setwd("C:/Actividad 3")

# Cargar la librería necesaria para poder importar ficheros de SPSS:

library(foreign)
# Cargar los datos:
data<-read.spss("fallo.sav",to.data.frame=TRUE,use.value.labels=TRUE)
str(data)

Generamos la variable de referencia para definir el evento “fallo renal”. Dicha variable será el
valor de la creatinina basal más un 50% de su valor.
data$cr50<-(data$crbasal*1.5)
data.frame(data$crbasal,data$cr50)

Generamos una variable nueva que nos recoja el número de día en el que el paciente tiene el
evento

data$dia[data$crd7 > data$cr50] <- 7

data$dia[data$crd6 > data$cr50] <- 6
data$dia[data$crd5 > data$cr50] <- 5
data$dia[data$crd4 > data$cr50] <- 4
data$dia[data$crd3 > data$cr50] <- 3
data$dia[data$crd2 > data$cr50] <- 2
data$dia[data$crd1 > data$cr50] <- 1
data$dia[data$cring > data$cr50] <- 0

data$evento<-0
data$evento[data$dia >=0]<-1

data$dia[data$cring > 0 & data$evento==0] <- 0

data$dia[data$crd1 > 0 & data$evento==0] <- 1
data$dia[data$crd2 > 0 & data$evento==0] <- 2
data$dia[data$crd3 > 0 & data$evento==0] <- 3
data$dia[data$crd4 > 0 & data$evento==0] <- 4
data$dia[data$crd5 > 0 & data$evento==0] <- 5
data$dia[data$crd6 > 0 & data$evento==0] <- 6
data$dia[data$crd7 > 0 & data$evento==0] <- 7

data.frame(data$dia,data$evento)
table(data$evento)

## a)Realizar una estimación de la función de supervivencia de la variable "Tiempo hasta fallo

renal"
library(survival)
KM<-survfit(Surv(data$dia,data$evento)~1,data=data) #por defecto los excatos son el
estado=1
summary(KM)
KM ## mediana
plot(KM, xlab="Día",ylab="Sin Fallo Renal")
str(summary(KM))
summary(KM)$time
summary(KM,time=7)$surv ### sin fallo a los 7 días
## El procentaje de los que no tienen fallo a los siete días es de 80%.
## Un 20% de los pacientes tienen fallo renal a lo largo de los siete días.

KM2grupos<-survfit(Surv(data$dia,data$evento)~sexo,data=data)
plot(KM2grupos,lty=1:1,col=4:2,xlab="Tiempo",ylab="Sin fallo renal",lwd=2)
legend("bottomleft",col=c("blue","green"),legend=c("Hombre","Mujer"),lwd=2, bty = "n")
install.packages("mnormt")
install.packages("survminer")
library(survminer)
require(survminer)
ggsurvplot(KM2grupos, main="Curva de supervivencia",
conf.int=F,xlim=c(0,100),break.time.by=2,risk.table = TRUE)# Hasta el 10% de los pacientes
LogRank<-survdiff(Surv(data$dia,data$evento)~sexo,data=data,rho=0) ##logRank
LogRank
### P-valor mayor que 0.05. No hay asociación entre el sexo y el tiempo hasta el fallo renal
Peto<-survdiff(Surv(data$dia,data$evento)~sexo,data=data,rho=1) ##Peto&Peto diferencias
tempranas como Wilcoxon
Peto
### P-valor mayor que 0.05. No hay asociación entre el sexo y el tiempo hasta el fallo renal

library(plyr)
do.call("rbind", tapply(data$crbasal, data$sexo, quantile))

data$crbasal_elev<-0
data$crbasal_elev[data$crbasal > 1.275266 & data$sexo=="hombre"] <- 1
data$crbasal_elev[data$crbasal > 1.044804 & data$sexo=="mujer"] <- 1

fit<-coxph(Surv(data$dia,data$evento==1)~crbasal_elev, data)
summary(fit)
## P-valor menor que 0.05. El hazar ratio es significativamente distinto de 1.
## Hay asociación entre los valores elevados de creatinina basal y el riesgo de fallo renal.
## La probabilidad de tener fallo renal es 6 veces más entre los pacientes que parten de
valores altos de creatinina.