36 Analyse des combinaisons

Cette analyse représente la fréquence des différentes combinaisons de valeurs/réponses. Dans cet exemple, nous traçons la fréquence à laquelle les cas ont présenté diverses combinaisons de symptômes.

Cette analyse est aussi souvent appelée :

“Analyse des réponses multiples”
“Analyse des ensembles”
“Analyse des combinaisons”

Dans l’exemple de graphique ci-dessus, cinq symptômes sont représentés. Sous chaque barre verticale se trouve une ligne et des points indiquant la combinaison de symptômes reflétée par la barre ci-dessus.

La première méthode que nous montrons utilise le paquet ggupset, et la seconde utilise le paquet UpSetR.

36.1 Préparation

Chargement des paquets

Ce chunk de code montre le chargement des paquets nécessaires aux analyses. Dans ce manuel, nous mettons l’accent sur p_load() de pacman, qui installe le paquet si nécessaire et le charge pour l’utiliser. Vous pouvez également charger les paquets installés avec library() de base R. Voir la page sur R - les bases pour plus d’informations sur les paquets R.

pacman::p_load(
  tidyverse, # gestion et visualisation de données
  UpSetR,    # paquet spécial pour les graphiques combinés
  ggupset,   # paquet spécial pour les tracés combinés
  appliedepidata) # jeux de données d'exemple utilisés dans ce manuel

Importer les données

Pour commencer, nous importons la linelist nettoyée des cas d’une épidémie d’Ebola simulée. Chargez-les directement avec appliedepidata::get_data(name = "linelist_cleaned_rds") (voir la page Télécharger le manuel et les données pour plus de détails).

# importer la liste de cas linelist 
linelist_sym <- appliedepidata::get_data(name = "linelist_cleaned_rds")

Cette linelist comprend cinq variables “oui/non” sur les symptômes déclarés. Nous devrons transformer un peu ces variables pour utiliser le paquet ggupset afin de réaliser notre tracé. Visualisez les données (faites défiler vers la droite pour voir les variables de symptômes).

Re-formatage des valeurs

Pour s’aligner sur le format attendu par ggupset, nous convertissons les “yes” (“oui”) et “no” (“non”) en nom de symptôme réel, en utilisant case_when() de dplyr. Si “non”, nous mettons la valeur en blanc, donc les valeurs sont soit NA ou le symptôme.

# crée une colonne avec les symptômes nommés, séparés par des points-virgules
linelist_sym_1 <- linelist_sym %>% 

  # convertissez les valeurs "oui" et "non" dans le nom du symptôme lui-même
  # if old value is "yes", new value is "fever", otherwise set to missing (NA)
mutate(fever = ifelse(fever == "yes", "fever", NA), 
       chills = ifelse(chills == "yes", "chills", NA),
       cough = ifelse(cough == "yes", "cough", NA),
       aches = ifelse(aches == "yes", "aches", NA),
       vomit = ifelse(vomit == "yes", "vomit", NA))

Maintenant, nous faisons deux dernières colonnes :

Concaténation (collage) de tous les symptômes du patient (une colonne de caractères)
Convertir la colonne ci-dessus en classe list, afin qu’elle puisse être acceptée par ggupset pour faire le graphe.

Voir la page sur Caractères et chaînes de caractères pour en savoir plus sur la fonction unite() de stringr.

linelist_sym_1 <- linelist_sym_1 %>% 
  unite(col = "all_symptoms",
        c(fever, chills, cough, aches, vomit), 
        sep = "; ",
        remove = TRUE,
        na.rm = TRUE) %>% 
  mutate(
    # Faites une copie de la colonne all_symptoms, mais de la classe "list" (qui est nécessaire pour utiliser ggupset() à l'étape suivante).
    all_symptoms_list = as.list(strsplit(all_symptoms, "; "))
    )

Visualisez les nouvelles données. Notez les deux colonnes vers l’extrémité droite - les valeurs combinées collées, et la liste

36.2 ggupset

Charger le paquet

pacman::p_load(ggupset)

Créez le graphique. Nous commençons par un ggplot() et un geom_bar(), mais ensuite nous ajoutons la fonction spéciale scale_x_upset() du ggupset.

# garder les 10 combinaisons les plus fréquentes, celles que n_intersections = 10 affiche
top_combinations <- linelist_sym_1 %>% 
  count(all_symptoms, sort = TRUE) %>% 
  slice_head(n = 10) %>% 
  pull(all_symptoms)

ggplot(
  data = filter(linelist_sym_1, all_symptoms %in% top_combinations),
  mapping = aes(x = all_symptoms_list)) +
geom_bar() +
scale_x_upset(
  reverse = FALSE,
  n_intersections = 10,
  sets = c("fever", "chills", "cough", "aches", "vomit"))+
labs(
  title = "Signs & symptoms",
  subtitle = "10 most frequent combinations of signs and symptoms",
  caption = "Caption here.",
  x = "Symptom combination",
  y = "Frequency in dataset")

De plus amples informations sur ggupset peuvent être trouvées en ligne ou hors ligne dans la documentation du paquet dans votre onglet d’aide RStudio ?ggupset.

36.3 `UpSetR`

Le paquet UpSetR permet de personnaliser davantage le tracé, mais il peut être plus difficile à exécuter :

Chargez le paquet

pacman::p_load(UpSetR)

Nettoyage des données

Nous devons convertir les valeurs des symptômes de la linelist en 1 / 0.

linelist_sym_2 <- linelist_sym %>% 
  # convertissez les valeurs "oui" et "non" dans le nom du symptôme lui-même
     mutate(fever = ifelse(fever == "yes", 1, 0), 
            chills = ifelse(chills == "yes", 1, 0),
            cough = ifelse(cough == "yes", 1, 0),
            aches = ifelse(aches == "yes", 1, 0),
            vomit = ifelse(vomit == "yes", 1, 0))

Si vous êtes intéressé par une commande plus efficace, vous pouvez profiter de la fonction +(), qui convertit en 1 et en 0 en fonction d’une déclaration logique. Cette commande utilise la fonction across() pour modifier plusieurs colonnes à la fois (pour en savoir plus, lisez la section Nettoyage des données et des fonctions de base).

# convertissez "oui" et "non" a 1 et 0
linelist_sym_2 <- linelist_sym %>% 
  
  # convert the "yes" and "no" values into 1s and 0s
  mutate(across(c(fever, chills, cough, aches, vomit), .fns = ~+(.x == "yes")))

Maintenant, faites le graphique en utilisant la fonction personnalisée upset() - en utilisant seulement les colonnes de symptômes. Vous devez désigner les “ensembles” à comparer (les noms des colonnes de symptômes). Vous pouvez aussi utiliser nsets = et order.by = "freq" pour n’afficher que les X combinaisons les plus importantes.

# Créer le graphique
linelist_sym_2 %>% 
  drop_na(fever, chills, cough, aches, vomit) %>% 
  UpSetR::upset(
       sets = c("fever", "chills", "cough", "aches", "vomit"),
       order.by = "freq",
       sets.bar.color = c("blue", "red", "yellow", "darkgreen", "orange"), # optional colors
       empty.intersections = "on",
  # nsets = 3,
       number.angles = 0,
       point.size = 3.5,
       line.size = 2, 
       mainbar.y.label = "Symptoms Combinations",
       sets.x.label = "Patients with Symptom")