##IMPOSTAZIONE DELLA DIRECTORY
#cambiare il percorso in base a dove si trova il file contenente i dati

setwd("C:/Users/giuli/Downloads/STATISTICA_PER_LA_RICERCA")


##IMPORTAZIONE DEI DATI
#installare il pacchetto readxl, se non installato
install.packages("readxl")

#Caricamento della library readxl
library(readxl)  
#Lettura del dataset
df<-read_xlsx("Visite_pz_SCC.xlsx")



##ESPLORAZIONE DEL DATASET
#Struttura generale: numero di righe e colonne, tipologia variabili
str(df)
head(df) #di default mostra le prime 6 righe del dataset


#ANALISI DESCRITTIVA DELLE VARIABILI CONTINUE
#Distribuzioni
hist(df$ETA)
hist(df$PAS)
hist(df$PAD)
hist(df$BNP)

#Statistiche descrittive di base
summary(df[c("ETA", "PAS", "PAD", "BNP")])

#calcoliamo anche la SD
vars_num <- c("ETA", "PAS", "PAD", "BNP")
sapply(df[vars_num], sd, na.rm = TRUE)

#ANALISI DESCRITTIVA DELLE VARIABILI CATEGORICHE
table(df$ANA_SESSO) #frequenze assolute
prop.table(table(df$ANA_SESSO)) * 100  #frequenze percentuali

#stesso codice, più variabili contemporaneamente:
vars_cat <- c("ANA_SESSO", "CMP_PERICARDIO", "CPT_IPERTENSIVA",
              "CPT_ISCHEMIA", "DM_D", "EMBOLIA_POLMONARE",
              "FIBRILLAZIONE_ATRIALE", "IPERTENSIONE_ARTERIOSA")

for (v in vars_cat) {
  cat("Variabile:", v, "\n\n")   # mostro il nome della variabile prima delle frequenze
  
  # Frequenze
  freq <- table(df[[v]])
  print(freq)
  
  # Percentuali
  print(round(prop.table(freq) * 100, 1))
}



#ANALISI DESCRITTIVA DELLE VARIABILI CONTINUE PER GRUPPO:
#Distribuzioni per gruppo:
## --- ETA ---
par(mfrow = c(1, 2))  #due grafici affiancati
hist(df$ETA[df$ANA_SESSO == "M"],
     main = "ETA - Maschi", xlab = "Età",
     col = "lightblue", border = "white",
     xlim = range(df$ETA, na.rm = TRUE))
hist(df$ETA[df$ANA_SESSO == "F"],
     main = "ETA - Femmine", xlab = "Età",
     col = "lightpink", border = "white",
     xlim = range(df$ETA, na.rm = TRUE))
par(mfrow = c(1, 1))  # reset layout

## --- PAS ---
par(mfrow = c(1, 2))
hist(df$PAS[df$ANA_SESSO == "M"],
     main = "PAS - Maschi", xlab = "PAS",
     col = "lightblue", border = "white",
     xlim = range(df$PAS, na.rm = TRUE))
hist(df$PAS[df$ANA_SESSO == "F"],
     main = "PAS - Femmine", xlab = "PAS",
     col = "lightpink", border = "white",
     xlim = range(df$PAS, na.rm = TRUE))
par(mfrow = c(1, 1))

## --- PAD ---
par(mfrow = c(1, 2))
hist(df$PAD[df$ANA_SESSO == "M"],
     main = "PAD - Maschi", xlab = "PAD",
     col = "lightblue", border = "white",
     xlim = range(df$PAD, na.rm = TRUE))
hist(df$PAD[df$ANA_SESSO == "F"],
     main = "PAD - Femmine", xlab = "PAD",
     col = "lightpink", border = "white",
     xlim = range(df$PAD, na.rm = TRUE))
par(mfrow = c(1, 1))

## --- BNP ---
par(mfrow = c(1, 2))
hist(df$BNP[df$ANA_SESSO == "M"],
     main = "BNP - Maschi", xlab = "BNP",
     col = "lightblue", border = "white",
     xlim = range(df$BNP, na.rm = TRUE))
hist(df$BNP[df$ANA_SESSO == "F"],
     main = "BNP - Femmine", xlab = "BNP",
     col = "lightpink", border = "white",
     xlim = range(df$BNP, na.rm = TRUE))
par(mfrow = c(1, 1))


#Statistiche di base per sesso
by(df[c("ETA", "PAS", "PAD", "BNP")], df$ANA_SESSO, summary)


#SD per sesso
vars_num <- c("ETA", "PAS", "PAD", "BNP")

for (v in vars_num) {
  cat("Variabile:", v, "\n")
  print(tapply(df[[v]], df$ANA_SESSO, sd, na.rm = TRUE))
}


#ANALISI DESCRITTIVA DELLE VARIABILI CATEGORICHE PER GRUPPO
vars_cat <- c("CMP_PERICARDIO", "CPT_IPERTENSIVA",
              "CPT_ISCHEMIA", "DM_D", "EMBOLIA_POLMONARE",
              "FIBRILLAZIONE_ATRIALE", "IPERTENSIONE_ARTERIOSA")

for (v in vars_cat) {
  cat("Variabile:", v, "\n\n")   # Mostro il nome della variabile prima delle tabelle
  
  # Tabella di frequenze per sesso
  freq <- table(df$ANA_SESSO, df[[v]])
  print(freq)
  
  # Percentuali per riga (cioè all’interno di ciascun sesso)
  cat("\nPercentuali per sesso (%):\n")
  print(round(prop.table(freq, margin = 1) * 100, 1))
}