发现近年来好多人利用GBD数据库发了很多文章。
GBD数据库(http://ghdx.healthdata.org/gbdresults-tool)中关于疾病的发生率、死亡率、DALY等数据都是现成的,所以主要的工作量包括:
- 下载数据并整理成表格:用R比较方便,用Excel也行;
- 数据的可视化(画图):用R的ggplot包比较方便,推荐参考书籍:
Winston Chang. R数据可视化手册(异步图书)人民邮电出版社 - 相关变化趋势的计算:常用方法的是Estimated annual percentage change (EAPC),其原理推荐参考文献:
Hankey BF, et al. Partitioning linear trends in age-adjusted rates. Cancer Causes Control CCC 2000; 11(1):31-5. - 变化趋势的预测:见我的另一篇博文 《利用GBD数据库做未来疾病负担预测》
下面要讲的是EAPC的计算:
1. 数据的整理
以某病的年龄标准化发病率(ASIR)为例:
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17rm(list = ls()) library(data.table) #个人习惯,喜欢用这个包 library(tidyverse) #个人习惯,为了用管道符 years <- fread('I:/years_locations.csv') regions_years_ASIR <- years[measure_name == 'Incidence' & #发病率 age_name == 'Age-standardized' & #年龄标准化的 metric_name == 'Rate' & #率(每10万人) location_id %in% c(1,44637,44636,44639,44634, 44635,32,42,56,70, 65,100,96,73,120, 104,124,134,138,159, 5,21,9,167,174, 192,199) & #关注的地理区域 sex_name == 'Both',] #所有性别
2. 计算EAPC
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20EAPC_ASIR <- data.table() #搞个空表格 for (i in unique(regions_years_ASIR$location_id)) { #因为要算每个区域的变化趋势,所以按地理区域编号,一个个拎出来计算 temp <- regions_years_ASIR[location_id == i, ] #进行Log变化是因为这个方法基于一个假设:发病率经log变换后其逐年的变化呈线性 temp$lograte <- log(temp$val) #线性回归 fit <- lm(lograte ~ year, temp) b <- coefficients(fit) CI <- confint(fit) #斜率以及置信区间 EAPC0.5 <- format(round(100 * (exp(b[2]) - 1), digits = 2), nsmall = 2) EAPC0.975 <- format(round(100 * (exp(CI[4]) - 1), digits = 2), nsmall = 2) EAPC0.025 <- format(round(100 * (exp(CI[2]) - 1), digits = 2), nsmall = 2) #顺手整理一下数据 location_id <- regions_years_ASIR$location_id[regions_years_ASIR$location_id == i] %>% unique() EAPC <- cbind(location_id, EAPC0.025, EAPC0.5, EAPC0.975) EAPC_ASIR <- rbind(EAPC_ASIR,EAPC) }
3. 整理结果
用R进行数据整理可以避免很多重复劳动
复制代码
1
2
3
4
5EAPC_ASIR <- EAPC_ASIR[,.(location_id, EAPC_ASIR = paste(EAPC_ASIR$EAPC0.5,' (', EAPC_ASIR$EAPC0.025, ' to ', EAPC_ASIR$EAPC0.975, ')', sep = ''))] write.csv(EAPC_ASIR, 'I:/EAPC_ASIR.csv')
最后
以上就是彪壮小丸子最近收集整理的关于GBD数据库相关文献中的EAPC怎么算?的全部内容,更多相关GBD数据库相关文献中内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
发表评论 取消回复