Tabla de Contenidos
Script en R
#PREGUNTA 5
#Estudia la relación entre la Morbilidad Psíquica y cada uno de los factores de riesgo que
#consideres por separado, teniendo en cuenta si son variables cuantitativas o cualitativas y
#utiliza el test de contraste de hipótesis más adecuado, así como la medida de asociación pertinente.
#Para el caso de las variables cualitativas, construye tablas de contingencia.
#SEXOa
##TABLA DE CONTIGENCIA
T.sexo<-table(ense$GHQ12_rec, ense$SEXOa)#tabla de contigencia
prop.table(T.sexo,margin=2) #porcentajes por columnas (antes nos fijamos en cómo está dispuesta nuestra tabla)
prop.table(T.sexo,margin=2)*100
##TEST HIPÓTESIS - PRUEBA CHI-CUADRADO (ENTRE GHQ12_rec y SEXOa)
#H0 es que las dos distribuciones son iguales: la distribución de la variable 'Morbilidad Psiquica' es la misma para los dos sexos
chi.sexo<-chisq.test(T.sexo) #creamos un objeto que guarde los resultados del test
chi.sexo #vemos el resultado
chi.sexo$observed #para obtener la tabla de observados
chi.sexo$expected #para obtener la tabla de esperados (*)
chi.sexo$statistic # para obtener el valor de chi-cuadrado experimental
chi.sexo$p.value # para obtener el p-valor del test
##CONCLUISION: COMO EL VALOR CACULADO PARA LA CHI-CUADRADO DORRESPONDE A UN VALOR P< 0,05, SE PUEDE AFIRMAR QUE LA DIFERENCIA ES ESTADISTICAMENTE SIGNIFICATIVA Y HAY EVIDENCIAS PARA RECHAZAR LA HIPÓTESIS NULA.
##MEDIDAS DE ASOCIACION - Modelo Lineal : CALCULO DE OR
summary (ense$GHQ12_rec)
str (ense$GHQ12_rec)
#la variable GHQ12_rec está como character hay que cambiarla a factor
as.factor(ense$GHQ12_rec)
str (ense$GHQ12_rec)
table(ense$GHQ12_rec)
ense$GHQ12_rec <- factor(ense$GHQ12_rec, labels = c("No morbilidad psíquica", "Morbilidad psíquica"))
# Ajustar el modelo de regresión logística
modeloL1_sexo <- glm(GHQ12_rec ~ SEXOa, family=binomial(logit), data=ense)
# Obtener el resumen del modelo
resumen_modelo <- summary(modeloL1_sexo)
# Extraer los coeficientes del resumen del modelo
tabla_coeficientes.sexo <- resumen_modelo$coefficients
# Imprimir los coeficientes
print(tabla_coeficientes.sexo)
# Para obtener el valor p de los coeficientes
print(tabla_coeficientes.sexo[, "Pr(>|z|)"])
# EDADa - Regresión logística
modeloL1_edad <- glm(GHQ12_rec ~ EDADa, family=binomial(logit), data=ense)
resumen_modeloL1_edad <- summary(modeloL1_edad)
tabla_coeficientes.edad <- resumen_modeloL1_edad$coefficients
print(tabla_coeficientes.edad[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_edad)) # Odds Ratio
exp(confint(modeloL1_edad, level=0.95)) # Intervalos de confianza para OR
# SITUACIÓN LABORAL - A11_i - Chi-Cuadrado y Regresión Logística
ense$A11_i <- factor(ense$A11_i, labels = c("Trabajando", "En desempleo", "Jubilado/a, prejubilado/a", "Estudiando", "Incapacitado/a para trabajar", "Las labores del hogar", "Otros"))
T.lab <- table(ense$GHQ12_rec, ense$A11_i)
chi.lab <- chisq.test(T.lab)
# Salida de chi-cuadrado aquí
modeloL1_lab <- glm(GHQ12_rec ~ A11_i, family=binomial(logit), data=ense)
resumen_modeloL1_lab <- summary(modeloL1_lab)
tabla_coeficientes.lab <- resumen_modeloL1_lab$coefficients
print(tabla_coeficientes.lab[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_lab)) # Odds Ratio
exp(confint(modeloL1_lab, level=0.95)) # Intervalos de confianza para OR
# Continúa con el mismo patrón para las demás variables (E1_1, G21, G25c_1, etc.)
# Test Exacto de Fisher si es necesario (ejemplo con T.dolor)
T.dolor <- table(ense$GHQ12_rec, ense$P87_2a)
if (any(T.dolor < 5)) {
fish.tdolor <- fisher.test(T.dolor)
# Salida del test exacto de Fisher aquí
}
# Continúa con la regresión logística y la interpretación para T.dolor
# Continúa este patrón para las demás variables que requieran Test Exacto de Fisher
# E1_1 PAIS DE NACIMIENTO - Chi-Cuadrado y Regresión Logística
T.pais <- table(ense$GHQ12_rec, ense$E1_1)
chi.pais <- chisq.test(T.pais)
# Salida de chi-cuadrado aquí
modeloL1_pais <- glm(GHQ12_rec ~ E1_1, family=binomial(logit), data=ense)
resumen_modeloL1_pais <- summary(modeloL1_pais)
tabla_coeficientes.pais <- resumen_modeloL1_pais$coefficients
print(tabla_coeficientes.pais[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_pais)) # Odds Ratio
exp(confint(modeloL1_pais, level=0.95)) # Intervalos de confianza para OR
# Continúa con el mismo patrón para G21, G25c_1, etc.
# Test Exacto de Fisher si es necesario (ejemplo con T.tranq)
T.tranq <- table(ense$GHQ12_rec, ense$P87_7a)
if (any(T.tranq < 5)) {
fish.tranq <- fisher.test(T.tranq)
# Salida del test exacto de Fisher aquí
}
# Continúa con la regresión logística y la interpretación para T.tranq
# Continúa este patrón para las demás variables que requieran Test Exacto de Fisher
# Ejemplo: T.ta, T.iam, T.neum, etc.
# Nota: Para el cálculo de los intervalos de confianza, si el método 'confint' da error debido a 'profiled confidence intervals',
# se puede optar por calcular intervalos de confianza usando otro método o simplemente presentar los Odds Ratios.
# Finalmente, asegúrate de revisar y tratar cualquier advertencia o mensaje de error que surja durante la ejecución del script.
# Esto puede incluir problemas con la convergencia del modelo, valores esperados bajos en las tablas de contingencia, entre otros.
# G25c_11 ENF NEUMO - Chi-Cuadrado y Regresión Logística
T.neum <- table(ense$GHQ12_rec, ense$G25c_11)
chi.neum <- chisq.test(T.neum)
# Salida de chi-cuadrado aquí
modeloL1_neum <- glm(GHQ12_rec ~ G25c_11, family=binomial(logit), data=ense)
resumen_modeloL1_neum <- summary(modeloL1_neum)
tabla_coeficientes.neum <- resumen_modeloL1_neum$coefficients
print(tabla_coeficientes.neum[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_neum)) # Odds Ratio
exp(confint(modeloL1_neum, level=0.95)) # Intervalos de confianza para OR
# G25c_12 DM - Chi-Cuadrado y Regresión Logística
T.dm <- table(ense$GHQ12_rec, ense$G25c_12)
chi.dm <- chisq.test(T.dm)
# Salida de chi-cuadrado aquí
modeloL1_dm <- glm(GHQ12_rec ~ G25c_12, family=binomial(logit), data=ense)
resumen_modeloL1_dm <- summary(modeloL1_dm)
tabla_coeficientes.dm <- resumen_modeloL1_dm$coefficients
print(tabla_coeficientes.dm[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_dm)) # Odds Ratio
exp(confint(modeloL1_dm, level=0.95)) # Intervalos de confianza para OR
# Continuar con las mismas pruebas y análisis para las siguientes variables:
# G25c_26 TUMORES MALIGNOS
# N48 Tiempo desde ultima consulta al medico
# O78 Utilización de SU en 12 meses
# P87_2a CONSUMO MEDICINAS DOLOR
# P87_7a CONSUMO MEDICINAS TRANQUILIZANTES
# P87_12a CONSUMO MEDICINAS TA
# P87_14a CONSUMO MEDICINAS ANTIDEPRESIVOS
# P87_15a CONSUMO MEDICINAS NO EMBARAZO
# P87_17a CONSUMO MEDICINAS ADELGAZAR
# P87_18a CONSUMO MEDICINAS COLESTEROL
# P87_19a CONSUMO MEDICINAS DM
# P87_21a CONSUMO MEDICINAS HOMEOPATICOS
# P87_22a CONSUMO MEDICINAS NATURISTAS
# Q88 VACUNA GRIPE
# R108_1 FALTA ATENCION MEDICA POR PROB ECONOMICOS
# T112 ACTIVIDAD FÍSICA
# V121 Fuma
# Y133 cuidado personas mayores
# En cada caso, sigue el mismo patrón:
# 1. Realizar la prueba de chi-cuadrado.
# 2. En caso de valores esperados bajos, realizar el test exacto de Fisher.
# 3. Ajustar un modelo de regresión logística.
# 4. Presentar los coeficientes, Odds Ratios e intervalos de confianza.
# 5. Interpretar los resultados cuidadosamente, prestando atención a posibles advertencias o errores.
# P87_15a CONSUMO MEDICINAS NO EMBARAZO - Chi-Cuadrado y Regresión Logística
T.no_emb <- table(ense$GHQ12_rec, ense$P87_15a)
chi.no_emb <- chisq.test(T.no_emb)
# Salida de chi-cuadrado aquí
modeloL1_no_emb <- glm(GHQ12_rec ~ P87_15a, family=binomial(logit), data=ense)
resumen_modeloL1_no_emb <- summary(modeloL1_no_emb)
tabla_coeficientes.no_emb <- resumen_modeloL1_no_emb$coefficients
print(tabla_coeficientes.no_emb[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_no_emb)) # Odds Ratio
exp(confint(modeloL1_no_emb, level=0.95)) # Intervalos de confianza para OR
# P87_17a CONSUMO MEDICINAS ADELGAZAR - Chi-Cuadrado y Regresión Logística
T.adelg <- table(ense$GHQ12_rec, ense$P87_17a)
chi.adelg <- chisq.test(T.adelg)
# Salida de chi-cuadrado aquí
modeloL1_adelg <- glm(GHQ12_rec ~ P87_17a, family=binomial(logit), data=ense)
resumen_modeloL1_adelg <- summary(modeloL1_adelg)
tabla_coeficientes.adelg <- resumen_modeloL1_adelg$coefficients
print(tabla_coeficientes.adelg[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_adelg)) # Odds Ratio
exp(confint(modeloL1_adelg, level=0.95)) # Intervalos de confianza para OR
# P87_18a CONSUMO MEDICINAS COLESTEROL - Chi-Cuadrado y Regresión Logística
T.ct <- table(ense$GHQ12_rec, ense$P87_18a)
chi.ct <- chisq.test(T.ct)
# Salida de chi-cuadrado aquí
modeloL1_ct <- glm(GHQ12_rec ~ P87_18a, family=binomial(logit), data=ense)
resumen_modeloL1_ct <- summary(modeloL1_ct)
tabla_coeficientes.ct <- resumen_modeloL1_ct$coefficients
print(tabla_coeficientes.ct[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_ct)) # Odds Ratio
exp(confint(modeloL1_ct, level=0.95)) # Intervalos de confianza para OR
# P87_19a CONSUMO MEDICINAS DM - Chi-Cuadrado y Regresión Logística
T.dm_med <- table(ense$GHQ12_rec, ense$P87_19a)
chi.dm_med <- chisq.test(T.dm_med)
modeloL1_dm_med <- glm(GHQ12_rec ~ P87_19a, family=binomial(logit), data=ense)
resumen_modeloL1_dm_med <- summary(modeloL1_dm_med)
tabla_coeficientes.dm_med <- resumen_modeloL1_dm_med$coefficients
print(tabla_coeficientes.dm_med[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_dm_med)) # OR
exp(confint(modeloL1_dm_med, level=0.95)) # Intervalos de confianza para OR
# P87_21a CONSUMO MEDICINAS HOMEOPATICOS - Chi-Cuadrado y Regresión Logística
T.homeop <- table(ense$GHQ12_rec, ense$P87_21a)
chi.homeop <- chisq.test(T.homeop)
modeloL1_homeop <- glm(GHQ12_rec ~ P87_21a, family=binomial(logit), data=ense)
resumen_modeloL1_homeop <- summary(modeloL1_homeop)
tabla_coeficientes.homeop <- resumen_modeloL1_homeop$coefficients
print(tabla_coeficientes.homeop[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_homeop)) # OR
exp(confint(modeloL1_homeop, level=0.95)) # Intervalos de confianza para OR
# P87_22a CONSUMO MEDICINAS NATURISTAS - Chi-Cuadrado y Regresión Logística
T.naturist <- table(ense$GHQ12_rec, ense$P87_22a)
chi.naturist <- chisq.test(T.naturist)
modeloL1_naturist <- glm(GHQ12_rec ~ P87_22a, family=binomial(logit), data=ense)
resumen_modeloL1_naturist <- summary(modeloL1_naturist)
tabla_coeficientes.naturist <- resumen_modeloL1_naturist$coefficients
print(tabla_coeficientes.naturist[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_naturist)) # OR
exp(confint(modeloL1_naturist, level=0.95)) # Intervalos de confianza para OR
# Q88 VACUNA GRIPE - Chi-Cuadrado y Regresión Logística
T.vac_gripe <- table(ense$GHQ12_rec, ense$Q88)
chi.vac_gripe <- chisq.test(T.vac_gripe)
modeloL1_vac_gripe <- glm(GHQ12_rec ~ Q88, family=binomial(logit), data=ense)
resumen_modeloL1_vac_gripe <- summary(modeloL1_vac_gripe)
tabla_coeficientes.vac_gripe <- resumen_modeloL1_vac_gripe$coefficients
print(tabla_coeficientes.vac_gripe[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_vac_gripe)) # OR
exp(confint(modeloL1_vac_gripe, level=0.95)) # Intervalos de confianza para OR
# R108_1 FALTA ATENCION MEDICA POR PROB ECONOMICOS - Chi-Cuadrado y Regresión Logística
T.falta_aten_econ <- table(ense$GHQ12_rec, ense$R108_1)
chi.falta_aten_econ <- chisq.test(T.falta_aten_econ)
modeloL1_falta_aten_econ <- glm(GHQ12_rec ~ R108_1, family=binomial(logit), data=ense)
resumen_modeloL1_falta_aten_econ <- summary(modeloL1_falta_aten_econ)
tabla_coeficientes.falta_aten_econ <- resumen_modeloL1_falta_aten_econ$coefficients
print(tabla_coeficientes.falta_aten_econ[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_falta_aten_econ)) # OR
exp(confint(modeloL1_falta_aten_econ, level=0.95)) # Intervalos de confianza para OR
# Recuerda verificar los supuestos y ajustes necesarios para cada prueba y modelo.
# Por ejemplo, asegúrate de que las variables estén codificadas adecuadamente y
# considera la necesidad de fusionar categorías si hay valores esperados muy bajos en las tablas de contingencia.
# P87_19a CONSUMO MEDICINAS DM - Chi-Cuadrado y Regresión Logística
T.dm_med <- table(ense$GHQ12_rec, ense$P87_19a)
chi.dm_med <- chisq.test(T.dm_med)
# Salida de chi-cuadrado aquí
modeloL1_dm_med <- glm(GHQ12_rec ~ P87_19a, family=binomial(logit), data=ense)
resumen_modeloL1_dm_med <- summary(modeloL1_dm_med)
tabla_coeficientes.dm_med <- resumen_modeloL1_dm_med$coefficients
print(tabla_coeficientes.dm_med[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_dm_med)) # Odds Ratio
exp(confint(modeloL1_dm_med, level=0.95)) # Intervalos de confianza para OR
# P87_21a CONSUMO MEDICINAS HOMEOPATICOS - Chi-Cuadrado y Regresión Logística
T.homeop <- table(ense$GHQ12_rec, ense$P87_21a)
chi.homeop <- chisq.test(T.homeop)
# Salida de chi-cuadrado aquí
modeloL1_homeop <- glm(GHQ12_rec ~ P87_21a, family=binomial(logit), data=ense)
resumen_modeloL1_homeop <- summary(modeloL1_homeop)
tabla_coeficientes.homeop <- resumen_modeloL1_homeop$coefficients
print(tabla_coeficientes.homeop[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_homeop)) # Odds Ratio
exp(confint(modeloL1_homeop, level=0.95)) # Intervalos de confianza para OR
# P87_22a CONSUMO MEDICINAS NATURISTAS - Chi-Cuadrado y Regresión Logística
T.naturist <- table(ense$GHQ12_rec, ense$P87_22a)
chi.naturist <- chisq.test(T.naturist)
# Salida de chi-cuadrado aquí
modeloL1_naturist <- glm(GHQ12_rec ~ P87_22a, family=binomial(logit), data=ense)
resumen_modeloL1_naturist <- summary(modeloL1_naturist)
tabla_coeficientes.naturist <- resumen_modeloL1_naturist$coefficients
print(tabla_coeficientes.naturist[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_naturist)) # Odds Ratio
exp(confint(modeloL1_naturist, level=0.95)) # Intervalos de confianza para OR
# Q88 VACUNA GRIPE - Chi-Cuadrado y Regresión Logística
T.vac_gripe <- table(ense$GHQ12_rec, ense$Q88)
chi.vac_gripe <- chisq.test(T.vac_gripe)
# Salida de chi-cuadrado aquí
modeloL1_vac_gripe <- glm(GHQ12_rec ~ Q88, family=binomial(logit), data=ense)
resumen_modeloL1_vac_gripe <- summary(modeloL1_vac_gripe)
tabla_coeficientes.vac_gripe <- resumen_modeloL1_vac_gripe$coefficients
print(tabla_coeficientes.vac_gripe[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_vac_gripe)) # Odds Ratio
exp(confint(modeloL1_vac_gripe, level=0.95)) # Intervalos de confianza para OR
# R108_1 FALTA ATENCION MEDICA POR PROB ECONOMICOS - Chi-Cuadrado y Regresión Logística
T.falta_aten_econ <- table(ense$GHQ12_rec, ense$R108_1)
chi.falta_aten_econ <- chisq.test(T.falta_aten_econ)
# Salida de chi-cuadrado aquí
modeloL1_falta_aten_econ <- glm(GHQ12_rec ~ R108_1, family=binomial(logit), data=ense)
resumen_modeloL1_falta_aten_econ <- summary(modeloL1_falta_aten_econ)
# Imprimir el resumen del modelo
print(resumen_modeloL1_falta_aten_econ)
# Calculando Odds Ratio (OR) y sus Intervalos de Confianza
tabla_coeficientes.falta_aten_econ <- resumen_modeloL1_falta_aten_econ$coefficients
print(tabla_coeficientes.falta_aten_econ[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_falta_aten_econ)) # Odds Ratio
exp(confint(modeloL1_falta_aten_econ, level=0.95)) # Intervalos de confianza para OR
# T112 ACTIVIDAD FÍSICA - Chi-Cuadrado y Regresión Logística
T.actividad_fisica <- table(ense$GHQ12_rec, ense$T112)
chi.actividad_fisica <- chisq.test(T.actividad_fisica)
# Salida de chi-cuadrado aquí
modeloL1_actividad_fisica <- glm(GHQ12_rec ~ T112, family=binomial(logit), data=ense)
resumen_modeloL1_actividad_fisica <- summary(modeloL1_actividad_fisica)
tabla_coeficientes.actividad_fisica <- resumen_modeloL1_actividad_fisica$coefficients
print(tabla_coeficientes.actividad_fisica[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_actividad_fisica)) # Odds Ratio
exp(confint(modeloL1_actividad_fisica, level=0.95)) # Intervalos de confianza para OR
# V121 FUMA - Chi-Cuadrado y Regresión Logística
T.fuma <- table(ense$GHQ12_rec, ense$V121)
chi.fuma <- chisq.test(T.fuma)
# Salida de chi-cuadrado aquí
modeloL1_fuma <- glm(GHQ12_rec ~ V121, family=binomial(logit), data=ense)
resumen_modeloL1_fuma <- summary(modeloL1_fuma)
tabla_coeficientes.fuma <- resumen_modeloL1_fuma$coefficients
print(tabla_coeficientes.fuma[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_fuma)) # Odds Ratio
exp(confint(modeloL1_fuma, level=0.95)) # Intervalos de confianza para OR
# Y133 CUIDADO PERSONAS MAYORES - Chi-Cuadrado y Regresión Logística
T.cuidado_mayores <- table(ense$GHQ12_rec, ense$Y133)
chi.cuidado_mayores <- chisq.test(T.cuidado_mayores)
# Salida de chi-cuadrado aquí
modeloL1_cuidado_mayores <- glm(GHQ12_rec ~ Y133, family=binomial(logit), data=ense)
resumen_modeloL1_cuidado_mayores <- summary(modeloL1_cuidado_mayores)
tabla_coeficientes.cuidado_mayores <- resumen_modeloL1_cuidado_mayores$coefficients
print(tabla_coeficientes.cuidado_mayores[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
exp(coef(modeloL1_cuidado_mayores)) # Odds Ratio
exp(confint(modeloL1_cuidado_mayores, level=0.95)) # Intervalos de confianza para OR
Resumen explicativo del script
Este script realiza un análisis detallado de la relación entre la Morbilidad Psíquica y varios factores de riesgo utilizando estadísticas descriptivas, pruebas de chi-cuadrado, y modelos de regresión logística. A continuación, te explico paso a paso lo que hace el script:
1. Análisis de Tablas de Contingencia y Prueba de Chi-Cuadrado
- Para cada variable cualitativa (como SEXOa, A11_i), se construye una tabla de contingencia (table) entre esta variable y GHQ12_rec (Morbilidad Psíquica).
- Se calculan los porcentajes de cada categoría de la variable cualitativa dentro de cada categoría de GHQ12_rec (prop.table).
- Se realiza una prueba de chi-cuadrado (chisq.test) para evaluar si hay una asociación significativa entre GHQ12_rec y la variable cualitativa.
2. Análisis de Regresión Logística
- Se ajusta un modelo de regresión logística (glm con family=binomial(logit)) para cada variable en relación con GHQ12_rec. Esto se hace tanto para variables cualitativas como cuantitativas.
- Se resume el modelo (summary) para obtener los coeficientes, que indican la relación entre cada nivel de la variable y la probabilidad de tener Morbilidad Psíquica.
- Se imprime la tabla de coeficientes y se calcula el Odds Ratio (exp(coef())) y sus intervalos de confianza. El Odds Ratio indica cuánto aumenta o disminuye la probabilidad de Morbilidad Psíquica con cada unidad de cambio en la variable.
3. Prueba Exacta de Fisher
- Para tablas de contingencia con valores esperados bajos (menos de 5 en alguna celda), se realiza la prueba exacta de Fisher (fisher.test) en lugar de la prueba de chi-cuadrado.
4. Notas Adicionales
- Se verifica que las variables estén correctamente codificadas y se transforman si es necesario (por ejemplo, convirtiendo GHQ12_rec de caracter a factor).
- Se proporciona orientación sobre cómo manejar errores o advertencias, como problemas de convergencia en los modelos o valores esperados bajos en las tablas de contingencia.
4. Ejemplos Específicos
- Se realiza este análisis para una serie de variables específicas (como SEXOa, EDADa, A11_i, E1_1, G21, G25c_11, G25c_12, etc.), siguiendo el patrón descrito.
5. Resumen Final
En resumen, el script es un análisis exhaustivo de cómo diferentes factores de riesgo se asocian con la Morbilidad Psíquica, utilizando pruebas estadísticas adecuadas para variables cualitativas y cuantitativas y presentando medidas de asociación relevantes como los Odds Ratios.
Consola del Script en R
> #PREGUNTA 5
> #Estudia la relación entre la Morbilidad Psíquica y cada uno de los factores de riesgo que
> #consideres por separado, teniendo en cuenta si son variables cuantitativas o cualitativas y
> #utiliza el test de contraste de hipótesis más adecuado, así como la medida de asociación pertinente.
> #Para el caso de las variables cualitativas, construye tablas de contingencia.
>
> #SEXOa
> ##TABLA DE CONTIGENCIA
> T.sexo<-table(ense$GHQ12_rec, ense$SEXOa)#tabla de contigencia
> prop.table(T.sexo,margin=2) #porcentajes por columnas (antes nos fijamos en cómo está dispuesta nuestra tabla)
hombre mujer
No morbilidad psíquica 0.8536102 0.7718905
Morbilidad psíquica 0.1463898 0.2281095
> prop.table(T.sexo,margin=2)*100
hombre mujer
No morbilidad psíquica 85.36102 77.18905
Morbilidad psíquica 14.63898 22.81095
> ##TEST HIPÓTESIS - PRUEBA CHI-CUADRADO (ENTRE GHQ12_rec y SEXOa)
> #H0 es que las dos distribuciones son iguales: la distribución de la variable 'Morbilidad Psiquica' es la misma para los dos sexos
> chi.sexo<-chisq.test(T.sexo) #creamos un objeto que guarde los resultados del test
> chi.sexo #vemos el resultado
Pearson's Chi-squared test with Yates' continuity correction
data: T.sexo
X-squared = 247.64, df = 1, p-value < 2.2e-16
> chi.sexo$observed #para obtener la tabla de observados
hombre mujer
No morbilidad psíquica 9044 9644
Morbilidad psíquica 1551 2850
> chi.sexo$expected #para obtener la tabla de esperados (*)
hombre mujer
No morbilidad psíquica 8575.484 10112.516
Morbilidad psíquica 2019.516 2381.484
> chi.sexo$statistic # para obtener el valor de chi-cuadrado experimental
X-squared
247.6392
> chi.sexo$p.value # para obtener el p-valor del test
[1] 8.49443e-56
> ##CONCLUISION: COMO EL VALOR CACULADO PARA LA CHI-CUADRADO DORRESPONDE A UN VALOR P< 0,05, SE PUEDE AFIRMAR QUE LA DIFERENCIA ES ESTADISTICAMENTE SIGNIFICATIVA Y HAY EVIDENCIAS PARA RECHAZAR LA HIPÓTESIS NULA.
> ##MEDIDAS DE ASOCIACION - Modelo Lineal : CALCULO DE OR
> summary (ense$GHQ12_rec)
No morbilidad psíquica Morbilidad psíquica
18688 4401
> str (ense$GHQ12_rec)
Factor w/ 2 levels "No morbilidad psíquica",..: 2 1 2 1 1 1 1 1 2 1 ...
> #la variable GHQ12_rec está como character hay que cambiarla a factor
> as.factor(ense$GHQ12_rec)
[1] Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[6] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[11] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[16] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[21] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[26] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[31] No morbilidad psíquica Morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[36] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[41] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[46] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[51] Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[56] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[61] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[66] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[71] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[76] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[81] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[86] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[91] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[96] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[101] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[106] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[111] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[116] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[121] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[126] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[131] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[136] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[141] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[146] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[151] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[156] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[161] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[166] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[171] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[176] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[181] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[186] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[191] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[196] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[201] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[206] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[211] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[216] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[221] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[226] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[231] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[236] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[241] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[246] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[251] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[256] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[261] Morbilidad psíquica Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[266] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[271] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[276] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[281] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[286] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[291] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[296] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[301] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[306] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[311] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[316] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[321] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[326] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[331] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[336] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[341] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[346] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[351] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[356] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[361] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[366] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[371] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[376] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[381] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[386] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[391] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[396] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[401] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[406] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[411] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[416] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[421] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[426] Morbilidad psíquica Morbilidad psíquica Morbilidad psíquica Morbilidad psíquica Morbilidad psíquica
[431] Morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[436] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[441] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[446] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[451] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[456] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[461] No morbilidad psíquica Morbilidad psíquica Morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[466] Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[471] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[476] No morbilidad psíquica Morbilidad psíquica Morbilidad psíquica Morbilidad psíquica Morbilidad psíquica
[481] Morbilidad psíquica Morbilidad psíquica Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[486] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[491] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[496] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[501] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[506] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[511] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[516] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[521] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[526] Morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[531] Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[536] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[541] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[546] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[551] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[556] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[561] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[566] Morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[571] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[576] No morbilidad psíquica Morbilidad psíquica Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[581] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica Morbilidad psíquica
[586] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[591] No morbilidad psíquica Morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[596] Morbilidad psíquica Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica Morbilidad psíquica
[601] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[606] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[611] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[616] Morbilidad psíquica Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[621] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[626] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[631] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[636] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[641] Morbilidad psíquica Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[646] Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[651] No morbilidad psíquica Morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[656] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica Morbilidad psíquica
[661] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[666] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[671] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[676] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[681] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[686] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[691] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[696] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[701] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[706] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[711] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[716] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[721] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[726] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[731] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[736] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[741] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[746] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica Morbilidad psíquica Morbilidad psíquica
[751] Morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[756] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica Morbilidad psíquica
[761] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica Morbilidad psíquica
[766] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[771] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[776] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[781] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica Morbilidad psíquica
[786] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[791] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[796] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[801] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[806] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[811] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[816] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[821] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[826] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[831] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[836] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[841] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[846] Morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[851] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[856] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[861] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[866] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[871] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[876] No morbilidad psíquica Morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[881] Morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[886] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[891] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica Morbilidad psíquica
[896] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[901] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[906] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica Morbilidad psíquica
[911] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[916] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica Morbilidad psíquica
[921] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[926] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[931] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[936] No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica
[941] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[946] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[951] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[956] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[961] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[966] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[971] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[976] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[981] Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[986] No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[991] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica No morbilidad psíquica No morbilidad psíquica
[996] No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica Morbilidad psíquica No morbilidad psíquica
[ reached getOption("max.print") -- omitted 22089 entries ]
Levels: No morbilidad psíquica Morbilidad psíquica
> str (ense$GHQ12_rec)
Factor w/ 2 levels "No morbilidad psíquica",..: 2 1 2 1 1 1 1 1 2 1 ...
> table(ense$GHQ12_rec)
No morbilidad psíquica Morbilidad psíquica
18688 4401
> ense$GHQ12_rec <- factor(ense$GHQ12_rec, labels = c("No morbilidad psíquica", "Morbilidad psíquica"))
> # Ajustar el modelo de regresión logística
> modeloL1_sexo <- glm(GHQ12_rec ~ SEXOa, family=binomial(logit), data=ense)
>
> # Obtener el resumen del modelo
> resumen_modelo <- summary(modeloL1_sexo)
>
> # Extraer los coeficientes del resumen del modelo
> tabla_coeficientes.sexo <- resumen_modelo$coefficients
>
> # Imprimir los coeficientes
> print(tabla_coeficientes.sexo)
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.7632017 0.02748301 -64.15606 0.000000e+00
SEXOamujer 0.5441847 0.03478338 15.64496 3.595848e-55
>
> # Para obtener el valor p de los coeficientes
> print(tabla_coeficientes.sexo[, "Pr(>|z|)"])
(Intercept) SEXOamujer
0.000000e+00 3.595848e-55
>
>
> # EDADa - Regresión logística
> modeloL1_edad <- glm(GHQ12_rec ~ EDADa, family=binomial(logit), data=ense)
> resumen_modeloL1_edad <- summary(modeloL1_edad)
> tabla_coeficientes.edad <- resumen_modeloL1_edad$coefficients
> print(tabla_coeficientes.edad[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) -2.23856439 0.0537600245 -41.63994 0.00000e+00
EDADa 0.01440518 0.0009023868 15.96342 2.29783e-57
> exp(coef(modeloL1_edad)) # Odds Ratio
(Intercept) EDADa
0.1066114 1.0145094
> exp(confint(modeloL1_edad, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.09590577 0.118405
EDADa 1.01271920 1.016308
>
> # SITUACIÓN LABORAL - A11_i - Chi-Cuadrado y Regresión Logística
> ense$A11_i <- factor(ense$A11_i, labels = c("Trabajando", "En desempleo", "Jubilado/a, prejubilado/a", "Estudiando", "Incapacitado/a para trabajar", "Las labores del hogar", "Otros"))
> T.lab <- table(ense$GHQ12_rec, ense$A11_i)
> chi.lab <- chisq.test(T.lab)
> # Salida de chi-cuadrado aquí
> modeloL1_lab <- glm(GHQ12_rec ~ A11_i, family=binomial(logit), data=ense)
> resumen_modeloL1_lab <- summary(modeloL1_lab)
> tabla_coeficientes.lab <- resumen_modeloL1_lab$coefficients
> print(tabla_coeficientes.lab[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.94395286 0.03033798 -64.0765364 0.000000e+00
A11_iEn desempleo 0.99677712 0.05401180 18.4548012 4.771174e-76
A11_iJubilado/a, prejubilado/a 0.71169748 0.04226226 16.8400246 1.241848e-63
A11_iEstudiando 0.02825649 0.08802935 0.3209895 7.482184e-01
A11_iIncapacitado/a para trabajar 1.91645972 0.08828672 21.7072262 1.753242e-104
A11_iLas labores del hogar 0.77994959 0.05897753 13.2245202 6.334014e-40
A11_iOtros 0.15219339 0.54091310 0.2813639 7.784313e-01
> exp(coef(modeloL1_lab)) # Odds Ratio
(Intercept) A11_iEn desempleo A11_iJubilado/a, prejubilado/a
0.143137 2.709535 2.037447
A11_iEstudiando A11_iIncapacitado/a para trabajar A11_iLas labores del hogar
1.028659 6.796853 2.181362
A11_iOtros
1.164385
> exp(confint(modeloL1_lab, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.1348136 0.1518399
A11_iEn desempleo 2.4367252 3.0113993
A11_iJubilado/a, prejubilado/a 1.8756184 2.2135939
A11_iEstudiando 0.8631214 1.2190563
A11_iIncapacitado/a para trabajar 5.7164303 8.0814568
A11_iLas labores del hogar 1.9421968 2.4474548
A11_iOtros 0.3417571 3.0188173
>
> # Continúa con el mismo patrón para las demás variables (E1_1, G21, G25c_1, etc.)
>
> # Test Exacto de Fisher si es necesario (ejemplo con T.dolor)
> T.dolor <- table(ense$GHQ12_rec, ense$P87_2a)
> if (any(T.dolor < 5)) {
+ fish.tdolor <- fisher.test(T.dolor)
+ # Salida del test exacto de Fisher aquí
+ }
> # Continúa con la regresión logística y la interpretación para T.dolor
>
> # Continúa este patrón para las demás variables que requieran Test Exacto de Fisher
>
> # E1_1 PAIS DE NACIMIENTO - Chi-Cuadrado y Regresión Logística
> T.pais <- table(ense$GHQ12_rec, ense$E1_1)
> chi.pais <- chisq.test(T.pais)
> # Salida de chi-cuadrado aquí
> modeloL1_pais <- glm(GHQ12_rec ~ E1_1, family=binomial(logit), data=ense)
> resumen_modeloL1_pais <- summary(modeloL1_pais)
> tabla_coeficientes.pais <- resumen_modeloL1_pais$coefficients
> print(tabla_coeficientes.pais[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.4301032 0.01754698 -81.501372 0.000000000
E1_1Nacidos en el extranjero -0.1723958 0.05918690 -2.912736 0.003582778
> exp(coef(modeloL1_pais)) # Odds Ratio
(Intercept) E1_1Nacidos en el extranjero
0.2392842 0.8416460
> exp(confint(modeloL1_pais, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.2311666 0.2476269
E1_1Nacidos en el extranjero 0.7485154 0.9440348
>
> # Continúa con el mismo patrón para G21, G25c_1, etc.
>
> # Test Exacto de Fisher si es necesario (ejemplo con T.tranq)
> T.tranq <- table(ense$GHQ12_rec, ense$P87_7a)
> if (any(T.tranq < 5)) {
+ fish.tranq <- fisher.test(T.tranq)
+ # Salida del test exacto de Fisher aquí
+ }
> # Continúa con la regresión logística y la interpretación para T.tranq
>
> # Continúa este patrón para las demás variables que requieran Test Exacto de Fisher
> # Ejemplo: T.ta, T.iam, T.neum, etc.
>
> # Nota: Para el cálculo de los intervalos de confianza, si el método 'confint' da error debido a 'profiled confidence intervals',
> # se puede optar por calcular intervalos de confianza usando otro método o simplemente presentar los Odds Ratios.
>
> # Finalmente, asegúrate de revisar y tratar cualquier advertencia o mensaje de error que surja durante la ejecución del script.
> # Esto puede incluir problemas con la convergencia del modelo, valores esperados bajos en las tablas de contingencia, entre otros.
>
> # G25c_11 ENF NEUMO - Chi-Cuadrado y Regresión Logística
> T.neum <- table(ense$GHQ12_rec, ense$G25c_11)
> chi.neum <- chisq.test(T.neum)
> # Salida de chi-cuadrado aquí
> modeloL1_neum <- glm(GHQ12_rec ~ G25c_11, family=binomial(logit), data=ense)
> resumen_modeloL1_neum <- summary(modeloL1_neum)
> tabla_coeficientes.neum <- resumen_modeloL1_neum$coefficients
> print(tabla_coeficientes.neum[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.5619996 0.06121420 -9.180869 4.276265e-20
G25c_11No -0.9439734 0.06367111 -14.825774 9.982217e-50
> exp(coef(modeloL1_neum)) # Odds Ratio
(Intercept) G25c_11No
0.5700680 0.3890788
> exp(confint(modeloL1_neum, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.5052649 0.6423364
G25c_11No 0.3436261 0.4410717
>
> # G25c_12 DM - Chi-Cuadrado y Regresión Logística
> T.dm <- table(ense$GHQ12_rec, ense$G25c_12)
> chi.dm <- chisq.test(T.dm)
> # Salida de chi-cuadrado aquí
> modeloL1_dm <- glm(GHQ12_rec ~ G25c_12, family=binomial(logit), data=ense)
> resumen_modeloL1_dm <- summary(modeloL1_dm)
> tabla_coeficientes.dm <- resumen_modeloL1_dm$coefficients
> print(tabla_coeficientes.dm[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.8956841 0.04629872 -19.34576 2.212995e-83
G25c_12No -0.6220110 0.04969122 -12.51752 5.987446e-36
> exp(coef(modeloL1_dm)) # Odds Ratio
(Intercept) G25c_12No
0.4083282 0.5368637
> exp(confint(modeloL1_dm, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.3726848 0.4468638
G25c_12No 0.4872710 0.5920765
>
> # Continuar con las mismas pruebas y análisis para las siguientes variables:
> # G25c_26 TUMORES MALIGNOS
> # N48 Tiempo desde ultima consulta al medico
> # O78 Utilización de SU en 12 meses
> # P87_2a CONSUMO MEDICINAS DOLOR
> # P87_7a CONSUMO MEDICINAS TRANQUILIZANTES
> # P87_12a CONSUMO MEDICINAS TA
> # P87_14a CONSUMO MEDICINAS ANTIDEPRESIVOS
> # P87_15a CONSUMO MEDICINAS NO EMBARAZO
> # P87_17a CONSUMO MEDICINAS ADELGAZAR
> # P87_18a CONSUMO MEDICINAS COLESTEROL
> # P87_19a CONSUMO MEDICINAS DM
> # P87_21a CONSUMO MEDICINAS HOMEOPATICOS
> # P87_22a CONSUMO MEDICINAS NATURISTAS
> # Q88 VACUNA GRIPE
> # R108_1 FALTA ATENCION MEDICA POR PROB ECONOMICOS
> # T112 ACTIVIDAD FÍSICA
> # V121 Fuma
> # Y133 cuidado personas mayores
>
> # En cada caso, sigue el mismo patrón:
> # 1. Realizar la prueba de chi-cuadrado.
> # 2. En caso de valores esperados bajos, realizar el test exacto de Fisher.
> # 3. Ajustar un modelo de regresión logística.
> # 4. Presentar los coeficientes, Odds Ratios e intervalos de confianza.
> # 5. Interpretar los resultados cuidadosamente, prestando atención a posibles advertencias o errores.
> # P87_15a CONSUMO MEDICINAS NO EMBARAZO - Chi-Cuadrado y Regresión Logística
> T.no_emb <- table(ense$GHQ12_rec, ense$P87_15a)
> chi.no_emb <- chisq.test(T.no_emb)
Warning message:
In chisq.test(T.no_emb) : Chi-squared approximation may be incorrect
> # Salida de chi-cuadrado aquí
> modeloL1_no_emb <- glm(GHQ12_rec ~ P87_15a, family=binomial(logit), data=ense)
> resumen_modeloL1_no_emb <- summary(modeloL1_no_emb)
> tabla_coeficientes.no_emb <- resumen_modeloL1_no_emb$coefficients
> print(tabla_coeficientes.no_emb[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.1389403 0.1276646 -8.92134860 4.606442e-19
P87_15aNo -0.3118925 0.1287788 -2.42192436 1.543856e-02
P87_15aNo sabe -10.4271132 196.9677204 -0.05293818 9.577812e-01
P87_15aNo contesta -10.4271132 139.2772400 -0.07486588 9.403214e-01
> exp(coef(modeloL1_no_emb)) # Odds Ratio
(Intercept) P87_15aNo P87_15aNo sabe P87_15aNo contesta
3.201581e-01 7.320602e-01 2.961845e-05 2.961845e-05
> exp(confint(modeloL1_no_emb, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.2478564 4.091172e-01
P87_15aNo 0.5715791 9.475812e-01
P87_15aNo sabe NA 8.033452e+12
P87_15aNo contesta NA 9.266972e+04
There were 21 warnings (use warnings() to see them)
>
> # P87_17a CONSUMO MEDICINAS ADELGAZAR - Chi-Cuadrado y Regresión Logística
> T.adelg <- table(ense$GHQ12_rec, ense$P87_17a)
> chi.adelg <- chisq.test(T.adelg)
Warning message:
In chisq.test(T.adelg) : Chi-squared approximation may be incorrect
> # Salida de chi-cuadrado aquí
> modeloL1_adelg <- glm(GHQ12_rec ~ P87_17a, family=binomial(logit), data=ense)
> resumen_modeloL1_adelg <- summary(modeloL1_adelg)
> tabla_coeficientes.adelg <- resumen_modeloL1_adelg$coefficients
> print(tabla_coeficientes.adelg[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) 0.1251631 0.3542460 0.3533227 7.238465e-01
P87_17aNo -1.5744687 0.3546434 -4.4395823 9.013366e-06
P87_17aNo sabe -0.8183103 1.2749469 -0.6418387 5.209779e-01
P87_17aNo contesta -1.2237754 1.2078167 -1.0132129 3.109585e-01
> exp(coef(modeloL1_adelg)) # Odds Ratio
(Intercept) P87_17aNo P87_17aNo sabe P87_17aNo contesta
1.1333333 0.2071176 0.4411765 0.2941176
> exp(confint(modeloL1_adelg, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.56490830 2.2969746
P87_17aNo 0.10211618 0.4158433
P87_17aNo sabe 0.01933605 5.0596573
P87_17aNo contesta 0.01371815 2.5779133
>
> # P87_18a CONSUMO MEDICINAS COLESTEROL - Chi-Cuadrado y Regresión Logística
> T.ct <- table(ense$GHQ12_rec, ense$P87_18a)
> chi.ct <- chisq.test(T.ct)
Warning message:
In chisq.test(T.ct) : Chi-squared approximation may be incorrect
> # Salida de chi-cuadrado aquí
> modeloL1_ct <- glm(GHQ12_rec ~ P87_18a, family=binomial(logit), data=ense)
> resumen_modeloL1_ct <- summary(modeloL1_ct)
> tabla_coeficientes.ct <- resumen_modeloL1_ct$coefficients
> print(tabla_coeficientes.ct[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.1115868 0.03607906 -30.8097520 1.939865e-208
P87_18aNo -0.4182380 0.04077096 -10.2582323 1.086779e-24
P87_18aNo sabe 1.3347304 0.67178992 1.9868271 4.694156e-02
P87_18aNo contesta 0.4184397 1.22527595 0.3415065 7.327223e-01
> exp(coef(modeloL1_ct)) # Odds Ratio
(Intercept) P87_18aNo P87_18aNo sabe P87_18aNo contesta
0.3290364 0.6582055 3.7989716 1.5195886
> exp(confint(modeloL1_ct, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.30644100 0.3530002
P87_18aNo 0.60783185 0.7131785
P87_18aNo sabe 1.00334626 15.3739230
P87_18aNo contesta 0.07057365 15.8806693
>
> # P87_19a CONSUMO MEDICINAS DM - Chi-Cuadrado y Regresión Logística
> T.dm_med <- table(ense$GHQ12_rec, ense$P87_19a)
> chi.dm_med <- chisq.test(T.dm_med)
Warning message:
In chisq.test(T.dm_med) : Chi-squared approximation may be incorrect
> modeloL1_dm_med <- glm(GHQ12_rec ~ P87_19a, family=binomial(logit), data=ense)
> resumen_modeloL1_dm_med <- summary(modeloL1_dm_med)
> tabla_coeficientes.dm_med <- resumen_modeloL1_dm_med$coefficients
> print(tabla_coeficientes.dm_med[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.9066554 0.04902947 -18.4920510 2.392782e-76
P87_19aNo -0.6015202 0.05219218 -11.5251022 9.859518e-31
P87_19aNo sabe 0.2135082 1.22572564 0.1741893 8.617167e-01
P87_19aNo contesta 0.2135082 1.22572564 0.1741893 8.617167e-01
> exp(coef(modeloL1_dm_med)) # OR
(Intercept) P87_19aNo P87_19aNo sabe P87_19aNo contesta
0.4038728 0.5479780 1.2380137 1.2380137
> exp(confint(modeloL1_dm_med, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.36662129 0.4443270
P87_19aNo 0.49496405 0.6073529
P87_19aNo sabe 0.05746692 12.9488544
P87_19aNo contesta 0.05746692 12.9488544
>
> # P87_21a CONSUMO MEDICINAS HOMEOPATICOS - Chi-Cuadrado y Regresión Logística
> T.homeop <- table(ense$GHQ12_rec, ense$P87_21a)
> chi.homeop <- chisq.test(T.homeop)
Warning message:
In chisq.test(T.homeop) : Chi-squared approximation may be incorrect
> modeloL1_homeop <- glm(GHQ12_rec ~ P87_21a, family=binomial(logit), data=ense)
> resumen_modeloL1_homeop <- summary(modeloL1_homeop)
> tabla_coeficientes.homeop <- resumen_modeloL1_homeop$coefficients
> print(tabla_coeficientes.homeop[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.5316597 0.1668926 -3.1856400 1.444342e-03
P87_21aNo -0.9226442 0.1677418 -5.5003841 3.789648e-08
P87_21aNo sabe 0.1261946 0.9280013 0.1359854 8.918328e-01
P87_21aNo contesta -0.1614875 1.2360633 -0.1306466 8.960549e-01
> exp(coef(modeloL1_homeop)) # OR
(Intercept) P87_21aNo P87_21aNo sabe P87_21aNo contesta
0.5876289 0.3974667 1.1345029 0.8508772
> exp(confint(modeloL1_homeop, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.42140396 0.8118348
P87_21aNo 0.28720829 0.5551407
P87_21aNo sabe 0.14618218 7.0410081
P87_21aNo contesta 0.03903065 9.0732450
>
> # P87_22a CONSUMO MEDICINAS NATURISTAS - Chi-Cuadrado y Regresión Logística
> T.naturist <- table(ense$GHQ12_rec, ense$P87_22a)
> chi.naturist <- chisq.test(T.naturist)
Warning message:
In chisq.test(T.naturist) : Chi-squared approximation may be incorrect
> modeloL1_naturist <- glm(GHQ12_rec ~ P87_22a, family=binomial(logit), data=ense)
> resumen_modeloL1_naturist <- summary(modeloL1_naturist)
> tabla_coeficientes.naturist <- resumen_modeloL1_naturist$coefficients
> print(tabla_coeficientes.naturist[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.65846162 0.09286007 -7.09090177 1.332409e-12
P87_22aNo -0.81042294 0.09441592 -8.58354095 9.199654e-18
P87_22aNo sabe -0.03468556 0.87098950 -0.03982316 9.682341e-01
P87_22aNo contesta -0.03468556 1.22825992 -0.02823959 9.774711e-01
> exp(coef(modeloL1_naturist)) # OR
(Intercept) P87_22aNo P87_22aNo sabe P87_22aNo contesta
0.5176471 0.4446700 0.9659091 0.9659091
> exp(confint(modeloL1_naturist, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.43069577 0.6199678
P87_22aNo 0.37012953 0.5360391
P87_22aNo sabe 0.13297218 4.9983298
P87_22aNo contesta 0.04470601 10.1505988
>
> # Q88 VACUNA GRIPE - Chi-Cuadrado y Regresión Logística
> T.vac_gripe <- table(ense$GHQ12_rec, ense$Q88)
> chi.vac_gripe <- chisq.test(T.vac_gripe)
> modeloL1_vac_gripe <- glm(GHQ12_rec ~ Q88, family=binomial(logit), data=ense)
> resumen_modeloL1_vac_gripe <- summary(modeloL1_vac_gripe)
> tabla_coeficientes.vac_gripe <- resumen_modeloL1_vac_gripe$coefficients
> print(tabla_coeficientes.vac_gripe[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.1408596 0.03198282 -35.67101 1.11307e-278
Q88No -0.4087048 0.03758451 -10.87429 1.52847e-27
> exp(coef(modeloL1_vac_gripe)) # OR
(Intercept) Q88No
0.3195442 0.6645104
> exp(confint(modeloL1_vac_gripe, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.3000252 0.3401029
Q88No 0.6174397 0.7154560
>
> # R108_1 FALTA ATENCION MEDICA POR PROB ECONOMICOS - Chi-Cuadrado y Regresión Logística
> T.falta_aten_econ <- table(ense$GHQ12_rec, ense$R108_1)
> chi.falta_aten_econ <- chisq.test(T.falta_aten_econ)
Warning message:
In chisq.test(T.falta_aten_econ) :
Chi-squared approximation may be incorrect
> modeloL1_falta_aten_econ <- glm(GHQ12_rec ~ R108_1, family=binomial(logit), data=ense)
> resumen_modeloL1_falta_aten_econ <- summary(modeloL1_falta_aten_econ)
> tabla_coeficientes.falta_aten_econ <- resumen_modeloL1_falta_aten_econ$coefficients
> print(tabla_coeficientes.falta_aten_econ[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) 0.2799086 0.08814341 3.1756042 1.495248e-03
R108_1No -1.7656174 0.08985596 -19.6494195 5.847781e-86
R108_1No lo he necesitado -2.4482294 0.14851279 -16.4849735 4.705013e-61
R108_1No sabe -1.6662029 1.12150313 -1.4856873 1.373619e-01
R108_1No contesta -10.8459363 84.47670884 -0.1283897 8.978406e-01
> exp(coef(modeloL1_falta_aten_econ)) # OR
(Intercept) R108_1No R108_1No lo he necesitado R108_1No sabe
1.323009e+00 1.710811e-01 8.644651e-02 1.889632e-01
R108_1No contesta
1.948362e-05
> exp(confint(modeloL1_falta_aten_econ, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 1.113750315 1.5737648
R108_1No 0.143343889 0.2039114
R108_1No lo he necesitado 0.064277684 0.1151115
R108_1No sabe 0.009623917 1.2880166
R108_1No contesta NA 11.2099220
Warning messages:
1: glm.fit: fitted probabilities numerically 0 or 1 occurred
2: glm.fit: fitted probabilities numerically 0 or 1 occurred
3: glm.fit: fitted probabilities numerically 0 or 1 occurred
4: glm.fit: fitted probabilities numerically 0 or 1 occurred
5: glm.fit: fitted probabilities numerically 0 or 1 occurred
6: glm.fit: fitted probabilities numerically 0 or 1 occurred
7: glm.fit: fitted probabilities numerically 0 or 1 occurred
8: glm.fit: fitted probabilities numerically 0 or 1 occurred
9: glm.fit: fitted probabilities numerically 0 or 1 occurred
10: glm.fit: fitted probabilities numerically 0 or 1 occurred
>
>
>
> # Recuerda verificar los supuestos y ajustes necesarios para cada prueba y modelo.
> # Por ejemplo, asegúrate de que las variables estén codificadas adecuadamente y
> # considera la necesidad de fusionar categorías si hay valores esperados muy bajos en las tablas de contingencia.
> # P87_19a CONSUMO MEDICINAS DM - Chi-Cuadrado y Regresión Logística
> T.dm_med <- table(ense$GHQ12_rec, ense$P87_19a)
> chi.dm_med <- chisq.test(T.dm_med)
Warning message:
In chisq.test(T.dm_med) : Chi-squared approximation may be incorrect
> # Salida de chi-cuadrado aquí
> modeloL1_dm_med <- glm(GHQ12_rec ~ P87_19a, family=binomial(logit), data=ense)
> resumen_modeloL1_dm_med <- summary(modeloL1_dm_med)
> tabla_coeficientes.dm_med <- resumen_modeloL1_dm_med$coefficients
> print(tabla_coeficientes.dm_med[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.9066554 0.04902947 -18.4920510 2.392782e-76
P87_19aNo -0.6015202 0.05219218 -11.5251022 9.859518e-31
P87_19aNo sabe 0.2135082 1.22572564 0.1741893 8.617167e-01
P87_19aNo contesta 0.2135082 1.22572564 0.1741893 8.617167e-01
> exp(coef(modeloL1_dm_med)) # Odds Ratio
(Intercept) P87_19aNo P87_19aNo sabe P87_19aNo contesta
0.4038728 0.5479780 1.2380137 1.2380137
> exp(confint(modeloL1_dm_med, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.36662129 0.4443270
P87_19aNo 0.49496405 0.6073529
P87_19aNo sabe 0.05746692 12.9488544
P87_19aNo contesta 0.05746692 12.9488544
>
> # P87_21a CONSUMO MEDICINAS HOMEOPATICOS - Chi-Cuadrado y Regresión Logística
> T.homeop <- table(ense$GHQ12_rec, ense$P87_21a)
> chi.homeop <- chisq.test(T.homeop)
Warning message:
In chisq.test(T.homeop) : Chi-squared approximation may be incorrect
> # Salida de chi-cuadrado aquí
> modeloL1_homeop <- glm(GHQ12_rec ~ P87_21a, family=binomial(logit), data=ense)
> resumen_modeloL1_homeop <- summary(modeloL1_homeop)
> tabla_coeficientes.homeop <- resumen_modeloL1_homeop$coefficients
> print(tabla_coeficientes.homeop[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.5316597 0.1668926 -3.1856400 1.444342e-03
P87_21aNo -0.9226442 0.1677418 -5.5003841 3.789648e-08
P87_21aNo sabe 0.1261946 0.9280013 0.1359854 8.918328e-01
P87_21aNo contesta -0.1614875 1.2360633 -0.1306466 8.960549e-01
> exp(coef(modeloL1_homeop)) # Odds Ratio
(Intercept) P87_21aNo P87_21aNo sabe P87_21aNo contesta
0.5876289 0.3974667 1.1345029 0.8508772
> exp(confint(modeloL1_homeop, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.42140396 0.8118348
P87_21aNo 0.28720829 0.5551407
P87_21aNo sabe 0.14618218 7.0410081
P87_21aNo contesta 0.03903065 9.0732450
>
> # P87_22a CONSUMO MEDICINAS NATURISTAS - Chi-Cuadrado y Regresión Logística
> T.naturist <- table(ense$GHQ12_rec, ense$P87_22a)
> chi.naturist <- chisq.test(T.naturist)
Warning message:
In chisq.test(T.naturist) : Chi-squared approximation may be incorrect
> # Salida de chi-cuadrado aquí
> modeloL1_naturist <- glm(GHQ12_rec ~ P87_22a, family=binomial(logit), data=ense)
> resumen_modeloL1_naturist <- summary(modeloL1_naturist)
> tabla_coeficientes.naturist <- resumen_modeloL1_naturist$coefficients
> print(tabla_coeficientes.naturist[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.65846162 0.09286007 -7.09090177 1.332409e-12
P87_22aNo -0.81042294 0.09441592 -8.58354095 9.199654e-18
P87_22aNo sabe -0.03468556 0.87098950 -0.03982316 9.682341e-01
P87_22aNo contesta -0.03468556 1.22825992 -0.02823959 9.774711e-01
> exp(coef(modeloL1_naturist)) # Odds Ratio
(Intercept) P87_22aNo P87_22aNo sabe P87_22aNo contesta
0.5176471 0.4446700 0.9659091 0.9659091
> exp(confint(modeloL1_naturist, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.43069577 0.6199678
P87_22aNo 0.37012953 0.5360391
P87_22aNo sabe 0.13297218 4.9983298
P87_22aNo contesta 0.04470601 10.1505988
>
> # Q88 VACUNA GRIPE - Chi-Cuadrado y Regresión Logística
> T.vac_gripe <- table(ense$GHQ12_rec, ense$Q88)
> chi.vac_gripe <- chisq.test(T.vac_gripe)
> # Salida de chi-cuadrado aquí
> modeloL1_vac_gripe <- glm(GHQ12_rec ~ Q88, family=binomial(logit), data=ense)
> resumen_modeloL1_vac_gripe <- summary(modeloL1_vac_gripe)
> tabla_coeficientes.vac_gripe <- resumen_modeloL1_vac_gripe$coefficients
> print(tabla_coeficientes.vac_gripe[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.1408596 0.03198282 -35.67101 1.11307e-278
Q88No -0.4087048 0.03758451 -10.87429 1.52847e-27
> exp(coef(modeloL1_vac_gripe)) # Odds Ratio
(Intercept) Q88No
0.3195442 0.6645104
> exp(confint(modeloL1_vac_gripe, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.3000252 0.3401029
Q88No 0.6174397 0.7154560
>
> # R108_1 FALTA ATENCION MEDICA POR PROB ECONOMICOS - Chi-Cuadrado y Regresión Logística
> T.falta_aten_econ <- table(ense$GHQ12_rec, ense$R108_1)
> chi.falta_aten_econ <- chisq.test(T.falta_aten_econ)
Warning message:
In chisq.test(T.falta_aten_econ) :
Chi-squared approximation may be incorrect
> # Salida de chi-cuadrado aquí
> modeloL1_falta_aten_econ <- glm(GHQ12_rec ~ R108_1, family=binomial(logit), data=ense)
> resumen_modeloL1_falta_aten_econ <- summary(modeloL1_falta_aten_econ)
>
> # Imprimir el resumen del modelo
> print(resumen_modeloL1_falta_aten_econ)
Call:
glm(formula = GHQ12_rec ~ R108_1, family = binomial(logit), data = ense)
Deviance Residuals:
Min 1Q Median 3Q Max
-1.2984 -0.6388 -0.6388 -0.6388 2.1338
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 0.27991 0.08814 3.176 0.0015 **
R108_1No -1.76562 0.08986 -19.649 <2e-16 ***
R108_1No lo he necesitado -2.44823 0.14851 -16.485 <2e-16 ***
R108_1No sabe -1.66620 1.12150 -1.486 0.1374
R108_1No contesta -10.84594 84.47671 -0.128 0.8978
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 22494 on 23088 degrees of freedom
Residual deviance: 22074 on 23084 degrees of freedom
AIC: 22084
Number of Fisher Scoring iterations: 9
>
> # Calculando Odds Ratio (OR) y sus Intervalos de Confianza
> tabla_coeficientes.falta_aten_econ <- resumen_modeloL1_falta_aten_econ$coefficients
> print(tabla_coeficientes.falta_aten_econ[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) 0.2799086 0.08814341 3.1756042 1.495248e-03
R108_1No -1.7656174 0.08985596 -19.6494195 5.847781e-86
R108_1No lo he necesitado -2.4482294 0.14851279 -16.4849735 4.705013e-61
R108_1No sabe -1.6662029 1.12150313 -1.4856873 1.373619e-01
R108_1No contesta -10.8459363 84.47670884 -0.1283897 8.978406e-01
> exp(coef(modeloL1_falta_aten_econ)) # Odds Ratio
(Intercept) R108_1No R108_1No lo he necesitado R108_1No sabe
1.323009e+00 1.710811e-01 8.644651e-02 1.889632e-01
R108_1No contesta
1.948362e-05
> exp(confint(modeloL1_falta_aten_econ, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 1.113750315 1.5737648
R108_1No 0.143343889 0.2039114
R108_1No lo he necesitado 0.064277684 0.1151115
R108_1No sabe 0.009623917 1.2880166
R108_1No contesta NA 11.2099220
Warning messages:
1: glm.fit: fitted probabilities numerically 0 or 1 occurred
2: glm.fit: fitted probabilities numerically 0 or 1 occurred
3: glm.fit: fitted probabilities numerically 0 or 1 occurred
4: glm.fit: fitted probabilities numerically 0 or 1 occurred
5: glm.fit: fitted probabilities numerically 0 or 1 occurred
6: glm.fit: fitted probabilities numerically 0 or 1 occurred
7: glm.fit: fitted probabilities numerically 0 or 1 occurred
8: glm.fit: fitted probabilities numerically 0 or 1 occurred
9: glm.fit: fitted probabilities numerically 0 or 1 occurred
10: glm.fit: fitted probabilities numerically 0 or 1 occurred
> # T112 ACTIVIDAD FÍSICA - Chi-Cuadrado y Regresión Logística
> T.actividad_fisica <- table(ense$GHQ12_rec, ense$T112)
> chi.actividad_fisica <- chisq.test(T.actividad_fisica)
Warning message:
In chisq.test(T.actividad_fisica) :
Chi-squared approximation may be incorrect
> # Salida de chi-cuadrado aquí
> modeloL1_actividad_fisica <- glm(GHQ12_rec ~ T112, family=binomial(logit), data=ense)
> resumen_modeloL1_actividad_fisica <- summary(modeloL1_actividad_fisica)
> tabla_coeficientes.actividad_fisica <- resumen_modeloL1_actividad_fisica$coefficients
> print(tabla_coeficientes.actividad_fisica[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.00037925 0.02393730 -41.7916450 0.000000e+00
T112Alguna actividad física -0.69258830 0.03762552 -18.4074084 1.145757e-75
T112Varias veces al mes -0.99816258 0.06563715 -15.2072813 3.164134e-52
T112Varias veces a la semana -1.03419653 0.06570425 -15.7401767 8.021938e-56
T112No sabe 0.30723207 1.22497855 0.2508061 8.019640e-01
T112No contesta 0.08408852 0.83700185 0.1004640 9.199760e-01
> exp(coef(modeloL1_actividad_fisica)) # Odds Ratio
(Intercept) T112Alguna actividad física T112Varias veces al mes T112Varias veces a la semana
0.3677399 0.5002795 0.3685560 0.3555119
T112No sabe T112No contesta
1.3596565 1.0877252
> exp(confint(modeloL1_actividad_fisica, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.35082501 0.3853395
T112Alguna actividad física 0.46464086 0.5384870
T112Varias veces al mes 0.32354700 0.4185192
T112Varias veces a la semana 0.31204832 0.4037523
T112No sabe 0.06316753 14.2014239
T112No contesta 0.15570789 5.0501241
>
> # V121 FUMA - Chi-Cuadrado y Regresión Logística
> T.fuma <- table(ense$GHQ12_rec, ense$V121)
> chi.fuma <- chisq.test(T.fuma)
Warning message:
In chisq.test(T.fuma) : Chi-squared approximation may be incorrect
> # Salida de chi-cuadrado aquí
> modeloL1_fuma <- glm(GHQ12_rec ~ V121, family=binomial(logit), data=ense)
> resumen_modeloL1_fuma <- summary(modeloL1_fuma)
> tabla_coeficientes.fuma <- resumen_modeloL1_fuma$coefficients
> print(tabla_coeficientes.fuma[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.37562082 0.03558953 -38.6524003 0.000000000
V121No a diario -0.08823178 0.12044444 -0.7325517 0.463831895
V121Ha fumado antes -0.12958450 0.04893808 -2.6479276 0.008098686
V121Nunca ha fumado de forma habitual -0.06903113 0.04265918 -1.6182012 0.105619251
V121No sabe 0.68247364 1.22526163 0.5570024 0.577525808
V121No contesta -1.51467610 1.02208460 -1.4819479 0.138354165
> exp(coef(modeloL1_fuma)) # Odds Ratio
(Intercept) V121No a diario V121Ha fumado antes
0.2526827 0.9155486 0.8784604
V121Nunca ha fumado de forma habitual V121No sabe V121No contesta
0.9332976 1.9787664 0.2198794
> exp(confint(modeloL1_fuma, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.23554164 0.2708085
V121No a diario 0.71938463 1.1540669
V121Ha fumado antes 0.79813937 0.9669404
V121Nunca ha fumado de forma habitual 0.85866325 1.0149684
V121No sabe 0.09190057 20.6788205
V121No contesta 0.01221199 1.0658852
>
> # Y133 CUIDADO PERSONAS MAYORES - Chi-Cuadrado y Regresión Logística
> T.cuidado_mayores <- table(ense$GHQ12_rec, ense$Y133)
> chi.cuidado_mayores <- chisq.test(T.cuidado_mayores)
Warning message:
In chisq.test(T.cuidado_mayores) :
Chi-squared approximation may be incorrect
> # Salida de chi-cuadrado aquí
> modeloL1_cuidado_mayores <- glm(GHQ12_rec ~ Y133, family=binomial(logit), data=ense)
> resumen_modeloL1_cuidado_mayores <- summary(modeloL1_cuidado_mayores)
> tabla_coeficientes.cuidado_mayores <- resumen_modeloL1_cuidado_mayores$coefficients
> print(tabla_coeficientes.cuidado_mayores[, c("Estimate", "Std. Error", "z value", "Pr(>|z|)")])
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.2442052 0.04753887 -26.1723751 5.483757e-151
Y133No -0.2287413 0.05080418 -4.5024116 6.718669e-06
Y133No sabe 0.1455929 1.15567771 0.1259805 8.997474e-01
Y133No contesta -0.2598722 0.78318006 -0.3318167 7.400277e-01
> exp(coef(modeloL1_cuidado_mayores)) # Odds Ratio
(Intercept) Y133No Y133No sabe Y133No contesta
0.2881699 0.7955343 1.1567251 0.7711501
> exp(confint(modeloL1_cuidado_mayores, level=0.95)) # Intervalos de confianza para OR
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.26231760 0.3160632
Y133No 0.72061692 0.8794449
Y133No sabe 0.05715798 9.0540637
Y133No contesta 0.11734684 3.0025645
>
Explicación de resultados del script
Vamos a analizar y explicar los resultados, destacando los hallazgos clave y proporcionando una justificación razonada basada en las pruebas estadísticas realizadas:
Relación entre Morbilidad Psíquica y Sexo:
- Resultados de Chi-cuadrado: , , p<2.22−16. Esto indica una diferencia estadísticamente significativa en la prevalencia de morbilidad psíquica entre hombres y mujeres. El valor de p extremadamente bajo sugiere que esta diferencia no es debida al azar.
- Regresión Logística: El coeficiente para SEXOamujer es 0.544, con un p-valor de 3.595848e−55. Esto significa que ser mujer está significativamente asociado con un mayor riesgo de morbilidad psíquica.
Relación con la Edad:
- Regresión Logística: El coeficiente para EDADa es 0.0144, con un p-valor de 2.29783e−57. Esto indica que con cada año adicional de edad, la probabilidad de morbilidad psíquica aumenta ligeramente, lo cual es estadísticamente significativo.
Situación Laboral:
- Chi-cuadrado y Regresión Logística: Por ejemplo, estar en desempleo (coeficiente = 0.9967) y estar incapacitado para trabajar (coeficiente = 1.9164) se asocian con una mayor probabilidad de morbilidad psíquica. Los valores de p asociados son extremadamente bajos, lo que indica significancia estadística.
País de Nacimiento:
- Regresión Logística: El coeficiente para nacidos en el extranjero es -0.1724, con un p-valor de 0.0036. Esto sugiere que nacer en el extranjero reduce ligeramente la probabilidad de morbilidad psíquica, y esta relación es estadísticamente significativa.
Consumo de Medicinas:
- Chi-cuadrado y Regresión Logística: Por ejemplo, el consumo de medicinas para el colesterol (coeficiente = -0.4182) muestra una asociación negativa con la morbilidad psíquica, lo que sugiere una correlación significativa.
Vacunación de la Gripe:
- Regresión Logística: El coeficiente para no vacunación es -0.4087, con un p-valor significativo de 1.52847e−27. Esto indica que quienes no se vacunaron contra la gripe tienen una mayor probabilidad de morbilidad psíquica.
Actividad Física:
- Regresión Logística: Un coeficiente de -0.6926 para alguna actividad física muestra una relación negativa con la morbilidad psíquica, lo que significa que la actividad física puede ser un factor protector.
Fumar:
- Regresión Logística: El coeficiente para V121Ha fumado antes es -0.1296, con un p-valor de 0.0081. Esto sugiere que aquellos que han fumado antes, pero no actualmente, tienen una menor probabilidad de morbilidad psíquica.
Cuidado de Personas Mayores:
- Regresión Logística: El coeficiente para cuidar personas mayores es -0.2287 con un p-valor significativo, lo que indica que el cuidado de personas mayores está asociado con una mayor probabilidad de morbilidad psíquica.
Consumo de Medicinas para el Dolor (P87_15a):
- Chi-cuadrado: Aviso de posible inexactitud en la aproximación del chi-cuadrado, lo que sugiere cautela en la interpretación.
- Regresión Logística: El coeficiente para el consumo de medicinas para el dolor (P87_15aNo) es -0.3119, indicando una relación negativa con la morbilidad psíquica. El p-valor de 0.0154 indica que esta relación es estadísticamente significativa.
Consumo de Medicinas para Adelgazar (P87_17a):
- Chi-cuadrado: Advertencia similar sobre la inexactitud.
- Regresión Logística: El coeficiente para el consumo de medicinas para adelgazar es -1.5745, lo que sugiere una fuerte asociación negativa con la morbilidad psíquica. El p-valor extremadamente bajo (9.013366e-06) refuerza la significancia estadística de esta asociación.
Consumo de Medicinas para el Colesterol (P87_18a):
- Chi-cuadrado: Advertencia sobre la aproximación del chi-cuadrado.
- Regresión Logística: Coeficiente de -0.4182 para el consumo de medicinas para el colesterol, lo que indica una relación negativa con la morbilidad psíquica. El valor de p (1.086779e-24) es altamente significativo.
Consumo de Medicinas para la Diabetes (P87_19a):
- Chi-cuadrado: Advertencia similar.
- Regresión Logística: El coeficiente de -0.6015 sugiere una asociación negativa significativa con la morbilidad psíquica, y el p-valor (9.859518e-31) indica una fuerte significancia estadística.
Consumo de Medicinas Homeopáticas (P87_21a):
- Chi-cuadrado: Advertencia sobre la inexactitud del chi-cuadrado.
- Regresión Logística: Un coeficiente de -0.9226 para el consumo de medicinas homeopáticas muestra una asociación negativa con la morbilidad psíquica. El p-valor (3.789648e-08) indica que esta asociación es estadísticamente significativa.
Consumo de Medicinas Naturistas (P87_22a):
- Chi-cuadrado: Advertencia similar.
- Regresión Logística: Coeficiente de -0.8104, indicando una relación negativa con la morbilidad psíquica. El p-valor (9.199654e-18) confirma la significancia estadística de esta asociación.
Vacunación Contra la Gripe (Q88):
- Chi-cuadrado: Sin advertencias específicas.
- Regresión Logística: El coeficiente de -0.4087 para no vacunarse contra la gripe sugiere una mayor probabilidad de morbilidad psíquica en aquellos que no se han vacunado. El p-valor extremadamente bajo (1.52847e-27) subraya la robustez de esta relación.
Falta de Atención Médica por Problemas Económicos (R108_1):
- Chi-cuadrado: Advertencia sobre la inexactitud del chi-cuadrado.
- Regresión Logística: Un coeficiente de -1.7656 para la falta de atención médica por problemas económicos muestra una fuerte asociación negativa con la morbilidad psíquica. El p-valor (5.847781e-86) es altamente significativo.
Actividad Física (T112):
- Chi-cuadrado: Advertencia similar.
- Regresión Logística: Coeficientes negativos para las categorías de actividad física sugieren que la participación en actividades físicas está asociada con una menor probabilidad de morbilidad psíquica. Los p-valores muy bajos respaldan la significancia estadística.
Hábito de Fumar (V121):
- Chi-cuadrado: Advertencia sobre la aproximación del chi-cuadrado.
Regresión Logística: Los coeficientes varían según la categoría del hábito de fumar: – No a diario: Coeficiente de -0.0882 indica una asociación negativa, pero no es estadísticamente significativa (p-valor 0.4638). – Ha fumado antes: Coeficiente de -0.1296 sugiere una asociación negativa con la morbilidad psíquica, y es estadísticamente significativa (p-valor 0.0081). – Nunca ha fumado de forma habitual: Coeficiente de -0.0690, con un p-valor de 0.1056, no es estadísticamente significativo.
- Cuidado de Personas Mayores (Y133):
- Chi-cuadrado: Advertencia sobre la aproximación del chi-cuadrado.
- Regresión Logística: Coeficiente de -0.2287 para el cuidado de personas mayores muestra una asociación negativa con la morbilidad psíquica. El p-valor de 6.718669e-06 indica que esta asociación es estadísticamente significativa.
Resumen e Interpretación General
- Las relaciones entre la morbilidad psíquica y los diferentes factores analizados varían en magnitud y dirección. En general, los coeficientes negativos indican que la presencia de la característica o comportamiento en cuestión está asociada con una menor probabilidad de morbilidad psíquica.
- La significancia estadística de estas relaciones se confirma o rechaza basándose en los p-valores. Un p-valor bajo (generalmente menor a 0.05) indica que la relación observada no es probablemente debida al azar.
- Las Odds Ratios (OR) proporcionan una medida de la magnitud de estas asociaciones. Un OR menor que 1 indica una relación negativa, mientras que un OR mayor que 1 indica una relación positiva con la morbilidad psíquica.
- Es importante considerar que estos resultados son asociaciones y no implican causalidad. Además, las advertencias sobre las aproximaciones del chi-cuadrado sugieren que algunos de los resultados deben interpretarse con precaución, especialmente cuando las frecuencias esperadas en las tablas de contingencia son bajas.
Este análisis proporciona insights valiosos sobre los factores asociados con la morbilidad psíquica, pero siempre se deben considerar dentro del contexto más amplio y bajo consideración de posibles factores confundentes y la naturaleza del diseño del estudio.
Fase Final del Análisis
Para la fase final del análisis multivariante de regresión logística, se recomienda considerar aquellas variables que han mostrado una asociación significativa con la morbilidad psíquica en los análisis univariantes y cuya relevancia es respaldada por consideraciones teóricas o investigaciones previas. La selección de estas variables debe justificarse en base a su relevancia estadística y clínica. A continuación, se resumen las variables más relevantes para incluir en el modelo multivariante:
Sexo (SEXOa): Ha mostrado una asociación significativa con la morbilidad psíquica, siendo más prevalente en mujeres. Esta variable es fundamental para ajustar por diferencias de género.
Edad (EDADa): El análisis reveló una relación estadísticamente significativa con la morbilidad psíquica. La edad es un factor demográfico crucial en estudios de salud mental.
Situación Laboral (A11_i): Diferentes situaciones laborales mostraron variaciones significativas en la morbilidad psíquica. Es un indicador importante de las condiciones socioeconómicas y de estrés.
País de Nacimiento (E1_1): La diferencia entre nacidos en el país y en el extranjero es significativa y puede reflejar factores culturales y de integración social.
Enfermedades Crónicas (G25c_11, G25c_12): Enfermedades como neumonía y diabetes mostraron asociaciones significativas. Estas condiciones pueden influir en la salud mental y calidad de vida.
Consumo de Medicamentos (P87_15a, P87_17a, P87_18a, P87_19a, P87_21a, P87_22a): El consumo de ciertos medicamentos, especialmente aquellos relacionados con enfermedades crónicas, muestra asociaciones importantes con la morbilidad psíquica.
Vacunación contra la Gripe (Q88): Indica acceso a servicios de salud y actitudes hacia el cuidado de la salud, lo cual podría estar relacionado con la salud mental.
Falta de Atención Médica por Problemas Económicos (R108_1): Esta variable captura la intersección entre las condiciones económicas y el acceso a la atención médica, ambas relevantes para la salud mental.
Actividad Física (T112): La actividad física está vinculada con el bienestar mental y físico, y su inclusión puede aportar información sobre estilos de vida.
Hábito de Fumar (V121): El tabaquismo puede estar asociado con estrés y otros problemas de salud que afectan la salud mental.
Cuidado de Personas Mayores (Y133): Esta variable puede reflejar el estrés relacionado con responsabilidades de cuidado, importante para comprender la carga psicológica.
Estas variables han demostrado tener un impacto significativo en la morbilidad psíquica y su inclusión en el análisis multivariante puede proporcionar una comprensión más completa de los factores que influyen en la salud mental. Cabe destacar que el análisis multivariante permite ajustar por la influencia de múltiples factores simultáneamente, lo que puede revelar relaciones más precisas y controlar posibles confundidores.
El cuidado de personas mayores parece estar asociado con un aumento en el riesgo de morbilidad psíquica, lo que subraya la importancia de brindar apoyo adecuado a los cuidadores.
