,

biostats-ISCIII/entregas/regresion/ENTREGA II.Rproj

@@ -0,0 +1,13 @@
+Version: 1.0
+
+RestoreWorkspace: Default
+SaveWorkspace: Default
+AlwaysSaveHistory: Default
+
+EnableCodeIndexing: Yes
+UseSpacesForTab: Yes
+NumSpacesForTab: 2
+Encoding: UTF-8
+
+RnwWeave: Sweave
+LaTeX: pdfLaTeX

biostats-ISCIII/entregas/regresion/datos.R

@@ -0,0 +1,112 @@
+library(tidyverse)
+
+generar_datos <- function(semilla, n){
+
+  # Variables relacionadas con el colesterol
+  set.seed(semilla)
+  Edad <- floor(rnorm(n = n, mean = 55, sd = 10))
+  Edad <- if_else(Edad < 20, 20, if_else(Edad > 90, 90, Edad))
+
+  # Nivel de Actividad Física: ordinal
+  Nivel_Actividad <- sample(c("Baja", "Moderada", "Alta"), 
+                            n, replace = TRUE, prob = c(0.35, 0.5, 0.15))
+
+  # Estatura (en metros) y Peso
+  Estatura <- rnorm(n, mean = 1.7, sd = 0.1)
+  Estatura <-
+    if_else(Estatura < 1.4, 1.4, if_else(Estatura > 2.15, 2.15, Estatura))
+
+  Peso <- 5 + 50 * Estatura + rnorm(n, mean = 5, sd = 5)
+  Peso <- if_else(Peso < 35, 35, if_else(Peso > 130, 130, Peso))
+  IMC <- (5 + 35 * Estatura + rnorm(n, mean = 5, sd = 10)) /  (Estatura^2)
+
+  # Consumo de grasas saturadas
+  Consumo_Grasas <- sample(c("Bajo", "Moderado", "Alto"), n, replace = TRUE, prob = c(0.3, 0.5, 0.2))
+
+  # Relación cuadrática entre IMC y colesterol
+  Colesterol <- 0.5 * Edad + 0.2 * (IMC^2) + 2 * (Nivel_Actividad == "Baja") +
+    8 * (Consumo_Grasas == "Alto") + rnorm(n, mean = 0, sd = 0.5)
+
+  # Tabaquismo
+  Tabaquismo <- sample(c("Sí", "No"), n, replace = TRUE, prob = c(0.3, 0.7))
+  Colesterol <- Colesterol + 8 * (Tabaquismo == "Sí")
+
+  # Sexo con efecto según edad y menopausia
+  Sexo <- rep(NA, n)
+  Sexo[Peso > 110] <- "Hombre"
+  Sexo[Peso < 40] <- "Mujer"
+
+  n1 <- length(Sexo[is.na(Sexo) & Peso > 70])
+  n2 <- length(Sexo[is.na(Sexo) & Peso <= 70])
+  Sexo[is.na(Sexo) & Peso > 70] <-
+    sample(c("Hombre", "Mujer"), n1, prob = c(0.7, 0.3), replace = TRUE)
+  Sexo[is.na(Sexo) & Peso <= 70] <-
+    sample(c("Hombre", "Mujer"), n2, prob = c(0.4, 0.6), replace = TRUE)
+
+  # Antecedentes familiares
+  Antecedentes <- sample(c("Sí", "No"), n, replace = TRUE, prob = c(0.2, 0.8))
+  Colesterol <- Colesterol + 5 * (Antecedentes == "Sí")
+
+  # Otras variables no relacionadas
+  Presion_Sistolica <- runif(n, 85, 145) 
+  Presion_Diastolica <- Presion_Sistolica * 0.6 + rnorm(n, mean = 0, sd = 8) 
+  # Horas_Sueno <- sample(c(5, 6, 7, 8, 9, 10), n, replace = TRUE, prob = c(0.05, 0.25, 0.4, 0.2, 0.05, 0.05))
+  Glucosa <- rnorm(n, mean = 120, sd = 10)
+  Glucosa <- if_else(Glucosa < 60, 60, Glucosa)
+
+  # Limitar el rango de colesterol entre 150 y 230
+  #Colesterol <- pmin(pmax(Colesterol, 150), 230)
+
+  # Crear el DataFrame
+  datos <- tibble(
+    Colesterol,
+    Edad,
+    Nivel_Actividad,
+    Estatura,
+    Peso,
+    Consumo_Grasas,
+    Tabaquismo,
+    Sexo,
+    Antecedentes,
+    Presion_Sistolica,
+    Presion_Diastolica,
+    Glucosa
+  )
+  return(datos)
+
+}
+
+datos <- generar_datos(semilla = 2412, 2500)
+datos <- datos |> janitor::clean_names()
+
+datos <- datos |> mutate(imc = peso/(estatura^2))
+modelo_saturado <- lm(data = datos, formula = colesterol ~ .)
+modelo_saturado |> summary()
+performance::check_collinearity(modelo_saturado)
+
+datos <- datos |> select(-estatura)
+modelo_saturado <- lm(data = datos, formula = colesterol ~ .)
+MASS::stepAIC(modelo_saturado)
+modelo_BIC <-
+  lm(formula = colesterol ~ edad + peso + consumo_grasas + tabaquismo + 
+       antecedentes + imc, data = datos)
+performance::check_heteroscedasticity(modelo_BIC)
+
+
+# Introducir NA
+library(messy)
+datos_NA <-
+  datos |>
+  messy::make_missing(cols = c("colesterol", "nivel_actividad", "estatura"),
+                      messiness = 0.06) |> 
+  messy::make_missing(cols = c("edad", "peso", "consumo_grasas", "sexo"),
+                      messiness = 0.01) |> 
+  messy::make_missing(cols = c("glucosa", "tabaquismo"),
+                      messiness = 0.03) |> 
+  rename(COLESTEROL = colesterol, nivel.ACTIVIDAD = nivel_actividad,
+         Peso = peso)
+
+
+
+# write_csv(datos_NA, file = "./datos_colesterol.csv")
+