Analisis de una tabla de contingencia 2x2
tabla2x2.RdAnalisis de tablas 2x2. Texto intencionadamente sin tildes u otros caracteres especiales por la incompatibilidad de los mapas de caracteres.
Arguments
- frecs
data.frame: data.frame con frecuencias observadas
- fvar
vector de enteros o factores: Variable por filas
- cvar
vector de enteros o factores: Variable por columnas
- o
vector de enteros: Vector de frecuencias observadas con la organizacion (o11,o12,o21,o22)
- o11
entero: frecuencia observada en la fila 1 y columna 1
- o12
entero: frecuencia observada en la fila 1 y columna 2
- o21
entero: frecuencia observada en la fila 2 y columna 1
- o22
entero: frecuencia observada en la fila 2 y columna 2
- fcat
vector de cadenas de texto: Nombres de fila
- ccat
vector de cadenas de texto: Nombres de columna
- estudio
caracter: Tipo de estudio "T"=transversal, "P"=prospectivo, "R"=retrospectivo
- tablas
vector de caracter: "E"=frecs. esperadas, "R","S","X", residuos de Pearson, estandarizados y contribucion X2; "F", "C", "T" porcentajes por filas, columnas y totales
- medidas
valor logico: si es TRUE/FALSE se muestran/omiten las medidas de asociacion
- alfa
real en (0,1): Nivel de error de los intervalos (alternativa a conf)
- conf
real en (0,1): Nivel de confianza de los intervalos (alternativa a alfa)
- decs
entero: Numero de decimales en las salidas
- ptol
decimal en (0,1): Tolerancia para resumir el valor de p
Value
Informe analisis de tablas 2x2 mediante tests Chi2 y exacto de Fisher con medidas de asociacion
Examples
# [1] Formato esperado de la tabla (presencia de enfermedad
# (variable respuesta) vs exposicion a factor de riesgo (var. factor))
#
# Expuestos No Expuestos
#--------------------------------------------
# Enfermos o11 o12
# Sanos o21 o22
# --------------------------------------------
#
#[1a] Introduccion de frecuencias individuales en estudio transversal,
# se piden porcentajes por filas
tabla2x2(o11=20, o12=26, o21=60, o22=294, estudio = "T", tablas="F")
#>
#> # Análisis de tablas 2x2
#> # ----------------------
#>
#> # Frecuencias observadas
#> C1 C2 Total
#> F1 20 26 46
#> F2 60 294 354
#> Total 80 320 400
#>
#>
#> # Test Chi-cuadrado para un estudio transversal
#>
#> χ² = 17.903, gl = 1, p < 0.001, (cpc = 0.5)
#> Validez: Frecuencia mínima esperada = 9.20 > 3.9
#>
#> Test exacto de Fisher (bilateral): p < 0.001
#>
#> --- Otros criterios χ²:
#> χ² = 17.907, gl = 1, p < 0.001, (sin cpc)
#> χ² = 16.287, gl = 1, p < 0.001, (cpc de Yates = 200.00)
#>
#> # Porcentajes por filas
#> C1 C2 Total
#> F1 0.435 0.565 1.000
#> F2 0.169 0.831 1.000
#> Total 0.200 0.800 1.000
#>
#> # Estimación de la prevalenciaπ en un estudio transversal
#> Método de Wald ajustado:
#> p=0.119; 95%-IC(π)=(0.087, 0.150)
#>
#> # Medidas de asociación para un estudio transversal
#> [!] Las medidas de riesgo se calculan como riesgo de la categoría
#> en la 1a columna (frente a la 2a) para la categoría en la 1a
#> fila (frente a la 2a)
#>
#> Riesgo absoluto (diferencia de Berkson; método de Agresti-Caffo):
#> d=0.169; 95%-IC(d)=(0.073, 0.271)
#>
#> Riesgo relativo:
#> Rr=3.077; 95%-IC(Rr)=(1.818, 5.169)
#>
#> Riesgo atribuible:
#> Ra=0.293; 95%-IC(Ra)= (0.104, 0.443)
#>
#> Razón del producto cruzado (odds ratio):
#> OR=3.769; 95%-IC(OR)= (1.987, 7.137)
#[1b] Los mismos datos introducidos como vector, pidiendo tambien
# las frecuencias esperadas
tabla2x2(o=c(20, 26, 60,294), estudio = "T",fcat=c("Peso normal","Peso bajo"),
ccat=c("fuma","No fuma"), tablas=c("F","E","S"))
#>
#> # Análisis de tablas 2x2
#> # ----------------------
#>
#> # Frecuencias observadas
#> fuma No fuma Total
#> Peso normal 20 26 46
#> Peso bajo 60 294 354
#> Total 80 320 400
#>
#> # Frecuencias esperadas
#> fuma No fuma Total
#> Peso normal 9.2 36.8 46.0
#> Peso bajo 70.8 283.2 354.0
#> Total 80.0 320.0 400.0
#>
#>
#> # Test Chi-cuadrado para un estudio transversal
#>
#> χ² = 17.903, gl = 1, p < 0.001, (cpc = 0.5)
#> Validez: Frecuencia mínima esperada = 9.20 > 3.9
#>
#> Test exacto de Fisher (bilateral): p < 0.001
#>
#> --- Otros criterios χ²:
#> χ² = 17.907, gl = 1, p < 0.001, (sin cpc)
#> χ² = 16.287, gl = 1, p < 0.001, (cpc de Yates = 200.00)
#>
#> # Residuos estandarizados
#> fuma No fuma
#> Peso normal 4.232 -4.232
#> Peso bajo -4.232 4.232
#>
#> # Porcentajes por filas
#> fuma No fuma Total
#> Peso normal 0.435 0.565 1.000
#> Peso bajo 0.169 0.831 1.000
#> Total 0.200 0.800 1.000
#>
#> # Estimación de la prevalenciaπ en un estudio transversal
#> Método de Wald ajustado:
#> p=0.119; 95%-IC(π)=(0.087, 0.150)
#>
#> # Medidas de asociación para un estudio transversal
#> [!] Las medidas de riesgo se calculan como riesgo de la categoría
#> en la 1a columna (frente a la 2a) para la categoría en la 1a
#> fila (frente a la 2a)
#>
#> Riesgo absoluto (diferencia de Berkson; método de Agresti-Caffo):
#> d=0.169; 95%-IC(d)=(0.073, 0.271)
#>
#> Riesgo relativo:
#> Rr=3.077; 95%-IC(Rr)=(1.818, 5.169)
#>
#> Riesgo atribuible:
#> Ra=0.293; 95%-IC(Ra)= (0.104, 0.443)
#>
#> Razón del producto cruzado (odds ratio):
#> OR=3.769; 95%-IC(OR)= (1.987, 7.137)
tabla2x2(frecs=c(20, 26, 60,294), estudio = "T", tablas=c("F","E"))
#>
#> # Análisis de tablas 2x2
#> # ----------------------
#>
#> # Frecuencias observadas
#> C1 C2 Total
#> F1 20 26 46
#> F2 60 294 354
#> Total 80 320 400
#>
#> # Frecuencias esperadas
#> C1 C2 Total
#> F1 9.2 36.8 46.0
#> F2 70.8 283.2 354.0
#> Total 80.0 320.0 400.0
#>
#>
#> # Test Chi-cuadrado para un estudio transversal
#>
#> χ² = 17.903, gl = 1, p < 0.001, (cpc = 0.5)
#> Validez: Frecuencia mínima esperada = 9.20 > 3.9
#>
#> Test exacto de Fisher (bilateral): p < 0.001
#>
#> --- Otros criterios χ²:
#> χ² = 17.907, gl = 1, p < 0.001, (sin cpc)
#> χ² = 16.287, gl = 1, p < 0.001, (cpc de Yates = 200.00)
#>
#> # Porcentajes por filas
#> C1 C2 Total
#> F1 0.435 0.565 1.000
#> F2 0.169 0.831 1.000
#> Total 0.200 0.800 1.000
#>
#> # Estimación de la prevalenciaπ en un estudio transversal
#> Método de Wald ajustado:
#> p=0.119; 95%-IC(π)=(0.087, 0.150)
#>
#> # Medidas de asociación para un estudio transversal
#> [!] Las medidas de riesgo se calculan como riesgo de la categoría
#> en la 1a columna (frente a la 2a) para la categoría en la 1a
#> fila (frente a la 2a)
#>
#> Riesgo absoluto (diferencia de Berkson; método de Agresti-Caffo):
#> d=0.169; 95%-IC(d)=(0.073, 0.271)
#>
#> Riesgo relativo:
#> Rr=3.077; 95%-IC(Rr)=(1.818, 5.169)
#>
#> Riesgo atribuible:
#> Ra=0.293; 95%-IC(Ra)= (0.104, 0.443)
#>
#> Razón del producto cruzado (odds ratio):
#> OR=3.769; 95%-IC(OR)= (1.987, 7.137)
#[2] Datos como variables o columnas de un data.frame
w1<-c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
w2<-c(1,1,1,2,1,1,1,1,2,1,1,1,1,1,2,1,2,2,1,2,2,1,2,2,1,2,2,1,2,2,1,2,1,2,2,2)
tabla2x2(fvar=w1,cvar=w2)
#>
#> # Análisis de tablas 2x2
#> # ----------------------
#>
#> # Frecuencias observadas
#> C1 C2 Total
#> F1 12 2 14
#> F2 7 15 22
#> Total 19 17 36
#>
#>
#> # Test Chi-cuadrado para un estudio transversal
#>
#> χ² = 9.912, gl = 1, p = 0.002, (cpc = 0.5)
#> Validez: Frecuencia mínima esperada = 6.61 > 3.9
#>
#> Test exacto de Fisher (bilateral): p = 0.002
#>
#> --- Otros criterios χ²:
#> χ² = 9.972, gl = 1, p = 0.005, (sin cpc)
#> χ² = 7.926, gl = 1, p = 0.005, (cpc de Yates = 18.00)
#>
#> # Estimación de la prevalenciaπ en un estudio transversal
#> Método de Wald ajustado:
#> p=0.400; 95%-IC(π)=(0.248, 0.552)
#>
#> # Medidas de asociación para un estudio transversal
#> [!] Las medidas de riesgo se calculan como riesgo de la categoría
#> en la 1a columna (frente a la 2a) para la categoría en la 1a
#> fila (frente a la 2a)
#>
#> Riesgo absoluto (diferencia de Berkson; método de Agresti-Caffo):
#> d=0.514; 95%-IC(d)=(0.198, 0.728)
#>
#> Riesgo relativo:
#> Rr=5.368; 95%-IC(Rr)=(1.356, 14.931)
#>
#> Riesgo atribuible:
#> Ra=0.697; 95%-IC(Ra)= (0.021, 0.906)
#>
#> Razón del producto cruzado (odds ratio):
#> OR=12.857; 95%-IC(OR)= (2.058, 51.886)
# Estudio retrospectivo solicitando porcentajes por filas
v1<-c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
v2<-c(1,1,1,2,1,1,1,1,2,1,1,1,1,1,2,1,2,2,1,2,2,1,2,2,1,2,2,1,2,2,1,2,1,2,2,2)
tabla2x2(fvar=v1,cvar=v2, estudio="R", tablas="F")
#>
#> # Análisis de tablas 2x2
#> # ----------------------
#>
#> # Frecuencias observadas
#> C1 C2 Total
#> F1 12 2 14
#> F2 7 15 22
#> Total 19 17 36
#>
#>
#> # Test Chi-cuadrado para un estudio retrospectivo
#>
#> χ² = 9.852, gl = 1, p = 0.002, (cpc = 1)
#> Validez: Frecuencia mínima esperada = 6.61 < 7.7 Test χ² no valido
#>
#> Test exacto de Fisher (bilateral): p = 0.002
#>
#> --- Otros criterios χ²:
#> χ² = 9.972, gl = 1, p = 0.005, (sin cpc)
#> χ² = 7.926, gl = 1, p = 0.005, (cpc de Yates = 18.00)
#>
#> # Porcentajes por filas
#> C1 C2 Total
#> F1 0.857 0.143 1.000
#> F2 0.318 0.682 1.000
#> Total 0.528 0.472 1.000
#>
#> # Medidas de asociación para un estudio retrospectivo
#>
#> Riesgo atribuible*:
#> Ra=0.582; 95%-IC(Ra)= (0.229, 0.774)
#> * La estimación de Ra para estudios retrospectivos es una aproximación válida si la prevalencia de la enfermedad es baja: P(E) < 10%
#>
#> Razón del producto cruzado (odds ratio):
#> OR=12.857; 95%-IC(OR)= (2.058, 51.886)
#> * La estimación para OR sirve de aproximación al riesgo relativo siempre que la prevalencia de la enfermedad sea P(E) < 10%