Gráficos de Odds Ratio con OddsPlotty

Video explicativo

Librarías de Trabajo

El siguiente código sirve para instalar las librerías a usar:

install.packages("OddsPlotty")
install.packages("tidyverse")
install.packages("mlbench")

Ahora, activa las librerías:

library(tidyverse)
library(OddsPlotty)
library(mlbench) # para cargar la base de datos

Transformación inicial de la base de datos

Este paso no es necesario siempre. El objetivo es eliminar filas sin datos (incompletas), eliminar columnas que no vayan a ser usadas en el modelo GLM, y, para efectos de este ejercicio simple, convertir en numéricas las columnas factor.

# Cargamos la base de datos BreastCancer
data("BreastCancer")

# Vista previa
head(BreastCancer)

##        Id Cl.thickness Cell.size Cell.shape Marg.adhesion Epith.c.size
## 1 1000025            5         1          1             1            2
## 2 1002945            5         4          4             5            7
## 3 1015425            3         1          1             1            2
## 4 1016277            6         8          8             1            3
## 5 1017023            4         1          1             3            2
## 6 1017122            8        10         10             8            7
##   Bare.nuclei Bl.cromatin Normal.nucleoli Mitoses     Class
## 1           1           3               1       1    benign
## 2          10           3               2       1    benign
## 3           2           3               1       1    benign
## 4           4           3               7       1    benign
## 5           1           3               1       1    benign
## 6          10           9               7       1 malignant

# Transformación
BreastCancer <- BreastCancer %>% 
  select(-1) %>%  # eliminar columnas que se vayan a usar
  mutate_if(is.factor, as.numeric) %>% # convertir columnas factores a numéricas
  mutate(Class = factor(Class)) %>% #convertir a factor la variable respuesta
  filter(complete.cases(.)) # eliminar filas incompletas 

Modelo lineal

# Crear el modelo generalizado lineal (GLM): regresión logística
mod1 <- glm(Class ~ ., data = BreastCancer, family = binomial(link = "logit"))

# Resumen estadístico del modelo
summary(mod1)

## 
## Call:
## glm(formula = Class ~ ., family = binomial(link = "logit"), data = BreastCancer)
## 
## Deviance Residuals: 
##     Min       1Q   Median       3Q      Max  
## -3.4855  -0.1152  -0.0619   0.0222   2.4702  
## 
## Coefficients:
##                   Estimate Std. Error z value Pr(>|z|)    
## (Intercept)     -10.110096   1.173774  -8.613  < 2e-16 ***
## Cl.thickness      0.535256   0.141938   3.771 0.000163 ***
## Cell.size        -0.005943   0.209158  -0.028 0.977332    
## Cell.shape        0.322136   0.230644   1.397 0.162510    
## Marg.adhesion     0.330694   0.123462   2.679 0.007395 ** 
## Epith.c.size      0.096797   0.156568   0.618 0.536415    
## Bare.nuclei       0.383015   0.093865   4.080 4.49e-05 ***
## Bl.cromatin       0.447401   0.171392   2.610 0.009044 ** 
## Normal.nucleoli   0.213074   0.112894   1.887 0.059109 .  
## Mitoses           0.538551   0.325615   1.654 0.098138 .  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 884.35  on 682  degrees of freedom
## Residual deviance: 102.90  on 673  degrees of freedom
## AIC: 122.9
## 
## Number of Fisher Scoring iterations: 8

Gráfico con OddsPlotty

# Gráfico inicial
OR <- odds_plot(mod1, 
                title = "Odds Ratios",
                subtitle = "Factores Asociados al Cáncer de Pulmón",
                point_col = "#5f00db", 
                error_bar_colour = "#5f00db",
                point_size = 1, 
                error_bar_width = 0.2,
                h_line_color = "#5f00db")

## Waiting for profiling to be done...

OR$odds_plot

# Adicionar un tema, eliminar leyenda y etiqueta del eje Y
ORplot <- OR$odds_plot+
  theme_test()+
  theme(legend.position = "none")+
  labs(x="")
ORplot

# Adicionar valores de Odds Ratio 
ORplot +
  geom_text(label = round(OR$odds_data$OR, digits = 2), size=3, 
            hjust = 1.5, vjust = -0.35, color="#5f00db")+
  # scale_x_discrete() te ayudará a modificar las etiquetas del eje Y.
  # Por ejemplo, modificar Mitoses por Mitosis, o Cl.thickness por 
  # Grosor de Cl:
  scale_x_discrete(expand=c(0.15,0.15),
                   label = c("Mitoses"="Mitosis",
                             "Cl.thickness"="Grosor de Cl"))

Inspeccionar la información de Odds Ratios

OR$odds_data %>% as.data.frame()

##          OR     lower    upper            vars
## 1 1.7078851 1.3160488 2.311339    Cl.thickness
## 2 0.9940746 0.6738898 1.550114       Cell.size
## 3 1.3800729 0.8617778 2.155328      Cell.shape
## 4 1.3919332 1.0975034 1.798580   Marg.adhesion
## 5 1.1016369 0.8052066 1.499293    Epith.c.size
## 6 1.4666999 1.2298023 1.783756     Bare.nuclei
## 7 1.5642407 1.1313483 2.225679     Bl.cromatin
## 8 1.2374760 0.9981626 1.561486 Normal.nucleoli
## 9 1.7135219 0.9926455 3.025957         Mitoses

Visita:

• Instituto de Ciencias Antonio Brack [website]

• Fan page [Facebook]

• Comunidad RLatam [Facebook]