In [1]:

    

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
%matplotlib inline

sns.set()
#sns.set(rc={'figure.figsize':(10,6.5)})
sns.set_context("notebook", font_scale=1.5)
sns.set_style('white')
from IPython.display import set_matplotlib_formats

set_matplotlib_formats('png')


    

In [2]:

    

d = pd.read_csv('choroba_srodmiazszowa.csv')
d['TLC zmiana'] = d['TLC 1r'] - d['TLC w']
d['FVC zmiana'] = d['FVC1r'] - d['FVCw']
d['DLCO zmiana'] = d['DLCO1r'] - d['DLCOw']
d['mRSS zmiana'] = d['mRSS1r'] - d['mRSSw']

tlc_zmiana = 'zmiana TLC po roku (%)'
dlco_zmiana = 'zmiana DLCO po roku (%)'
fvc_zmiana = 'zmiana FVC po roku (%)'
mrss_zmiana = 'zmiana mRSS po roku'
dawka_sumacyjna = 'dawka sumacyjna Cs (g)'

d = d.rename(columns={
    'TLC zmiana': tlc_zmiana,
    'FVC zmiana': fvc_zmiana,
    'DLCO zmiana': dlco_zmiana,
    'mRSS zmiana': mrss_zmiana,
    'dawka sumacyjna': dawka_sumacyjna,
})

male = d.loc[d['płeć'] == 'm']
female = d.loc[d['płeć'] == 'k']


    

In [3]:

    

d.columns


    

    
Out[3]:





Index(['wiek', 'płeć', 'BMI', 'czas od diagnozy (lata)', 'palenie obecnie',
       'palenie w przeszłości', 'niepalacz', 'zaburzenia motoryki przełyku',
       'nadciśnienie płucne (tak/nie)', 'dawka sumacyjna Cs (g)', 'TLC w',
       'TLC 1r', 'FVCw', 'FVC1r', 'DLCOw', 'DLCO1r', 'mRSSw', 'mRSS1r',
       'Unnamed: 18', 'duszność w', 'duszność 1r', 'HRCT>20%w', 'HRCT<10%w',
       'HRCT10-20%w', 'HRCT1rok(regresja/stabilnie/progresja)', 'Scl-70 (+/-)',
       'trzeszczenia w', 'kaszel w', 'kaszel 1r', 'wczesniejsze leczenie',
       'zmiana TLC po roku (%)', 'zmiana FVC po roku (%)',
       'zmiana DLCO po roku (%)', 'zmiana mRSS po roku'],
      dtype='object')

In [4]:

    

# TLC


    

In [5]:

    

sns.regplot(x=dawka_sumacyjna, y=tlc_zmiana, data=d).set_title('grupa badana')


    

    
Out[5]:





Text(0.5, 1.0, 'grupa badana')






    

In [6]:

    

#female.plot.scatter('dawka sumacyjna', 'TLC zmiana')
sns.regplot(x=dawka_sumacyjna, y=tlc_zmiana, data=female).set_title('kobiety')


    

    
Out[6]:





Text(0.5, 1.0, 'kobiety')






    

In [7]:

    

sns.regplot(x=dawka_sumacyjna, y=tlc_zmiana, data=male).set_title('mężczyźni')


    

    
Out[7]:





Text(0.5, 1.0, 'mężczyźni')






    

In [8]:

    

# DLCO (Fig. 1)
sns.regplot(x=dawka_sumacyjna, y=dlco_zmiana, data=d).set_title('grupa badana')


    

    
Out[8]:





Text(0.5, 1.0, 'grupa badana')






    

In [9]:

    

sns.regplot(x=dawka_sumacyjna, y=dlco_zmiana, data=female).set_title('kobiety')


    

    
Out[9]:





Text(0.5, 1.0, 'kobiety')






    

In [10]:

    

sns.regplot(x=dawka_sumacyjna, y=dlco_zmiana, data=male).set_title('mężczyźni')


    

    
Out[10]:





Text(0.5, 1.0, 'mężczyźni')






    

In [11]:

    

#FVC
sns.regplot(x=dawka_sumacyjna, y=fvc_zmiana, data=d).set_title('grupa badana')


    

    
Out[11]:





Text(0.5, 1.0, 'grupa badana')






    

In [12]:

    

sns.regplot(x=dawka_sumacyjna, y=fvc_zmiana, data=female).set_title('kobiety')


    

    
Out[12]:





Text(0.5, 1.0, 'kobiety')






    

In [39]:

    

sns.regplot(x=dawka_sumacyjna, y=fvc_zmiana, data=male).set_title('mężczyźni')


    

    
Out[39]:





Text(0.5, 1.0, 'mężczyźni')






    

In [14]:

    

#mRSS TODO Fig. 2 powinien mieć linie regresji dla obu płci osobno naniesione
sns.regplot(x=dawka_sumacyjna, y=mrss_zmiana, data=d).set_title('grupa badana')


    

    
Out[14]:





Text(0.5, 1.0, 'grupa badana')






    

In [15]:

    

sns.regplot(x=dawka_sumacyjna, y=mrss_zmiana, data=female).set_title('kobiety')


    

    
Out[15]:





Text(0.5, 1.0, 'kobiety')






    

In [16]:

    

sns.regplot(x=dawka_sumacyjna, y=mrss_zmiana, data=male).set_title('mężczyźni')


    

    
Out[16]:





Text(0.5, 1.0, 'mężczyźni')






    

In [17]:

    

# duszność i kaszel


    

In [18]:

    

len(d.loc[d['duszność w'] == 'tak'])


    

    
Out[18]:





17

In [19]:

    

len(d.loc[d['duszność 1r'] == 'tak'])


    

    
Out[19]:





5

In [20]:

    

len(d.loc[d['kaszel w'] == 'tak'])


    

    
Out[20]:





27

In [21]:

    

len(d.loc[d['kaszel 1r'] == 'tak'])


    

    
Out[21]:





8

In [22]:

    

len(female.loc[d['zaburzenia motoryki przełyku'] == 'tak'])


    

    
Out[22]:





9

In [23]:

    

len(male.loc[d['zaburzenia motoryki przełyku'] == 'tak'])


    

    
Out[23]:





7

In [24]:

    

# czas od diagnozy
male['czas od diagnozy (lata)'].mean()


    

    
Out[24]:





1.9444444444444444

In [25]:

    

female['czas od diagnozy (lata)'].mean()


    

    
Out[25]:





1.9545454545454546

In [26]:

    

d['czas od diagnozy (lata)'].mean()


    

    
Out[26]:





1.95

In [27]:

    

reflux = d.loc[d['zaburzenia motoryki przełyku'] == 'tak']
sns.regplot(x=dawka_sumacyjna, y=fvc_zmiana, data=reflux).set_title('objawy choroby refluksowej')


    

    
Out[27]:





Text(0.5, 1.0, 'objawy choroby refluksowej')






    

In [28]:

    

male_reflux = male.loc[d['zaburzenia motoryki przełyku'] == 'tak']
sns.regplot(x=dawka_sumacyjna, y=fvc_zmiana, data=male_reflux).set_title('objawy choroby refluksowej (M)')


    

    
Out[28]:





Text(0.5, 1.0, 'objawy choroby refluksowej (M)')






    

In [29]:

    

female_reflux = female.loc[d['zaburzenia motoryki przełyku'] == 'tak']
sns.regplot(x=dawka_sumacyjna, y=fvc_zmiana, data=female_reflux).set_title('objawy choroby refluksowej (K)')


    

    
Out[29]:





Text(0.5, 1.0, 'objawy choroby refluksowej (K)')






    

In [30]:

    

# Fig. 3
sns.regplot(x='czas od diagnozy (lata)', y=fvc_zmiana, data=d).set_title('grupa badana')


    

    
Out[30]:





Text(0.5, 1.0, 'grupa badana')






    

In [31]:

    

d.columns


    

    
Out[31]:





Index(['wiek', 'płeć', 'BMI', 'czas od diagnozy (lata)', 'palenie obecnie',
       'palenie w przeszłości', 'niepalacz', 'zaburzenia motoryki przełyku',
       'nadciśnienie płucne (tak/nie)', 'dawka sumacyjna Cs (g)', 'TLC w',
       'TLC 1r', 'FVCw', 'FVC1r', 'DLCOw', 'DLCO1r', 'mRSSw', 'mRSS1r',
       'Unnamed: 18', 'duszność w', 'duszność 1r', 'HRCT>20%w', 'HRCT<10%w',
       'HRCT10-20%w', 'HRCT1rok(regresja/stabilnie/progresja)', 'Scl-70 (+/-)',
       'trzeszczenia w', 'kaszel w', 'kaszel 1r', 'wczesniejsze leczenie',
       'zmiana TLC po roku (%)', 'zmiana FVC po roku (%)',
       'zmiana DLCO po roku (%)', 'zmiana mRSS po roku'],
      dtype='object')

In [42]:

    

# TODO Table 2 (ale jako wykres)
# correlation between cumulative CYC (Cs) dose
# and difference found in vital capacity or total lung capacity before administration of the first dose of CYC
# and after 12 months of medication


    

In [47]:

    

sns.regplot(x=dawka_sumacyjna, y=fvc_zmiana, data=d)


    

    
Out[47]:





<matplotlib.axes._subplots.AxesSubplot at 0x7f5fe7ebaeb8>






    

In [46]:

    

sns.regplot(x=dawka_sumacyjna, y=tlc_zmiana, data=d)


    

    
Out[46]:





<matplotlib.axes._subplots.AxesSubplot at 0x7f5fe7eeb780>






    

In [ ]: