Introduction
Medical School Lectures
Pathology Residents & Pathologists
Laboratory Management
Databases
Pathology and Other Departments
Statistics and Bioinformatics
Writing Journal Articles & Bibliography
Pathology Meetings
Science General
Computers General
Games
Appendix

Reproducible Reports

Şöyle birşey düşünün, Pankreas patolojisi ile ilgileniyorsunuz. "Bizim pankreas serisi ne durumda" diye merak ettiniz. Yaptığınız şey birkaç düğmeye basmak, ve o zamana kadar bölümünüzde rapor edilen pankreas vakalarının yaş, cinsiyet, tümör çapı, tümör tipi, evre, derece, lenf nodu durumu vesair bilgileri sağ kalım grafikleri ile word dökümanı olarak oluşturuluveriyor. Bu hayal değil. Yapılabilir. Makul bir bilgi işlem çalışanı, CAP ve AJCC'ye uygun doldurulması zorunlu yapılandırılmış patoloji raporları, ana veri tablosuna erişim, biraz SQL, biraz R, biraz da R Markdown kullanarak bunu yapmak işten bile değil.

https://www.serdarbalci.com/2018/05/tekrarlanabilir-ve-otomatik-raporlar.html

# https://github.com/spgarbet/tangram
# http://htmlpreview.github.io/?https://github.com/spgarbet/tg/blob/master/vignettes/example.html
library(tangram)
library(Hmisc)
getHdata(pbc)
# View(pbc)
table <- tangram(drug ~ bili + albumin + stage + protime + sex + age + spiders, data = pbc)
table
html5(table)
latex(table)
index(table)
write(
html5(tangram("drug ~ bili[2] + albumin + stage::Categorical + protime + sex + age + spiders", pbc, msd=TRUE, quant=seq(0, 1, 0.25)),
fragment=TRUE, inline="hmisc.css", caption = "HTML5 Table Hmisc Style", id="tbl2"),
"tangram1.html")
write(
html5(tangram("drug ~ bili[2] + albumin + stage::Categorical + protime + sex + age + spiders", pbc),
fragment=TRUE, inline="nejm.css", caption = "HTML5 Table NEJM Style", id="tbl3"),
"tangram_nejm.html")
tbl <- tangram("drug ~ bili[2] + albumin + stage::Categorical[1] + protime + sex[1] + age + spiders[1]",
data=pbc,
pformat = 5)
write(html5(tbl,
fragment=TRUE,
inline="lancet.css",
caption = "HTML5 Table Lancet Style", id="tbl4"
),
"tangram_lancet.html")
index(tangram("drug ~ bili + albumin + stage::Categorical + protime + sex + age + spiders", pbc))[1:20,]
library(readxl)
MDL307_Data <- read_excel("MDL307 - Data.xlsx")
MDL307_Data <- as.data.frame(MDL307_Data)
names(MDL307_Data)
View(MDL307_Data)
MDL307_Data$biyokimyasalrekurrens <- as.factor(MDL307_Data$biyokimyasalrekurrens)
levels(MDL307_Data$biyokimyasalrekurrens)[1] <- "yok"
levels(MDL307_Data$biyokimyasalrekurrens)[2] <- "var"
collist <- c("gleasonskor",
"tersiyer",
"kribriform",
"cerrahisinir",
"ekstaprostatik",
"lenfnodu",
"seminalvezikul"
)
MDL307_Data[collist] <- lapply(MDL307_Data[collist], as.factor)
table <- tangram(biyokimyasalrekurrens ~ yas +
gleasonskor +
tersiyer +
kribriform +
kribriformyuzde +
cerrahisinir +
ekstaprostatik +
lenfnodu +
seminalvezikul +
biyokimyasalrekurrens,
data = MDL307_Data)
table
  • Export R output to a file

https://www.r-bloggers.com/export-r-output-to-a-file/

out <- capture.output(summary(my_very_time_consuming_regression))
cat("My title", out, file="summary_of_my_very_time_consuming_regression.txt", sep="n", append=TRUE)