5  Importando dados

Este tutorial ensinará como preparar e importar dados para o R usando o RStudio.

NotaPlanilha de exemplo

Para acompanhar os capítulos 5, 6, 7 e 9, baixe a planilha data.xlsx e salve-a no seu diretório de trabalho. Ela reúne os dados de 7 ensaios clínicos sobre o uso de aspirina para prevenir mortes após infarto do miocárdio, um exemplo clássico de meta-análise de desfecho binário (Fleiss JL. The statistical basis of meta-analysis. Statistical Methods in Medical Research, 1993;2:121-45), também disponível no pacote meta como Fleiss1993bin.

5.1 Preparando seus Dados

Neste tutorial, usaremos planilhas do Microsoft Excel para armazenar os dados que serão analisados no R.

Boas práticas ao estruturar seus dados no Excel

O que fazer

  • Nomeie corretamente as colunas da sua planilha. Se os nomes das colunas forem apropriados desde o início, você economizará tempo, pois não precisará transformá-los depois no R.

  • Use underline (_) em vez de espaços nos nomes das colunas.

  • A ordem das colunas na planilha não importa, desde que estejam rotuladas corretamente.

O que evitar

  • Evite caracteres especiais como ä, ü e ö, pois podem ser distorcidos ao serem importados. Se possível, transforme-os antes da importação.

  • Se houver linhas ou colunas vazias que antes continham dados, exclua-as completamente para evitar que o R interprete esses espaços como valores ausentes.

5.2 Passo 1: Estruturando corretamente seu conjunto de dados no Excel

Aqui está um exemplo básico de como formatar sua planilha quando estiver lidando com variáveis binárias (exemplo de endpoints).

Author Year event.e n.e event.c n.c
MRC-1 1974 49 615 67 624
CDP 1976 44 758 64 771
MRC-2 1979 102 832 126 850
GASP 1979 32 317 38 309
PARIS 1980 85 810 52 406
AMIS 1980 246 2267 219 2257
ISIS-2 1988 1570 8587 1720 8600

5.3 Passo 2: Criando planilhas separadas para cada desfecho da metanálise

Cada desfecho da sua metanálise deve estar em uma planilha separada dentro do mesmo arquivo do Excel.

Exemplo: uma aba acm para All-Cause Mortality (mortalidade por todas as causas) e outra mb para Major Bleeding (sangramento maior). A planilha de exemplo deste livro tem apenas a aba acm. ## Definindo o Diretório de Trabalho no RStudio

Uma vez que seu conjunto de dados no Excel esteja pronto, você deve salvá-lo em uma pasta específica do seu computador. Essa pasta será chamada de Diretório de Trabalho (Working Directory - WD).

O WD é essencial, pois é a pasta onde o R buscará seus arquivos de entrada e salvará seus resultados.

Como definir o Diretório de Trabalho (WD)

  1. Crie uma pasta no seu computador para armazenar seus dados e resultados da metanálise.

  2. Defina essa pasta como seu diretório de trabalho no RStudio usando a função setwd().

## Definindo o diretório de trabalho no RStudio

setwd("/Users/SeuUsuario/Desktop/WD_RStudio")
  1. Salve seu arquivo do Excel (.xlsx) dentro dessa pasta.

Exemplo: Nome do arquivo = data.xlsx

5.4 Importando seu Conjunto de Dados para o R

Agora que seu arquivo Excel está salvo no Diretório de Trabalho, podemos importá-lo para o R.

5.5 Passo 1: Instalar e carregar o pacote readxl

Para ler arquivos Excel no R, precisamos do pacote readxl.

## Instalar e carregar o pacote readxl

install.packages("readxl")
library(readxl)

5.6 Passo 2: Listar os nomes das planilhas do arquivo Excel

Podemos usar a função excel_sheets() para verificar todas as abas do nosso arquivo.

## Obtendo os nomes das planilhas dentro do arquivo Excel

sheet_names <- excel_sheets("data.xlsx")
sheet_names
[1] "acm"

5.7 Passo 3: Importar os dados para o RStudio

Agora vamos importar todas as planilhas do arquivo data.xlsx e convertê-las para um formato adequado para análise no R.

## Importando os dados de todas as planilhas e convertendo para data frames

ma <- lapply(sheet_names, function(x) {
  as.data.frame(read_excel("data.xlsx", sheet = x))
})

Esse código cria um objeto chamado ma, que é uma lista contendo todas as planilhas do Excel convertidas para data frames.

5.8 Passo 4: Renomear os elementos da lista

Para facilitar o uso, podemos renomear cada elemento da lista com os nomes das planilhas originais.

names(ma) <- sheet_names

5.9 Visualizando os Dados

Agora podemos visualizar os dados que foram importados para o R.

Para visualizar uma planilha específica, utilize as funções View() ou head().

View(ma$acm)   # Visualizar a aba "acm" (All-Cause Mortality)

Visualizador de dados do RStudio aberto com View(ma$acm).

Também podemos visualizar um resumo inicial utilizando a função head(), que exibe as primeiras linhas do conjunto de dados.

head(ma$acm)
  Author Year event.e  n.e event.c  n.c
1  MRC-1 1974      49  615      67  624
2    CDP 1976      44  758      64  771
3  MRC-2 1979     102  832     126  850
4   GASP 1979      32  317      38  309
5  PARIS 1980      85  810      52  406
6   AMIS 1980     246 2267     219 2257

5.10 Inspecionando os Dados

1. Usando a função str()

A função str() fornece um resumo da estrutura do conjunto de dados, incluindo o número de observações, variáveis e seus tipos.

str(ma$acm)
'data.frame':   7 obs. of  6 variables:
 $ Author : chr  "MRC-1" "CDP" "MRC-2" "GASP" ...
 $ Year   : num  1974 1976 1979 1979 1980 ...
 $ event.e: num  49 44 102 32 85 246 1570
 $ n.e    : num  615 758 832 317 810 ...
 $ event.c: num  67 64 126 38 52 219 1720
 $ n.c    : num  624 771 850 309 406 ...

Interpretação da saída

  • O objeto acm é um data frame contendo 7 observações e 6 variáveis.

  • chr indica que a variável contém texto (por exemplo, Author).

  • num indica que a variável contém valores numéricos (por exemplo, Year e event.e).

2. Usando a função summary()

A função summary() fornece estatísticas descritivas das variáveis do conjunto de dados.

summary(ma$acm)
    Author               Year         event.e            n.e        
 Length:7           Min.   :1974   Min.   :  32.0   Min.   : 317.0  
 Class :character   1st Qu.:1978   1st Qu.:  46.5   1st Qu.: 686.5  
 Mode  :character   Median :1979   Median :  85.0   Median : 810.0  
                    Mean   :1979   Mean   : 304.0   Mean   :2026.6  
                    3rd Qu.:1980   3rd Qu.: 174.0   3rd Qu.:1549.5  
                    Max.   :1988   Max.   :1570.0   Max.   :8587.0  
    event.c            n.c      
 Min.   :  38.0   Min.   : 309  
 1st Qu.:  58.0   1st Qu.: 515  
 Median :  67.0   Median : 771  
 Mean   : 326.6   Mean   :1974  
 3rd Qu.: 172.5   3rd Qu.:1554  
 Max.   :1720.0   Max.   :8600

Interpretação da saída

  • Para variáveis numéricas, a função summary() exibe o valor mínimo, primeiro quartil, mediana, média, terceiro quartil e valor máximo.

  • Para variáveis de texto (chr), como Author, exibe apenas o número de valores (Length) e o tipo da variável (Class e Mode). A frequência de cada categoria só é exibida quando a variável é um fator (factor).