#
#   DADOS DA CIRURGIA CARDÍACA - TOM, RENATO E GELAPE
#
#=========================================================
#           Leitura e Preliminares dos Dados 
#=========================================================
# Resposta inflamatória sistêmica após circulação extracorpórea em valvopatas
# Fonte: Tom e seus alunos Cláudio Gelape e Renato
#            
# Amostra (N=62) de Dados de pacientes divididos em três grupos (Var. Grupo) 
# 0 - Cirurgia de coronária, usando rolete (n= 22) 
# 1 - Cirurgia de coronáira, usando biopump (n=21) 
# 2 - Cirurgia de válvula, usando rolete (n=19). 
#
#  Objetivo Principal:
#     1- Comparar os dois grupos que usam rolete (0 vs 2)
#     2- Comparar as duas cirurgias de coronária (1 vs 2)
#     3- Avaliar o comportamento temporal 
#
# Descrição: 
# 
# O paciente é submetido à cirurgia cardíaca com o auxílio da 
# circulação extracorpórea (CEC) onde o sangue heparinizado entra 
# em contato com superfícies estranhas (oxigenador e tubos do circuito
# extracorpóreo). Desta forma, apresenta-se ativação de vários 
# sistemas orgânicos do corpo. 
# 
# A cirurgia cardíaca com CEC provoca alterações inflamatórias no 
# organismo conhecidas como síndrome da resposta inflamatória sistêmica (SIRS). 
# As respostas são as dosagens de 4 citocinas (i, t, mc, mip) no sangue 
# da artéria radial ou linha arterial sanguínea da CEC nos seguintes 6 momentos:
#
# 1- após indução anestésica; 
# 2– após despinçamento aórtido; 
# 3– no final da operação; 
# 4- 2 horas de pós-operatório.
# 5- 6 horas de pós-operatório.
# 6- 24 horas de pós-operatório.
#
#  As variáveis n1,n2,n3,n4,n5 e n6 registram os tempos em horas.
#  Por exemplo: o primeiro paciente tem:
#    n1anest: primeiro tempo após a indução anestésica foi 9:00hs
#             este tempo deve virar 0
#    n2despin: após o despinçamento: 10:32hs, que deve virar 1.53hs
#    n3final: final da operação: 11:10, que deve virar 2.17hs
#    n4hpo: 2 horas após: 1310, que deve virar 4.17hs
#    n56hpo: 6 horas após: 1910, que deve virar 8.17
#    n624hpo: 24horas após: 900, que deve virar 24hs 
#
#
# Lista de variáveis no arquivo de dados (revivar_reduzido.txt): 
#
# AS seguintes covariáveis foram medidas:
#
# 1- sexo (1- homem e 2-mulher) 
# 2- idade (em anos) 
# 3- peso (em quilos) 
# 4- altura (em mts) 
# 5- imc (peso/altura^2)  # deve ser usado ao invés de peso e altura 
# 6- nyha (classe funcional=1,2,3,4) 
# 7- has (pressão sistólica 0/1)
# 8- iap (ins. arterial periferica 0/1)
# 9- ai (angina instável)
# 10- eurob (Eurobeta: risco percentual) 
# 11- euroes (Euroscore: pontos)
# 12- fc (frequencia cardiáca)
# 13- creat (creatinina)
#
# Importantes a princípio: sexo, idade, imc, nyha e euroscore.
#
# Resumo: estudo observacional, balanceado: 22/21/19 indivíduos em 
# cada grupo avaliados em 6 momentos, objetivo (comparar os grupos
# avaliar a evolução no tempo) e resposta contínua. O estudo incluí
# 4 respostas. Desta forma, teremos 4 análises separadas. 
#
# Resposta 1: citocina Tnf-receptor – t;
# Resposta 2: citocina interleucina 6 – i;
# Resposta 3: citocina MCP1;
# Resposta 4: citocina MIP1.
#
# Vamos restringir inicialmente à citocina t. 
#
  source("longit.r") #carrega a biblioteca longit.r
  require(growth)
  dir() # verifica os arquivos no diretório
  dados<-read.table("revivar_reduzido.txt",header=T)
  attach(dados)
  names(dados)
  dim(dados)
  dados[1:15,]
  fix(dados) #Planilha de Dados
  ID<-c(1:62)
# Descritiva dos dados
  summary(t1) 
  summary(t2)
  summary(t3)
  summary(t4)
  summary(t5)
  summary(t6)
  boxplot(t1,t2,t3,t4,t5,t6,ylab="citocina t")
  axis(1, c(1:6))
### Cuidado pois o Boxplot não considera a estrutura longitudinal ####
#  datawide<-data.frame(ID,tipocir,t1,t2,t3,t4,t5,t6)
#  cor(datawide[,3:8]) # matriz de correlação dos dados (deve ser 
#  feito com os resíduos)
#
#========================================================
#         Manipulando Banco de Dados Longitudinais
#            Banco Longo (uma medida por linha)
#=========================================================
#
# Transformando o banco wide para longo
#    Todo o banco
#datalong<-reshape(data=dados,direction="long", idvar="id", 
#varying = list(names(dados)[c(2,6,10,14,18,22)]
#,names(dados)[c(3,7,11,15,19,23)],
#names(dados)[c(4,8,12,16,20,24)],names(dados)[c(5,9,13,17,21,25)]), 
#v.names=c("t","i","MCP","MIP"),timevar="tempo")
#    Somente t
  datalong<-reshape(data=datawide,direction="long",idvar="ID",
  varying = list(names(datawide)[3:8]),v.names="t",timevar="tempo")
#  
  length(unique(datalong$ID)) # qtos individuos no estudo 
  table(datalong$tempo) # qtos individuos por tempo
  table(datalong$tempo,datalong$tipocir) # qtos individuos por tempo e tipo de cirurgia
#==========================================================