---
title: "Project 2"   
output:
    html_document:
      code_download: true    
      theme: cosmo
      toc: true
      toc_float: true
      highlight: tango
      number_sections: true
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE, error=T)
```

# Situering
Een hoge bloeddruk leidt op lange termijn tot een grotere kans op hart- en vaatziekten. Om hoge bloeddruk te bestrijden, hebben wetenschappers drie verschillende geneesmiddelen ontwikkeld (A, B en C) waarvan ze nu het effect wensen te onderzoeken. Daarom worden 60 patiënten met hoge bloeddruk willekeurig in 4 groepen verdeeld, waarbij elke groep bestaat uit 15 patiënten. Drie groepen zullen gedurende één maand dagelijks een van de geneesmiddelen (A, B of C) toegediend krijgen, terwijl de vierde groep een placebo ontvangt. Van elke patiënt wordt tweemaal de bloeddruk (in mmHg) gemeten: een eerste maal voor het begin van het experiment (de "voor"-meting) en een tweede maal na één maand (de "na"-meting).

# Onderzoeksvraag
De onderzoekers willen het effect van de behandelingen met de verschillende geneesmiddelen op de bloeddruk tov de placebobehandeling en tussen de behandelingen met de verschillende geneesmiddelen onderling onderzoeken.

# Analyses
Twee medewerkers uit het lab hebben de data op een verschillende manier geanalyseerd:

1. De eerste medewerker gebruikte enkel de bloeddrukmetingen na één maand behandeling (de "na"-metingen).

2. De tweede medewerker gebruikte zowel de voor - en na metingen in de analyse (Tip: Merk op dat de data waarbij men beide metingen per patiënt meeneemt, niet onafhanelijk zijn. Denk hierbij aan het captopril experiment uit de cursus hoe je de meting voor en na het experiment kan reduceren tot 1 onafhankelijke observatie per patiënt).

Voer een correcte data-analyse uit voor beide strategieën en rapporteer deze op een reproduceerbare manier op basis van de aangeleverde template. Vermeld onderaan bovendien welk van de data-analyse strategieën volgens jullie de beste is en leg uit waarom.


# Indienen
Schrijf je op Ufora in bij een “projectII_2025” groep (3, 4 of 5 studenten, niet 1 of 2!) via “Groepen”, vervolgens dient 1 groepslid het geknitte pdf-rapport + het Rmd-bestand in op Ufora (via “Ufora tools” > “Opdrachten” > “Project II”). De deadline is 19 december om 23u59.

# Packages laden
```{r, message=F}
#Als je een of meerdere van de packages niet hebt, installeer ze dan eenmalig met de functie install.packages().
library(readr)
library(multcomp)
library(dplyr)
library(coin)
library(ggplot2)
```

# Data importeren
```{r, message=F}
bp <- read_csv("https://raw.githubusercontent.com/LucasBeerland/statistiekBasisCursusData/master/bloodpressure.csv", col_types = "fffd")
```

# Analyse 1

## Geschikte dataset creëren
```{r}

```

## Data exploratie
```{r}

```

## Statistische analyse
```{r}

```

## Conclusie
...



# Analyse 2

## Geschikte dataset creëren
```{r}

```

## Data exploratie
```{r}

```

## Statistische analyse
```{r}

```

## Conclusie
...


# Welk van de data-analyse strategieën is volgens jullie het beste en leg uit waarom.
...