Notificaciones y brotes Vigilancia SIZSE

V 0.01

Projecto Estimacion de la sensibilidad del sistema de vigilancia epidemiologica PPC

Autor Alfredo Acosta PhD

alfredoacosta@alumni.usp.br

EPIDAT

University of Sao Paulo

Preventive veterinary medicine department

https://github.com/alfredojavier55/Preparing_agro_data

library(dplyr);library(lubridate);library(ggplot2); library(scales)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

## 
## Attaching package: 'lubridate'

## The following objects are masked from 'package:base':
## 
##     date, intersect, setdiff, union

Juntar archivos vigilancia (join-vig) —-

setwd("~/Dropbox/0.USP/1 Projeto/Conferir-dados/2021")
# Colnames correctos ----
vge0 <- read.csv("Rep_General_EventosSan0.csv", colClasses = "character",encoding = "UTF-8")
vr0 <- read.csv("Rep_ResultadosGEV0.csv", colClasses = "character",encoding = "UTF-8")
vc0 <- read.csv("Rep_CierreGEV0.csv", colClasses = "character",encoding = "UTF-8")

# Archivos de general ----
vge1 <- readxl::read_excel("VEPG02_REP_GENERAL_BASICO 2014.xls")
vge2 <- readxl::read_excel("VEPG02_REP_GENERAL_BASICO 2015.xls")
vge3 <- readxl::read_excel("VEPG02_REP_GENERAL_BASICO 2016.xls")
vge4 <- readxl::read_excel("VEPG02_REP_GENERAL_BASICO 2017.xls")
vge5 <- readxl::read_excel("VEPG02_REP_GENERAL_BASICO 2018.xls")
vge6 <- readxl::read_excel("VEPG02_REP_GENERAL_BASICO 2019.xls")
vge7 <- readxl::read_excel("VEPG02_REP_GENERAL_BASICO 2020.xls")
vge8 <- readxl::read_excel("VEPG02_REP_GENERAL_BASICO 2021.xls")

vge <- rbind(vge1, vge2, vge3, vge4, vge5, vge6, vge7, vge8)
# vge1 <- readxl::read_excel("VEPG02_REP_GENERAL_BASICO 2015.xls")
# colnames(vge) <- vge1[1,]

# colnames(vge0)
# colnames(vge)

# Reordenar y revisar bien Cristian ----
vge2 <- vge[,c(1,5:7,9,10,4,8,8,8,11:18,
              20:24,3,3,27)]
colnames(vge2)

##  [1] "# ORDEN"             "PROVINCIA"           "CANTÓN"             
##  [4] "PARROQUIA"           "C.C/C.I/RUC"         "PROPIETARIO"        
##  [7] "SEMANA"              "UTM WGS-84"          "UTM WGS-84"         
## [10] "UTM WGS-84"          "PREDIO"              "T. EXPLOTACIÓN"     
## [13] "NOTIFICADOR"         "F. 1er ENFERMO"      "F. NOTIFICACIÓN"    
## [16] "F. 1era VISITA"      "SÍNDROME PRESUNTIVO" "PATOLOGÍA"          
## [19] "ESPECIE"             "EDAD"                "MUESTREO POR EEB"   
## [22] "T. ALIMENTACIÓN"     "RAZÓN MUESTREO"      "F. REGISTRO"        
## [25] "F. REGISTRO"         "REGISTRO"

# por algo agregaron las columnas y las deberian usar
# vge <- vge[,c(1,5:7,9,10,4,8,8,8,11:18,
#               20:24,3,3,27,  2,19,25,26)]
# 
# colnames(vge)[27] <- "Alerta"

colnames(vge2) <- colnames(vge0)

vge2 <- cbind(vge2, vge[,c(2,19,25,26)])

# Archivos de resultados ----
vr1 <- readxl::read_excel("VEPG02_REP_RESULTADOS 2014.xls")

## New names:
## • `F. REGISTRO` -> `F. REGISTRO...3`
## • `PATOLOGÍA` -> `PATOLOGÍA...18`
## • `ESPECIE` -> `ESPECIE...20`
## • `REGISTRO` -> `REGISTRO...27`
## • `ESPECIE` -> `ESPECIE...31`
## • `PATOLOGÍA` -> `PATOLOGÍA...32`
## • `REGISTRO` -> `REGISTRO...40`
## • `F. REGISTRO` -> `F. REGISTRO...41`

vr2 <- readxl::read_excel("VEPG02_REP_RESULTADOS 2015.xls")

## New names:
## • `F. REGISTRO` -> `F. REGISTRO...3`
## • `PATOLOGÍA` -> `PATOLOGÍA...18`
## • `ESPECIE` -> `ESPECIE...20`
## • `REGISTRO` -> `REGISTRO...27`
## • `ESPECIE` -> `ESPECIE...31`
## • `PATOLOGÍA` -> `PATOLOGÍA...32`
## • `REGISTRO` -> `REGISTRO...40`
## • `F. REGISTRO` -> `F. REGISTRO...41`

vr3 <- readxl::read_excel("VEPG02_REP_RESULTADOS 2016.xls")

## New names:
## • `F. REGISTRO` -> `F. REGISTRO...3`
## • `PATOLOGÍA` -> `PATOLOGÍA...18`
## • `ESPECIE` -> `ESPECIE...20`
## • `REGISTRO` -> `REGISTRO...27`
## • `ESPECIE` -> `ESPECIE...31`
## • `PATOLOGÍA` -> `PATOLOGÍA...32`
## • `REGISTRO` -> `REGISTRO...40`
## • `F. REGISTRO` -> `F. REGISTRO...41`

vr4 <- readxl::read_excel("VEPG02_REP_RESULTADOS 2017.xls")

## New names:
## • `F. REGISTRO` -> `F. REGISTRO...3`
## • `PATOLOGÍA` -> `PATOLOGÍA...18`
## • `ESPECIE` -> `ESPECIE...20`
## • `REGISTRO` -> `REGISTRO...27`
## • `ESPECIE` -> `ESPECIE...31`
## • `PATOLOGÍA` -> `PATOLOGÍA...32`
## • `REGISTRO` -> `REGISTRO...40`
## • `F. REGISTRO` -> `F. REGISTRO...41`

vr5 <- readxl::read_excel("VEPG02_REP_RESULTADOS 2018.xls")

## New names:
## • `F. REGISTRO` -> `F. REGISTRO...3`
## • `PATOLOGÍA` -> `PATOLOGÍA...18`
## • `ESPECIE` -> `ESPECIE...20`
## • `REGISTRO` -> `REGISTRO...27`
## • `ESPECIE` -> `ESPECIE...31`
## • `PATOLOGÍA` -> `PATOLOGÍA...32`
## • `REGISTRO` -> `REGISTRO...40`
## • `F. REGISTRO` -> `F. REGISTRO...41`

vr6 <- readxl::read_excel("VEPG02_REP_RESULTADOS 2019.xls")

## New names:
## • `F. REGISTRO` -> `F. REGISTRO...3`
## • `PATOLOGÍA` -> `PATOLOGÍA...18`
## • `ESPECIE` -> `ESPECIE...20`
## • `REGISTRO` -> `REGISTRO...27`
## • `ESPECIE` -> `ESPECIE...31`
## • `PATOLOGÍA` -> `PATOLOGÍA...32`
## • `REGISTRO` -> `REGISTRO...40`
## • `F. REGISTRO` -> `F. REGISTRO...41`

vr7 <- readxl::read_excel("VEPG02_REP_RESULTADOS 2020.xls")

## New names:
## • `F. REGISTRO` -> `F. REGISTRO...3`
## • `PATOLOGÍA` -> `PATOLOGÍA...18`
## • `ESPECIE` -> `ESPECIE...20`
## • `REGISTRO` -> `REGISTRO...27`
## • `ESPECIE` -> `ESPECIE...31`
## • `PATOLOGÍA` -> `PATOLOGÍA...32`
## • `REGISTRO` -> `REGISTRO...40`
## • `F. REGISTRO` -> `F. REGISTRO...41`

vr8 <- readxl::read_excel("VEPG02_REP_RESULTADOS 2021.xls")

## New names:
## • `F. REGISTRO` -> `F. REGISTRO...3`
## • `PATOLOGÍA` -> `PATOLOGÍA...18`
## • `ESPECIE` -> `ESPECIE...20`
## • `REGISTRO` -> `REGISTRO...27`
## • `ESPECIE` -> `ESPECIE...31`
## • `PATOLOGÍA` -> `PATOLOGÍA...32`
## • `REGISTRO` -> `REGISTRO...40`
## • `F. REGISTRO` -> `F. REGISTRO...41`

vr <- rbind(vr1, vr2, vr3, vr4, vr5, vr6, vr7, vr8)

# colnames(vr)
# colnames(vr2)

vr2 <- vr[,c(1,5:7,9,10,4,8,8,8,11:18,20,21,3,3,27,28,29,33,32,34:39,41,43,44,42)]

colnames(vr2) <- colnames(vr0)
colnames(vr2)

##  [1] "orden"               "provincia"           "cantón"             
##  [4] "parroquia"           "cedula"              "propietario"        
##  [7] "semana"              "zona"                "coord_x"            
## [10] "coord_y"             "predio"              "t_explotación"      
## [13] "notificador"         "f_1er_enfermo"       "f_notificación"     
## [16] "f_1era_visita"       "síndrome_presuntivo" "patología"          
## [19] "especie"             "edad"                "f_elaboración"      
## [22] "f_ingreso"           "responsable"         "colecta"            
## [25] "n_visita"            "prueba_solicitada"   "detalle_diagnóstico"
## [28] "laboratorio"         "cant_muestras"       "positivos"          
## [31] "negativos"           "indeterminados"      "reactivos"          
## [34] "fecha_ingreso"       "fecha_liberado"      "diferencia_días"    
## [37] "liberado"

vr2 <- cbind(vr2, vr[,c(2,19,22,23,24,25,26,30,31,40,45,46)])

# Archivos de cierre ----
vc1 <- readxl::read_excel("VEPG02_REP_CIERRE 2014.xls")

## New names:
## • `ESPECIE` -> `ESPECIE...22`
## • `ESPECIE` -> `ESPECIE...31`

vc2 <- readxl::read_excel("VEPG02_REP_CIERRE 2015.xls")

## New names:
## • `ESPECIE` -> `ESPECIE...22`
## • `ESPECIE` -> `ESPECIE...31`

vc3 <- readxl::read_excel("VEPG02_REP_CIERRE 2016.xls")

## New names:
## • `ESPECIE` -> `ESPECIE...22`
## • `ESPECIE` -> `ESPECIE...31`

vc4 <- readxl::read_excel("VEPG02_REP_CIERRE 2017.xls")

## New names:
## • `ESPECIE` -> `ESPECIE...22`
## • `ESPECIE` -> `ESPECIE...31`

vc5 <- readxl::read_excel("VEPG02_REP_CIERRE 2018.xls")

## New names:
## • `ESPECIE` -> `ESPECIE...22`
## • `ESPECIE` -> `ESPECIE...31`

vc6 <- readxl::read_excel("VEPG02_REP_CIERRE 2019.xls")

## New names:
## • `ESPECIE` -> `ESPECIE...22`
## • `ESPECIE` -> `ESPECIE...31`

vc7 <- readxl::read_excel("VEPG02_REP_CIERRE 2020.xls")

## New names:
## • `ESPECIE` -> `ESPECIE...22`
## • `ESPECIE` -> `ESPECIE...31`

vc8 <- readxl::read_excel("VEPG02_REP_CIERRE 2021.xls")

## New names:
## • `ESPECIE` -> `ESPECIE...22`
## • `ESPECIE` -> `ESPECIE...31`

vc <- rbind(vc1, vc2, vc3, vc4, vc5, vc6, vc7, vc8)
# vc1 <- readxl::read_excel("VEPG02_REP_CIERRE 2014.xls")
# colnames(vc) <- vc1[1,]

# colnames(vc0)
# colnames(vc)

# Reordenar ----
vc2 <- vc[,c(1,7:9,11,12,4,10,10,10,13:20,
            22,23,3,3,5,36,26:35)]

colnames(vc2) <- colnames(vc0)

vc2 <- cbind(vc2, vc[,c(2,6,21,24,25)])

vge2$canton <- vge2$cantón
vge2$cantón <- NULL

#Banco Resultados de eventos
vr2$cant_muestras <- as.numeric(vr2$cant_muestras)
vr2$positivos <- as.numeric(vr2$positivos)
vr2$negativos <- as.numeric(vr2$negativos)
vr2$reactivos <- as.numeric(vr2$reactivos)
# vr2$indeterminados <- as.numeric(vr2$indeterminados)
vr2$canton <- vr2$cantón
vr2$cantón <- NULL

# Banco Cierre de eventos
vc2$existentes <- as.numeric(vc2$existentes)
vc2$enfermos <- as.numeric(vc2$enfermos)
vc2$muertos <- as.numeric(vc2$muertos)
vc2$sacrificad <- as.numeric(vc2$sacrificad)
vc2$canton <- vc2$cantón
vc2$cantón <- NULL

# -- Vigilancia general ----
v0 <- full_join(vc2, vr2)

## Joining, by = c("orden", "provincia", "parroquia", "cedula", "propietario",
## "semana", "zona", "coord_x", "coord_y", "predio", "t_explotación",
## "notificador", "f_1er_enfermo", "f_notificación", "f_1era_visita",
## "síndrome_presuntivo", "patología", "especie", "edad", "f_elaboración",
## "f_ingreso", "responsable", "# ALERTA", "RESULTADO", "ESTADO", "¿SUPERVISADO?",
## "canton")

v1 <- full_join(v0,vge2)

## Joining, by = c("orden", "provincia", "parroquia", "cedula", "propietario",
## "semana", "zona", "coord_x", "coord_y", "predio", "t_explotación",
## "notificador", "f_1er_enfermo", "f_notificación", "f_1era_visita",
## "síndrome_presuntivo", "patología", "especie", "edad", "f_elaboración",
## "f_ingreso", "responsable", "# ALERTA", "RESULTADO", "ESTADO", "¿SUPERVISADO?",
## "canton")

table(v1$especie)

## 
##      ABEJAS        AVES     BOVINOS   BUBALINOS   CAMELIDOS    CAPRINOS 
##         718         108       14851          13           3         166 
##    CERVIDOS     CONEJOS       CUYES     EQUINOS       GATOS MURCIELAGOS 
##           1           1          63         965           7           1 
##   NO APLICA      OVINOS      PERROS    PORCINOS 
##           1         147          14        4060

# 
# rm(vge0, vr0, vc0)
# rm(vc1,vc3,vc4,vc5,vc6,vc7,vc8)
# rm(vge1,vge3,vge4,vge5,vge6,vge7,vge8)
# rm(vr1,vr2,vr3,vr4,vr5,vr6,vr7,vr8)
# rm(vc2, vge2, vr2, vge)

colnames(v1)

##  [1] "orden"               "provincia"           "parroquia"          
##  [4] "cedula"              "propietario"         "semana"             
##  [7] "zona"                "coord_x"             "coord_y"            
## [10] "predio"              "t_explotación"       "notificador"        
## [13] "f_1er_enfermo"       "f_notificación"      "f_1era_visita"      
## [16] "síndrome_presuntivo" "patología"           "especie"            
## [19] "edad"                "f_elaboración"       "f_ingreso"          
## [22] "f_cierre_orden"      "responsable"         "vacuno"             
## [25] "focal"               "dosis_focal"         "perifocal"          
## [28] "dosis_perifocal"     "especie_f"           "existentes"         
## [31] "enfermos"            "muertos"             "sacrificad"         
## [34] "# ALERTA"            "DÍAS EN CERRAR"      "RESULTADO"          
## [37] "ESTADO"              "¿SUPERVISADO?"       "canton"             
## [40] "colecta"             "n_visita"            "prueba_solicitada"  
## [43] "detalle_diagnóstico" "laboratorio"         "cant_muestras"      
## [46] "positivos"           "negativos"           "indeterminados"     
## [49] "reactivos"           "fecha_ingreso"       "fecha_liberado"     
## [52] "diferencia_días"     "liberado"            "MUESTREO POR EEB"   
## [55] "T. ALIMENTACIÓN"     "RAZÓN MUESTREO"      "F. INFORME"         
## [58] "ESPECIE...31"        "REGISTRO...40"       "RECOMENDACIONES"    
## [61] "RESPONSABLE"         "muestreo.por.eeb"    "t.alimentacion"     
## [64] "razon.muestreo"

Ejemplo todas las especies

v2 <- v1 %>%
  # filter(detalle_diagnóstico == "Peste porcina clásica")%>%
  # filter(detalle_diagnóstico == "PESTE PORCINA CLÁSICA")%>%
  group_by(orden, provincia, canton, parroquia, cedula, propietario, semana, 
           zona,
           coord_x, coord_y, predio,t_explotación, notificador, 
           f_1er_enfermo, f_notificación, f_1era_visita, síndrome_presuntivo,
           patología, especie, edad, f_elaboración, f_ingreso, f_cierre_orden,
           detalle_diagnóstico,
           responsable, vacuno, focal, dosis_focal, perifocal, dosis_perifocal, 
           especie_f, colecta)%>%
  summarise(existente=sum(existentes, muertos, sacrificad), enfermo=sum(enfermos), mortos=sum(muertos), 
            sacrifi=sum(sacrificad), afetados=sum(muertos,sacrificad), 
            pos=sum(positivos), total_muestras=sum(cant_muestras), reactivo=sum(reactivos))

## `summarise()` has grouped output by 'orden', 'provincia', 'canton',
## 'parroquia', 'cedula', 'propietario', 'semana', 'zona', 'coord_x', 'coord_y',
## 'predio', 't_explotación', 'notificador', 'f_1er_enfermo', 'f_notificación',
## 'f_1era_visita', 'síndrome_presuntivo', 'patología', 'especie', 'edad',
## 'f_elaboración', 'f_ingreso', 'f_cierre_orden', 'detalle_diagnóstico',
## 'responsable', 'vacuno', 'focal', 'dosis_focal', 'perifocal',
## 'dosis_perifocal', 'especie_f'. You can override using the `.groups` argument.

# Agregando ano
v2$ano <- year(dmy(v2$f_1er_enfermo))
v2$month <- month(dmy(v2$f_1er_enfermo))

Total de eventos

length(unique(v2$orden))

## [1] 9719

v2$f_1er_enfermo <- dmy(v2$f_1er_enfermo)
# Changing to floor date week
v2$week <- floor_date(v2$f_1er_enfermo, "week")
# Best visualizations by month
v2$Month <- floor_date(v2$f_1er_enfermo, "month")

Total de notificaciones por ano

# Numero de ordenes
v2 %>%
  group_by(ano)%>%
  # filter(ano >2020)%>%
  summarise(notifi=length(unique(orden)))

## # A tibble: 12 × 2
##      ano notifi
##    <dbl>  <int>
##  1  1902      2
##  2  1921      1
##  3  2012      1
##  4  2013      7
##  5  2014    357
##  6  2015   1037
##  7  2016   1300
##  8  2017   1489
##  9  2018   2068
## 10  2019   1479
## 11  2020    989
## 12  2021    989

Número de notificaciones por especie

# Numero de notificaciones
v2 %>%
  # group_by(month)%>%
  group_by(especie_f)%>%
  filter(ano <2020)%>%
  filter(ano >2014)%>%
  summarise(notifi_geral=length(unique(orden)))%>%
  arrange(desc(notifi_geral))

## # A tibble: 15 × 2
##    especie_f   notifi_geral
##    <chr>              <int>
##  1 BOVINOS             4991
##  2 PORCINOS            1413
##  3 EQUINOS              447
##  4 ABEJAS               293
##  5 OVINOS                63
##  6 CAPRINOS              55
##  7 CUYES                 44
##  8 <NA>                  32
##  9 AVES                  20
## 10 BUBALINOS              5
## 11 PERROS                 5
## 12 GATOS                  2
## 13 CERVIDOS               1
## 14 MURCIELAGOS            1
## 15 NO APLICA              1

Número de notificaciones por especie alta notificacion

# Número de notificaciones por especie alta notificacion
 v2 %>%
  # group_by(month)%>%
  group_by(ano, especie_f)%>%
  filter(ano <2020)%>%
  filter(ano >2013)%>%
  filter(especie_f=="BOVINOS" | especie_f == "PORCINOS"
         | especie_f == "OVINOS" | especie_f == "EQUINOS" | especie_f == "ABEJAS")%>%
  summarise(notifi_geral=length(unique(orden)))%>%
  arrange(desc(notifi_geral))%>%
ggplot()+
  geom_col(aes(ano,notifi_geral), colour="#377EB8")+
  geom_text(aes(ano, notifi_geral, label=(notifi_geral)), nudge_y = 200)+
  facet_grid(rows = vars(especie_f))+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Notificaciones vigilancia general",
       x="Año")+
  theme_minimal() +
  theme(text = element_text(size = 10))

## `summarise()` has grouped output by 'ano'. You can override using the `.groups`
## argument.

Número de notificaciones por especie notificacion intermedia

 v2 %>%
   # group_by(month)%>%
   group_by(ano, especie_f)%>%
   filter(ano <2020)%>%
   filter(ano >2013)%>%
   filter(especie_f =="CAPRINOS" | especie_f == "OVINOS"
        | especie_f == "CUYES" | especie_f == "AVES"
        | especie_f == "PERROS" | especie_f == "CAMELIDOS" | especie_f == "GATOS")%>%
   summarise(notifi_geral=length(unique(orden)))%>%
   arrange(desc(notifi_geral))%>%
   ggplot()+
   geom_col(aes(ano,notifi_geral), colour="#377EB8")+
   geom_text(aes(ano, notifi_geral, label=(notifi_geral)), nudge_y = 10)+
   facet_grid(rows = vars(especie_f))+
   # scale_y_continuous(breaks= pretty_breaks())+
   labs(y="Notificaciones vigilancia general",
        x="Año")+
   theme_minimal() +
   theme(text = element_text(size = 14))

## `summarise()` has grouped output by 'ano'. You can override using the `.groups`
## argument.

Número de notificaciones por especie baja notificacion

 v2 %>%
   # group_by(month)%>%
   group_by(ano, especie_f)%>%
   filter(ano <2020)%>%
   filter(ano >2013)%>%
   filter(especie_f =="CERVIDOS" | especie_f == "CONEJOS"
          | especie_f == "MURCIELAGOS" | especie_f == "NO APLICA" | especie_f == "BUBALINOS")%>%
   summarise(notifi_geral=length(unique(orden)))%>%
   arrange(desc(notifi_geral))%>%
   ggplot()+
   geom_col(aes(ano,notifi_geral))+
   geom_text(aes(ano, notifi_geral, label=(notifi_geral)), nudge_y = 1)+
   facet_grid(rows = vars(especie_f))+
   # scale_y_continuous(breaks= pretty_breaks())+
   labs(y="Notificaciones vigilancia general",
        x="Año")+
   theme_minimal() +
   theme(text = element_text(size = 10))

## `summarise()` has grouped output by 'ano'. You can override using the `.groups`
## argument.

Número de notificaciones por especie alta notificacion (2014-2021)

 v2 %>%
  # group_by(month)%>%
  group_by(ano, especie_f)%>%
  # filter(ano <2020)%>%
  filter(ano >2013)%>%
  filter(especie_f=="BOVINOS" | especie_f == "PORCINOS"
         | especie_f == "OVINOS" | especie_f == "EQUINOS" | especie_f == "ABEJAS")%>%
  summarise(notifi_geral=length(unique(orden)))%>%
  arrange(desc(notifi_geral))%>%
ggplot()+
  geom_col(aes(ano,notifi_geral), colour="#4DAF4A")+
  geom_text(aes(ano, notifi_geral, label=(notifi_geral)), nudge_y = 200)+
  facet_grid(rows = vars(especie_f))+
  labs(y="Numero",
       title="Notificaciones vigilancia general por especies 2014-2021",
       x="Año")+
  theme_minimal() +
  theme(text = element_text(size = 12))

## `summarise()` has grouped output by 'ano'. You can override using the `.groups`
## argument.

Número de notificaciones por especie notificacion intermedia

 v2 %>%
   # group_by(month)%>%
   group_by(ano, especie_f)%>%
   filter(ano <2020)%>%
   filter(ano >2013)%>%
   filter(especie_f =="CAPRINOS" | especie_f == "OVINOS"
        | especie_f == "CUYES" | especie_f == "AVES"
        | especie_f == "PERROS" | especie_f == "CAMELIDOS" | especie_f == "GATOS")%>%
   summarise(notifi_geral=length(unique(orden)))%>%
   arrange(desc(notifi_geral))%>%
   ggplot()+
   geom_col(aes(ano,notifi_geral), colour="#4DAF4A")+
   geom_text(aes(ano, notifi_geral, label=(notifi_geral)), nudge_y = 10)+
   facet_grid(rows = vars(especie_f))+
   labs(y="Numero",
       title="Notificaciones vigilancia general por especies 2014-2021",
       x="Año")+
    theme_minimal() +
   theme(text = element_text(size = 6))

## `summarise()` has grouped output by 'ano'. You can override using the `.groups`
## argument.

Número de notificaciones por especie baja notificacion

 v2 %>%
   # group_by(month)%>%
   group_by(ano, especie_f)%>%
   # filter(ano <2020)%>%
   filter(ano >2013)%>%
   filter(especie_f =="CERVIDOS" | especie_f == "CONEJOS"
          | especie_f == "MURCIELAGOS" | especie_f == "NO APLICA" | especie_f == "BUBALINOS")%>%
   summarise(notifi_geral=length(unique(orden)))%>%
   arrange(desc(notifi_geral))%>%
   ggplot()+
   geom_col(aes(ano,notifi_geral),colour="#4DAF4A")+
   geom_text(aes(ano, notifi_geral, label=(notifi_geral)), nudge_y = 1)+
   facet_grid(rows = vars(especie_f))+
   labs(y="Numero",
       title="Notificaciones vigilancia general por especies 2014-2021",
       x="Año")+
   theme_minimal() +
   theme(text = element_text(size = 10))

## `summarise()` has grouped output by 'ano'. You can override using the `.groups`
## argument.

Numero de notificaciones por sindrome presuntivo

v2 %>%
  # group_by(month)%>%
  group_by(Month,síndrome_presuntivo, especie_f)%>%
  # filter(ano <2020)%>%
  filter(ano >2013)%>%
  filter(especie_f=="BOVINOS" | especie_f == "PORCINOS"
         | especie_f == "OVINOS" | especie_f == "EQUINOS" | especie_f == "ABEJAS")%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(pos >= 1, na.rm = TRUE))%>%
  ggplot()+
  geom_col(aes(Month,notifi_geral,fill=síndrome_presuntivo))+
  facet_grid(rows = vars(especie_f))+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y=NULL,
       title="Notificaciones por sindrome presuntivo",
       x=NULL)+
  theme_minimal() +
  theme(text = element_text(size = 10))

## `summarise()` has grouped output by 'Month', 'síndrome_presuntivo'. You can
## override using the `.groups` argument.

Ejemplo bovinos –

Numero de notificaciones por sindrome presuntivo

v2 %>%
  # group_by(month)%>%
  group_by(Month,síndrome_presuntivo, especie_f)%>%
  # filter(ano <2020)%>%
  filter(ano >2013)%>%
  filter(especie_f=="BOVINOS")%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(pos >= 1, na.rm = TRUE))%>%
  ggplot()+
  geom_col(aes(Month,notifi_geral,fill=síndrome_presuntivo))+
  facet_grid(rows = vars(especie_f))+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y=NULL,
       title="Notificaciones por sindrome presuntivo",
       x=NULL)+
  theme_minimal() +
  theme(text = element_text(size = 10))

## `summarise()` has grouped output by 'Month', 'síndrome_presuntivo'. You can
## override using the `.groups` argument.

Ejemplo bovinos –

Numero de notificaciones por sindrome presuntivo, 2021

Mostrando primeras 40 lineas

v2 %>%
  # group_by(month)%>%
  group_by(Month, ano,patología, especie_f)%>%
  filter(ano >2020)%>%
  # filter(ano >2013)%>%
  filter(especie_f=="BOVINOS")%>%
  summarise(notifi_geral=length(unique(orden)))%>%
  arrange(desc(notifi_geral))%>%
  head(.,40)%>%
  ggplot()+
  geom_col(aes(Month,notifi_geral, fill=patología))+
  facet_grid(rows = vars(ano))+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y=NULL,
       title="Notificaciones por sindrome presuntivo",
       x=NULL)+
  theme_minimal() +
  theme(text = element_text(size = 8))

## `summarise()` has grouped output by 'Month', 'ano', 'patología'. You can
## override using the `.groups` argument.

–Vigilancia por especie –

PORCINOS PPC —-

Vigilancia General

La vigilancia general no se centra en una enfermedad en particular, pero puede usarse para detectar cualquier enfermedad o patógeno. Por ejemplo, el sistema de notificación de enfermedades de los agricultores es un sistema de vigilancia general, ya que se puede notificar cualquier enfermedad. Sin embargo, no todas las enfermedades se notificarán con la misma fiabilidad.

Es más probable que los agricultores notifiquen enfermedades que muestran signos claros y tienen un impacto significativo (por ejemplo, muchos animales están infectados o la enfermedad provoca la muerte, como la septicemia hemorrágica) que las enfermedades que muestran pocos signos o que no lo hacen. resultar en un impacto económico inmediato (como el causado por infecciones parasitarias intestinales).

Algunas pruebas de laboratorio, como la histopatología, permiten la detección de muchas enfermedades diferentes, en lugar de una sola enfermedad.

Una característica importante de la vigilancia general es que no solo puede detectar enfermedades conocidas de interés, sino que también puede detectar enfermedades endémicas nuevas, emergentes, exóticas o desconocidas. En otras palabras, no es necesario estar buscando una enfermedad específica para encontrarla. (Cameron, 2014).

# Filtrando porcinos
v2 <- v1 %>%
  filter(especie == "PORCINOS") 

v2 <- v2 %>%
  # filter(detalle_diagnóstico == "Peste porcina clásica")%>%
  # filter(detalle_diagnóstico == "PESTE PORCINA CLÁSICA")%>%
  group_by(orden, provincia, canton, parroquia, cedula, propietario, semana, zona, 
           coord_x, coord_y, predio,t_explotación, notificador, 
           f_1er_enfermo, f_notificación, f_1era_visita, síndrome_presuntivo,
           patología, especie, edad, f_elaboración, f_ingreso, f_cierre_orden,
           responsable, vacuno, focal, dosis_focal, perifocal, dosis_perifocal, 
           especie_f, colecta)%>%
  summarise(existente=sum(existentes, muertos, sacrificad), enfermo=sum(enfermos), mortos=sum(muertos), 
            sacrifi=sum(sacrificad), afetados=sum(muertos,sacrificad), 
            pos=sum(positivos), total_muestras=sum(cant_muestras), 
            indeterm=sum(indeterminados), reactivo=sum(reactivos))

## `summarise()` has grouped output by 'orden', 'provincia', 'canton',
## 'parroquia', 'cedula', 'propietario', 'semana', 'zona', 'coord_x', 'coord_y',
## 'predio', 't_explotación', 'notificador', 'f_1er_enfermo', 'f_notificación',
## 'f_1era_visita', 'síndrome_presuntivo', 'patología', 'especie', 'edad',
## 'f_elaboración', 'f_ingreso', 'f_cierre_orden', 'responsable', 'vacuno',
## 'focal', 'dosis_focal', 'perifocal', 'dosis_perifocal', 'especie_f'. You can
## override using the `.groups` argument.

# Agregando ano
v2$ano <- year(dmy(v2$f_1er_enfermo))
v2$month <- month(dmy(v2$f_1er_enfermo))

# Borrar bovinos
v2 <- v2[v2$orden != "1",] #0700860679 loja paltas casamba
v2 <- v2[v2$orden != "2382",] 
v2 <- v2[v2$orden != "1096",] 
v2 <- v2[v2$orden != "4114",] 
v2 <- v2[v2$orden != "6270",]

Numero total de eventos

length(unique(v2$orden))

## [1] 1881

#1758 com atualizacao 10/10/2021 todas as patologias
#1863 com atualizacao 10/12/2021 todas as patologias

# Nmero de notificaciones generales por especie

# Asignando columna de fechas para graficos
v2$f_1er_enfermo <- dmy(v2$f_1er_enfermo)
# Changing to floor date week
v2$week <- floor_date(v2$f_1er_enfermo, "week")
# Best visualizations by month
v2$Month <- floor_date(v2$f_1er_enfermo, "month")

Numero de notificaciones

v2 %>%
  group_by(ano)%>%
  # filter(ano >2020)%>%
  summarise(notifi=length(unique(orden)))

## # A tibble: 8 × 2
##     ano notifi
##   <dbl>  <int>
## 1  2014     59
## 2  2015    346
## 3  2016    199
## 4  2017    291
## 5  2018    306
## 6  2019    272
## 7  2020    201
## 8  2021    207

Número de muestras procesadas

sum(as.numeric(v2$total_muestras), na.rm=TRUE)

Grafico número de notificaciones generales de porcinos

v2 %>%
  # group_by(month)%>%
  group_by(Month)%>%
  # filter(ano <2020)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(pos >= 1, na.rm = TRUE))%>%
  ggplot()+
  geom_col(aes(Month,notifi_geral), fill="#377EB8")+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Notificaciones vigilancia general porcinos",
       x="Meses")+
  theme_minimal() +
  theme(text = element_text(size = 14))

Notificaciones por patologia

v2 %>%
  # group_by(month)%>%
  group_by(Month, patología)%>%
  # filter(ano <2020)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(pos >= 1, na.rm = TRUE))%>%
  ggplot()+
  geom_col(aes(Month,notifi_geral, fill=patología))+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Notificaciones vigilancia general porcinos",
       x="Meses")+
  theme_minimal() +
  theme(text = element_text(size = 8))

## `summarise()` has grouped output by 'Month'. You can override using the
## `.groups` argument.

Número de notificaciones por sindrome presuntivo

v2 %>%
  # group_by(month)%>%
  group_by(Month,síndrome_presuntivo)%>%
  # filter(ano <2020)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(pos >= 1, na.rm = TRUE))%>%
  ggplot()+
  geom_col(aes(Month,notifi_geral,fill=síndrome_presuntivo))+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Notificaciones vigilancia general porcinos",
       x="Meses")+
  theme_minimal() +
  theme(text = element_text(size = 10))

## `summarise()` has grouped output by 'Month'. You can override using the
## `.groups` argument.

– Vigilancia dirigida —

El término vigilancia dirigida se puede utilizar refiriéndose a la vigilancia dirigida a una enfermedad específica (Cameron, 2014).

La distinción entre vigilancia general y dirigida depende del sistema de detección de enfermedades que se utilice. La vigilancia dirigida se basa en el uso de pruebas que pueden dar una respuesta sí / no para una enfermedad específica. Ejemplos incluyen:

• reacción en cadena de la polimerasa (PCR)

• ensayo inmunoabsorbente ligado a enzimas (ELISA)

• Agar gel de inmunodifusión (AGID).

Necesito llegar a los mismos resultados sin tener la columna de DIAGNOSTICO DEFINITIVO en el sizse. Filtro la especie porcinos, luego la prueba solicitada diferente a Anticuerpo, luego el detalle diagnostico, luego en prueba solicitada unicamente los que inicien con PESTE PORCINA…. (aqui hay antigeno, PCR qPCR y PCR out), al final asigno una nueva columna que indica cada linea como caso o notificacion.

#criando o v2 novo com as notificações extra
# Linkage dos reportes
library(stringr)

v0 <- full_join(vc2, vr2)

## Joining, by = c("orden", "provincia", "parroquia", "cedula", "propietario",
## "semana", "zona", "coord_x", "coord_y", "predio", "t_explotación",
## "notificador", "f_1er_enfermo", "f_notificación", "f_1era_visita",
## "síndrome_presuntivo", "patología", "especie", "edad", "f_elaboración",
## "f_ingreso", "responsable", "# ALERTA", "RESULTADO", "ESTADO", "¿SUPERVISADO?",
## "canton")

v1 <- full_join(v0,vge2)

## Joining, by = c("orden", "provincia", "parroquia", "cedula", "propietario",
## "semana", "zona", "coord_x", "coord_y", "predio", "t_explotación",
## "notificador", "f_1er_enfermo", "f_notificación", "f_1era_visita",
## "síndrome_presuntivo", "patología", "especie", "edad", "f_elaboración",
## "f_ingreso", "responsable", "# ALERTA", "RESULTADO", "ESTADO", "¿SUPERVISADO?",
## "canton")

# table(v1$especie)
# table(v1$prueba_solicitada)

# Filtro porcinos
v2 <- v1 %>%
  filter(especie == "PORCINOS") 

#Filtro vigilancia especifica ppc. 
# Todas aquellas notificaciones en las cuales
# se requirio prueba para PPC
v2 <- v2 %>%
  filter(prueba_solicitada != "PESTE PORCINA CLÁSICA (AC.)")

###
v2 <- v2 %>%
  # filter(detalle_diagnóstico == "Peste porcina clásica")%>%
  filter(detalle_diagnóstico == "PESTE PORCINA CLÁSICA")%>%
  group_by(orden, provincia, canton, parroquia, cedula, propietario, semana, zona, 
           coord_x, coord_y, predio,t_explotación, notificador, 
           f_1er_enfermo, f_notificación, f_1era_visita, síndrome_presuntivo,
           patología, especie, edad, f_elaboración, f_ingreso, f_cierre_orden, prueba_solicitada,
           responsable, vacuno, focal, dosis_focal, perifocal, dosis_perifocal, 
           especie_f, colecta)%>%
  filter(str_detect(prueba_solicitada, "PESTE PORCINA"))%>%
  group_by(orden, provincia, canton, parroquia, cedula, propietario, semana, zona, 
           coord_x, coord_y, predio,t_explotación, notificador, 
           f_1er_enfermo, f_notificación, f_1era_visita, síndrome_presuntivo,
           patología, especie, edad, f_elaboración, f_ingreso, f_cierre_orden,
           responsable, vacuno, focal, dosis_focal, perifocal, dosis_perifocal, 
           especie_f, colecta)%>%
  summarise(existente=sum(existentes, muertos, sacrificad), enfermo=sum(enfermos), mortos=sum(muertos), 
            sacrifi=sum(sacrificad), afetados=sum(muertos,sacrificad), 
            pos=sum(positivos), total_muestras=sum(cant_muestras), 
            indeterm=sum(indeterminados), reactivo=sum(reactivos))%>%
  mutate(definitivo=ifelse(pos>=1,"caso", "notifi"))

## `summarise()` has grouped output by 'orden', 'provincia', 'canton',
## 'parroquia', 'cedula', 'propietario', 'semana', 'zona', 'coord_x', 'coord_y',
## 'predio', 't_explotación', 'notificador', 'f_1er_enfermo', 'f_notificación',
## 'f_1era_visita', 'síndrome_presuntivo', 'patología', 'especie', 'edad',
## 'f_elaboración', 'f_ingreso', 'f_cierre_orden', 'responsable', 'vacuno',
## 'focal', 'dosis_focal', 'perifocal', 'dosis_perifocal', 'especie_f'. You can
## override using the `.groups` argument.

length(unique(v2$orden))

## [1] 1099

table(v2$definitivo)

## 
##   caso notifi 
##    305    794

plot(v2$existente)

hist(log(v2$existente))

table(v2$existente)

## 
##    1    2    3    4    5    6    7    8    9   10   11   12   13   14   15   16 
##   62   89   64   57   58   49   36   29   41   53   24   28   14   27   22   29 
##   17   18   19   20   21   22   23   24   25   26   27   28   29   30   31   32 
##   20   25   13   19   12   23    5    9    5   12    6    7    5   15    5    8 
##   33   34   35   36   37   38   39   40   41   42   43   44   45   46   48   49 
##    3    4    3    8    3    6    1    5    4    3    3    8    5    3    3    2 
##   50   51   52   53   54   55   56   58   59   60   61   62   63   64   65   66 
##    2    2    7    1    3    4    4    5    1    5    5    6    2    4    2    4 
##   67   69   70   72   73   75   78   79   80   82   83   84   86   87   89   90 
##    2    1    4    1    1    2    2    1    1    1    1    2    2    3    2    5 
##   93   95   96   98   99  100  102  104  106  107  108  111  112  114  116  119 
##    3    1    2    1    1    2    1    1    1    1    1    2    1    2    1    1 
##  120  130  134  139  144  148  158  160  171  174  184  188  190  195  196  198 
##    1    1    1    1    1    1    1    1    1    1    1    1    1    1    1    2 
##  199  204  212  227  232  260  272  277  284  289  302  309  321  324  335  369 
##    1    1    1    1    1    1    1    1    1    1    1    1    1    1    1    1 
##  384  394  408  513  764  812 1000 1782 2600 2795 
##    1    1    1    1    1    1    1    1    1    1

summary(v2$existente)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
##    1.00    4.75   11.00   35.17   26.00 2795.00      11

#agregando ano
v2$ano <- year(dmy(v2$f_1er_enfermo))
v2$month <- month(dmy(v2$f_1er_enfermo))

# Borrar bovinos
v2 <- v2[v2$orden != "1",] #0700860679 loja paltas casamba
v2 <- v2[v2$orden != "2382",] 
v2 <- v2[v2$orden != "1096",] 
v2 <- v2[v2$orden != "4114",] 
v2 <- v2[v2$orden != "6270",] 

# Asignando columna de fechas para graficos
v2$f_1er_enfermo <- dmy(v2$f_1er_enfermo)
# Changing to floor date week
v2$week <- floor_date(v2$f_1er_enfermo, "week")
# Best visualizations by month
v2$Month <- floor_date(v2$f_1er_enfermo, "month")

Numero total de eventos

length(unique(v2$orden))

## [1] 1097

#1089 com atualizacao 10/12/2021 todas as patologias

Numero de notificaciones y casos confirmados

library(tidyr)
v2 %>%
  group_by(ano, definitivo)%>%
  summarise(numero=n())%>%
  spread(value="numero", key="definitivo")

## `summarise()` has grouped output by 'ano'. You can override using the `.groups`
## argument.

## # A tibble: 8 × 3
## # Groups:   ano [8]
##     ano  caso notifi
##   <dbl> <int>  <int>
## 1  2014    23     12
## 2  2015    82    136
## 3  2016    30     96
## 4  2017    39    121
## 5  2018    60    117
## 6  2019    34    126
## 7  2020    21     79
## 8  2021    16    105

Graficos notificaciones

Notificaciones agregadas por mes

v2 %>%
  # group_by(month)%>%
  group_by(Month)%>%
  # filter(ano <2020)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(definitivo == 'caso'))%>%
  ggplot()+
  geom_col(aes(Month,notifi_geral), fill="#984EA3")+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Notificaciones vigilancia especifica PPC",
       x="Meses")+
  theme_minimal() +
  theme(text = element_text(size = 14))

Notificaciones agregadas por anos

# notificaciones por ano
v2 %>%
  # group_by(Month)%>%
  group_by(ano)%>%
  # group_by(week)%>%
  filter(ano > 2014)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(definitivo == 'caso'))%>%
  ggplot()+
  geom_col(aes(ano,notifi_geral), fill="#984EA3")+
  geom_text(aes(ano, notifi_geral, label=(notifi_geral)), nudge_y = 7)+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Notificaciones vigilancia dirigida PPC",
       x="Anos")+
  theme_minimal() +
  theme(text = element_text(size = 14))

Notificaciones y casos confirmados

v2 %>%
  # group_by(Month)%>%
  group_by(ano)%>%
  # group_by(week)%>%
  filter(ano > 2014)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(definitivo == 'caso'))%>%
  ggplot()+
  geom_col(aes(ano,notifi_geral), fill="#377EB8")+
  geom_col(aes(ano,casos), fill="#984EA3")+
  geom_text(aes(ano, notifi_geral, label=(notifi_geral)), nudge_y = 7)+
  geom_text(aes(ano, casos, label=(casos)), nudge_y = 6)+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Notificaciones y casos vigilancia PPC",
       x="Anos")+
  theme_minimal() +
  theme(text = element_text(size = 14))

numero de notificaciones y casos

v2 %>%
  # group_by(Month)%>%
  group_by(ano)%>%
  # group_by(week)%>%
  filter(ano > 2014)%>%
  # filter(ano >2016)%>%
  summarise(notificacion_vigilancia_dirigida=length(unique(orden)),
            casos=sum(definitivo == 'caso'))

## # A tibble: 7 × 3
##     ano notificacion_vigilancia_dirigida casos
##   <dbl>                            <int> <int>
## 1  2015                              218    82
## 2  2016                              126    30
## 3  2017                              160    39
## 4  2018                              177    60
## 5  2019                              160    34
## 6  2020                              100    21
## 7  2021                              121    16

Casos por meses

# Casos por meses
v2 %>%
  group_by(month)%>%
  # group_by(ano)%>%
  # group_by(week)%>%
  filter(ano > 2014)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(definitivo == 'caso'))%>%
  ggplot()+
  geom_col(aes(month,casos), fill="#984EA3")+
  geom_text(aes(month, casos, label=(casos)), nudge_y = 3)+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Casos PPC",
       x="Meses")+
  theme_minimal() +
  theme(text = element_text(size = 14))

Casos por meses historico

# Casos por meses
v2 %>%
  group_by(Month)%>%
  # group_by(ano)%>%
  # group_by(week)%>%
  # filter(ano > 2013)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(definitivo == 'caso'))%>%
  ggplot()+
  geom_col(aes(Month,casos), fill="#984EA3")+
  geom_text(aes(Month, casos, label=(casos)), nudge_y = 3)+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Casos PPC",
       x="Meses")+
  theme_minimal() +
  theme(text = element_text(size = 14))

Número de afectados (sacrificados, muertos) por meses historico

# Casos por meses

v2 %>%
  group_by(Month)%>%
  filter(definitivo == "caso") %>% 
  # group_by(ano)%>%
  # group_by(week)%>%
  # filter(ano > 2013)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            afectados=sum(afetados))%>%
  ggplot()+
  geom_col(aes(Month,afectados), fill="#984EA3")+
  # geom_text(aes(Month, afectados, label=(afectados)), nudge_y = 3)+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Casos PPC",
       x="Meses")+
  theme_minimal() +
  theme(text = element_text(size = 10))

## Warning: Removed 3 rows containing missing values (position_stack).

–Síndrome respiratorio reproductivo porcino

–PRRS —-

– Vigilancia dirigida —

El término vigilancia dirigida se puede utilizar refiriéndose a la vigilancia dirigida a una enfermedad específica (Cameron, 2014).

• reacción en cadena de la polimerasa (PCR) • ensayo inmunoabsorbente ligado a enzimas (ELISA)

#criando o v2 novo com as notificações extra
# Linkage dos reportes
library(stringr)

v0 <- full_join(vc2, vr2)

## Joining, by = c("orden", "provincia", "parroquia", "cedula", "propietario",
## "semana", "zona", "coord_x", "coord_y", "predio", "t_explotación",
## "notificador", "f_1er_enfermo", "f_notificación", "f_1era_visita",
## "síndrome_presuntivo", "patología", "especie", "edad", "f_elaboración",
## "f_ingreso", "responsable", "# ALERTA", "RESULTADO", "ESTADO", "¿SUPERVISADO?",
## "canton")

v1 <- full_join(v0,vge2)

## Joining, by = c("orden", "provincia", "parroquia", "cedula", "propietario",
## "semana", "zona", "coord_x", "coord_y", "predio", "t_explotación",
## "notificador", "f_1er_enfermo", "f_notificación", "f_1era_visita",
## "síndrome_presuntivo", "patología", "especie", "edad", "f_elaboración",
## "f_ingreso", "responsable", "# ALERTA", "RESULTADO", "ESTADO", "¿SUPERVISADO?",
## "canton")

# table(v1$especie)
# table(v1$prueba_solicitada)

# Filtro porcinos
v2 <- v1 %>%
  filter(especie == "PORCINOS") 

#Filtro vigilancia especifica PRRS. 
# Todas aquellas notificaciones en las cuales el detalle diagnóstico fue PRRS
###
v2 <- v2 %>%
  filter(detalle_diagnóstico == "SÍNDROME DISGENÉSICO Y RESPIRATORIO PORCINO")%>%
  group_by(orden, provincia, canton, parroquia, cedula, propietario, semana, zona, 
           coord_x, coord_y, predio,t_explotación, notificador, 
           f_1er_enfermo, f_notificación, f_1era_visita, síndrome_presuntivo,
           patología, especie, edad, f_elaboración, f_ingreso, f_cierre_orden, prueba_solicitada,
           responsable, vacuno, focal, dosis_focal, perifocal, dosis_perifocal, 
           especie_f, colecta)%>%
  group_by(orden, provincia, canton, parroquia, cedula, propietario, semana, zona, 
           coord_x, coord_y, predio, t_explotación, notificador, 
           f_1er_enfermo, f_notificación, f_1era_visita, síndrome_presuntivo,
           patología, especie, edad, f_elaboración, f_ingreso, f_cierre_orden,
           responsable, vacuno, focal, dosis_focal, perifocal, dosis_perifocal, 
           especie_f, colecta)%>%
  summarise(existente=sum(existentes, muertos, sacrificad), enfermo=sum(enfermos), mortos=sum(muertos), 
            sacrifi=sum(sacrificad), afetados=sum(muertos,sacrificad), 
            pos=sum(positivos), total_muestras=sum(cant_muestras), 
            indeterm=sum(indeterminados), reactivo=sum(reactivos))%>%
  mutate(definitivo=ifelse(pos>=1,"caso", "notifi"))

## `summarise()` has grouped output by 'orden', 'provincia', 'canton',
## 'parroquia', 'cedula', 'propietario', 'semana', 'zona', 'coord_x', 'coord_y',
## 'predio', 't_explotación', 'notificador', 'f_1er_enfermo', 'f_notificación',
## 'f_1era_visita', 'síndrome_presuntivo', 'patología', 'especie', 'edad',
## 'f_elaboración', 'f_ingreso', 'f_cierre_orden', 'responsable', 'vacuno',
## 'focal', 'dosis_focal', 'perifocal', 'dosis_perifocal', 'especie_f'. You can
## override using the `.groups` argument.

length(unique(v2$orden))

## [1] 52

table(v2$definitivo)

## 
##   caso notifi 
##     22     30

plot(v2$existente)

hist(log(v2$existente))

table(v2$existente)

## 
##    1    2    4    5    7   10   12   14   15   18   27   30   32   33   34   35 
##    1    1    1    1    1    1    1    1    1    3    1    1    1    1    1    2 
##   37   40   42   48   54   55   60   64   73  110  130  189  190  200  202  222 
##    1    1    1    1    1    1    1    1    1    1    1    1    1    1    1    1 
##  290  384  410  429  508  945 1198 1344 1631 2655 3489 3605 5351 5714 
##    1    1    1    1    1    1    1    1    1    1    1    1    1    1

summary(v2$existente)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
##     1.0    27.0    55.0   612.6   384.0  5714.0       3

#agregando ano
v2$ano <- year(dmy(v2$f_1er_enfermo))
v2$month <- month(dmy(v2$f_1er_enfermo))

# Asignando columna de fechas para graficos
v2$f_1er_enfermo <- dmy(v2$f_1er_enfermo)
# Changing to floor date week
v2$week <- floor_date(v2$f_1er_enfermo, "week")
# Best visualizations by month
v2$Month <- floor_date(v2$f_1er_enfermo, "month")

Numero total de eventos

length(unique(v2$orden))

## [1] 52

#64 com atualizacao 10/12/2021 todas as patologias

Numero de notificaciones y casos confirmados

library(tidyr)
v2 %>%
  group_by(ano, definitivo)%>%
  summarise(numero=n())%>%
  spread(value="numero", key="definitivo")

## `summarise()` has grouped output by 'ano'. You can override using the `.groups`
## argument.

## # A tibble: 7 × 3
## # Groups:   ano [7]
##     ano  caso notifi
##   <dbl> <int>  <int>
## 1  2014    NA      1
## 2  2015     1      6
## 3  2017     8      3
## 4  2018     7      7
## 5  2019     2      1
## 6  2020    NA      2
## 7  2021     4     10

Graficos notificaciones

Notificaciones agregadas por mes

v2 %>%
  # group_by(month)%>%
  group_by(Month)%>%
  # filter(ano <2020)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(definitivo == 'caso'))%>%
  ggplot()+
  geom_col(aes(Month,notifi_geral), fill="#f98e09")+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Notif vigilancia especifica PRRS",
       x="Meses")+
  theme_minimal() +
  theme(text = element_text(size = 14))

Notificaciones agregadas por anos

# notificaciones por ano
v2 %>%
  # group_by(Month)%>%
  group_by(ano)%>%
  # group_by(week)%>%
  filter(ano > 2014)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(definitivo == 'caso'))%>%
  ggplot()+
  geom_col(aes(ano,notifi_geral), fill="#f98e09")+
  geom_text(aes(ano, notifi_geral, label=(notifi_geral)), nudge_y = 1)+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Notificaciones vigilancia dirigida PRRS",
       x="Anos")+
  theme_minimal() +
  theme(text = element_text(size = 14))

Notificaciones y casos confirmados

v2 %>%
  # group_by(Month)%>%
  group_by(ano)%>%
  # group_by(week)%>%
  filter(ano > 2014)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(definitivo == 'caso'))%>%
  ggplot()+
  geom_col(aes(ano,notifi_geral), fill="#fcffa4")+
  geom_col(aes(ano,casos), fill="#f98e09")+
  geom_text(aes(ano, notifi_geral, label=(notifi_geral)), nudge_y = 1)+
  geom_text(aes(ano, casos, label=(casos)), nudge_y = 0.5)+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Notificaciones y casos vigilancia PRRS",
       x="Anos")+
  theme_minimal() +
  theme(text = element_text(size = 14))

numero de notificaciones y casos

v2 %>%
  # group_by(Month)%>%
  group_by(ano)%>%
  # group_by(week)%>%
  # filter(ano > 2014)%>%
  # filter(ano >2016)%>%
  summarise(notificacion_vigilancia_dirigida=length(unique(orden)),
            casos=sum(definitivo == 'caso'))

## # A tibble: 7 × 3
##     ano notificacion_vigilancia_dirigida casos
##   <dbl>                            <int> <int>
## 1  2014                                1     0
## 2  2015                                7     1
## 3  2017                               11     8
## 4  2018                               14     7
## 5  2019                                3     2
## 6  2020                                2     0
## 7  2021                               14     4

Casos por meses

# Casos por meses
v2 %>%
  group_by(month)%>%
  # group_by(ano)%>%
  # group_by(week)%>%
  filter(ano > 2014)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(definitivo == 'caso'))%>%
  ggplot()+
  geom_col(aes(month,casos), fill="#f98e09")+
  geom_text(aes(month, casos, label=(casos)), nudge_y = 0.2)+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Casos PRRS",
       x="Meses")+
  theme_minimal() +
  theme(text = element_text(size = 14))

Casos por meses historico

# Casos por meses
v2 %>%
  group_by(Month)%>%
  # group_by(ano)%>%
  # group_by(week)%>%
  # filter(ano > 2013)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(definitivo == 'caso'))%>%
  ggplot()+
  geom_col(aes(Month,casos), fill="#f98e09")+
  geom_text(aes(Month, casos, label=(casos)), nudge_y = 0.2) +
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Casos PRRS",
       x="Meses")+
  theme_minimal() +
  theme(text = element_text(size = 14))

Número de afectados (sacrificados, muertos) por meses historico

# Casos por meses

v2 %>%
  group_by(Month)%>%
  filter(definitivo == "caso") %>% 
  # group_by(ano)%>%
  # group_by(week)%>%
  # filter(ano > 2013)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            afectados=sum(afetados))%>%
  ggplot()+
  geom_col(aes(Month,afectados), fill="#f98e09")+
  # geom_text(aes(Month, afectados, label=(afectados)), nudge_y = 3)+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Casos PRRS (número de animales afectados)",
       x="Meses")+
  theme_minimal() +
  theme(text = element_text(size = 10))

## Warning: Removed 3 rows containing missing values (position_stack).

Grafico del número de animales muestreados

library(tidyr)

v2 %>%
  group_by(orden, month)%>%
  summarise(Casos=sum(pos),
            Total_muestras=sum(total_muestras),
            Prevalencia=100*(round((Casos/Total_muestras),3))) %>%
  ggplot()+
  geom_boxplot(aes(month, Total_muestras, group=factor(month))) + scale_color_brewer(palette="PiYG")+
  labs(x="meses",
       y="Total de muestras",
       fill=NULL)+
  theme_minimal()

## `summarise()` has grouped output by 'orden'. You can override using the
## `.groups` argument.

Eventos sanitarios por mes distribuidos en caso y no caso

# refazer 
# v2 %>%
#   group_by(Month, definitivo)%>%
#   summarise(nu=n()) %>%
#   ggplot()+
#   geom_col(aes(Month, nu, fill=definitivo))+
#     labs(y="Número de eventos sanitarios",
#        x="",
#        fill="") +
#   theme_minimal() +
#   theme(text = element_text(size = 14))+
#   scale_fill_brewer(palette="PuOr", direction = -1)

Número de animales muestreados y brotes por semana epidemiológica

library(tidyr)
v2 %>%
  group_by(definitivo, week)%>%
  summarise(Casos=sum(pos),
            Total_muestras=sum(total_muestras),
            brotes=sum(definitivo == 'caso')) %>%
  mutate(brotes=ifelse(brotes==0,NA,brotes)) %>% 
  ggplot()+
  geom_col(aes(week, Total_muestras), fill="#fcffa4")+
  geom_col(aes(week, Casos), fill="#f98e09") +
  geom_point(aes(week, brotes*55), size=0.4)+
    scale_y_continuous(
                sec.axis = sec_axis(trans = ~. /55, name="Número de brotes")) + 
  
    labs(fill="",
       x="Semana epidemiologica (2014-2021)",
       y="Total de animales muestreados por semana")+
  theme_minimal()

## `summarise()` has grouped output by 'definitivo'. You can override using the
## `.groups` argument.

## Warning: Removed 26 rows containing missing values (geom_point).

## Número de animales muestreados y brotes por semana epidemiológica y año

library(tidyr)
v2 %>%
  group_by(ano,definitivo, week)%>%
  filter(ano > 2014) %>% 
  summarise(Casos=sum(pos),
            Total_muestras=sum(total_muestras),
            brotes=sum(definitivo == 'caso')) %>%
  mutate(brotes=ifelse(brotes==0,NA,brotes)) %>% 
  ggplot()+
    geom_col(aes(week, Total_muestras), fill="#fcffa4")+
    geom_col(aes(week, Casos), fill="#f98e09") +
    geom_point(aes(week, brotes*55), size=0.4)+
    scale_y_continuous(
                sec.axis = sec_axis(trans = ~. /55, name="Número de brotes")) + 
  
    labs(fill="",
       x="Semana epidemiologica",
       y="Total de animales muestreados por semana")+
  theme_minimal()+
  facet_grid(rows = vars(ano))

## `summarise()` has grouped output by 'ano', 'definitivo'. You can override using
## the `.groups` argument.

## Warning: Removed 25 rows containing missing values (geom_point).

Número de animales muestreados y brotes por mes

library(tidyr)
v2 %>%
  group_by(definitivo, Month)%>%
  summarise(Casos=sum(pos),
            Total_muestras=sum(total_muestras),
            brotes=sum(definitivo == 'caso')) %>%
  mutate(brotes=ifelse(brotes==0,NA,brotes)) %>% 
  ggplot()+
  geom_col(aes(Month, Total_muestras), fill="#fcffa4")+
  geom_col(aes(Month, Casos), fill="#f98e09") +
  geom_point(aes(Month, brotes*55), size=0.4)+
    scale_y_continuous(
                sec.axis = sec_axis(trans = ~. /55, name="Número de brotes")) + 
  
    labs(fill="",
       x="Semana epidemiologica (2014-2021)",
       y="Total de animales muestreados por mes")+
  theme_minimal()

## `summarise()` has grouped output by 'definitivo'. You can override using the
## `.groups` argument.

## Warning: Removed 18 rows containing missing values (geom_point).

##Prevalencia media por meses

library(tidyr)

v2 %>%
  group_by(ano, Month)%>%
  summarise(Casos=sum(pos),
            Total_muestras=sum(total_muestras),
            Prevalencia=100*(round((Casos/Total_muestras),3))) %>% 
  ggplot()+
  geom_boxplot(aes(ano, Prevalencia, group=Month),fill="#f98e09")

## `summarise()` has grouped output by 'ano'. You can override using the `.groups`
## argument.

–Vigilancia por especie –

LENGUA AZUL —-

Vigilancia General para Lengua azul

Es más probable que los agricultores notifiquen enfermedades que muestran signos claros y tienen un impacto significativo (por ejemplo, muchos animales están infectados o la enfermedad provoca la muerte, como la septicemia hemorrágica) que las enfermedades que muestran pocos signos o que no lo hacen, o pueden no resultar en un impacto económico inmediato (como el causado por infecciones parasitarias intestinales).

Algunas pruebas de laboratorio, como la histopatología, permiten la detección de muchas enfermedades diferentes, en lugar de una sola enfermedad.

# Filtrando LENGUA AZUL
# v2 <- v1 %>%
#   filter(especie == "BOVINOS") 

v2 <- v1 %>%
  filter(detalle_diagnóstico == "LENGUA AZUL")%>%
    # filter(stringr::str_detect(prueba_solicitada, "LENGUA"))%>%
  group_by(orden, provincia, canton, parroquia, cedula, propietario, semana, zona, 
           coord_x, coord_y, predio,t_explotación, notificador, 
           f_1er_enfermo, f_notificación, f_1era_visita, síndrome_presuntivo,
 especie, edad, f_elaboración, f_ingreso, f_cierre_orden,
           responsable, vacuno, focal, dosis_focal, perifocal, dosis_perifocal, 
           especie_f, colecta)%>%
  summarise(existente=sum(existentes, muertos, sacrificad), enfermo=sum(enfermos), mortos=sum(muertos), 
            sacrifi=sum(sacrificad), afetados=sum(muertos,sacrificad), 
            pos=sum(positivos), total_muestras=sum(cant_muestras), reactivo=sum(reactivos))

## `summarise()` has grouped output by 'orden', 'provincia', 'canton',
## 'parroquia', 'cedula', 'propietario', 'semana', 'zona', 'coord_x', 'coord_y',
## 'predio', 't_explotación', 'notificador', 'f_1er_enfermo', 'f_notificación',
## 'f_1era_visita', 'síndrome_presuntivo', 'especie', 'edad', 'f_elaboración',
## 'f_ingreso', 'f_cierre_orden', 'responsable', 'vacuno', 'focal', 'dosis_focal',
## 'perifocal', 'dosis_perifocal', 'especie_f'. You can override using the
## `.groups` argument.

# Agregando ano
v2$ano <- year(dmy(v2$f_1er_enfermo))
v2$month <- month(dmy(v2$f_1er_enfermo))

Considerando el síndrome presuntivo vesiculares cuales fueron los diagnósticos realizados?

v1 %>% 
  filter(síndrome_presuntivo == "VESICULARES") %>% 
  group_by(detalle_diagnóstico) %>% 
  summarise(numero=length(unique(orden)))

## # A tibble: 14 × 2
##    detalle_diagnóstico                                                 numero
##    <chr>                                                                <int>
##  1 ANAPLASMOSIS BOVINA                                                      1
##  2 BRUCELOSIS (BRUCELLA ABORTUS)                                            1
##  3 DESESTIMADO                                                              1
##  4 DIARREA VIRAL BOVINA                                                   395
##  5 ESTOMATITIS VESICULAR                                                  659
##  6 ESTOMATITIS VESICULAR INDIANA                                           13
##  7 ESTOMATITIS VESICULAR NEWJERSEY                                         11
##  8 FIEBRE AFTOSA                                                         1044
##  9 LENGUA AZUL                                                            360
## 10 LEUCOSIS BOVINA ENZOÓTICA                                                2
## 11 NEOSPOROSIS                                                              1
## 12 NO APLICA                                                                7
## 13 RINOTRAQUEÍTIS INFECCIOSA BOVINA/VULVOVAGINITIS PUSTULAR INFECCIOSA    406
## 14 <NA>                                                                   125

Numero total de eventos

length(unique(v2$orden))

## [1] 381

#1758 com atualizacao 10/10/2021 todas as patologias
#1863 com atualizacao 10/12/2021 todas as patologias

# Nmero de notificaciones generales por especie

# Asignando columna de fechas para graficos
v2$f_1er_enfermo <- dmy(v2$f_1er_enfermo)
# Changing to floor date week
v2$week <- floor_date(v2$f_1er_enfermo, "week")
# Best visualizations by month
v2$Month <- floor_date(v2$f_1er_enfermo, "month")

Numero de notificaciones por año

v2 %>%
  group_by(ano)%>%
  # filter(ano >2020)%>%
  summarise(notifi=length(unique(orden)))

## # A tibble: 8 × 2
##     ano notifi
##   <dbl>  <int>
## 1  2014      4
## 2  2015     38
## 3  2016     82
## 4  2017     54
## 5  2018    149
## 6  2019     27
## 7  2020     19
## 8  2021      8

Numero de notificaciones por especie

v2 %>%
  group_by(ano, especie)%>%
  # filter(ano >2020)%>%
  summarise(notifi=length(unique(orden)))

## `summarise()` has grouped output by 'ano'. You can override using the `.groups`
## argument.

## # A tibble: 11 × 3
## # Groups:   ano [8]
##      ano especie  notifi
##    <dbl> <chr>     <int>
##  1  2014 BOVINOS       4
##  2  2015 BOVINOS      36
##  3  2015 CAPRINOS      1
##  4  2015 OVINOS        1
##  5  2016 BOVINOS      81
##  6  2016 OVINOS        1
##  7  2017 BOVINOS      54
##  8  2018 BOVINOS     149
##  9  2019 BOVINOS      27
## 10  2020 BOVINOS      19
## 11  2021 BOVINOS       8

Grafico número de notificaciones generales

v2 %>%
  # group_by(month)%>%
  group_by(Month)%>%
  # filter(ano <2020)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(pos >= 1, na.rm = TRUE))%>%
  ggplot()+
  geom_col(aes(Month,notifi_geral), fill="#377EB8")+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Notificaciones vigilancia general BTV",
       x="Meses")+
  theme_minimal() +
  theme(text = element_text(size = 14))

Notificaciones por patologia

v2 %>%
  # group_by(month)%>%
  group_by(Month)%>%
  # filter(ano <2020)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(pos >= 1, na.rm = TRUE))%>%
  ggplot()+
  geom_col(aes(Month,notifi_geral, color=notifi_geral))+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Notificaciones vigilancia general BTV",
       x="Meses")+
  theme_minimal() +
  theme(text = element_text(size = 8))

Número de notificaciones por sindrome presuntivo

v2 %>%
  # group_by(month)%>%
  group_by(Month,síndrome_presuntivo)%>%
  # filter(ano <2020)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(pos >= 1, na.rm = TRUE))%>%
  ggplot()+
  geom_col(aes(Month,notifi_geral,fill=síndrome_presuntivo))+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Notificaciones vigilancia general BTV",
       x="Meses")+
  theme_minimal() +
  theme(text = element_text(size = 10))

## `summarise()` has grouped output by 'Month'. You can override using the
## `.groups` argument.

– Vigilancia dirigida —

El término vigilancia dirigida se puede utilizar refiriéndose a la vigilancia dirigida a una enfermedad específica (Cameron, 2014).

• reacción en cadena de la polimerasa (PCR)

• ensayo inmunoabsorbente ligado a enzimas (ELISAc) en el caso de Lengua azul.

Existe columna de DIAGNOSTICO DEFINITIVO en el sizse?.

#criando o v2 novo com as notificações extra
# Linkage dos reportes
library(stringr)

#Filtro vigilancia especifica BTV. 
# Todas aquellas notificaciones en las cuales
# se requirio prueba para PPC
# v2 <- v1 %>%
#    filter(stringr::str_detect(prueba_solicitada, "LENGUA"))

###
v2 <- v1 %>%
  group_by(orden, provincia, canton, parroquia, cedula, propietario, semana, zona, coord_x, coord_y, predio,t_explotación, notificador, f_1er_enfermo, f_notificación, f_1era_visita, síndrome_presuntivo,
           patología, especie, edad, f_elaboración, f_ingreso, f_cierre_orden, prueba_solicitada,
           responsable, vacuno, focal, dosis_focal, perifocal, dosis_perifocal, 
           especie_f, colecta)%>%
  filter(str_detect(prueba_solicitada, "LENGUA"))%>%
  group_by(orden, provincia, canton, parroquia, cedula, propietario, semana, zona, 
           coord_x, coord_y, predio,t_explotación, notificador, 
           f_1er_enfermo, f_notificación, f_1era_visita, síndrome_presuntivo,
           patología, especie, edad, f_elaboración, f_ingreso, f_cierre_orden,
           responsable, vacuno, focal, dosis_focal, perifocal, dosis_perifocal, 
           especie_f, colecta)%>%
  summarise(existente=sum(existentes, muertos, sacrificad), enfermo=sum(enfermos), mortos=sum(muertos), 
            sacrifi=sum(sacrificad), afetados=sum(muertos,sacrificad), 
            pos=sum(positivos), total_muestras=sum(cant_muestras), 
            indeterm=sum(indeterminados), reactivo=sum(reactivos))%>%
  mutate(definitivo=ifelse(pos>=1,"caso", ".no caso"))

## `summarise()` has grouped output by 'orden', 'provincia', 'canton',
## 'parroquia', 'cedula', 'propietario', 'semana', 'zona', 'coord_x', 'coord_y',
## 'predio', 't_explotación', 'notificador', 'f_1er_enfermo', 'f_notificación',
## 'f_1era_visita', 'síndrome_presuntivo', 'patología', 'especie', 'edad',
## 'f_elaboración', 'f_ingreso', 'f_cierre_orden', 'responsable', 'vacuno',
## 'focal', 'dosis_focal', 'perifocal', 'dosis_perifocal', 'especie_f'. You can
## override using the `.groups` argument.

length(unique(v2$orden))

## [1] 380

table(v2$definitivo)

## 
## .no caso     caso 
##       56      324

plot(v2$existente)

hist(log(v2$existente))

table(v2$existente)

## 
##    1    2    3    4    5    6    7    8    9   10   11   12   13   14   15   16 
##    7   16   17   16   18   20   13   14   15   17    5   11    9   10   11    5 
##   17   18   19   20   21   22   23   24   25   26   27   28   29   30   31   32 
##    9    6    5   10    6    5    5   10    4    4    2    5    3    6    3    4 
##   33   34   35   36   37   38   39   40   41   42   43   44   45   46   47   48 
##    1    2    1    2    1    2    2    1    1    2    3    2    1    4    1    3 
##   49   50   51   53   54   55   56   57   58   60   63   65   69   71   74   80 
##    2    3    2    1    4    1    1    2    1    1    1    1    3    1    1    1 
##   81   85   87   93   94  100  105  114  116  121  122  124  129  130  132  162 
##    1    1    3    2    1    2    1    2    1    1    1    2    1    1    1    1 
##  170  176  206  216  229  351  384  456  800 1210 1611 4755 
##    1    1    1    1    1    1    1    1    1    1    1    1

summary(v2$existente)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1.00    7.00   15.00   50.74   31.00 4755.00

#agregando ano
v2$ano <- year(dmy(v2$f_1er_enfermo))
v2$month <- month(dmy(v2$f_1er_enfermo))
v2$week <- week(dmy(v2$f_1er_enfermo))

# Asignando columna de fechas para graficos
v2$f_1er_enfermo <- dmy(v2$f_1er_enfermo)
# Changing to floor date week
v2$Week <- floor_date(v2$f_1er_enfermo, "week")
# Best visualizations by month
v2$Month <- floor_date(v2$f_1er_enfermo, "month")

Numero total de eventos

length(unique(v2$orden))

## [1] 380

#380 com atualizacao 10/12/2021 todas as patologias

Numero total de propriedades

length(unique(paste(v2$cedula,v2$predio)))

## [1] 379

#380 com atualizacao 10/12/2021 todas as patologias

Numero de notificaciones y casos confirmados

library(tidyr)
v2 %>%
  group_by(ano)%>%
  summarise(Notificaciones=length(unique(orden)),
            Casos=sum(definitivo == "2 caso"),
            porcentaje_positivos=round((Casos/Notificaciones),2))

## # A tibble: 8 × 4
##     ano Notificaciones Casos porcentaje_positivos
##   <dbl>          <int> <int>                <dbl>
## 1  2014              1     0                    0
## 2  2015             38     0                    0
## 3  2016             82     0                    0
## 4  2017             55     0                    0
## 5  2018            149     0                    0
## 6  2019             28     0                    0
## 7  2020             19     0                    0
## 8  2021              8     0                    0

Numero de notificaciones y casos confirmados por propriedad

library(tidyr)
v2 %>%
  group_by(ano)%>%
  summarise(Notificaciones=length(unique(paste(cedula, predio))),
            Casos=sum(definitivo == "2 caso"),
            prev=round((Casos/Notificaciones),2))

## # A tibble: 8 × 4
##     ano Notificaciones Casos  prev
##   <dbl>          <int> <int> <dbl>
## 1  2014              1     0     0
## 2  2015             38     0     0
## 3  2016             82     0     0
## 4  2017             55     0     0
## 5  2018            148     0     0
## 6  2019             28     0     0
## 7  2020             19     0     0
## 8  2021              8     0     0

Graficos notificaciones

notificaciones agregadas por años

# Casos por meses

v2 %>%
  group_by(month, definitivo)%>%
  summarise(nu=n()) %>%
  ggplot()+
  geom_col(aes(month, nu, fill=definitivo))+
    labs(y="Número de eventos sanitarios",
       x="",
       fill="")+
  theme_minimal() +
  theme(text = element_text(size = 14))+
  scale_fill_brewer(palette="Blues")

## `summarise()` has grouped output by 'month'. You can override using the
## `.groups` argument.

v2 %>%
  # group_by(month)%>%
  group_by(Month)%>%
  # filter(ano <2020)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(definitivo == 'caso'))%>%
  ggplot()+
  geom_col(aes(Month,notifi_geral), fill="#4287f5")+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Notificaciones vigilancia BTV",
       x="Meses")+
  theme_minimal() +
  theme(text = element_text(size = 14))

Notificaciones agregadas por anos

# notificaciones por ano
v2 %>%
  # group_by(Month)%>%
  group_by(ano)%>%
  # group_by(week)%>%
  filter(ano > 2014)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(definitivo == 'caso'))%>%
  ggplot()+
  geom_col(aes(ano,notifi_geral), fill="#4287f5")+
  geom_text(aes(ano, notifi_geral, label=(notifi_geral)), nudge_y = 7)+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Notificaciones vigilancia pasiva vesiculares",
       x="Anos")+
  theme_minimal() +
  theme(text = element_text(size = 14))

Notificaciones y casos confirmados

v2 %>%
  group_by(ano, definitivo)%>%
  summarise(nu=n()) %>%
  ggplot()+
  geom_col(aes(ano, nu, fill=definitivo))+
      labs(y="Número de eventos sanitarios",
       x="",
       fill="")+
  theme_minimal() +
  theme(text = element_text(size = 14))+
  scale_fill_brewer(palette="Blues")

## `summarise()` has grouped output by 'ano'. You can override using the `.groups`
## argument.

# Eventos sanitarios por mes distribuidos en caso y no caso

v2 %>%
  group_by(Month, definitivo)%>%
  summarise(nu=n()) %>%
  ggplot()+
  geom_col(aes(Month, nu, fill=definitivo))+
    labs(y="Número de eventos sanitarios",
       x="",
       fill="")+
  theme_minimal() +
  theme(text = element_text(size = 14))+
  scale_fill_brewer(palette="Blues")

## `summarise()` has grouped output by 'Month'. You can override using the
## `.groups` argument.

numero de notificaciones y casos

v2 %>%
  # group_by(Month)%>%
  group_by(ano)%>%
  # group_by(week)%>%
  filter(ano > 2014)%>%
  # filter(ano >2016)%>%
  summarise(Vigilancia_vesiculares=length(unique(orden)),
            BTV=sum(definitivo == 'caso'))

## # A tibble: 7 × 3
##     ano Vigilancia_vesiculares   BTV
##   <dbl>                  <int> <int>
## 1  2015                     38    35
## 2  2016                     82    73
## 3  2017                     55    48
## 4  2018                    149   123
## 5  2019                     28    23
## 6  2020                     19    15
## 7  2021                      8     6

Casos por meses

# Casos por meses
v2 %>%
  group_by(Month)%>%
  # group_by(ano)%>%
  # group_by(week)%>%
  filter(ano > 2014)%>%
  # filter(ano >2016)%>%
  summarise(notifi_geral=length(unique(orden)),
            casos=sum(definitivo == 'caso'))%>%
  ggplot()+
  geom_col(aes(Month,casos), fill="#4287f5")+
  # geom_text(aes(Month, casos, label=(casos)), nudge_y = 3)+
  scale_y_continuous(breaks= pretty_breaks())+
  labs(y="Casos BTV",
       x="Meses")+
  theme_minimal()

v2 %>%
  group_by(month)%>%
    summarise(no_casos=sum(definitivo == "no caso"),
            casos=sum(definitivo == 'caso'))

## # A tibble: 12 × 3
##    month no_casos casos
##    <dbl>    <int> <int>
##  1     1        0    52
##  2     2        0    19
##  3     3        0    16
##  4     4        0    16
##  5     5        0    16
##  6     6        0    16
##  7     7        0    42
##  8     8        0    31
##  9     9        0    22
## 10    10        0    34
## 11    11        0    32
## 12    12        0    28

Enfermedad

Prevalencia (número de animales positivos/número de animales testados)

library(tidyr)

v2 %>%
  group_by(ano)%>%
  summarise(Casos=sum(pos),
            Total_muestras=sum(total_muestras),
            Prevalencia=100*(round((Casos/Total_muestras),3)))

## # A tibble: 8 × 4
##     ano Casos Total_muestras Prevalencia
##   <dbl> <dbl>          <dbl>       <dbl>
## 1  2014    43             43       100  
## 2  2015  1006           1087        92.5
## 3  2016  1587           1782        89.1
## 4  2017   773            850        90.9
## 5  2018  1345           1590        84.6
## 6  2019   176            253        69.6
## 7  2020   157            187        84  
## 8  2021    74            109        67.9

Grafico del número de animales muestreados

library(tidyr)

v2 %>%
  group_by(orden, month)%>%
  summarise(Casos=sum(pos),
            Total_muestras=sum(total_muestras),
            Prevalencia=100*(round((Casos/Total_muestras),3))) %>%
  ggplot()+
  geom_boxplot(aes(month, Total_muestras, group=factor(month), fill="blue"))+
  scale_fill_brewer(palette="BuPu")+
  labs(x="meses",
       y="Total de muestras",
       fill=NULL)+
  theme_minimal()

## `summarise()` has grouped output by 'orden'. You can override using the
## `.groups` argument.

library(tidyr)
v2 %>%
  group_by(ano, month, definitivo)%>%
  summarise(Casos=sum(pos),
            Total_muestras=sum(total_muestras),
            Prevalencia=100*(round((Casos/Total_muestras),3))) %>%
  arrange(month)

## `summarise()` has grouped output by 'ano', 'month'. You can override using the
## `.groups` argument.

## # A tibble: 92 × 6
## # Groups:   ano, month [63]
##      ano month definitivo Casos Total_muestras Prevalencia
##    <dbl> <dbl> <chr>      <dbl>          <dbl>       <dbl>
##  1  2015     1 caso          11             11       100  
##  2  2016     1 .no caso       0              1         0  
##  3  2016     1 caso         657            720        91.2
##  4  2017     1 caso         135            153        88.2
##  5  2018     1 .no caso       0              1         0  
##  6  2018     1 caso          95             95       100  
##  7  2019     1 .no caso       0             14         0  
##  8  2019     1 caso          33             39        84.6
##  9  2020     1 .no caso       0             12         0  
## 10  2020     1 caso          24             33        72.7
## # … with 82 more rows

library(tidyr)
v2 %>%
  group_by(ano, definitivo, month)%>%
  summarise(Casos=sum(pos),
            Total_muestras=sum(total_muestras),
            Prevalencia=100*(round((Casos/Total_muestras),3))) %>%
  ggplot()+
  geom_boxplot(aes(month, Total_muestras, group=factor(month), fill=definitivo))+
   facet_grid(rows=vars(definitivo), scales = "free_y")+
  labs(fill="",
       x="Meses",
       y="Total de muestras por año")+
  scale_fill_brewer(palette="BuPu")+
  theme_minimal()

## `summarise()` has grouped output by 'ano', 'definitivo'. You can override using
## the `.groups` argument.

library(tidyr)
v2 %>%
  group_by(orden, definitivo, month)%>%
  summarise(Casos=sum(pos),
            Total_muestras=sum(total_muestras),
            Prevalencia=100*(round((Casos/Total_muestras),3))) %>%
  ggplot()+
  geom_boxplot(aes(month, Total_muestras, group=factor(month), fill=definitivo))+
   facet_grid(rows=vars(definitivo), scales = "free_y")+
  labs(fill="",
       x="Meses",
       y="Total de muestras por predio")+
  scale_fill_brewer(palette="BuPu")+
  theme_minimal()

## `summarise()` has grouped output by 'orden', 'definitivo'. You can override
## using the `.groups` argument.

library(tidyr)
v2 %>%
  group_by(ano, definitivo, month)%>%
  summarise(Casos=sum(pos),
            Total_muestras=sum(total_muestras),
            Prevalencia=100*(round((Casos/Total_muestras),3))) %>%
  ggplot()+
  geom_col(aes(month, Total_muestras, group=factor(month), fill=definitivo))+
   facet_grid(rows=vars(definitivo), scales = "free_y")+
  labs(fill="",
       x="Meses",
       y="Total de muestras")+
  scale_fill_brewer(palette="Blues")+
  theme_minimal()

## `summarise()` has grouped output by 'ano', 'definitivo'. You can override using
## the `.groups` argument.

library(RColorBrewer)
display.brewer.all()

display.brewer.pal(n=3, name = 'Blues')

brewer.pal(n=3, name = 'Blues')

## [1] "#DEEBF7" "#9ECAE1" "#3182BD"

library(tidyr)
v2 %>%
  group_by(definitivo, month)%>%
  summarise(Casos=sum(pos),
            Total_muestras=sum(total_muestras)) %>%
  ggplot()+
  geom_col(aes(month, Total_muestras, group=factor(month)), fill="#DEEBF7")+
  geom_col(aes(month, Casos, group=factor(month)), fill="#9ECAE1")+
  labs(fill="",
       x="Meses",
       y="Total de animales muestreados por mes")+
  theme_minimal()

## `summarise()` has grouped output by 'definitivo'. You can override using the
## `.groups` argument.

library(tidyr)
v2 %>%
  group_by(definitivo, week)%>%
  summarise(Casos=sum(pos),
            Total_muestras=sum(total_muestras),
            brotes=sum(definitivo == 'caso')) %>%
  ggplot()+
  geom_col(aes(week, Total_muestras), fill="#DEEBF7")+
  geom_col(aes(week, Casos), fill="#9ECAE1") +
  labs(fill="",
       x="Semana epidemiologica",
       y="Total de animales muestreados por semana")+
  theme_minimal()

## `summarise()` has grouped output by 'definitivo'. You can override using the
## `.groups` argument.

v2 %>%
  group_by(definitivo, week)%>%
  summarise(Casos=sum(pos),
            Total_muestras=sum(total_muestras),
            brotes=sum(definitivo == 'caso'))

## `summarise()` has grouped output by 'definitivo'. You can override using the
## `.groups` argument.

## # A tibble: 81 × 5
## # Groups:   definitivo [2]
##    definitivo  week Casos Total_muestras brotes
##    <chr>      <dbl> <dbl>          <dbl>  <int>
##  1 .no caso       2     0              1      0
##  2 .no caso       3     0             20      0
##  3 .no caso       4     0              2      0
##  4 .no caso       5     0              5      0
##  5 .no caso       6     0             17      0
##  6 .no caso       7     0             15      0
##  7 .no caso       8     0             24      0
##  8 .no caso       9     0             22      0
##  9 .no caso      11     0              5      0
## 10 .no caso      16     0              2      0
## # … with 71 more rows

Número de animales muestreados y brotes por semana epidemiológica

library(tidyr)
v2 %>%
  group_by(definitivo, week)%>%
  summarise(Casos=sum(pos),
            Total_muestras=sum(total_muestras),
            brotes=sum(definitivo == 'caso')) %>%
  mutate(brotes=ifelse(brotes==0,NA,brotes)) %>% 
  ggplot()+
  geom_col(aes(week, Total_muestras), fill="#DEEBF7")+
  geom_col(aes(week, Casos), fill="#9ECAE1") +
  geom_point(aes(week, brotes*20), size=0.4)+
    scale_y_continuous(
                sec.axis = sec_axis(trans = ~. /20, name="Número de brotes")) + 
  
    labs(fill="",
       x="Semana epidemiologica (2014-2021)",
       y="Total de animales muestreados por semana")+
  theme_minimal()

## `summarise()` has grouped output by 'definitivo'. You can override using the
## `.groups` argument.

## Warning: Removed 29 rows containing missing values (geom_point).

## Número de animales muestreados y brotes por semana epidemiológica y año

library(tidyr)
v2 %>%
  group_by(ano,definitivo, week)%>%
  summarise(Casos=sum(pos),
            Total_muestras=sum(total_muestras),
            brotes=sum(definitivo == 'caso')) %>%
  mutate(brotes=ifelse(brotes==0,NA,brotes)) %>% 
  ggplot()+
  geom_col(aes(week, Total_muestras), fill="#DEEBF7")+
  geom_col(aes(week, Casos), fill="#9ECAE1") +
  geom_point(aes(week, brotes*20), size=0.4)+
    scale_y_continuous(
                sec.axis = sec_axis(trans = ~. /20, name="Número de brotes")) + 
  
    labs(fill="",
       x="Semana epidemiologica",
       y="Total de animales muestreados por semana")+
  theme_minimal()+
  facet_grid(rows = vars(ano))

## `summarise()` has grouped output by 'ano', 'definitivo'. You can override using
## the `.groups` argument.

## Warning: Removed 40 rows containing missing values (geom_point).

Número de animales muestreados y brotes por mes

library(tidyr)
v2 %>%
  group_by(definitivo, Month)%>%
  summarise(Casos=sum(pos),
            Total_muestras=sum(total_muestras),
            brotes=sum(definitivo == 'caso')) %>%
  mutate(brotes=ifelse(brotes==0,NA,brotes)) %>% 
  ggplot()+
  geom_col(aes(Month, Total_muestras), fill="#DEEBF7")+
  geom_col(aes(Month, Casos), fill="#9ECAE1") +
  geom_point(aes(Month, brotes*20), size=0.4)+
    scale_y_continuous(
                sec.axis = sec_axis(trans = ~. /20, name="Número de brotes")) + 
  
    labs(fill="",
       x="Semana epidemiologica (2014-2021)",
       y="Total de animales muestreados por mes")+
  theme_minimal()

## `summarise()` has grouped output by 'definitivo'. You can override using the
## `.groups` argument.

## Warning: Removed 30 rows containing missing values (geom_point).

##Prevalencia media por meses

library(tidyr)

v2 %>%
  group_by(ano, Month)%>%
  summarise(Casos=sum(pos),
            Total_muestras=sum(total_muestras),
            Prevalencia=100*(round((Casos/Total_muestras),3))) %>% 
  ggplot()+
  geom_boxplot(aes(ano, Prevalencia, group=Month),fill="#4287f5")

## `summarise()` has grouped output by 'ano'. You can override using the `.groups`
## argument.

R Markdown

This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.

Vigilancia_notificaciones_brotes

Alfredo Acosta

24/02/2023

Notificaciones y brotes Vigilancia SIZSE

V 0.01

Projecto Estimacion de la sensibilidad del sistema de vigilancia epidemiologica PPC

Autor Alfredo Acosta PhD

alfredoacosta@alumni.usp.br

EPIDAT

University of Sao Paulo

Preventive veterinary medicine department

https://github.com/alfredojavier55/Preparing_agro_data

Juntar archivos vigilancia (join-vig) —-

Ejemplo todas las especies

Total de eventos

Total de notificaciones por ano

Número de notificaciones por especie

Número de notificaciones por especie alta notificacion

Número de notificaciones por especie notificacion intermedia

Número de notificaciones por especie baja notificacion

Número de notificaciones por especie alta notificacion (2014-2021)

Número de notificaciones por especie notificacion intermedia

Número de notificaciones por especie baja notificacion

Numero de notificaciones por sindrome presuntivo

Ejemplo bovinos –

Numero de notificaciones por sindrome presuntivo

Ejemplo bovinos –

Numero de notificaciones por sindrome presuntivo, 2021

–Vigilancia por especie –

PORCINOS PPC —-

Numero total de eventos

Numero de notificaciones

Número de muestras procesadas

Grafico número de notificaciones generales de porcinos

Notificaciones por patologia

Número de notificaciones por sindrome presuntivo

– Vigilancia dirigida —

El término vigilancia dirigida se puede utilizar refiriéndose a la vigilancia dirigida a una enfermedad específica (Cameron, 2014).

Numero total de eventos

Numero de notificaciones y casos confirmados

Graficos notificaciones

Notificaciones agregadas por mes

Notificaciones agregadas por anos

Notificaciones y casos confirmados

numero de notificaciones y casos

Casos por meses

Casos por meses historico

Número de afectados (sacrificados, muertos) por meses historico

–Síndrome respiratorio reproductivo porcino

–PRRS —-

– Vigilancia dirigida —

El término vigilancia dirigida se puede utilizar refiriéndose a la vigilancia dirigida a una enfermedad específica (Cameron, 2014).

Numero total de eventos

Numero de notificaciones y casos confirmados

Graficos notificaciones

Notificaciones agregadas por mes

Notificaciones agregadas por anos

Notificaciones y casos confirmados

numero de notificaciones y casos

Casos por meses

Casos por meses historico

Número de afectados (sacrificados, muertos) por meses historico

Grafico del número de animales muestreados

Eventos sanitarios por mes distribuidos en caso y no caso

Número de animales muestreados y brotes por semana epidemiológica

Número de animales muestreados y brotes por mes

–Vigilancia por especie –

LENGUA AZUL —-

Considerando el síndrome presuntivo vesiculares cuales fueron los diagnósticos realizados?

Numero total de eventos

Numero de notificaciones por año

Numero de notificaciones por especie

Grafico número de notificaciones generales

Notificaciones por patologia

Número de notificaciones por sindrome presuntivo

– Vigilancia dirigida —

El término vigilancia dirigida se puede utilizar refiriéndose a la vigilancia dirigida a una enfermedad específica (Cameron, 2014).

Numero total de eventos

Numero total de propriedades

Numero de notificaciones y casos confirmados