pacman::p_load(
rio, # importar/exportar dados
here, # localizar arquivos
stringr, # limpar caracteres e strings
frailtypack, # necessário para dsr, para modelos de fragilidade
PHEindicatormethods, # alternativa para padronização das taxas
tidyverse) # gerenciamento e visualização dos dados
pacman::p_load_gh("cran/dsr") # foi removido do CRAN21 Normalização de taxas
Esta página irá descrever duas maneiras de normalizar os dados, como hospitalizações ou mortalidade, com características como idade e sexo.
- Utilizando o pacote dsr
- Utilizando o pacote PHEindicatormethods
Nós iniciaremos enfatizando os processos de preparação/limpeza/união dos dados, por serem atividades comuns ao combinar dados populacionais de diferentes países, dados populacionais padrões, óbitos, etc.
21.1 Visão geral
Existem duas principais formas de normalizar: normalização direta e indireta. Digamos que gostaríamos de normalizar as taxas de mortalidade por idade e sexo, nos países A e B, e, então, comparar as taxas entre esses países.
- Para realizar a normalização direta, você precisa saber o número da população sob-risco, e o número de mortes para cada faixa etária por sexo, tanto para o país A, quanto para o B. Uma faixa etária em nosso exemplo poderia ser mulheres entre 15-44 anos.
- Para realizar a normalizaçaõ de forma indireta, você apenas precisa saber o número total de mortes, e a composição da população por sexo e idade em cada país. Logo, está opção é viável quando as taxas de mortalidade específicas por idade e sexo, ou números da população, não estão disponíveis. A normalização indireta também é preferida nos casos de pequenas quantidades por estrato, uma vez que estimativas com a normalização direta seriam influenciadas pela variação amostral.
21.2 Preparação
Para mostrar como a normalização é feita, nós iremos utilizar dados ficcionais com a quantidade populacional e quantidade de mortes dos países A e B, por idade (em categorias de 5 anos) e sexo (mulheres, homens). Para criar conjuntos de dados prontos para uso, nós iremos executar as seguintes etapas de preparação:
- Carregar os pacotes
- Carregar os conjuntos dos dados
- Unir os dados populacionais e de óbitos dos dois países
- Transformar para o formato longo, de forma que haja apenas uma linha por estrato idade-sexo
- Limpar a população de referência (população mundial padrão) e uni-la aos dados dos países
No seu cenário, os dados podem estar em um formato diferente. Talvez seus dados sejam por províncias, cidades, ou outros tipos de área. Talvez você tenha uma linha para cada óbito, e informações (ou uma proporção significante) sobre idade e sexo para cada um desses óbitos. Neste caso, veja as páginas sobre Agrupando dados, Pivoteando os dados, e Tabelas descritivas para criar um conjunto de dados com quantidades de eventos e população por estrato idade-sexo.
Nós também precisamos de uma população de referência, a população padrão. Para os propósitos deste exercício, nós iremos utilizar o world_standard_population_by_sex. A “população padrão mundial” é baseada nas populações de 46 países e foi criada em 1960. Existem muitas populações “padrão” - por exemplo, o site do NHS Scotland possui muitas informações sobre a População Padrão Européia, População Padrão Mundial, e População Padrão Escocesa.
Carregue os pacotes R
O código abaixo realiza o carregamento dos pacotes necessários para a análise dos dados. Neste manual, enfatizamos o uso da função p_load(), do pacman, que instala os pacotes, caso não estejam instalados, e os carrega no R para utilização. Também é possível carregar pacotes instalados utilizando a função library(), do R base. Para mais informações sobre os pacotes do R, veja a página Introdução ao R.
CUIDADO: Se você tem uma versão mais nova do R, o pacote dsr não pode ser diretamente baixado do CRAN. Entretanto, ainda está disponível do arquivo do CRAN. Você pode instalar e utilizar esta versão do arquivo.
Para os que não utilizam Mac:
packageurl <- "https://cran.r-project.org/src/contrib/Archive/dsr/dsr_0.2.2.tar.gz"
install.packages(packageurl, repos=NULL, type="source")# Outra solução que pode funcionar
require(devtools)
devtools::install_version("dsr", version="0.2.2", repos="http:/cran.us.r.project.org")Para usuários de Mac:
require(devtools)
devtools::install_version("dsr", version="0.2.2", repos="https://mac.R-project.org")Carregue os dados populacionais
Veja a página Download do manual e dados para instruções sobre como baixar todos os dados de exemplos utilizados neste manual. Você pode importar os dados da página de Padronização dos dados diretamente no R, do nosso repositório Github, ao executar os comandos import() abaixo:
# importe dados demográficos do país A diretamente do Github
A_demo <- import("https://github.com/appliedepi/epirhandbook_eng/raw/master/data/standardization/country_demographics.csv")
# importe dados de óbitos do país A diretamente do Github
A_deaths <- import("https://github.com/appliedepi/epirhandbook_eng/raw/master/data/standardization/deaths_countryA.csv")
# importe dados demográficos do país B diretamente do Github
B_demo <- import("https://github.com/appliedepi/epirhandbook_eng/raw/master/data/standardization/country_demographics_2.csv")
# importe dados de óbitos do país B diretamente do Github
B_deaths <- import("https://github.com/appliedepi/epirhandbook_eng/raw/master/data/standardization/deaths_countryB.csv")
# importe dados demográficos da População padrão mundial diretamente do Github
standard_pop_data <- import("https://github.com/appliedepi/epirhandbook_eng/raw/master/data/standardization/world_standard_population_by_sex.csv")Primeiro, nós carregamos os dados demográficos (contanges de homens e mulheres por categorias de 5 em 5 anos) para os países que iremos comparar, “País A” e “País B”.
# País A
A_demo <- import("country_demographics.csv")# País B
B_demo <- import("country_demographics_2.csv")Carregue a quantidade de óbitos
Convenientemente, a quantidade de óbitos, por idade e sexo durante o período de interesse, também está disponível. Cada contagem por país está em arquivos separados, como mostrado abaixo.
Óbitos no país A
Óbitos no país B
Limpe os dados populacionais e de óbitos
Nós precisamos unir e transformar estes dados da seguinte maneira:
- Combine as populações dos países em um conjunto de dados e o transforme para o formato “longo”, de forma que cada estrato idade-sexo esteja em uma linha
- Combine a quantidade de óbitos dos países em um conjunto de dados e o transforme para o formato “longo”, de forma que cada estrato idade-sexo esteja em uma linha
- Una os óbitos com as populações
Primeiro, nós iremos unir os dados de população por país, transformar para o formato longo, e realizar uma limpeza mínima dos dados. Veja a página sobre Pivoteando os dados para mais detalhes.
pop_countries <- A_demo %>% # inicie com os dados do país A
bind_rows(B_demo) %>% # una as linhas, uma vez que as colunas têm o mesmo nome
pivot_longer( # transforme (pivot) para o formato longo
cols = c(m, f), # colunas para combinar em uma
names_to = "Sex", # nome para a nova coluna contendo a categoria ("m" ou "f")
values_to = "Population") %>% # nome para a nova coluna contendo os valores numéricos transformados (pivoted)
mutate(Sex = recode(Sex, # re-codifique os valores para clareza
"m" = "Male",
"f" = "Female"))Agora, os dados populacionais combinados estão assim (clique para ver os países A e B)
E, agora, nós iremos realizar operações similares nos dois bancos de óbitos.
deaths_countries <- A_deaths %>% # inicie com os dados de óbitos do país A
bind_rows(B_deaths) %>% # una as linhas com os dados do país B, uma vez que o nome das colunas é igual
pivot_longer( # transforme para formato longo
cols = c(Male, Female), # colunas para transformar em uma
names_to = "Sex", # nome da nova coluna contendo a categoria ("m" ou "f")
values_to = "Deaths") %>% # nome da nova coluna contendo os valores numéricos transformados
rename(age_cat5 = AgeCat) # renomeie para mais clarezaAgora, os dados de óbitos estão da seguinte forma, e contêm dados de ambos países:
Agora, nós uniremos os dados populacionais e de óbitos, baseado nas colunas em comum Country, age_cat5, e Sex. O processo também adiciona a coluna Deaths.
country_data <- pop_countries %>%
left_join(deaths_countries, by = c("Country", "age_cat5", "Sex"))Então, podemos classificar Sex, age_cat5, e Country como factors, e ajustar a ordem dos níveis com a função fct_relevel() do pacote forcats, como descrito na página Fatores. Nota, visivelmente, classificar os níveis dos factors não altera os dados, mas o comando arrange() ordena os dados por país (Country), categoria de idade (age), e sexo (sex).
country_data <- country_data %>%
mutate(
Country = fct_relevel(Country, "A", "B"),
Sex = fct_relevel(Sex, "Male", "Female"),
age_cat5 = fct_relevel(
age_cat5,
"0-4", "5-9", "10-14", "15-19",
"20-24", "25-29", "30-34", "35-39",
"40-44", "45-49", "50-54", "55-59",
"60-64", "65-69", "70-74",
"75-79", "80-84", "85")) %>%
arrange(Country, age_cat5, Sex)CUIDADO: Se você possuir poucos óbitos por estrato, considere utilizar categorias com intervalos de 10 ou 15 anos, em vez de 5 anos.
Carregue os dados populacionais de referência
Por último, para realizar a padronização direta, nós iremos importar a população de referência (“população mundial de referência” por sexo)
# População de referência
standard_pop_data <- import("world_standard_population_by_sex.csv")Limpe os dados da população de referência
Os valores por categorias de idade nos conjuntos de dados country_data e standard_pop_data precisam ser alinhados.
No momento, os valores da coluna age_cat5, do conjunto standard_pop_data, contém as palavras “years” e “plus”, enquanto os dados em country_data não possuem essas palavras. Nós precisamos garantir que os valores da categoria “age” coincidam. Para tanto, utilizaremos a função str_replace_all(), do pacote stringr, como descrito na página sobre Caracteres e strings, para substituir estes padrões para “sem espaço” "".
Além disso, o pacote dsr espera que, na população de referência, a coluna contendo as contagens será chamada de "pop". Então, iremos renomear essa coluna desta forma.
# Remova palavras específicas da coluna valores ("values")
standard_pop_clean <- standard_pop_data %>%
mutate(
age_cat5 = str_replace_all(age_cat5, "years", ""), # remova "year"
age_cat5 = str_replace_all(age_cat5, "plus", ""), # remova "plus"
age_cat5 = str_replace_all(age_cat5, " ", "")) %>% # remova " " espaço
rename(pop = WorldStandardPopulation) # mude o nome da coluna para "pop", como o pacote dsr solicitaCUIDADO: Se você tentar utilizar a função str_replace_all() para remover o símbolo de adição, ele não irá funcionar pois é um símbolo especial. “Ignore” o caráter especial ao colocar duas barras invertidas na frente, como em str_replace_call(column, "\\+", "").
Crie um conjunto de dados com uma população padrão
Finalmente, o pacote PHEindicatormethods, detalhado abaixo, trabalha com as populações padrões unidas aos dados dos países e contagens da população. Então, nós iremos criar um banco de dados chamado all_data para isto.
all_data <- left_join(country_data, standard_pop_clean, by=c("age_cat5", "Sex"))O conjunto de dados inteiro ficou assim:
21.3 pacote dsr
Abaixo, nós demonstramos como calcular e comparar taxas normalizadas diretamente, utilizando o pacote dsr. O pacote dsr permite o cálculo e comparação de taxas normalizadas diretamente (mas não taxas normalizadas indiretamente!).
Na seção sobre Preparação dos dados, nós construímos diferentes conjuntos de dados para contagens dos países e da população padrão:
- o objeto
country_datacontém uma tabela populacional com a quantidade da população e o número de mortes por estrato por país - o objeto
standard_pop_cleancontém o número da população por estrato da população padrão, a População Mundial Padrão
Nós iremos utilizar estes dados separados na abordagem do dsr.
Taxas normalizadas
Abaixo, nós calculamos as taxas por país normalizadas diretamente para idade e sexo. Nós utilizamos a função dsr().
De nota - a função dsr() espera uma tabela de dados para as populações do país e as contagens dos eventos (mortes), e um data frame separado contendo a população padrão. Ela também considera que no banco de dados da população padrão, o nome da coluna com a unidade-tempo é “pop” (nós garantimos isto na seção sobre Preparação de dados).
Existem muitos argumentos possíveis, como anotado no código abaixo. Notavelmente, a coluna Deaths está selecionada em event =, e a coluna Population está selecionada para fu = (“acompanhamento”). Nós selecionamos os subgrupos de comparação como sendo da coluna Country, e padronizamos baseado em age_cat5 e Sex. Estas últimas duas colunas não foram utilizadas em nenhum argumento em particular. Veja ?dsr para detalhes.
# Calcula as taxas por país normalizadas diretamente por idade (age) e sexo (sex)
mortality_rate <- dsr::dsr(
data = country_data, # especifique o objeto contendo o número de mortes por estrato
event = Deaths, # coluna contendo o número de mortes por estrato
fu = Population, # coluna contendo o número da população por estrato
subgroup = Country, # unidades que gostaríamos de comparar
age_cat5, # outras colunas - taxas serão normalizadas por estas colunas
Sex,
refdata = standard_pop_clean, # data frame contendo a população de referência, com a coluna chamada pop
method = "gamma", # método para calcular o IC 95%
sig = 0.95, # nível de significância
mp = 100000, # nós queremos taxas por 100.000 habitantes
decimals = 2) # quantidade de decimais
# Printa o output como uma tabela em HTML
knitr::kable(mortality_rate) # mostra as taxas de mortalidade antes e após padronização direta| Subgroup | Numerator | Denominator | Crude Rate (per 1e+05) | 95% LCL (Crude) | 95% UCL (Crude) | Std Rate (per 1e+05) | 95% LCL (Std) | 95% UCL (Std) |
|---|---|---|---|---|---|---|---|---|
| A | 11344 | 86790567 | 13.07 | 12.83 | 13.31 | 23.57 | 23.08 | 24.06 |
| B | 9955 | 52898281 | 18.82 | 18.45 | 19.19 | 19.33 | 18.46 | 20.22 |
Acima, nós vemos que enquanto o país A possui uma menor taxa de mortalidade bruta do que o país B, ele possui uma maior taxa normalizada de mortalidade após normalizar utilizando a idade e o sexo.
Relação entre taxas normalizadas
# Calcule a razão entre as taxas (rates ratio)
mortality_rr <- dsr::dsrr(
data = country_data, # especifique o objeto que contém o número de mortes por estrato
event = Deaths, # coluna contendo o número de óbitos por estrato
fu = Population, # coluna contendo o número da população por estrato
subgroup = Country, # unidades que queremos comparar
age_cat5,
Sex, # características para as quais gostaríamos de normalizar
refdata = standard_pop_clean, # população de referência, com números em uma coluna chamada pop
refgroup = "B", # referência para comparação
estimate = "ratio", # tipo de estimativa
sig = 0.95, # nível de significância
mp = 100000, # nós queremos taxas por 100.000 habitantes
decimals = 2) # quantidade de decimais
# Printa a tabela
knitr::kable(mortality_rr) | Comparator | Reference | Std Rate (per 1e+05) | Rate Ratio (RR) | 95% LCL (RR) | 95% UCL (RR) |
|---|---|---|---|---|---|
| A | B | 23.57 | 1.22 | 1.17 | 1.27 |
| B | B | 19.33 | 1.00 | 0.94 | 1.06 |
A taxa de mortalidade normalizada é 1.22 vezes maior no país A em relação ao país B (IC 95% 1.17-1.27).
Diferença entre taxas normalizadas
# Calcule a diferença entre taxas normalizadas (Rates Difference)
mortality_rd <- dsr::dsrr(
data = country_data, # especifique o objeto contendo o número de mortes por estrato
event = Deaths, # coluna contendo o número de óbitos por estrato
fu = Population, # coluna contendo a quantidade de população por estrato
subgroup = Country, # unidades que gostaríamos de comparar
age_cat5, # características para as quais gostaríamos de normalizar
Sex,
refdata = standard_pop_clean, # população de referência, com números na coluna chamada pop
refgroup = "B", # refência para comparação
estimate = "difference", # tipo de estimativa
sig = 0.95, # nível de significância
mp = 100000, # nós queremos taxas por 100.000 habitantes
decimals = 2) # quantidade de decimais
# Printa a tabela
knitr::kable(mortality_rd) | Comparator | Reference | Std Rate (per 1e+05) | Rate Difference (RD) | 95% LCL (RD) | 95% UCL (RD) |
|---|---|---|---|---|---|
| A | B | 23.57 | 4.24 | 3.24 | 5.24 |
| B | B | 19.33 | 0.00 | -1.24 | 1.24 |
Quando comparado ao país B, o país A possui 4.24 óbitos adicionais por 100.000 habitantes (IC 95% 3.24-5.24).
21.4 pacote PHEindicatormethods
Outra forma de calcular as taxas normalizadas é com o pacote PHEindicatormethods. Este pacote permite calcular tanto taxas normalizadas diretamente, como taxas normalizadas indiretamente. Nós iremos mostrar como realizar ambos cálculos.
Neste seção, iremos utilizar os dados no objeto all_data, criado no fim da seção de Preparação. Estes dados possuem a população dos países, quantidade de mortes, e a população padrão mundial. Você pode vê-lo aqui.
Taxas normalizadas diretamente
Abaixo, primeiro agrupamos os dados por País, e então aplicamos a função phe_dsr() para obter taxas diretamente normalizadas por país.
De nota - a população de referência (padrão) pode ser fornecida como uma coluna dentro de uma tabela de dados específica para cada país ou como um vetor separado. Se fornecida dentro de uma tabela específica para um país, você precisa ajustar stdpoptype = "field". Se fornecido como um vetor, ajuste stdpoptype = "vector". Neste último caso, você precisa garantir que a ordem das linhas por estrato é similar em ambas tabelas dos países e população de referência, pois os registros serão ligados por posição. No exemplo abaixo, fornecemos a população de referência como uma coluna dentro de uma tabela específica de um páís.
Para mais informações, utilize ?phr_dsr, ou acesse os links na seção de Referências.
# Calcule as taxas por país diretamente normalizadas para idade e sexo
mortality_ds_rate_phe <- all_data %>%
group_by(Country) %>%
PHEindicatormethods::phe_dsr(
x = Deaths, # coluna com o número observado de eventos
n = Population, # coluna com a população não-normalizada para cada estrato
stdpop = pop, # populações padronizadas para cada estrato
stdpoptype = "field") # ou "vector" para vetor autônomo ou "field" para populações padronizadas nos dados
# Printa a tabela
knitr::kable(mortality_ds_rate_phe)| Country | total_count | total_pop | value | lowercl | uppercl | confidence | statistic | method |
|---|---|---|---|---|---|---|---|---|
| A | 11344 | 86790567 | 23.56686 | 23.08107 | 24.05944 | 95% | dsr per 100000 | Dobson |
| B | 9955 | 52898281 | 19.32549 | 18.45516 | 20.20882 | 95% | dsr per 100000 | Dobson |
Taxas normalizadas indiretamente
Para normalização indireta, você precisa de uma população de referência com o número de óbitos e a quantidade da população por estrato. Neste exemplo, nós iremos calcular as taxas para o país A utilizando o país B como população de referência, uma vez que a população de referência em standard_pop_clean não possui a quantidade de mortes por estrato.
Abaixo, primeiro criamos a população de referência do país B. Então, passamos os dados populacionais e de mortalidade do país A, combinamos ele com a população de referência, e passamos para a função calculate_ISRate(), para obter taxas indiretamente normalizadas. Claro, você pode fazer isto vice versa.
De nota - no exemplo abaixo, a população de referência é fornecida como um data frame separado. Neste caso, nós garantimos que os vetores x =, n =, x_ref = e n_ref = são todos ordenados pelos mesmos valores da categoria de padronização (estrato) como nos nossos dados específicos dos países, uma vez que os registros serão ligados pela posição na tabela.
Para mais informações, utilize ?phr_isr, ou acesse os links na seção de Referências.
# Crie a população de referência
refpopCountryB <- country_data %>%
filter(Country == "B")
# Calcule taxas para o país A indiretamente normalizada por idade e sexo
mortality_is_rate_phe_A <- country_data %>%
filter(Country == "A") %>%
PHEindicatormethods::calculate_ISRate(
x = Deaths, # coluna com o número observado de eventos
n = Population, # coluna com população não padronizada para cada estrato
x_ref = refpopCountryB$Deaths, # quantidade referência de mortes para cada estrato
n_ref = refpopCountryB$Population) # população de referência para cada estrato
# Printa a tabela
knitr::kable(mortality_is_rate_phe_A)| observed | expected | ref_rate | value | lowercl | uppercl | confidence | statistic | method |
|---|---|---|---|---|---|---|---|---|
| 11344 | 15847.42 | 18.81914 | 13.47123 | 13.22446 | 13.72145 | 95% | indirectly standardised rate per 100000 | Byars |
21.5 Recursos
Se você quiser ver outros exemplos reproduzíveis utilizando dsr, por favor veja esse tutorial
Para outro exemplo utilizando PHEindicatormethods, por favor vá a esse website
Veja o arquivo de referência do PHEindicatormethods em pdf