In nim-ach/seasonalSensitivity: Data and analysis from the seasonal sensitivity study

knitr::opts_chunk$set(
  message = FALSE,
  warning = FALSE,
  collapse = TRUE,
  comment = "#>"
)

Dentro del paquete seasonalSensibility se encuentran los datos usados para el análisis exploratorio bajo el nombre de dataset. Al cargar los datos, estos se vuelven disponibles en el ambiente de trabajo.

# Si no cargamos el paquete, los datos no están disponibles
exists("dataset")

# Cargamos nuestro paquete
library(seasonalSensitivity)

# Esto hace que los datos queden disponibles para ser usados
exists("dataset")

Estructura de los datos

En primera instancia podemos notar que los datos se componen de r nrow(dataset) filas y r ncol(dataset) columnas, las cuales constituyen las variables descritas en la documentación de los datos (ver documentación: seasonalSensitivity::dataset)

En relación a la estadística.

Los tamaños del efecto (i.e., effect sizes) usados para las pruebas estadísticas vienen del paquete effectsize. Puedes revisar con más detalle la interpretación de los estadísticos usados en esta guía.

Variables sociodemográficas

sex <- dataset[, table(genero) |> chisq.test()]
age <- dataset[, table(edad) |> chisq.test()]

:::{#tab1}

library(gtsummary)
theme_gtsummary_language("es")

tbl <- tbl_summary(data = dataset[, .SD, .SDcols = genero:edad])
bold_labels(x = tbl)

:::

Deporte y ejercicio reportado

n <- dataset[, .N]
sport <- dataset[, table(deporte) |> chisq.test()]
sport_days <- dataset[, table(deporte_dias_semana) |> chisq.test()]

library(ggplot2)
library(ggstatsplot)
library(ggsci)

ggstatsplot::ggpiestats(dataset, deporte_dias_semana,
  bf.message = F,
  legend.title = "Días de deporte a la semana",
  ggplot.component =
    ggplot2::scale_color_manual(
      values = ggsci::pal_nejm()(3),
      aesthetics = c("fill", "colour")
  )
)

:::{#tab2}

tbl <- tbl_summary(data = dataset[, .SD, .SDcols = deporte:deporte_minutos_sesion])
bold_labels(x = tbl)

:::

Sensibilidad estacional

En el caso de la sensibilidad estacional nos encontramos con las variables patrón de verano (ss_patron_verano) e invierno (ss_patron_invierno), tipo de patron estacional (ss_patron_tipo), la clasificación del puntaje de estacionalidad (ss_index) y la clasificación de severidad de estacionalidad (ss_severidad).

:::{#tab3}

tbl <- tbl_summary(data = dataset[, .SD, .SDcols = ss_patron_verano:ss_severidad])
bold_labels(x = tbl)

:::

patron <- chisq.test(c(96,232))
ss <- dataset$ss_index |> table() |> chisq.test() 
ss_2 <- chisq.test(c(86, 55))
severity <- dataset$ss_severidad |> table() |> chisq.test()
severity_2 <- chisq.test(c(100, 42))

Bienestar de Ryff

Último en nuestra lista de variables se encuentran aquellas correspondientes al cuestionario de bienestar de Riff, en donde encontramos los dominios de Autoaceptación (riff_autoaceptacion), Relaciones positivas (riff_relaciones_positivas), Autonomía (riff_autonomia), Dominio del entorno (riff_dominio_entorno), Crecimiento personal (riff_crecimiento_personal) y Propósito en la vida (riff_proposito_vida).

:::{#tab4}

library(data.table)
tbl_summary(data = dataset[, .SD, .SDcols = names(dataset) %like% "riff"])

:::

nim-ach/seasonalSensitivity documentation built on July 25, 2024, 1:03 p.m.