¡Atención, fanáticos del baloncesto! La Copa Asiática de Baloncesto se acerca y los juegos de mañana prometen ser electrizantes
La Copa Asiática de Baloncesto es uno de los eventos más esperados del año para los aficionados al baloncesto en Asia. Este año, el Grupo C está listo para mostrar sus habilidades en la cancha y los fanáticos no pueden esperar a ver qué sucederá. Los partidos programados para mañana prometen ser emocionantes y llenos de acción. En este artículo, exploraremos los equipos que competirán, las predicciones de apuestas de expertos y todo lo que necesitas saber para estar al tanto de esta emocionante competencia.
Equipos en Competencia: Grupo C
El Grupo C de la Copa Asiática de Baloncesto incluye algunos de los equipos más talentosos del continente. Estos equipos han demostrado su destreza en el baloncesto a lo largo de los años y están listos para darlo todo en la cancha. Aquí están los equipos que competirán:
- China: Con una rica historia en el baloncesto, China siempre es un contendiente fuerte en cualquier torneo. Su equipo está lleno de jugadores talentosos que están ansiosos por demostrar su valía.
- Japón: Japón ha estado mejorando su juego año tras año y se ha convertido en un rival formidable. Su equipo está compuesto por jugadores jóvenes y dinámicos que no temen desafiar a nadie.
- Kazajistán: Kazajistán es conocido por su espíritu competitivo y su determinación. Aunque no siempre han estado en la cima, su equipo siempre lucha con valentía y nunca se da por vencido.
- Tailandia: Tailandia ha sido una sorpresa constante en el baloncesto asiático. Su equipo está lleno de jugadores talentosos que están listos para dejar huella en la Copa Asiática.
Partidos Programados para Mañana
Los partidos programados para mañana prometen ser emocionantes y llenos de acción. Aquí están los enfrentamientos que se llevarán a cabo:
- China vs Japón: Este será uno de los partidos más esperados del día. Ambos equipos tienen una larga rivalidad y siempre entregan partidos intensos. Los fanáticos no pueden perderse este enfrentamiento.
- Kazajistán vs Tailandia: Este partido promete ser un duelo interesante. Ambos equipos tienen jugadores talentosos que están ansiosos por demostrar su valía. Será un partido lleno de estrategias y habilidades.
Predicciones de Apuestas de Expertos
Los expertos en apuestas han estado analizando los equipos y sus posibilidades de ganar. Aquí están sus predicciones para los partidos programados para mañana:
- China vs Japón: Según los expertos, China tiene una ligera ventaja sobre Japón debido a su experiencia y habilidades superiores. Sin embargo, Japón no se dará por vencido fácilmente y luchará hasta el final.
- Kazajistán vs Tailandia: Los expertos creen que este partido será muy reñido. Ambos equipos tienen posibilidades iguales de ganar, por lo que será difícil predecir el resultado final.
Consejos para Apostar con Éxito
Apostar en baloncesto puede ser emocionante, pero también requiere estrategia y conocimiento. Aquí tienes algunos consejos para apostar con éxito:
- Investiga a los Equipos: Antes de apostar, investiga a los equipos que compiten. Conoce sus fortalezas y debilidades, así como sus jugadores clave.
- Sigue las Noticias Recientes: Mantente al tanto de las noticias recientes sobre los equipos. Las lesiones o cambios en la alineación pueden afectar el rendimiento del equipo.
- Aprende las Reglas del Juego: Entender las reglas del juego te ayudará a tomar decisiones informadas al apostar.
- No Apostes Más de lo Que Puedas Permitirte Perder: Apuesta con responsabilidad y nunca apuestes más dinero del que puedes permitirte perder.
Por Qué No Debes Perderte Estos Partidos
Los partidos programados para mañana prometen ser emocionantes y llenos de acción. Aquí hay algunas razones por las cuales no deberías perderte estos partidos:
- Talento Sobresaliente: Verás algunos de los mejores jugadores del continente en acción. Sus habilidades y destrezas te dejarán sin aliento.
- Estrategias Interesantes: Los entrenadores han estado trabajando duro para desarrollar estrategias interesantes que harán que estos partidos sean únicos.
- Sorpresa Constante: El baloncesto es un deporte impredecible, por lo que nunca sabes qué puede pasar en un partido. Prepárate para sorpresas constantes.
Cómo Ver los Partidos en Vivo
Si no puedes asistir a los partidos en persona, no te preocupes. Hay varias formas de verlos en vivo desde la comodidad de tu hogar:
- Televisión por Cable o Satélite: Muchas cadenas deportivas transmitirán los partidos en vivo. Revisa tu guía local para saber cuáles son las opciones disponibles.
- Servicios de Streaming Online: Hay varios servicios de streaming online que ofrecen transmisiones en vivo de eventos deportivos. Algunos ejemplos son ESPN+, DAZN, y FuboTV.
- Sitios Web Oficiales: Los sitios web oficiales de la Copa Asiática de Baloncesto a menudo ofrecen transmisiones en vivo gratuitas o con costo reducido.
Conclusión: ¡No Te Pierdas Esta Emoción!
La Copa Asiática de Baloncesto es un evento imperdible para todos los fanáticos del baloncesto. Los partidos programados para mañana prometen ser emocionantes y llenos de acción. Ya sea que estés interesado en las apuestas o simplemente quieras disfrutar del deporte, estos partidos son una excelente oportunidad para hacerlo. No te pierdas esta oportunidad única de ver a algunos de los mejores equipos del continente competir entre sí. ¡Prepárate para una noche llena de emoción!
Recuerda seguir nuestras redes sociales para obtener actualizaciones en tiempo real sobre los partidos y más información sobre la Copa Asiática de Baloncesto. ¡Nos vemos allá!
¡Hasta la próxima!
Fuentes Adicionales e Información Relevante:
- Sitio Web Oficial de la Copa Asiática de Baloncesto: Visita el sitio web oficial para obtener más información sobre el torneo, incluyendo horarios, resultados y más.
- Servicios Deportivos Locales: Consulta con servicios deportivos locales para obtener información sobre cómo ver los partidos en tu área.
- Redes Sociales: Sigue las cuentas oficiales de la Copa Asiática de Baloncesto en redes sociales como Twitter e Instagram para obtener actualizaciones instantáneas sobre el torneo.
- Blogs Deportivos: Lee blogs deportivos populares para obtener análisis detallados sobre los equipos y jugadores participantes.
<|repo_name|>mgallagher1/PRR<|file_sep|>/util/make_data_table.R
#' @title Make Data Table
#'
#' @description Makes data table with all the data we need for analysis.
#' @param pdat Patient Data
#' @param adat Activity Data
#' @param idat Intervention Data
#' @param udat Utilization Data
#' @param outdir Output directory
#' @param type Type of analysis (either "intervention" or "nonintervention")
#'
#' @return Returns nothing but saves data table in specified output directory.
#'
#' @export
make_data_table <- function(pdat = NULL,
adat = NULL,
idat = NULL,
udat = NULL,
outdir = NULL,
type = "intervention") {
if (type == "intervention") {
dat <- inner_join(pdat,
adat,
by = "P_ID")
dat <- inner_join(dat,
idat,
by = c("P_ID", "A_ID"))
dat <- inner_join(dat,
udat,
by = c("P_ID", "A_ID"))
# remove unused variables to save space
dat$YOB <- NULL
dat$ENROLL_DATE <- NULL
# save data table
saveRDS(dat,
file = paste0(outdir,"/data_table.rds"))
} else if (type == "nonintervention") {
dat <- inner_join(pdat,
adat,
by = "P_ID")
dat <- inner_join(dat,
udat,
by = c("P_ID", "A_ID"))
# remove unused variables to save space
dat$YOB <- NULL
dat$ENROLL_DATE <- NULL
# save data table
saveRDS(dat,
file = paste0(outdir,"/data_table.rds"))
}<|repo_name|>mgallagher1/PRR<|file_sep|>/analysis/README.md
# Analysis
The following steps are necessary to run the analysis:
1) Set up directory structure and create the appropriate directories.
2) Load the appropriate data files into each directory.
3) Use make_data_table.R to create the data tables for intervention and nonintervention analyses.
4) Use run_analysis.R to run the analyses.
<|repo_name|>mgallagher1/PRR<|file_sep|>/analysis/run_analysis.R
# This script runs the analyses.
library(dplyr)
library(tidyr)
library(lme4)
library(lmerTest)
library(broom)
library(survival)
setwd("/Users/mgallagher/Desktop/projects/PatientReportedRecovery/analysis")
source("load_data.R")
source("helper_functions.R")
source("make_tables.R")
# set up directory structure -----------------------------------------------
outdir <- "/Users/magallagher/Desktop/projects/PatientReportedRecovery/output"
if (!dir.exists(outdir)) {
dir.create(outdir)
}
if (!dir.exists(paste0(outdir,"/summary"))) {
dir.create(paste0(outdir,"/summary"))
}
if (!dir.exists(paste0(outdir,"/tables"))) {
dir.create(paste0(outdir,"/tables"))
}
# load in data -------------------------------------------------------------
if (file.exists(paste0(outdir,"/data_table_intervention.rds"))) {
dat_intervention <- readRDS(paste0(outdir,"/data_table_intervention.rds"))
} else {
stop("You need to make the intervention data table first.")
}
if (file.exists(paste0(outdir,"/data_table_nonintervention.rds"))) {
dat_nonintervention <- readRDS(paste0(outdir,"/data_table_nonintervention.rds"))
} else {
stop("You need to make the non-intervention data table first.")
}
# intervention analysis ----------------------------------------------------
## summary statistics -------------------------------------------------------
dat_intervention %>%
group_by(INTERVENTION) %>%
summarise(n_PATIENTS = n_distinct(P_ID),
n_ACTIVITIES = n_distinct(A_ID),
mean_AGE_AT_ENROLLMENT = mean(AGE_AT_ENROLLMENT),
mean_FOLLOW_UP_DAYS = mean(FOLLOW_UP_DAYS),
mean_NINETY_DAY_SURVIVAL_DAYS = mean(NINETY_DAY_SURVIVAL_DAYS),
mean_RECOVERY_PERCENTAGE = mean(RECOVERY_PERCENTAGE))
write.csv(dat_intervention %>%
group_by(INTERVENTION) %>%
summarise(n_PATIENTS = n_distinct(P_ID),
n_ACTIVITIES = n_distinct(A_ID),
mean_AGE_AT_ENROLLMENT = mean(AGE_AT_ENROLLMENT),
mean_FOLLOW_UP_DAYS = mean(FOLLOW_UP_DAYS),
mean_NINETY_DAY_SURVIVAL_DAYS = mean(NINETY_DAY_SURVIVAL_DAYS),
mean_RECOVERY_PERCENTAGE = mean(RECOVERY_PERCENTAGE)),
file=paste0(outdir,"/summary/intervention_summary.csv"))
## mixed effects model -----------------------------------------------------
model_1_intervention <- lmer(RECOVERY_PERCENTAGE ~ INTERVENTION + FOLLOW_UP_DAYS + INTERVENTION:FOLLOW_UP_DAYS + (1 | P_ID/A_ID),
data=dat_intervention)
model_2_intervention <- lmer(RECOVERY_PERCENTAGE ~ INTERVENTION + FOLLOW_UP_DAYS + INTERVENTION:FOLLOW_UP_DAYS + INTERVENTION:SEX + SEX:FOLLOW_UP_DAYS + INTERVENTION:FOLLOW_UP_DAYS:SEX + (1 | P_ID/A_ID),
data=dat_intervention)
model_3_intervention <- lmer(RECOVERY_PERCENTAGE ~ INTERVENTION + FOLLOW_UP_DAYS + INTERVENTION:FOLLOW_UP_DAYS + INTERVENTION:SEX + SEX:FOLLOW_UP_DAYS + INTERVENTION:FOLLOW_UP_DAYS:SEX + INTERVENTION:BMI_GROUP + BMI_GROUP:FOLLOW_UP_DAYS + INTERVENTION:FOLLOW_UP_DAYS:BMI_GROUP + (1 | P_ID/A_ID),
data=dat_intervention)
model_4_intervention <- lmer(RECOVERY_PERCENTAGE ~ INTERVENTION + FOLLOW_UP_DAYS + INTERVENTION:FOLLOW_UP_DAYS + INTERVENTION:SEX + SEX:FOLLOW_UP_DAYS + INTERVENTION:FOLLOW_UP_DAYS:SEX + INTERVENTION:BMI_GROUP + BMI_GROUP:FOLLOW_UP_DAYS + INTERVENTION:FOLLOW_UP_DAYS:BMI_GROUP + INTERVENTION:COMORBIDITY_COUNT_GROUP + COMORBIDITY_COUNT_GROUP:FOLLOW_UP_DAYS + INTERVENTION:FOLLOW_UP_DAYS:COMORBIDITY_COUNT_GROUP +
(1 | P_ID/A_ID),
data=dat_intervention)
model_5_intervention <- lmer(RECOVERY_PERCENTAGE ~ INTERVENTION + FOLLOW_UP_DAYS + INTERVENTION:FOLLOW_UP_DAYS +
(1 | P_ID/A_ID) +
(0+INTERVENTION | A_ID),
data=dat_intervention)
model_6_intervention <- lmer(RECOVERY_PERCENTAGE ~ INTERVENTION + FOLLOW_UP_DAYS +
(1 | P_ID/A_ID) +
(0+INTERVENTION | A_ID) +
(0+FOLLOW_UP_DAYS | A_ID),
data=dat_intervention)
model_7_intervention <- lmer(RECOVERY_PERCENTAGE ~ INTERVENTION +
(1 | P_ID/A_ID) +
(0+INTERVENTION | A_ID) +
(0+FOLLOW_UP_DAYS | A_ID),
data=dat_intervention)
model_8_intervention <- lmer(RECOVERY_PERCENTAGE ~ INTERVENTION +
(1 | P_ID/A_ID) +
(0+INTERVENTION | A_ID),
data=dat_intervention)
models_intervention_list <- list(model_1_intervention=model_1_intervention,
model_2_intervention=model_2_intervention,
model_3_intervention=model_3_intervention,
model_4_intervention=model_4_intervention,
model_5_intervention=model_5_intervention,
model_6_intervention=model_6_intervention,
model_7_intervention=model_7_intervention,
model_8_intervention=model_8_intervention)
lapply(models_intervention_list, broom::tidy)
lapply(models_intervention_list, broom::glance)
lapply(models_icu_list, broom::augment)
## make tables -------------------------------------------------------------
make_tables(models=models_list[[2]],
type="icu",
outname="icu")
## survival analysis --------------------------------------------------------
fit_survival_icu_yes_control_yes_yes_all_active_yes_yes_yes_yes_yes_yes_yes_all_active_no_no_no_all_active_yes_yes_yes_all_active_no_no_no_all_active_no_no_no_all_active_no_no_no" <- survfit(Surv(NINETY_DAY_SURVIVAL_TIME_IN_HOURS,NINETY_DAY_SURVIVAL_STATUS==1)~INTERACTION_TERMS_CONTROL_YES_YES_ALL_ACTIVE_YES_YES_YES_YES_YES_YES_YES_ALL_ACTIVE_NO_NO_NO_ALL_ACTIVE_YES_YES_YES_ALL_ACTIVE_NO_NO_NO_ALL_ACTIVE_NO_NO_NO_ALL_ACTIVE_NO_NO_NO,data=subset(dat_icu,!is.na(NINETY_DAY_SURVIVAL_TIME_IN_HOURS)&!is.na(NINETY_DAY_SURVIVAL_STATUS)))
plot(fit_survival_icu_yes_control_yes_yes_all_active_yes_yes_yes_yes_yes_yes_yes_all_active_no_no_no_all_active_yes_yes_yes_all_active_no_no_no_all_active_no_no_no_all_active_no_no_no)
