cvm-ppc

1 Proyecto de erradicación de Peste porcina clásica

1.1 Reporte dinámico de catastro, vacunación y movilización

knitr::opts_chunk$set(echo = TRUE)

1.2 Qué es 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.

1.3 Directorio de trabajo y archivo vacunación utilizado para análisis

setwd("~/Dropbox/1.Epidat/Consultoria ASPE/Informes dinámicos/cvmppc/")
vac <- read.csv("feb-2023.xls0.csv")

1.4 Cuáles son mis variables en el archivo vacunación

colnames(vac)

##  [1] "Número.Certificado"         "Digitador"                 
##  [3] "Vacunador"                  "Distribuidor"              
##  [5] "Provincia.Sitio"            "Cantón.Sitio"              
##  [7] "Parroquia.Sitio"            "Nombre.Sitio"              
##  [9] "Identificación.Propietario" "Nombre.Propietario"        
## [11] "Producto"                   "Identificador.Producto"    
## [13] "Tipo.Vacunación"            "Fecha.Registro"            
## [15] "Fecha.Vacunación"           "Estado"

2 Generalidades vacunación —-

2.1 Cuántos son certificados anulados (los elimino para continuar el análisis)

length(vac[vac$Estado != "anulado",])

## [1] 16

vac <- vac[vac$Estado != "anulado",]

2.2 Cuál es el mes de registro de la información que analizaré y el número de vacunados?

## # A tibble: 1 × 2
##   registro            vacunados
##   <dttm>                  <int>
## 1 2023-01-01 00:00:00    244259

2.3 Número de CUVS

length(unique(vac$Número.Certificado)) #857667

## [1] 11107

2.4 Número de cerdos vacunados

length(unique(vac$Identificador.Producto)) #297596

## [1] 243766

2.5 Número de cerdos vacunados por categoría

vac %>% 
  group_by(registro=floor_date(dmy_hms(Fecha.Registro), unit = "month"),
Producto) %>% 
  summarise(animales=length(Identificador.Producto)) %>% 
            mutate(Porcentaje=100*round(animales/sum(animales),4))

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

## # A tibble: 4 × 4
## # Groups:   registro [1]
##   registro            Producto      animales Porcentaje
##   <dttm>              <chr>            <int>      <dbl>
## 1 2023-01-01 00:00:00 Cerda levante   108939      44.6 
## 2 2023-01-01 00:00:00 Cerda madre      10857       4.44
## 3 2023-01-01 00:00:00 Cerdo levante   123210      50.4 
## 4 2023-01-01 00:00:00 Verraco           1253       0.51

2.6 Gráfico

  ggplotly(vac %>% 
  group_by(registro=floor_date(dmy_hms(Fecha.Registro), unit = "month"),
           Producto,
           Tipo.Vacunación) %>% 
  summarise(animales=n()) %>% 
  ggplot()+
  geom_col(aes(Producto, animales))+
  facet_wrap(~Tipo.Vacunación)+
  theme(axis.text.x = element_text(angle=90)))

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

Añado año y mes de vacunación

vac$year <- year(dmy(vac$Fecha.Vacunación))
vac$month <- month(dmy(vac$Fecha.Vacunación))

3 Número de predios vacunados

vac %>%
  summarise(predios=length(unique(
    paste(Identificación.Propietario, Nombre.Sitio))))

##   predios
## 1   10137

4 Diferencia entre fecha vacunación,y fecha registro

vac$dif_vac_reg <- as.numeric(dmy(substr(vac$Fecha.Registro,1,10)) - dmy(vac$Fecha.Vacunación))
summary(vac$dif_vac_reg)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    0.00    4.00   11.00   16.94   21.00  409.00

4.1 Diferencia de ingreso de los CUV (mayor a 30 dias)

Muestra el porcentaje de certificados que son ingresados en más de 30 días

vac_diferencia_registro <- vac %>% 
  group_by(Provincia.Sitio) %>% 
  summarise(cuv_ingreso_hasta_30dias=length(unique(Número.Certificado)),
            cuv_ingreso_mayor_30_dias=length(unique(Número.Certificado[dif_vac_reg >30])),
            Porcentage_mayor_30_d =  round(cuv_ingreso_mayor_30_dias / (cuv_ingreso_mayor_30_dias+cuv_ingreso_hasta_30dias)*100)) %>% 
  arrange(desc(Porcentage_mayor_30_d))

vac_dif <- datatable(vac_diferencia_registro)
vac_dif

4.2 Boxplots de distribución de diferencia de ingreso

ggplotly(vac %>% 
  group_by(Provincia.Sitio, dif_vac_reg, Número.Certificado) %>% 
  mutate(Provincia.Sitio = (dplyr::recode(Provincia.Sitio, "Santo Domingo de los Tsáchilas" = "Santo Domingo"))) %>% 
    summarise(animales_vacunados=n(),
            cuv=length(unique(Número.Certificado))) %>% 
  ggplot()+
  geom_boxplot(aes(Provincia.Sitio, dif_vac_reg), outlier.size=0.01)+
  theme_minimal()+
  theme(axis.text.x = element_text(angle=90))+
  theme(axis.text.x = element_text(size=8))+
  ylab("Diferencia en días del registro"))

## `summarise()` has grouped output by 'Provincia.Sitio', 'dif_vac_reg'. You can
## override using the `.groups` argument.

5 Número de vacunados registrados en la fecha de registro de este reporte

vac %>%
  group_by(
    registro=floor_date(dmy_hms(Fecha.Registro), unit = "month")) %>%
  summarise(vacunados=length(Identificador.Producto))

## # A tibble: 1 × 2
##   registro            vacunados
##   <dttm>                  <int>
## 1 2023-01-01 00:00:00    244259

5.1 Número de vacunados de acuerdo al mes de vacunación

5.2 Tabla

vac_mes_registro <- vac %>%
  group_by(vacunacion=floor_date(dmy(Fecha.Vacunación), unit = "month")) %>%
  summarise(vacunados=length(Identificador.Producto))
vac_mes <- datatable(vac_mes_registro)
vac_mes

5.3 Número de animales vacunados en su fecha de vacunación

5.4 Gráfico

Su fecha de registro obedece a la fecha de este reporte

registro <-vac %>%
  group_by(
    Provincia.Sitio,
    # registro=floor_date(dmy_hms(Fecha.Registro), unit = "month")
    vacunacion=floor_date(dmy(Fecha.Vacunación), unit = "month")
           ) %>%
  summarise(vacunados=length(Identificador.Producto)) %>% 
  ggplot()+
  geom_col(aes(vacunacion, vacunados))+
  theme_minimal()+
  theme(axis.text.x = element_text(angle=90))+
  facet_wrap(~Provincia.Sitio, ncol=3)

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

ggplotly(registro)

5.5 Número de vacunados y CUVs de acuerdo al mes de vacunación y provincia

5.6 Tabla

datatable(vac %>%
  group_by(Provincia.Sitio,
    vacunacion=floor_date(dmy(Fecha.Vacunación), unit = "month")) %>%
  summarise(vacunados=length(Identificador.Producto),
            CUV=length(unique(Número.Certificado))) %>% 
  arrange(desc(CUV)))

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

5.7 Número de animales vacunados por mes

ggplotly(vac %>% 
  group_by(mes=floor_date(dmy(Fecha.Vacunación), unit = "month")) %>% 
    summarise(vacunados=length(Provincia.Sitio)) %>% 
  ggplot()+
  geom_line(aes(mes, vacunados))+
  geom_point(aes(mes, vacunados), color="red")+
  geom_line(aes(mes, mean(vacunados)), colour="blue"))

5.8 Número de animales vacunados por semana

5.9 Gráfico

ggplotly(vac %>% 
  group_by(semana=floor_date(dmy(Fecha.Vacunación), unit = "week")) %>% 
    summarise(vacunados=length(Provincia.Sitio)) %>% 
  ggplot()+
  geom_line(aes(semana, vacunados))+
  geom_point(aes(semana, vacunados, color="red"))+
  geom_line(aes(semana, mean(vacunados)), colour="blue")+
  theme_minimal())

5.10 Tabla

datatable(vac %>% 
  group_by(semana=floor_date(dmy(Fecha.Vacunación), unit = "week")) %>% 
    summarise(vacunados=length(Provincia.Sitio)))

6 Número de vacunados por mes de vacunación

6.1 Gráfico

ggplotly(vac %>% 
  group_by(mes=floor_date(dmy(Fecha.Vacunación), unit = "week")) %>% 
    summarise(vacunados=length(Provincia.Sitio)) %>% 
  ggplot()+
  geom_line(aes(mes, vacunados))+
  geom_point(aes(mes, vacunados, color="red"))+
  geom_line(aes(mes, mean(vacunados)), colour="blue")+
  theme_minimal())

7 Número de animales vacunados por tipo y fecha de vacunación

7.1 Gráfico

ggplotly(vac %>% 
  group_by(mes=floor_date(dmy(Fecha.Vacunación), unit = "month"), Tipo.Vacunación) %>% 
  summarise(vacunados=length(Provincia.Sitio)) %>% 
  ggplot()+
  geom_line(aes(mes, vacunados))+
  geom_point(aes(mes, vacunados, color="red"))+
  facet_wrap(~Tipo.Vacunación, nrow=4))

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

8 Número de animales vacunados por tipo de vacunación y fecha de vacunación

vac_tipo_fecha <- vac %>% 
  group_by(mes_registro=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"),
           mes_vacunacion=floor_date(dmy(Fecha.Vacunación), unit = "month"),
           Tipo.Vacunación) %>% 
  summarise(vacunados=length(Identificador.Producto)) %>% 
  ggplot()+
  geom_line(aes(mes_vacunacion, vacunados), colour="green")+
  geom_point(aes(mes_vacunacion, vacunados), colour="green")+
  geom_col(aes(mes_registro, vacunados, fill="red"))+
  geom_point(aes(mes_registro, vacunados, fill="red"))+
  facet_wrap(~Tipo.Vacunación, nrow=4)+
  xlab("Fechas de vacunacion (verde), fechas de registro (Rojo)")+
  theme(legend.position = "none") 

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

ggplotly(vac_tipo_fecha)

#Tabla vacunación por fecha de vacunación

datatable(vac %>% 
  group_by(mes_registro=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"),
           mes_vacunacion=floor_date(dmy(Fecha.Vacunación), unit = "month"),
           Tipo.Vacunación) %>% 
  summarise(vacunados=length(Identificador.Producto)))

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

9 Tabla vacunación por fecha de registro

vac %>% 
  group_by(mes_registro=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"),
            Tipo.Vacunación) %>% 
  summarise(vacunados=length(Identificador.Producto))

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

## # A tibble: 3 × 3
## # Groups:   mes_registro [1]
##   mes_registro Tipo.Vacunación    vacunados
##   <date>       <chr>                  <int>
## 1 2023-01-01   Autoservicio          105353
## 2 2023-01-01   Brigada/Foco              42
## 3 2023-01-01   Normal(Permanente)    138864

10 Vacunación total del reporte

ggplotly(vac %>% 
  group_by(mes=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"),
           Tipo.Vacunación) %>% 
  summarise(vacunados=length(Identificador.Producto)) %>% 
  ggplot()+
  geom_col(aes(mes, vacunados))+
  facet_wrap(~Tipo.Vacunación), ncol=1)

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

11 Tabla Vacunación total del reporte

vac %>% 
  group_by(mes=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"), Tipo.Vacunación) %>% 
   summarise(vacunados=length(Identificador.Producto))

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

## # A tibble: 3 × 3
## # Groups:   mes [1]
##   mes        Tipo.Vacunación    vacunados
##   <date>     <chr>                  <int>
## 1 2023-01-01 Autoservicio          105353
## 2 2023-01-01 Brigada/Foco              42
## 3 2023-01-01 Normal(Permanente)    138864

12 Vacunación total por provincia

12.1 Gráfico

ggplotly(vac %>% 
  group_by(mes=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"), Tipo.Vacunación, Provincia.Sitio) %>% 
  mutate(Provincia.Sitio = (dplyr::recode(Provincia.Sitio, "Santo Domingo de los Tsáchilas" = "Santo Domingo"))) %>% 
  summarise(vacunados=length(Identificador.Producto)) %>% 
  arrange(desc(vacunados)) %>% 
  ggplot()+
  geom_col(aes(Provincia.Sitio, vacunados, fill=(Tipo.Vacunación)))+
  theme(axis.text.x = element_text(angle=90)))

## `summarise()` has grouped output by 'mes', 'Tipo.Vacunación'. You can override
## using the `.groups` argument.

12.2 Tabla

datatable(vac %>% 
  group_by(mes=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"), Tipo.Vacunación, Provincia.Sitio) %>% 
  mutate(Provincia.Sitio = (dplyr::recode(Provincia.Sitio, "Santo Domingo de los Tsáchilas" = "Santo Domingo"))) %>% 
  summarise(vacunados=length(Identificador.Producto)))

## `summarise()` has grouped output by 'mes', 'Tipo.Vacunación'. You can override
## using the `.groups` argument.

13 Vacunación total por provincias por tipo de vacunación

vac_pro_tipo <- vac %>% 
  group_by(mes=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"), Tipo.Vacunación, Provincia.Sitio) %>% 
  mutate(Provincia.Sitio = (dplyr::recode(Provincia.Sitio, "Santo Domingo de los Tsáchilas" = "Santo Domingo"))) %>% 
    summarise(vacunados=length(Identificador.Producto)) %>% 
  arrange(desc(vacunados)) %>% 
  ggplot()+
  geom_col(aes(Provincia.Sitio, vacunados))+
  theme(axis.text.x = element_text(angle=90))+
  facet_wrap(~Tipo.Vacunación, ncol = 1)

## `summarise()` has grouped output by 'mes', 'Tipo.Vacunación'. You can override
## using the `.groups` argument.

ggplotly(vac_pro_tipo)

14 Vacunación total por Cantón

14.1 Gráfico

vac_pro_tipo_cant <- vac %>% 
  group_by(mes=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"), Tipo.Vacunación, Provincia.Sitio, Cantón.Sitio) %>% 
  filter(Provincia.Sitio == "Pichincha") %>% 
    summarise(vacunados=length(Identificador.Producto)) %>% 
  arrange(desc(vacunados)) %>% 
  ggplot()+
  geom_col(aes(Cantón.Sitio, vacunados))+
  theme(axis.text.x = element_text(angle=90))+
  facet_wrap(~Tipo.Vacunación, ncol = 1)

## `summarise()` has grouped output by 'mes', 'Tipo.Vacunación',
## 'Provincia.Sitio'. You can override using the `.groups` argument.

ggplotly(vac_pro_tipo_cant)

14.2 Tabla

datatable(vac %>% 
  group_by(mes=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"),
           Tipo.Vacunación, Provincia.Sitio, Cantón.Sitio) %>% 
  summarise(vacunados=length(Identificador.Producto)) %>% 
  arrange(desc(vacunados)))

## `summarise()` has grouped output by 'mes', 'Tipo.Vacunación',
## 'Provincia.Sitio'. You can override using the `.groups` argument.

15 Vacunación total por parroquia

15.1 Gráfico

ggplotly(vac %>% 
  group_by(mes=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"), Tipo.Vacunación, Provincia.Sitio, Cantón.Sitio, Parroquia.Sitio) %>% 
  filter(Provincia.Sitio == "Pichincha") %>% 
    filter(Cantón.Sitio == "Quito") %>% 
    summarise(vacunados=length(Identificador.Producto)) %>% 
  ggplot()+
  geom_col(aes(Parroquia.Sitio, vacunados))+
  theme(axis.text.x = element_text(angle=90))+
  facet_wrap(~Tipo.Vacunación, ncol = 1))

## `summarise()` has grouped output by 'mes', 'Tipo.Vacunación',
## 'Provincia.Sitio', 'Cantón.Sitio'. You can override using the `.groups`
## argument.

15.2 Tabla

length(unique(paste(vac$Identificación.Propietario, vac$Nombre.Sitio)))

## [1] 10137

datatable(vac %>% 
  group_by(mes=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"), 
           Tipo.Vacunación, Provincia.Sitio, Cantón.Sitio, Parroquia.Sitio) %>% 
      summarise(vacunados=length(Identificador.Producto),
                predios=length(unique(paste(Identificación.Propietario, Nombre.Sitio)))))

## `summarise()` has grouped output by 'mes', 'Tipo.Vacunación',
## 'Provincia.Sitio', 'Cantón.Sitio'. You can override using the `.groups`
## argument.

16 Vacunadores por tipo de Vacunación

16.1 Tabla

datatable(vac %>% 
  group_by(mes=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"),
           Provincia.Sitio, Tipo.Vacunación, Vacunador) %>% 
    summarise(vacunados=length(Identificador.Producto)) %>% 
  arrange(desc(vacunados)))

## `summarise()` has grouped output by 'mes', 'Provincia.Sitio',
## 'Tipo.Vacunación'. You can override using the `.groups` argument.

17 Estadisticas sobre número de dosis aplicadas por tipos de vacunadores

vac %>% 
  group_by(mes=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"), 
           Tipo.Vacunación, Vacunador) %>% 
    summarise(vacunados=length(Identificador.Producto)) %>% 
sjmisc::descr()

## `summarise()` has grouped output by 'mes', 'Tipo.Vacunación'. You can override
## using the `.groups` argument.

## 
## ## Basic descriptive statistics
## 
## 
## Grouped by: 19358, Autoservicio
## 
##        var    type     label  n NA.prc    mean      sd     se  md trimmed
##  vacunados integer vacunados 63      0 1672.27 2880.72 362.94 623  1085.2
##            range    iqr skew
##  19787 (7-19794) 1632.5 4.44
## 
## 
## Grouped by: 19358, Brigada/Foco
## 
##        var    type     label n NA.prc mean sd se md trimmed     range iqr skew
##  vacunados integer vacunados 2      0   21  0  0 21      21 0 (21-21)   0   NA
## 
## 
## Grouped by: 19358, Normal(Permanente)
## 
##        var    type     label   n NA.prc   mean     sd    se  md trimmed
##  vacunados integer vacunados 267      0 520.09 817.47 50.03 282  347.75
##          range   iqr skew
##  6312 (1-6313) 485.5 3.95

# n=número de vacunadores
# mean= número de vacunas aplicadas por cada vacunador en media

18 Estadisticas sobre número de dosis aplicadas por vacunadores por provincia y tipo de vacunación

18.1 Gráfico

ggplotly(vac %>% 
  group_by(mes=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"), 
           Tipo.Vacunación, Provincia.Sitio) %>% 
    mutate(Provincia.Sitio = (dplyr::recode(Provincia.Sitio, "Santo Domingo de los Tsáchilas" = "Santo Domingo"))) %>% 
    summarise(vacunados=length(Identificador.Producto),
            Media_vacunados_x_vacunador=round((vacunados/length(unique(Vacunador)))),0) %>% 
  ggplot()+
  geom_col(aes(Provincia.Sitio, Media_vacunados_x_vacunador))+
    theme(axis.text.x = element_text(angle=90))+
  facet_wrap(~Tipo.Vacunación, ncol=1))

## `summarise()` has grouped output by 'mes', 'Tipo.Vacunación'. You can override
## using the `.groups` argument.

# n=número de vacunadores
# mean= número de vacunas aplicadas por cada vacunador en media

18.2 Tabla

datatable(vac %>% 
  group_by(mes=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"), 
           Tipo.Vacunación, Provincia.Sitio) %>% 
    mutate(Provincia.Sitio = (dplyr::recode(Provincia.Sitio, "Santo Domingo de los Tsáchilas" = "Santo Domingo"))) %>% 
    summarise(vacunados=length(Identificador.Producto),
              N_vacunadores=length(unique(Vacunador)),
              Media_vacunados_x_vacunador=round((vacunados/length(unique(Vacunador))),0)))

## `summarise()` has grouped output by 'mes', 'Tipo.Vacunación'. You can override
## using the `.groups` argument.

#Estadisticas sobre número de dosis aplicadas por distribuidores (Operadores) por provincia y tipo de vacunacíon ## Gráfico

ggplotly(vac %>% 
  group_by(mes=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"), 
           Tipo.Vacunación, Provincia.Sitio) %>% 
    mutate(Provincia.Sitio = (dplyr::recode(Provincia.Sitio, "Santo Domingo de los Tsáchilas" = "Santo Domingo"))) %>% 
    summarise(vacunados=length(Identificador.Producto),
            Media_vacunados_x_distribuidor=round((vacunados/length(unique(Distribuidor)))),0) %>% 
  ggplot()+
  geom_col(aes(Provincia.Sitio, Media_vacunados_x_distribuidor))+
    theme(axis.text.x = element_text(angle=90))+
  facet_wrap(~Tipo.Vacunación, ncol=1))

## `summarise()` has grouped output by 'mes', 'Tipo.Vacunación'. You can override
## using the `.groups` argument.

19 Estadisticas sobre número de CUVs digitados por provincia y tipo de vacunacíon

19.1 Gráfico

ggplotly(vac %>% 
  group_by(mes=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"), Tipo.Vacunación, Provincia.Sitio) %>% 
    mutate(Provincia.Sitio = (dplyr::recode(Provincia.Sitio, "Santo Domingo de los Tsáchilas" = "Santo Domingo"))) %>% 
    summarise(vacunados=length(Identificador.Producto),
            Media_CUV_digitados=round((vacunados/length(unique(Digitador)))),0) %>% 
  ggplot()+
  geom_col(aes(Provincia.Sitio, Media_CUV_digitados))+
    theme(axis.text.x = element_text(angle=90))+
  facet_wrap(~Tipo.Vacunación, ncol=1))

## `summarise()` has grouped output by 'mes', 'Tipo.Vacunación'. You can override
## using the `.groups` argument.

19.2 Tabla

vac_digitador <- vac %>% 
  group_by(mes=floor_date(dmy(substr(vac$Fecha.Registro,1,10)), unit = "month"), 
           Tipo.Vacunación, Provincia.Sitio, Digitador) %>% 
    summarise(vacunados=length(Identificador.Producto),
            Media_CUV_digitados_por_digitador=round((vacunados/length(unique(Digitador))),0))

## `summarise()` has grouped output by 'mes', 'Tipo.Vacunación',
## 'Provincia.Sitio'. You can override using the `.groups` argument.

ggplotly(ggplot(vac_digitador)+
  geom_col(aes(Provincia.Sitio, Media_CUV_digitados_por_digitador))+
  theme(axis.text.x = element_text(angle=90))+
  facet_wrap(~Tipo.Vacunación, ncol=1))

datatable(vac_digitador)

20 Visualizador espacial del número de dosis aplicadas por quartiles