`reglog` <-
function(formula, data, subset, ...) {

    # reglog(grupo~n.edad+sexo+rcal.dia, data=Datos)
    # Les variables var i dep han de ser factor

  TNP <-
  function(var, dep, subset = !is.na(var))
    {
      ta <- table(var[subset], dep[subset])
      per <- round(prop.table(ta, margin=2)*100,2)
      colnames(per) <-  rep("%", ncol(per))
      tp <- cbind(ta, per)[, order(rep(1:ncol(ta), 2))]
      tp
  }

`or.interval` <-
function(co, se, var, dec=2)
{
# Funció que retorna l'OR i interval de confiança de la variable categòrica i el OR de tendència, només per la variable que s'analitza 
# a partir dels coeficients i se
# var - Selecciona els OR's i IC a partir de la variable var
# Retorna una llista amb or.ic i or.ic.c (matriu tipus caràcter) amb parèntesis els ICs

coef.se <- cbind(co, se)
# Selecciono els coeficients i se que vull a la taula final

coef.se.sel <- matrix(nrow=length(levels(var)), ncol=2)
rownames(coef.se.sel) <- levels(var)

# Categoria de referència
coef.se.sel[1,1] <- 0

i <- 1
for (i in 1:length(levels(var))) {
   if(paste("var", levels(var)[i], sep="")%in%rownames(coef.se)) {
     coef.se.sel[levels(var)[i],] <- coef.se[paste("var", levels(var)[i], sep=""),]
   }
}
 
# Afegeixo una fila i els valors de tendència per la variable seleccionada (var)

coef.se.sel <- rbind(coef.se.sel, NA, coef.se["as.numeric(var)", ])

or.ci <- cbind(exp(coef.se.sel[,1]), exp(coef.se.sel[,1] - 1.96 * coef.se.sel[,2]), exp(coef.se.sel[,1] + 1.96 * coef.se.sel[,2]))

colnames(or.ci) <- c("   OR", "95%", "CI")

# Si hi ha algun valor molt gran a la taula final li assigno el valor Inf.
or.ci[or.ci>999] <- Inf

# Arrodoneixo a dos decimals, per defecte.
or.ci <- round(or.ci, dec)

or.ci.c <- cbind(or.ci[, 1], paste("(", or.ci[, 2], "-", or.ci[, 3], ")"))

colnames(or.ci.c) <- c("    OR", "  ( 95% CI )  ")
or.ci.c[or.ci.c=="( NA - NA )"] <- ""

list(or.ci = or.ci, or.ci.c = or.ci.c)
}

  
  if(inherits(formula,"formula")){
    
       if (missing(data)) data <- environment(var)
    
       mf <- match.call(expand.dots = FALSE)
       m  <- match(c("formula", "data", "subset", "weights", "na.action"), names(mf), 0)
       mf <- mf[c(1, m)]
       mf[[1]] <- as.name("model.frame")
       mf <- eval(mf, parent.frame())
       dep <- mf[,1]
       var <- mf[,2]
       var.name <- names(mf)[2]
       var.label <- NULL
       nterms <- dim(mf)[2]
       if (nterms>2) {
          adj <- mf[,3:nterms]
          adj.names <- names(mf)[3:nterms]
       } else  {
       adj.names <- NULL
       adj <- NULL
       }
    } 
    
    dep <- as.factor(dep)
    var <- as.factor(var)
 
    if (is.null(adj))
    {
        x  <- glm(dep~var,             family = binomial)
        x.b   <- glm(dep~1,               family = binomial)
        x.t  <- glm(dep~as.numeric(var), family = binomial)
    }
    else
    {
        x  <- glm(dep~. + var,             family = binomial, data=adj)
        x.b   <- glm(dep~.,                   family = binomial, data=adj)
        x.t  <- glm(dep~. + as.numeric(var), family = binomial, data=adj)
    }
    
# Guardo els coeficients i se, els del model, i el model de tendència

coef.se <- rbind(summary(x)$coef[, c("Estimate", "Std. Error")], summary(x.t)$coefficients[,  c("Estimate", "Std. Error")])

# Calculo els ORs i ICs, per cada una de les categories de la variable i el OR de tendència

or.ci.c <- or.interval(coef.se[,1], coef.se[,2], var)$or.ci.c
          
# Retorna una taula amb les N's i % per columnes
tp <- TNP(var, dep)

Trend <- c(sum(tp[,1]), NA, sum(tp[,3]), NA)
 
# Ajunto les N's i % amb els ORs i ICs

res <- cbind(rbind(tp, NA, Trend), or.ci.c, NA)
 
# Calculo la p d'associació i la de tendència

pval.as <- round(anova(x, x.b, test = "Chi")$"P(>|Chi|)"[2], 4)
pval.t <- round(anova(x.t, x.b, test = "Chi")$"P(>|Chi|)"[2], 4)
                     
colnames(res)[ncol(res)] <- "P-value"

res[1, ncol(res)] <- pval.as
res[nrow(res), ncol(res)] <- pval.t

cat("\n")
cat(var.name, var.label,"\n")
cat("Adjusted for", adj.names, "\n\n")
print(res, quote=F, na.print="", right=T)
cat("--------------------------------------------------------\n")
}