMAS_DIAGNOSTICO,CasosPrep$Robson)[2:1,,c(2:11,1)]
pTRCa1wSC=round(100*prop.table(TRCa1wSC,margin=c(2,3)),2)
TRCa2wSC=table(CasosPeri$Cesárea,CasosPeri$SINTOMAS_DIAGNOSTICO,CasosPeri$Robson)[2:1,,c(2:11,1)] 
pTRCa2wSC=round(100*prop.table(TRCa2wSC,margin=c(2,3)),2)

DFTRCaWSC=data.frame(
Robson=c(1:10,"Pérdidas"),
Asint1w=TRCa1wS[,1],
pAsint1w=pTRCa1wSC[1,1,],
SL1w=TRCa1wS[,2],
pSL1w=pTRCa1wSC[1,2,],
Neum1w=TRCa1wS[,3],
pNeum1w=pTRCa1wSC[1,3,],
Asint2w=TRCa2wS[,1],
pAsint2w=pTRCa2wSC[1,1,],
SL2w=TRCa2wS[,2],
pSL2w=pTRCa2wSC[1,2,],
Neum2w=TRCa2wS[,3],
pNeum2w=pTRCa2wSC[1,3,]
)
DFTRCaWSC=DFTRCaWSC[c(1:4,8,10),]
row.names(DFTRCaWSC)=c()

names(DFTRCaWSC)=c("Grupo Robson", "Asintomática anteparto", "% cesáreas en Asintomática anteparto", "Leve anteparto", "% cesáreas en Leve anteparto", "Graves anteparto", "% cesáreas en Grave anteparto",  "Asintomática periparto","% cesáreas en Asintomática periparto", "Leve periparto", "% cesáreas en Leve periparto", "Graves periparto", "% cesáreas en Grave periparto")

DFTRCaWSC %>%  
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson Asintomática anteparto % cesáreas en Asintomática anteparto Leve anteparto % cesáreas en Leve anteparto Graves anteparto % cesáreas en Grave anteparto Asintomática periparto % cesáreas en Asintomática periparto Leve periparto % cesáreas en Leve periparto Graves periparto % cesáreas en Grave periparto
1 24 8.33 85 4.71 18 16.67 101 14.85 27 14.81 3 0.00
2 42 38.10 65 29.23 25 36.00 78 34.62 26 26.92 14 42.86
3 73 2.74 159 3.14 63 3.17 179 6.70 22 22.73 13 30.77
4 44 18.18 113 21.24 49 18.37 88 18.18 22 22.73 16 62.50
8 3 66.67 15 53.33 3 100.00 5 60.00 2 50.00 3 66.67
10 18 55.56 24 41.67 28 71.43 28 21.43 23 43.48 18 61.11

En la tabla que sigue, para cada grupo y cada momento, el p-valor es del contraste de si la distribución de cesáreas en los grupos sintomáticos de las infectadas de ese grupo y ese momento es igual o diferente de la distribución de cesáreas en los grupos sintomáticos de las infectadas.

pp=c()
for(i in c(1:4,8,10)){
EEw=TRCa1wSC[,,i]
EE=TRCa1wSC[,,i]+TRCa2wSC[,,i]
pp[i]=Prop.trend.test(EEw[1,],colSums(EEw))
}
for(i in c(11:14,18,20)){
EEw=TRCa2wSC[,,i-10]
EE=TRCa1wSC[,,i-10]+TRCa2wSC[,,i-10]
pp[i]=Prop.trend.test(EEw[1,],colSums(EEw))
}
pp=pp[!is.na(pp)]

tabla=data.frame(
Robson=rep(c(1:4,8,10),2),
Ola=rep(c("Preparto","Periparto"),each=6),
round(pp,4)
)
names(tabla)=c("Grupo Robson","Diagnóstico","p-valor")
row.names(tabla)=c()

tabla %>%  
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson Diagnóstico p-valor
1 Preparto 0.2598
2 Preparto 0.7788
3 Preparto 0.9851
4 Preparto 0.9103
8 Preparto 0.7889
10 Preparto 0.5224
1 Periparto 0.8009
2 Periparto 0.7654
3 Periparto 0.0103
4 Periparto 0.0299
8 Periparto 0.9824
10 Periparto 0.1917

En la tabla que sigue, para cada grupo Robson y para cada sintomático:

  • OR: la OR de cesárea relativa a ser anteparto
  • p-valor: el p-valor del test de Fisher bilateral para comparar las proporciones de cesáreas en ese grupo Robson y ese grupo sintomático entre los dos momentos de diagnóstico
ppA=c()
ppSL=c()
ppN=c()
ORA=c()
ORSL=c()
ORN=c()
for(i in c(1:4,8,10)){
EE1w=TRCa1wSC[,,i]
EE2w=TRCa2wSC[,,i]
ORA[i]=fisher.test(cbind(EE1w[,1],EE2w[,1]))$estimate
ORSL[i]=fisher.test(cbind(EE1w[,2],EE2w[,2]))$estimate
ORN[i]=fisher.test(cbind(EE1w[,3],EE2w[,3]))$estimate

ppA[i]=fisher.test(cbind(EE1w[,1],EE2w[,1]))$p.value
ppSL[i]=fisher.test(cbind(EE1w[,2],EE2w[,2]))$p.value
ppN[i]=fisher.test(cbind(EE1w[,3],EE2w[,3]))$p.value
}
ppA=ppA[!is.na(ppA)]
ppSL=ppSL[!is.na(ppSL)]
ppN=ppN[!is.na(ppN)]

ORA=ORA[!is.na(ORA)]
ORSL=ORSL[!is.na(ORSL)]
ORN=ORN[!is.na(ORN)]


tabla=data.frame(
Robson=c(1:4,8,10),
round(ORA,4),
round(ppA,4),
round(ORSL,4),
round(ppSL,4),
round(ORN,4),
round(ppN,4)
)
names(tabla)=c("Grupo Robson", "OR Asintomática", "p-valor Asintomática","OR Leve","p-valor Leve","OR Grave","p-valor Grave")
row.names(tabla)=c()

tabla %>%  
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson OR Asintomática p-valor Asintomática OR Leve p-valor Leve OR Grave p-valor Grave
1 0.5235 0.5231 0.2880 0.0939 Inf 1.0000
2 1.1609 0.8420 1.1197 1.0000 0.7556 0.7397
3 0.3932 0.3623 0.1129 0.0028 0.0782 0.0068
4 1.0000 1.0000 0.9175 1.0000 0.1405 0.0015
8 1.2866 1.0000 1.1339 1.0000 Inf 1.0000
10 4.4157 0.0271 0.9300 1.0000 1.5745 0.5297 
TCaAsin=table(Casos$Robson[Casos$SINTOMAS_CAT==1],Casos$Cesárea[Casos$SINTOMAS_CAT==1])[2:11,2:1]
TCaSL=table(Casos$Robson[Casos$SINTOMAS_CAT==2],Casos$Cesárea[Casos$SINTOMAS_CAT==2])[2:11,2:1]
TCaNeu=table(Casos$Robson[Casos$SINTOMAS_CAT==3],Casos$Cesárea[Casos$SINTOMAS_CAT==3])[2:11,2:1]
dades=data.frame(1:10,
rowSums(TCaAsin),TCaAsin[,1],round(100*prop.table(TCaAsin,margin=1)[,1],2),
rowSums(TCaSL),TCaSL[,1],round(100*prop.table(TCaSL,margin=1)[,1],2),
rowSums(TCaNeu),TCaNeu[,1],round(100*prop.table(TCaNeu,margin=1)[,1],2))
      names(dades)=c("Grupo Robson", "Inf. Asintomática", "Cesáreas", "Porcentaje", 
                     "Inf. Leve", "Cesáreas", "Porcentaje",
                     "Inf. Grave", "Cesáreas", "Porcentaje")
dades %>%
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Grupo Robson Inf. Asintomática Cesáreas Porcentaje Inf. Leve Cesáreas Porcentaje Inf. Grave Cesáreas Porcentaje
1 125 17 13.60 112 8 7.14 21 3 14.29
2 120 43 35.83 91 26 28.57 39 15 38.46
3 252 14 5.56 181 10 5.52 76 6 7.89
4 132 24 18.18 135 29 21.48 65 19 29.23
5 30 30 100.00 31 31 100.00 16 16 100.00
6 13 13 100.00 14 14 100.00 4 4 100.00
7 9 9 100.00 12 12 100.00 5 5 100.00
8 8 5 62.50 17 9 52.94 6 5 83.33
9 1 1 100.00 1 1 100.00 0 0
10 46 16 34.78 47 20 42.55 46 31 67.39

En la lista que sigue, los p-valores son los del contraste si las proporciones de cesáreas en los grupos 1,2,3,4,8 y 10 son las mismas o no en los dos grupos sintomáticos comparados:

pp=c()
EE=dades[c(1:4,8,10),c(2,3,5,6,8,9)]
pp[1]=Prop.trend.test(EE[,2],EE[,1])
pp[2]=Prop.trend.test(EE[,2],EE[,1])
pp[3]=Prop.trend.test(EE[,4],EE[,3])
  • Asintomática contra Leve: \(2\times 10^{-9}\)
  • Asintomática contra Grave: \(2\times 10^{-9}\)
  • Leve contra Grave: \(8\times 10^{-9}\)

10.7 Bonus Track

Datos sobre un hospital valenciano de 2010 a 2018 (https://doi.org/10.3390/ijerph17051575)

DatosAnteriores=data.frame(matrix(c(638,    5529    ,921,   2527    ,338,   5283    ,402,   1578    ,23,    118 ,304,   320 ,136,   158 ,133,   229 ,35,    35  ,222,   729),nrow=10,byrow=T))
names(DatosAnteriores)=c("Cesáreas","Gestantes")
DatosAnteriores$Robson=1:10
DatosAnteriores=DatosAnteriores[,c(3,2,1)]
DatosAnteriores$Porcentaje=round(100*DatosAnteriores$Cesáreas/DatosAnteriores$Gestantes,2)

DatosAnteriores %>%  
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Robson Gestantes Cesáreas Porcentaje
1 5529 638 11.54
2 2527 921 36.45
3 5283 338 6.40
4 1578 402 25.48
5 118 23 19.49
6 320 304 95.00
7 158 136 86.08
8 229 133 58.08
9 35 35 100.00
10 729 222 30.45

Se ajustan vuestros grupos Robson a esa distribución?

Ant=as.vector(prop.table(DatosAnteriores$Gestantes))
Aqui=as.vector(prop.table(table(c(Casos$Robson,Controls$Robson))[2:11]))
AquiC=as.vector(prop.table(table(c(Controls$Robson))[2:11]))
Distrs=data.frame(Robson=1:10,round(100*Ant,2),round(100*Aqui,2),round(100*AquiC,2))
names(Distrs)=c("Robson","Anterior (%)", "Vuestra global (%)", "Vuestra controles (%)")
Distrs %>%  
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Robson Anterior (%) Vuestra global (%) Vuestra controles (%)
1 33.50 18.92 22.38
2 15.31 14.46 13.79
3 32.01 32.62 34.55
4 9.56 18.31 16.49
5 0.71 4.09 3.51
6 1.94 1.48 1.07
7 0.96 1.42 1.25
8 1.39 2.00 2.13
9 0.21 0.09 0.06
10 4.42 6.62 4.76

Global: No

chisq.test(table(c(Casos$Robson,Controls$Robson))[2:11],p=prop.table(DatosAnteriores$Gestantes))
## 
##  Chi-squared test for given probabilities
## 
## data:  table(c(Casos$Robson, Controls$Robson))[2:11]
## X-squared = 1044, df = 9, p-value < 2.2e-16

Vuestros controles: No

chisq.test(table(Controls$Robson)[2:11],p=prop.table(DatosAnteriores$Gestantes),simulate.p.value = TRUE, B=5000)
## 
##  Chi-squared test for given probabilities with simulated p-value (based
##  on 5000 replicates)
## 
## data:  table(Controls$Robson)[2:11]
## X-squared = 335.18, df = NA, p-value = 2e-04

En qué grupos los porcentajes de cesáreas en vuestra muestra fueron diferentes del histórico? En la tabla que sigue

  • OR Odds ratio de cesárea en (ese grupo) en la muestra actual respecto del histórico

  • p-valor: p-valor del test de Fisher comparando ese grupo en el actual y el histórico

TTG=table(c(Casos$Cesárea,Controls$Cesárea),c(Casos$Robson,Controls$Robson))[2:1,2:11]
TTCa=table(c(Casos$Cesárea),c(Casos$Robson))[2:1,2:11]
TTGC=table(c(Controls$Cesárea),c(Controls$Robson))[2:1,2:11]
TTAnt=rbind(DatosAnteriores$Cesáreas,DatosAnteriores$Gestantes-DatosAnteriores$Cesáreas)
ppG=rep(0,10)
ppCa=rep(0,10)
ppC=rep(0,10)
ORG=rep(0,10)
ORC=rep(0,10)
ORCa=rep(0,10)

for (i in 1:10){
FTG=fisher.test(cbind(TTG[,i], TTAnt[,i]))
FTCG=fisher.test(cbind(TTGC[,i], TTAnt[,i]))
FTCa=fisher.test(cbind(TTCa[,i], TTAnt[,i]))
ppG[i]=FTG$p.value
ppC[i]=FTCG$p.value
ppCa[i]=FTCG$p.value
ORCa[i]=FTG$estimate

ORG[i]=FTG$estimate
ORC[i]=FTCG$estimate
}

tabla=data.frame(1:10,round(ORG,2),round(ppG,4),round(ORC,2),round(ppC,4),round(ORCa,2),round(ppCa,4))
names(tabla)=c("Robson", "OR global", "p-valor global", "OR controles", "p-valor controles", "OR casos", "p-valor casos")

tabla %>%  
  kbl() %>%
  kable_styling()%>%     
  scroll_box(width="100%", box_css="border: 0px;")
Robson OR global p-valor global OR controles p-valor controles OR casos p-valor casos
1 1.00 1.0000 1.05 0.7334 1.00 0.7334
2 0.85 0.1292 0.81 0.1877 0.85 0.1877
3 0.91 0.5337 0.90 0.6465 0.91 0.6465
4 0.70 0.0027 0.57 0.0011 0.70 0.0011
5 Inf 0.0000 Inf 0.0000 Inf 0.0000
6 2.47 0.7096 0.84 0.5943 2.47 0.5943
7 Inf 0.0051 Inf 0.1397 Inf 0.1397
8 0.90 0.7764 0.72 0.4583 0.90 0.4583
9 0.00 1.0000 0.00 1.0000 0.00 1.0000
10 1.74 0.0007 1.19 0.5151 1.74 0.5151