弘前データ３：FLC の階層モデリング

LOX-1 との関係は？

著者

司馬博文

日付

5/24/2025

はじめに

hirosaki2.qmd では BP と LAB の関係のモデリングを行った． ここでは \(\Sigma\)-FLC と LOX-1 の関係をモデリングする．

library(readxl)
library(knitr)
df <- readRDS("df.rds")
df <- df[is.na(df$`BP備考`), ]
kable(head(df))
id age sex Weight BP FLCΣ BP備考 判別式 LOX LAB LOX_Index type diversity BMI med med_col 年代 活気 イライラ感 疲労感 不安感 抑うつ感
3 4 46 1 76.3 1.10 1.95 NA -2.974 136 3.8 517 B 2 26.0 2 NA 40代 2 3 2 3 2
5 6 30 1 59.5 0.76 0.64 NA -2.776 46 2.2 101 B 2 19.5 2 NA 30代 3 5 4 5 4
6 7 51 1 76.6 1.69 2.58 NA -2.377 78 3.2 250 B 2 25.5 2 NA 50代 3 3 3 3 2
7 8 47 2 43.2 0.56 0.55 NA -3.048 40 2.7 108 B 2 16.7 2 NA 40代 2 1 2 2 1
9 10 39 1 61.9 0.52 0.64 NA -3.165 54 2.4 130 B 2 21.3 2 NA 30代 3 3 3 3 3
10 11 55 1 61.0 0.89 2.64 NA -3.708 60 3.1 186 E 1 22.9 1 NA 50代 3 2 2 1 1 
df_IRT_long <- readRDS("df_IRT_long.rds")
df_IRT_long <- df_IRT_long[df_IRT_long$FLCΣ > 0, ]
kable(head(df_IRT_long))
id BP FLCΣ type diversity item response res
1 2 0.47 0.81 B 2 活気 3 0
2 2 0.47 0.81 B 2 イライラ感 3 0
3 2 0.47 0.81 B 2 疲労感 4 1
4 2 0.47 0.81 B 2 不安感 3 0
5 2 0.47 0.81 B 2 抑うつ感 3 0
11 4 1.10 1.95 B 2 活気 2 0 
library(ggplot2)
library(dplyr)

 次のパッケージを付け加えます: 'dplyr' 
 以下のオブジェクトは 'package:stats' からマスクされています:

    filter, lag
 以下のオブジェクトは 'package:base' からマスクされています:

    intersect, setdiff, setequal, union
# 男性のデータ
df_plot <- df %>%
  filter(!is.na(FLCΣ), !is.na(年代))

# 2つのプロットを横に並べる
ggplot(df_plot, aes(x = 年代, y = FLCΣ)) +
  geom_boxplot(fill = "skyblue", alpha = 0.5) +
  geom_jitter(width = 0.2, alpha = 0.1) +
  theme_minimal() +
  labs(title = "年代別のFLCΣの分布",
       x = "年代",
       y = "FLCΣ") +
  theme(
    text = element_text(family = "BIZUDGothic-Regular", size = 12),
    axis.text = element_text(size = 34),
    axis.title = element_text(size = 45),
    title = element_text(size = 45)
  ) +
  scale_y_continuous(limits = c(0,5))
Warning: Removed 28 rows containing non-finite values (`stat_boxplot()`).
Warning: Removed 28 rows containing missing values (`geom_point()`).

library(ggplot2)
library(dplyr)

# 男性のデータ
df_male <- df %>%
  filter(!is.na(FLCΣ), !is.na(年代), sex == 1)

# 女性のデータ  
df_female <- df %>%
  filter(!is.na(FLCΣ), !is.na(年代), sex == 2)

# 2つのプロットを横に並べる
plot1 <- ggplot(df_male, aes(x = 年代, y = FLCΣ)) +
  geom_boxplot(fill = "skyblue", alpha = 0.5) +
  geom_jitter(width = 0.2, alpha = 0.1) +
  theme_minimal() +
  labs(title = "年代別のFLCΣの分布（男性）",
       x = "年代",
       y = "FLCΣ") +
  theme(
    text = element_text(family = "BIZUDGothic-Regular", size = 12)
  ) +
  scale_y_continuous(limits = c(0,5))

plot2 <- ggplot(df_female, aes(x = 年代, y = FLCΣ)) +
  geom_boxplot(fill = "#E15759", alpha = 0.5) +
  geom_jitter(width = 0.2, alpha = 0.1) +
  theme_minimal() +
  labs(title = "年代別のFLCΣの分布（女性）",
       x = "年代",
       y = "FLCΣ") +
  theme(
    text = element_text(family = "BIZUDGothic-Regular", size = 12)
  ) +
  scale_y_continuous(limits = c(0,5))


plot1
Warning: Removed 11 rows containing non-finite values (`stat_boxplot()`).
Warning: Removed 11 rows containing missing values (`geom_point()`).
plot2
Warning: Removed 17 rows containing non-finite values (`stat_boxplot()`).
Warning: Removed 17 rows containing missing values (`geom_point()`).