---
title: Prediccion a largo plazo de las variables de verbos
output: html_document
---

```{r warning = FALSE}
date() 
```

Lo que hemos hecho es seleccionar algunas variables (NP) que sean indicativas de la fluencia verbal y ver si los cambios de estas variables en baseline corresponden a algun cambio significativo en el diagnostico en la visita 5

### Plots

```{r message = FALSE, warning = FALSE}
library(ggplot2) 
fc <- read.csv("facehbi_response.csv") 
langs <- c("fe_verb_fluency_np", "kissing_dancing_images_fac", "kissing_dancing_words_fac", "action_naming_free_fac") 
for (lang in langs) {         
	out_fig <- paste0("response_",lang, ".png")         
	ggplot(fc, aes(x = syndromic_diagnosis, y = .data[[lang]], fill = syndromic_diagnosis)) + stat_boxplot(geom = "errorbar", width = 0.25) + geom_boxplot() -> p         
	print(p)
}
```

Ya que parece que hay diferencias significativas, vamos a ver que dice la estadistica,

### Stats

```{r message = FALSE, warning = FALSE}
fc <- read.csv("facehbi_response.csv") 
langs <- c("fe_verb_fluency_np", "kissing_dancing_images_fac", "kissing_dancing_words_fac", "action_naming_free_fac") 
for (lang in langs) {
  a <- t.test(as.formula(paste(lang, '~ factor(syndromic_diagnosis)')), data = fc, na.action = "na.omit")
  print(lang) 
  print(a)
}
```

Segun esto, las variables *fe_verb_fluency_np*, *kissing_dancing_words_fac* y *action_naming_free_fac* deberian predecir un cambio en el diagnostico final

### FSGA

Investigando la relacion de las variables con el cambio de volumen cortical podemos ver que aunque hay clusters donde el cambio esta relacionado con los valores de estas variables,

**fe\_verb\_fluency\_np**

![fe_verb_fluency_np lh](fsga/export/fsga_5v_lh.lowsig.png)

![fe_verb_fluency_np rh](fsga/export/fsga_5v_rh.lowsig.png)

**kissing\_dancing\_images\_fac**

![kissing_dancing_images_fac lh](fsga/export/fsga_6v_lh.lowsig.png)

![kissing_dancing_images_fac rh](fsga/export/fsga_6v_rh.lowsig.png)

**kissing\_dancing\_words\_fac**

![kissing_dancing_words_fac lh](fsga/export/fsga_7v_lh.lowsig.png)

![kissing_dancing_words_fac rh](fsga/export/fsga_7v_rh.lowsig.png)

**action\_naming\_free\_fac**

![action_naming_free_fac lh](fsga/export/fsga_8v_lh.lowsig.png)

![action_naming_free_fac rh](fsga/export/fsga_8v_rh.lowsig.png)

Estos clusters son de baja significacion y desparecen al efectuar una correcion por comparaciones multiples. 

Vamos a mirar en un analisis mas tradicional en las regiones subcorticales. Sabemos que una de las primeras afectaciones deberia ser el volumen de hipocampo, asi que vamos a mirar que pasa aqui,

(voy a añadir la amigdala tambien pero solo para poder tener una estructura abierta)

```{r message = FALSE, warning = FALSE}
library(readr)
fs <- read_tsv("fsga/aseg_stats.txt", show_col_types = FALSE)
colnames(fs)[1] <- 'internal_id_fac'
fv <- read.csv("fsga/fsga_cs.csv")
merge(fs, fv, by = 'internal_id_fac') -> s
subs <- c("Hippocampus", "Amygdala")
langs <- c("fe_verb_fluency_np", "kissing_dancing_images_fac", "kissing_dancing_words_fac", "action_naming_free_fac")
for (sub in subs){
	s$"tmp" <- eval(parse(text = paste0('s$"Left-',sub,'" + s$"Right-',sub,'"')))
	a <- lm(s$"tmp" ~ s$"EstimatedTotalIntraCranialVol")
	s$"adj" <- s$"tmp" - a$coefficients[2] * (s$"EstimatedTotalIntraCranialVol" - mean(s$"EstimatedTotalIntraCranialVol", na.rm = T))
	for (lang in langs) {
		m <- lm(as.formula(paste0('s$adj ~ s$age + s$level_education_fac + s$', lang)))
		print(paste(sub, "~", lang))
		print(summary(m))
	}
}
```
### Composite Scores

Y vamos tambien a estudiar que pasa si formamos un composite

```{r message = FALSE, warning = FALSE}
library(psych)
library("factoextra")
fv <- read.csv("fsga/fsga_data_swicv.csv")
tt <- data.frame(fv$fe_verb_fluency_np, fv$kissing_dancing_images_fac, fv$kissing_dancing_words_fac, fv$action_naming_free_fac)
tt[complete.cases(tt),] -> tt
princomp(tt) -> pca.tt
print(fviz_pca_biplot(pca.tt))
print(fviz_pca_var(pca.tt))

```

En principio parece que es suficiente hacer el composite con las variables **fe\_verb\_fluency\_np** y **action\_naming\_free\_fac**, 

```{r message = FALSE, warning = FALSE}
tt <- data.frame(fv$fe_verb_fluency_np, fv$action_naming_free_fac)
tt[complete.cases(tt),] -> tt
princomp(tt) -> pca.tt
print(fviz_pca_biplot(pca.tt))
```

pero voy a probar de las dos maneras,


```{r message = FALSE, warning = FALSE}
tt <- data.frame(fv$fe_verb_fluency_np, fv$kissing_dancing_images_fac, fv$kissing_dancing_words_fac, fv$action_naming_free_fac)
mod <- fa(tt, scores="regression")
fv$"CompositeScore0" = mod$scores
tt <- data.frame(fv$fe_verb_fluency_np, fv$action_naming_free_fac)
mod <- fa(tt, scores="regression")
fv$"CompositeScore1" = mod$scores
write.csv(fv, file='fsga/fsga_cs.csv', row.names = F, quote = FALSE)
merge(fs, fv, by = 'internal_id_fac') -> s
s$tmp <- s$"Left-Hippocampus" + s$"Right-Hippocampus"
a <- lm(s$"tmp" ~ s$"EstimatedTotalIntraCranialVol")
s$"adj" <- s$"tmp" - a$coefficients[2] * (s$"EstimatedTotalIntraCranialVol" - mean(s$"EstimatedTotalIntraCranialVol", na.rm = T))
print("Composite todas las variables")
m <- lm(s$adj ~ s$age + s$level_education_fac + s$"CompositeScore0")
print(summary(m))
print("Composite reducido")
m <- lm(s$adj ~ s$age + s$level_education_fac + s$"CompositeScore1") 
print(summary(m))
	
```

y los modelos con el volumen de hipocampo parece vagamente significativos, asi que voy a repetir el analisis cortical. Aqui vemos que, para el composite con todas las variables, tambien tenemos un grupo de clusters de baja significacion **antes** de hacer la correcion,

![CompositeScore0 lh](fsga/export/fsga_14v_lh.lowsig.png) 

![CompositeScore0 rh](fsga/export/fsga_14v_rh.lowsig.png)

pero tambien hay un pequeño cluster de alta significacion en el cortex lateral occipital que sobrevive a la correcion,

![CompositeScore0 cluster](fsga/export/fsga_14v_lh.c.png)

Para el composite con las variables reducidas, existen tambien un grupo de clusteres de baja significacion pero desaparecen al hacer la correccion por comparaciones multiples,

![CompositeScore1 lh](fsga/export/fsga_15v_lh.lowsig_0.png)

![CompositeScore1 lh posterior](fsga/export/fsga_15v_lh.lowsig_c.png)

![CompositeScore1 rh](fsga/export/fsga_15v_rh.lowsig.png)