#------------------------------------------------------------------
# 昭和大学　第2回実践臨床統計学セミナー　Rハンズオン
# 分割表の解析と仮説検定
# 2021年6月21日
#------------------------------------------------------------------


# ※ Rのプログラム作成には、高機能なテキストエディタを使用することをお勧めします。
# 　　初心者の方向けのソフトとしては、Notepad++をお勧めします（フリーソフトです）。以下のURLからダウンロードすることができます。
#　　　https://github.com/notepad-plus-plus/notepad-plus-plus/releases/download/v7.9.5/npp.7.9.5.Installer.exe
# 　　拡張子を「.r」として保存したプログラムのファイルを開くと、基本関数やコメント箇所などが色分けされて表示され、効率的なプログラミングを行うことができます。




#------------------------------------------------------------------
# 1. データセットの読み込みと基本操作
#------------------------------------------------------------------

setwd("C:\\R2021")

# setwdで、カレントのディレクトリを指定します。
# 他のソフトウェアと違う点は、フォルダのパスの指定において、「\」を二重にしなくてはいけないという点です。
# 通常は、「C:\」で済みますが、「C:\\」という風に「\」を「\\」と表記しなくてはいけません。

# メニューバーの中から、「ファイル」→「ディレクトリの変更」としても、同様の操作を行うことができます。

actg175 <- read.csv(file="actg175.csv")

# CSV形式のデータセットを読み込むためには、read.csvという関数を使います。
# fileという引数で、ファイル名を指定します。カレントのディレクトリにファイル名が一致するCSVファイルがあれば、読み込まれます。
# 読み込まれたCSVのデータセットは、nhanesという名前のオブジェクトとして、R上に定義されます。

actg175

# オブジェクト名のみを入力して、エンターキーを押せば、オブジェクトの中身が出力されます。

head(actg175)

# データセットが大きすぎる場合には、画面に収まりきらず、変数名なども参照できません。
# head関数を使うと、データセットのはじめの数行程度のみを出力することができます。

attach(actg175)

# attach関数を使うことで、データセットの変数名から、直接、それぞれの変数のデータにアクセスすることができます。
# detach関数で、解除することができます。

treat
d96

# nhanesの変数名によって、それぞれの変数の中身に、直接アクセスすることができるようになっています。
# このような数値データが、一列に並んだオブジェクトを、Rでは、「ベクトル（vector）」と言います。
# nhanesのような行列状のデータセットは、属性によって、「matrix」「array」「data.frame」などと言われます。
# 今回のnhanesは、複数のベクトルを結合したオブジェクト（list形式で結合されています）として、data.frame形式のオブジェクトとなっています。




#------------------------------------------------------------------
# 2. 分割表の作成
#------------------------------------------------------------------

table(treat)		# カテゴリカル変数の集計（１変数）
table(treat,d96)	# カテゴリカル変数の集計（２変数），分割表の作成

n0 <- 247 + 74		# ZID単剤群のサンプルサイズ
n1 <- 297 + 40		# ZID-ZAL併用群のサンプルサイズ




#------------------------------------------------------------------
# 3. 分割表の効果の指標の計算
#------------------------------------------------------------------

install.packages("fmsb")

# install.packages関数を使うことで、デフォルト設定でインストールされていないパッケージを、インターネット経由でインストールすることができます。
# ここでは、"fmsb" というパッケージをインストールするコマンドとなっています。
# CRANのどのミラーサイトからインストールを行うかを選択するウィンドウが出てきます。
# 基本的には、地理的に近いサイトを指定すると、通信速度が速く、ダウンロードを短時間で行うことができます（Japan (Tokyo) がお勧め）。


library("fmsb")

# library関数で、ダウンロードしたパッケージを、R上に読み込むことができます。

riskdifference(40,74,n1,n0)
# リスク差を計算する関数です。引数は、(1) 群１のイベント数、(2) 群２のイベント数、(3) 群１のサンプルサイズ、(4) 群２のサンプルサイズ、となります。

riskratio(40,74,n1,n0)
# リスク比を計算する関数です。引数は、(1) 群１のイベント数、(2) 群２のイベント数、(3) 群１のサンプルサイズ、(4) 群２のサンプルサイズ、となります。

oddsratio(40,74,297,247)
# オッズ比を計算する関数です。引数は、(1) 群１のイベント数、(2) 群２のイベント数、(3) 群１のイベントを起こさなかった人の人数、(4) 群２のイベントを起こさなかった人の人数、となります。




#------------------------------------------------------------------
# 4. 分割表の検定
#------------------------------------------------------------------

table1 <- table(treat,d96)		# 分割表の検定の関数は、引数が、table関数で作成される分割表のオブジェクトとなります。

chisq.test(table1,correct=FALSE)
# Pearsonのカイ二乗検定

fisher.test(table1)
# Fisherの正確検定（両側検定）

chisq.test(table1)
# Pearsonのカイ二乗検定：Yatesの連続補正あり
# 検定統計量の分布は実際には離散分布ですが、参照するカイ二乗分布は連続分布となります。
# Yatesの補正では、このギャップを埋めるための補正を行います。P値は、Fisherの正確検定のP値に近くなります。

fisher.test(table1,alternative="less")
# Fisherの正確検定（片側検定；下側）

fisher.test(table1,alternative="greater")
# Fisherの正確検定（片側検定；上側）