Imputacion_ICD_11.Rmd

---
title: "Imputación de datos del ICD-11"
author: "Avances en Medición Psicológica"
date: "19/7/2020"
output: 
  html_notebook: 
    toc: yes
    number_sections: yes
---

**Nota**: Abrir primero el proyecto `imputation-icd-11.Rproj`. Desde ahí, abrir el script.


Se cargan los paquetes que se utilizarán para el proceso de imputación

```{r message=FALSE, warning=FALSE}
library(dplyr, warn.conflicts = FALSE)
library(osfr)
library(TestDataImputation)
```


# Importación de los datos

Se utiliza el paquete `osfr` para extraer los datos del archivo `.csv` que se encuentra en el repositorio de [Carnovale, M., Sellbom, M., & Bagby, R. M. (2019)](https://osf.io/yn2fp/).

```{r}
file_osf <- osf_retrieve_node("yn2fp") %>% 
  osf_ls_files(pattern = ".csv")

osf_download(file_osf, conflicts = "overwrite")
```

Ahora el archivo llamado `r file_osf$name` se encuentra en el directorio del proyecto. Se importará utilizando la función `readr::read_csv`.

```{r}
icd_11 <- readr::read_csv("Carnovale, Sellbom, & Bagby, 2019 Data.csv")
```

```{r}
icd_11
```

# Contabilización de NA y filtrado

Se realizará la imputación de datos en casos de personas que no superen el 20% de *missing* en las respuestas de los ítems de las dimensione de la prueba. Para verificar esto, se realiza la contabilización de `NA` en cada dimensión.

Dado que cada dimensión tiene 12 ítems, el máximo número de missing aceptable por dimensión es de 2.

```{r}
icd_11 <- icd_11 %>% 
  rowwise() %>% 
  mutate(
    na_NegatAffec = sum(is.na(c_across(c(p1, p6, p11, p16, p21, p26, p31,
                                         p36, p41, p46, p51, p56)))),
    na_Desinhibit = sum(is.na(c_across(c(p2, p7, p12, p17, p22, p27, p32, 
                                         p37, p42, p47, p52, p57)))),
    na_Detachment = sum(is.na(c_across(c(p3, p8, p13, p18, p23, p28, p33,
                                         p38, p43, p48, p53, p58)))),
    na_Dissocial  = sum(is.na(c_across(c(p4, p9, p14, p19, p24, p29, p34,
                                         p39, p44, p49, p54, p59)))),
    na_Anankastia = sum(is.na(c_across(c(p5, p10, p15, p20, p25, p30, p35, 
                                         p40, p45, p50, p55, p60))))
  ) %>% 
  ungroup()
```

Filtrar casos de missing con cantidad mayor a 2 en cada dimensión

```{r}
icd_11 <- icd_11 %>% 
  filter(
    na_NegatAffec <= 2, na_Desinhibit <= 2,
    na_Detachment <= 2, na_Dissocial <= 2,
    na_Anankastia <= 2
  )
```

# Imputación de datos

Una vez realizado el filtrado de cantidad máximo de *missing* aceptable, se procede a realizar la imputación de datos. El instrumento presenta una escala Likert desde 1 (*strongly disagree*) hasta 5 (*strongly agree*). Debido a esto se utiliza el método de *Regresión Logística* (`LR`) del paquete `TestDataImputation` para el procedimiento en cada dimensión.

```{r}
NegatAffec <- icd_11 %>% 
  select(p1, p6, p11, p16, p21, p26, p31,
         p36, p41, p46, p51, p56) %>% 
  ImputeTestData(., Mvalue = "NA", 
                 max.score = 5, 
                 method = "LR") %>% 
  as_tibble() 
```

```{r}
Desinhibit <- icd_11 %>% 
  select(p2, p7, p12, p17, p22, p27, p32, 
         p37, p42, p47, p52, p57) %>% 
  ImputeTestData(., Mvalue = "NA", 
                 max.score = 5, 
                 method = "LR") %>% 
  as_tibble() 
```


```{r}
Detachment <- icd_11 %>% 
  select(p3, p8, p13, p18, p23, p28, p33,
         p38, p43, p48, p53, p58) %>% 
  ImputeTestData(., Mvalue = "NA", 
                 max.score = 5, 
                 method = "LR") %>% 
  as_tibble() 
```


```{r}
Dissocial <- icd_11 %>% 
  select(p4, p9, p14, p19, p24, p29, p34,
         p39, p44, p49, p54, p59) %>% 
  ImputeTestData(., Mvalue = "NA", 
                 max.score = 5, 
                 method = "LR") %>% 
  as_tibble() 
```


```{r}
Anankastia <- icd_11 %>% 
  select(p5, p10, p15, p20, p25, p30, p35, 
         p40, p45, p50, p55, p60) %>% 
  ImputeTestData(., Mvalue = "NA", 
                 max.score = 5, 
                 method = "LR") %>% 
  as_tibble() 
```

Una vez realizado la imputación en cada dimensión se prosigue a unificar los datos con los sociodemográficos. 

```{r}
icd_11 <- icd_11 %>% 
  select(fcode:yrsEducation, UUTrfEID:rfBXD) %>% 
  bind_cols(NegatAffec, Desinhibit, Detachment,
            Dissocial, Anankastia) %>% 
  relocate(UUTrfEID:rfBXD, .after = last_col())
```

# Exportación de datos

Por último, se exporta el archivo modificado.

```{r}
readr::write_csv(icd_11, path = "Carnovale, Sellbom, & Bagby, 2019 Data imputation.csv")
```

# Información de la sesión

```{r}
sessionInfo()
```