R語言對BRFSS數(shù)據(jù)探索回歸數(shù)據(jù)分析報(bào)告 附代碼數(shù)據(jù)

R語言對BRFSS數(shù)據(jù)的探索摘要

該項(xiàng)目包括探索真實(shí)世界的數(shù)據(jù)集-疾病預(yù)防控制中心2013年的行為風(fēng)險(xiǎn)因素監(jiān)測系統(tǒng)-并創(chuàng)建了三個(gè)學(xué)生選擇的研究問題的報(bào)告。

所選擇的研究問題及其各自的結(jié)果如下：

?被訪者對其身體質(zhì)量指數(shù)（BMI）的健康狀況有何看法？性別是否有區(qū)別？

是的，健康知覺與BMI之間有明顯的關(guān)系，也有性別差異。

?作為一名幼兒的父母，如何影響報(bào)告的睡眠時(shí)間？這在性別上有什么不同的報(bào)道？

?作為一個(gè)年幼的父母，導(dǎo)致報(bào)告的睡眠減少，包括男女之間的差異。

?是否對與一年中調(diào)查時(shí)間有關(guān)的一般健康認(rèn)知做出反應(yīng)？各州之間有什么分歧？

冬季和非冬季的反應(yīng)在國家層面上沒有顯著差異，但是在各州的反應(yīng)方面存在差異。

建立

初始階段包括加載所需的軟件包和數(shù)據(jù)。加載包library(ggplot2)library(dplyr)加載數(shù)據(jù)

數(shù)據(jù)從本地文件加載load("brfss2013.RData")dim(brfss2013)##[1]491775330從上面可以看出，數(shù)據(jù)集由近500,000個(gè)觀察值和330個(gè)可能的變量組成。

并不是所有的觀測數(shù)據(jù)都包含了所有的變量，因此數(shù)據(jù)質(zhì)量在下面的每個(gè)問題上分別進(jìn)第1部分：數(shù)據(jù)

BRFSS的背景

根據(jù)CDC網(wǎng)站，“行為風(fēng)險(xiǎn)因素監(jiān)測系統(tǒng)（BRFSS）是美國首屈一指的與健康有關(guān)的電話調(diào)查系統(tǒng)，收集美國居民的健康相關(guān)風(fēng)險(xiǎn)行為，慢性健康狀況和使用預(yù)防性服務(wù)。

BRFSS成立于1984年，擁有15個(gè)州，現(xiàn)在收集所有50個(gè)州，哥倫比亞特區(qū)和三個(gè)美國領(lǐng)土的數(shù)據(jù)。

BRFSS每年完成40多萬次成人訪談，成為世界上最大的連續(xù)進(jìn)行的健康調(diào)查系統(tǒng)?！?/p>

方法

根據(jù)疾病預(yù)防控制中心的數(shù)據(jù)，“BRFSS是一項(xiàng)跨部門的電話調(diào)查，國家衛(wèi)生部門每月通過固定電話和移動電話進(jìn)行一次標(biāo)準(zhǔn)化問卷調(diào)查，并獲得CDC的技術(shù)和方法支持。在進(jìn)行BRFSS座機(jī)電話調(diào)查時(shí)，調(diào)查員從一個(gè)隨機(jī)選擇的家庭成人中收集數(shù)據(jù)。在進(jìn)行BRFSS調(diào)查問卷的移動電話版本時(shí)，調(diào)查員從通過使用移動電話參與并居住在私人住宅或?qū)W院住房的成年人那里收集數(shù)據(jù)。

關(guān)于概化，因果關(guān)系和偏見的觀察

雖然課程材料簡要地提到了更高級的統(tǒng)計(jì)內(nèi)容（因果推斷），但考慮到作者對于因果關(guān)系的現(xiàn)有知識，可以做出以下陳述：

?關(guān)于泛化能力的話題：由于調(diào)查的廣度-在美國所有50個(gè)州和其他美國領(lǐng)土上，由CDC與各州衛(wèi)生機(jī)構(gòu)協(xié)調(diào)，-它似乎捕獲了足夠的隨機(jī)樣本，使其可歸納為廣泛的美國人口。

?因果關(guān)系：考慮到BRFSS是一種觀察性練習(xí)-沒有明確的隨機(jī)分配治療-所有指出的關(guān)系可能表明聯(lián)系，但不是因果關(guān)系。

另外，考慮到BRFSS的方法，對于偏見有一些擔(dān)憂：

?通過電話調(diào)查，有可能低報(bào)幾種類型的個(gè)人：

?那些無法使用固定電話或手機(jī)的人。

?原則上不接受電話調(diào)查的人。

?調(diào)查時(shí)沒有調(diào)查的地方。

?由于面試問題的答案沒有得到確認(rèn)，受訪者可能會以各種方式改變他們的回答：

報(bào)告不需要的行為和特征，而低報(bào)不受歡迎的行為和特征。

系統(tǒng)地夸大身高或收入等特征。

自從被要求將細(xì)節(jié)記憶到30天或更長時(shí)間之前，請不要忘記關(guān)鍵信息。

?最后，參與國家機(jī)構(gòu)之間的訪談實(shí)踐和問題集可能存在不一致之處。詳情請見CDC網(wǎng)站。

為了將來的參考，如果數(shù)據(jù)集包括關(guān)于每次采訪的細(xì)節(jié)以及采集的時(shí)間，這將是有用的。這將進(jìn)一步了解那些可能或不可能參與調(diào)查的人。

第2部分：研究問題

研究問題1：

被訪者對其身體質(zhì)量指數(shù)（BMI）的健康狀況有何看法？性別之間有什么區(qū)別？

這是一個(gè)很有意思的問題，因?yàn)樗鼘で髮⒆约旱慕】禒顩r與客觀的整體健康狀況聯(lián)系起來。

BMI不是沒有爭議（例如見這里），但它被廣泛認(rèn)可。性別之間的差異也很有趣，因?yàn)槿藗兛梢允崂沓錾鐣?nèi)部不同的看法和壓力。

分析使用以下變量完成：

genhlth-對應(yīng)于一般健康

?X_bmi5cat-將BMI分為4類的計(jì)算變量。

BMI來源于報(bào)道的身高和體重。

?性別-報(bào)告的性別

研究問題2：

作為一個(gè)年幼的孩子的父母如何影響報(bào)告的睡眠時(shí)間？這在性別上有什么不同的報(bào)道？

這是一個(gè)很有意思的問題，可以估計(jì)作為幼兒的家長對受訪者的影響。了解這一點(diǎn)有助于幫助他人更好地理解父母，并可能同情父母。了解這種影響在男性和女性之間是否明顯不同也是有用的。

分析使用以下變量完成：

?sleptim1-報(bào)告每晚睡眠時(shí)間

?rcsrltn2-被訪者與同一家庭隨機(jī)孩子的關(guān)系

?X_impcage-將兒童年齡分為4個(gè)可能類別的推算變量。

?性別-報(bào)告的性別

研究問題3：

是否對與一年中調(diào)查時(shí)間有關(guān)的一般健康認(rèn)知做出了回應(yīng)？各州之間有什么分歧？

這個(gè)問題看季節(jié)方面可能如何影響反應(yīng)。在這種情況下，感興趣的是冬季月份對整體健康反應(yīng)的潛在影響。作為后續(xù)研究，它考慮了美國各州考慮可能存在的區(qū)域差異。

分析使用以下變量完成：

genhlth-對應(yīng)于一般健康

?imonth-進(jìn)行面試的月份

?X_state-受訪者的居住狀態(tài)

第3部分：探索性數(shù)據(jù)分析

研究問題1：

被訪者對其身體質(zhì)量指數(shù)（BMI）的健康狀況有何看法？

性別是否有區(qū)別？#＃從數(shù)據(jù)集中選擇適當(dāng)?shù)淖兞坎⑹÷訬Asq1<-select(brfss2013,genhlth,sex,X_bmi5cat)%>%na.omit()dim(q1)##[1]4632743prop.table(table(q1$genhlth,q1$X_bmi5cat),2)####UnderweightNormalweightOverweightObese##Excellent0.199902430.260194960.173738870.07933813##Verygood0.263934630.350698680.354012380.26824837##Good0.261495300.246675140.306984510.37088006##Fair0.158311990.097516400.119437590.19913468##Poor0.116355650.044914840.045826650.08239876在初始加載數(shù)據(jù)（超過46萬個(gè)觀測值）之后，我們可以初步了解反應(yīng)的頻率，然后考慮它們的比例。

解釋上表的方法是，對于每一欄（“低體重”，“正常體重”，...），表示他們的健康狀況為“優(yōu)秀”，“非常好”的受訪者的比例是多少，換句話說，

列總和為1。

一個(gè)更容易的圖形表示可以看到下面：g<-ggplot(q1)+aes(x=X_bmi5cat,fill=genhlth)+geom_bar(position="fill")g<-g+xlab("BMIcategory")+ylab("Proportion")+scale_fill_discrete(name="ReportedHealth")g有一些有趣的趨勢可以觀察到：

?“優(yōu)秀”健康報(bào)告的比例從低體重增加到正常體重，然后從正常體重顯著下降到肥胖。

這表明有可能意識到整體健康狀況。

?“優(yōu)秀”減少的幅度似乎比報(bào)告“健康欠佳”的人增加了。

這可能表明缺乏對良好健康狀況的認(rèn)識/教育。

性別的影響呢？g<-ggplot(q1)+aes(x=sex,fill=genhlth)+geom_bar(position="fill")+facet_grid(.~X_bmi5cat)g<-g+xlab("BMIcategoryperGender")+ylab("Proportion")+scale_fill_discrete(name="ReportedHealth")g在這種情況下，我們可以觀察到以下情況：

?當(dāng)BMI分類為“體重不足”或“正常體重”時(shí)，女性的健康狀況比男性高。

這可能意味著健康與苗條的更強(qiáng)關(guān)聯(lián)，反映更廣泛的社會意見。

?當(dāng)BMI分類為“超重”或“肥胖”時(shí)，女性健康狀況的比例低于男性。

這可能表明體重過度敏感是整體健康的一個(gè)組成部分。

總之，分析似乎表明，考慮到研究問題：是的，健康知覺與BMI之間有明顯的關(guān)系，以及性別差異。但是，鑒于所進(jìn)行的分析，這些關(guān)系不能用來推斷因果關(guān)系。

研究問題2：

作為一個(gè)年幼的孩子的父母如何影響報(bào)告的睡眠時(shí)間？

這在性別上有什么不同的報(bào)道？q2<-select(brfss2013,sleptim1,sex,rcsrltn2,X_impcage)table(q2$sleptim1)####0123456789##122810763496142613343610619714246914110223800##10111213141516171819##1210283336751994473673693516413##2021222324103450##6431043511Theinitialdataloadindicatesthattherearecodingerrorsinthedata.Thecleanupinvolvesremovingreportedsleeptimeslongerthan16hoursperday.Thiswasanarbitrarydecisionbasedonthedata.q2_pop<-select(q2,sex,sleptim1)%>%na.omit()%>%filter(sleptim1<=16)dim(q2_pop)##[1]4840562q2_parent<-na.omit(q2)%>%filter(rcsrltn2=="Parent"&sleptim1<=16)%>%mutate(young=X_impcage%in%c("0-4Yearsold","5-9Yearsold"))dim(q2_parent)##[1]578575Thisdataloadperformstwodataselectionoperations:First,itselectsthepropercolumnsfromtheoriginaldatasetintotheq2dataframe.Itthencreatestwoseparatedataframesforanalysis:q2_pop:forthebroaderpopulation,omittingmiscodedvalues.q2_parent:leveragestheRandomChildSelectionsetofquestionsfromtheBRFSSandselectsthosethatidentifiedthemselvesas“Parents”.Furthermore,itaddsacolumnforidentifyingchildrenlessthan10yearsold.Itisimportanttonotethatwhilethebroadpopulationisapproximately480,000samples,theRandomChildSelectionmoduleoftheBRFSSyieldsalittlelessthan60,000samples.Forthegeneralpopulation,wehavethefollowingreportedsleepdistribution(redlinecorrespondstomean):summarize(q2_pop,avg=mean(sleptim1),sd=sd(sleptim1))##avgsd##17.0427841.431061g<-ggplot(q2_pop)+aes(x=sleptim1)g<-g+geom_histogram(binwidth=1,color="black",fill="white")g<-g+xlab("SleepTime(hrs)")+ylab("ReportedCount")gFortheparentsgroups,thecharacteristicsofthedistributionare:summarize(q2_parent,avg=mean(sleptim1),sd=sd(sleptim1))##avgsd##16.8545211.315791Andforparentsofsmallchildren,thedistributionlookslike:filter(q2_parent,young==TRUE)%>%summarize(avg=mean(sleptim1),sd=sd(sleptim1))##avgsd##16.8477451.31827Finally,lookingatgenderdifferencesforparentsofsmallchildren:filter(q2_parent,young==TRUE)%>%group_by(sex)%>%summarize(avg=mean(sleptim1),sd=sd(sleptim1))###Atibble:2x3##sexavgsd##<fctr><dbl><dbl>##1Male6.7558621.230122##2Female6.9096991.371082Lookingatthecharacteristicsofthedistribution,andtheoriginalresearchquestion,itappearsthattherearedifferencesbetweenthegendersinreportedhoursofsleepbothbetweenthegeneralpopulationandthosethatrespondedasbeingparentsofsmallchildren.Itisexpectedthatfurtherstatisticaltechniqueswillallowustoquantifythesignificanceofsuchdifferences.Researchquesion3:Areresponsestogeneralhealthperceptionrelatedtothetimeofyearofthesurveywasconducted?Howdoanydifferencesshowupacrossstates?#DefineWintermonthswinter<-c("December","January","February")q3<-select(brfss2013,genhlth,imonth,X_state)%>%na.omit()%>%mutate(winter=imonth%in%winter)dim(q3)##[1]4897904prop.table(table(q3$genhlth,q3$winter),2)####FALSETRUE##Excellent0.173930760.17643433##Verygood0.324012810.32724673##Good0.307692720.30641019##Fair0.137051710.13362268##Poor0.057312000.05628606Theinitialdataloadforthisquestionresultedinapproximately490,000samples.Aspertheresearchquestion,thevariablesextractedwerethegeneralhealthreported,themonththeinterviewtookplace,andtherespondent’sstateofresidence.Forthisanalysis,anextracolumnwasaddedindicatingiftheinterviewtookplaceinthemonthstypicallyassociatedwithwinter.Lookingattheproportiontable(lookingdownbothFALSEandTRUEcolumns),thereportedhealthisverysimilarregardlessofstatusof“wintercollection”.Thiscanbealsovisualizedinthefollowingplot:g<-ggplot(q3)+aes(x=winter,fill=genhlth)+geom_bar(position="fill")g<-g+xlab("Winterinterviewperstate")+ylab("Proportion")+scale_fill_discrete(name="ReportedHealth")gInterestingly,whenwelookatstate-specificdata,aslightlydifferentpictureappears.AsampleofUSstateswasselectedforfurtheranalysis:#Definestatesofintereststates<-c("Alaska","California","Massachusetts","NewHampshire","Wyoming")q3_states<-filter(q3,X_state%in%states)dim(q3_states)##[1]436084group_by(q3_states,X_state,winter)%>%summarise(count=n())##Source:localdataframe[10x3]##Groups:X_state[?]####X_statewintercount##<fctr><lgl><int>##1AlaskaFALSE3432##2Alas