IINFORME ESTADÍSTICO: EL EFECTO DE LAS SUSTANCIAS PSICOACTIVAS

1 Objetivos

Las sustancias psicoactivas, vulgarmente conocidas como drogas, son diversos compuestos naturales o sintéticos, que actúan sobre el sistema nervioso generando alteraciones en las funciones que regulan los pensamientos, emociones y el comportamiento. Existen regulaciones para el control y fiscalización del uso de estas sustancias, y no es para menos la preocupación sobre ellas, pues el uso continuo de las mismas causa una gran dependencia y discapacidad, además de problemas de salud crónicos.

El término de droga ha evolucionado con el tiempo. En un principio se utilizaba como sinónimo de fármaco en el ámbito de la medicina, pero en la actualidad se refiere a todo tipo de sustancia médica consumida sin fines terapéuticos y en busca del placer. Algunas de las más conocidas son la marihuana, la cocaína y, por supuesto, las dos drogas legales por antonomasia: el tabaco y el alcohol. Nuestro informe consiste en un estudio detallado de las mismas, en la que iremos punto por punto detallando los matices sobre su consumición, los problemas que acarrean, la mortalidad y muchos otros factores que hemos considerado interesantes a tener en cuenta. Para ello, primero realizaremos un análisis general de lo que está sucediendo en el mundo, para después centrarnos en el territorio español y comprender la magnitud del problema de las drogas en nuestra sociedad. Además, se añade unas pocas variables que atienden únicamente al País Vasco.

Cabe recalcar que en nuestro estudio nos hemos querido focalizar sobre todo en el consumo de las drogas legales (alcohol y tabaco), ya que, por razones obvias, son las más accesibles; así como también hemos realizado análisis específicos sobre la población joven, a la que se le suele asociar el consumo de dichas sustancias.

2 Metodología

Para realizar este informe se ha acudido a numerosas fuentes de información, en las que el tamaño de la muestra estudiada varía, así como las características de la población o los años en los que se han recogido los datos. Es por ello que en cada variable que analicemos se especificará todos estos conceptos, con el fin de no dar pie a confusión al lector.

A continuación, enlistaremos cada una de las variables estudiadas con una breve explicación de las mismas:

Prevalencia del consumo de sustancias psicoactivas

Nos encontramos ante una variable cuantitativa, donde cada modalidad de la variable es una droga diferente. Para el estudio de esta variable, nos centramos en un estudio realizado en 2019 sobre una poblacion de 18000 individuos, donde los resultados se expresan en porcentajes.

Evolución del consumo de drogas en España (1999-2019)

Estamos ante una variable bivariante, pues se analizan dos variables simultáneamente. Por una parte, se definen las diversas drogas en estudio, la cual es una variable cualitativa, mientras que por otra se definen los años en los cuales han sido recogidos los datos, la cual es una variable cuantitativa discreta. Con respecto a las sustancias psicoactivas, se estudian desde las legales, como el alcohol o el tabaco, hasta las ilegales, como el cannabis o el GBH. Además, los años en los que se han recogido los datos corresponden a los impares desde 1999 hasta 2019.

Cabe destacar que estamos estudiando el consumo, al menos una vez, de dichas drogas en los últimos 12 meses, recogiéndose los datos en tanto por ciento.

La población bajo estudio son los residentes en España desde 15 a 64 años, ambos inclusive, y los datos han sido obtenidos del Informe Nacional EDADES 2021 proporcionado por el Ministerio de Sanidad del gobierno español.

Prevalencia del consumo de drogas en España (2019-2020)

La variable a analizar es parecida a la comentada anteriormente, lo único que ahora no es bivariante ya que se focaliza únicamente en los datos recogidos entre los años 2019-2020. Así pues, se estudia el consumo de las diferentes sustancias psicoactivas, siendo esta una variable cualitativa, que toma diferentes valores como, por ejemplo: alcohol, tabaco, cannabis, GHB, cocaína, etc.

Además tenemos que especificar que estamos estudiando el consumo, al menos una vez, de dichas sustancias en los últimos 12 meses, recogiéndose los datos en tanto por ciento.

La población bajo estudio son los residentes en España de entre 15 a 64 años, ambos inclusive, y los datos han sido obtenidos del Informe Nacional EDADES 2021 proporcionado por el Ministerio de Sanidad del gobierno español.

Prevalencia del consumo de drogas por comunidad autónoma

Nos encontramos ante una variable bivariante, que nos clasifica la consumición del tabaco, el alcohol y el cannabis por comunidad autónoma. Así pues, estamos evidentemente ante dos variables cualitativas, cuyos datos han sido recogidos entre los años 2019 y 2020.

Cabe resaltar que se está analizando el consumo, al menos una vez, de dichas sustancias en los últimos 30 días, recogiéndose los datos en tanto por ciento.

La población bajo estudio son los residentes en España desde 15 a 64 años, ambos inclusive, y los datos han sido obtenidos del Informe Nacional EDADES 2021 proporcionado por el Ministerio de Sanidad del gobierno español.

Frecuencia del consumo de alcohol durante los fines de semana en el País Vasco

Estamos ante una variable cualitativa, que describe la frecuencia de consumo del alcohol durante el fin de semana en el último mes. Los diferentes valores que toma la variable son los que siguen: todos los fines de semana, 3 fines de semana, 2 fines de semana, 1 fines de semana, ningún fin de semana.

La población bajo estudio son los residentes en el País Vasco de entre 15 a 74 años, ambos inclusive, y los datos han sido recogidos numéricamente con respecto a un tamaño muestral de 1662224 personas y obtenidos en la Encuesta sobre Adicciones en Euskadi 2017 proporcionado por el Departamento de Salud del gobierno vasco.

Frecuencia del consumo de alcohol durante días laborales en el País Vasco

Estamos ante una variable cualitativa, que describe la frecuencia de consumo del alcohol durante los días laborales en el último mes. Los diferentes valores que toma la variable son los que siguen: todos los días, 3 días por semana, 2 días por semana, 1 día por semana, menos de 1 día por semana, ningún día.

La población bajo estudio son los residentes en el País Vasco de entre 15 a 74 años, ambos inclusive, y los datos han sido recogidos numéricamente con respecto a un tamaño muestral de 1662224 personas y obtenidos en la Encuesta sobre Adicciones en Euskadi 2017 proporcionado por el Departamento de Salud del gobierno vasco.

Prevalencia del consumo de tabaco en el País Vasco

La variable analizada es una variable cualitativa que nos clasifica la muestra según si ha consumido tabaco o no a lo largo de su vida. Los diferentes valores que toma la variable son los siguientes: consume tabaco actualmente, ha abandonado el consumo de tabaco, nunca ha probado el tabaco.

La población bajo estudio son los residentes en el País Vasco de entre 15 a 74 años, ambos inclusive, y los datos han sido recogidos numéricamente con respecto a un tamaño muestral de 1662224 personas y obtenidos en la Encuesta sobre Adicciones en Euskadi 2017 proporcionado por el Departamento de Salud del gobierno vasco.

Intensidad del consumo de tabaco por fumadores en el País Vasco

Nos encontramos ante una variable cuantitativa discreta que nos describe la intensidad de consumo del tabaco por parte dos fumadores mediante el número de unidades de tabaco fumadas en los últimos 30 días. Los diferentes valores que toma la variable son los siguientes: más de 20 unidades, entre 16 y 20 unidades, entre 11 y 15 unidades, entre 6 y 10 unidades, hasta 5 unidades.

La población bajo estudio son los residentes en el País Vasco de entre 15 a 74 años, ambos inclusive, y los datos han sido recogidos numéricamente con respecto a un tamaño muestral de 1662224 personas y obtenidos en la Encuesta sobre Adicciones en Euskadi 2017 proporcionado por el Departamento de Salud del gobierno vasco.

Edad media en el inicio de consumo de drogas

Esta variable, es una variable cuantitativa continua en la que analizamos la edad media en la que la población se inicia en el consumo de cada tipo de drogas. Para ello, nos basamos en la Encuesta sobre Alcohol y Drogas en España (EDADES) realizada sobre 18000 individuos. Mediante el estudio de esta variable podemos ver cuales son las drogas que más consumen los jóvenes hoy en día y que las drogas legalizadas son hoy en día muy accesibles para los menores de edad.

Prevalencia del consumo de alchol por edad

Se trata de una variable cuantitativa discreta en la cual trabajamos con datos agrupados y en la cual analizamos la cantidad de gente que consume alcohol en cada intervalo de edad. Estos datos fueron recogidos por el INE a través de la encuesta europea de salud en España llevada a cabo en 2020. Las unidades utilizadas son miles de personas. Por otro lado, hacemos un análisis bivariante de estos datos, para encontrar, entre otras cosas cual es el grupo de edad que predomina en el consumo de alcohol.

Consumo de alcohol a nivel mundial

Mediante esta variable analizaremos el consumo de alcohol per cápita de cada país del mundo en 2019 (en mayores de 15 años). Se trata pues de una variable cuantitativa continua. La unidad será litros/año. Analizaremos si existe alguna correlación entre el PIB per cápita y el alcohol per cápita, eligiendo el modelo que mejor se ajuste.

Prevalencia del consumo de alchol por sexo

En esta sección realizamos un análisis bivariante de esta variable cuantitativa atendiendo al sexo de los individuos encuestados en la ya citada encuesta europa de salud; utilizamos la curva de Lorenz y el índice de Gini para observar si el consumo de alcohol se distribuye de igual forma en hombres y mujeres.

Relación entre el consumo de alcohol y el grado de escolarización

Este apartado del informe ha sido realizado a modo de curiosidad ya que en el se ajusta un modelo de regresión lineal que relaciona el grado de escolarización de los países desarrollados del mundo con el consumo de alcohol medio, que es la variable explicativa. Para observar si esta relación es significativa calculamos el coeficiente de corrrelación. No obstante, veremos que no existe causalidad entre estas variables. Cabe destacar que los datos utilizados fueron recogidos en 2014.

Lugares en los que han conseguido los jóvenes el alcohol

Estamos ante una variable cualitativa, la cual nos comenta los lugares donde los jóvenes han conseguido las bebidas alcohólicas durante el último mes. Los distintos valores que toma la variable son los que siguen: supermercados, bares o pubs, discotecas, tiendas de barrio, hipermercados, casa ajena, cada dónde vives, internet, venta ambulante.

Cabe recalcar que los datos han sido recogidos en forma de tanto por ciento durante el año 2021.

La población bajo estudio son los estudiantes de secundaria en España de entre 14 a 18 años, y los datos han sido obtenidos del Plan Nacional sobre Drogas – Estadísticas 2022 proporcionado por el Ministerio de Sanidad del gobierno español.

Modos en los que han conseguido los jóvenes el alcohol

Estamos ante una variable cualitativa, que nos dice como han conseguido los jóvenes las bebidas alcohólicas durante el último mes. Los diferentes valores que toma las variables son los que siguen: tú directamente, a través de otras personas de 18 años o mayores, a través de otras personas menores de 18 años, de otra forma.

Cabe recalcar que los datos han sido recogidos en forma de tanto por ciento durante el año 2021.

La población bajo estudio son los estudiantes de secundaria en España de entre 14 a 18 años, y los datos han sido obtenidos del Plan Nacional sobre Drogas – Estadísticas 2022 proporcionado por el Ministerio de Sanidad del gobierno español.

Ventas de alcohol en España

Analizaremos los ingresos tributarios en millones de euros de la cerveza y de las bebidas derivadas en España desde 2017 hasta 2021. También analizaremos los millones de litros vendidos desde 2017 hasta 2021 de estos dos tipos de bebidas. Compararemos la presión fiscal de alcohol en España con la del resto de Europa. Se tratan de variables cuantitativas continuas.

Frecuencia del consumo de tabaco por comunidad autónoma

Se trata de una variable cualitativa en la que se analiza la cantidad de fumadores que hay (en miles de personas) en cada comunidad autónoma. Se distinguen 4 tipos de fumadores: diario, ocasional, exfumador, y nunca ha fumado. Estos datos, de nuevo, han sido regocigos por la encuesta de seguridad y salud en España y por el INE.

Frecuencia del consumo de tabaco por sexo.

Mediante esta variable, de nuevo haremos un análisis bivariante del consumo de tabaco teniendo en cuenta el sexo de cada fumador, y, al igual que hemos hecho con el alcohol utilizaremos la curva de Lorenz y el índice de Gini para observar si este consumo de distribuye de manera uniforme y semejante en hombres y mujeres.

Ventas de tabaco en España.

En este apartado del informe, trataremos las ventas de tabaco llevadas a cabo en cada comuniad autónoma, para posteriormente realizar un análisis sobre las fluctuaciones de estas ventas a lo largo del tiempo, desde el año 2010 hasta 2022. Estos datos están disponibles en el INE, ya que forman parte de un informe anual llevado a cabo por el Ministerio de Hacienda.

Mortalidad de las drogas en Europa

Analizaremos las muertes totales por sobredosis de cada país de la Unión Europea (variable discreta), así como las muertes por cada cien mil habitantes (variable continua) y la edad media de estas muertes (variable continua) en el año 2019.

3 Resultados

3.1 Prevalencia del consumo de sustancias psicoactivas

3.1.1 Evolución del consumo de drogas en España (1999-2019)

Para ponernos en contexto de la situación actual en España sobre el consumo de drogas, primero tenemos que echar una ojeada al pasado y comprender de dónde venimos; viendo lo que ha sucedido a lo largo de las últimas dos décadas.

Para ello, hemos realizado una serie temporal que recoge secuencialmente cada dos años desde 1999 hasta 2019 la prevalencia del consumo de distintas drogas en la sociedad española:

Data_Drogas <- read.table("Evolucion(1999-2019).txt", header = TRUE,
                     na.strings = "-", sep = "=")

Data_Drogas$Year <- as.character(Data_Drogas$Year)

Data_Alcohol <- Data_Drogas[which(Data_Drogas == "Alcohol"),]
Data_Tabaco <- Data_Drogas[which(Data_Drogas == "Tabaco"),]
Data_Hipnosedantes <- Data_Drogas[which(Data_Drogas == "Hipnosedantes con o sin receta"),]
Data_Cannabis <- Data_Drogas[which(Data_Drogas == "Cannabis"),]
Data_Extasis <- Data_Drogas[which(Data_Drogas == "Extasis"),]
Data_Alucinogenos <- Data_Drogas[which(Data_Drogas == "Alucinogenos"),]
Data_Speed <- Data_Drogas[which(Data_Drogas == "Speed"),]
Data_Cocaina <- Data_Drogas[which(Data_Drogas == "Cocaina"),]
Data_Setas <- Data_Drogas[which(Data_Drogas == "Setas magicas"),]
Data_Metanfetaminas <- Data_Drogas[which(Data_Drogas == "Metanfetaminas"),]
Data_GHB <- Data_Drogas[which(Data_Drogas == "GHB"),]
Data_Heroina <- Data_Drogas[which(Data_Drogas == "Heroina"),]
Data_Inhalables <- Data_Drogas[which(Data_Drogas == "Inhalables volatiles"),]

Alcohol <- ts(c(Data_Alcohol$Porcentaje), start = 1999, frequency = 0.5)
Tabaco <- ts(c(Data_Tabaco$Porcentaje), start = 1999, frequency = 0.5)
Hipnosedantes <- ts(c(Data_Hipnosedantes$Porcentaje), start = 1999, frequency = 0.5)
Cannabis <- ts(c(Data_Cannabis$Porcentaje), start = 1999, frequency = 0.5)
Extasis <- ts(c(Data_Extasis$Porcentaje), start = 1999, frequency = 0.5)
Alucinogenos <- ts(c(Data_Alucinogenos$Porcentaje), start = 1999, frequency = 0.5)
Speed <- ts(c(Data_Speed$Porcentaje), start = 1999, frequency = 0.5)
Cocaina <- ts(c(Data_Cocaina$Porcentaje), start = 1999, frequency = 0.5)
Setas <- ts(c(Data_Setas$Porcentaje), start = 1999, frequency = 0.5)
Metanfetaminas <- ts(c(Data_Metanfetaminas$Porcentaje), start = 1999, frequency = 0.5)
GHB <- mean(Data_GHB$Porcentaje, na.rm = TRUE)
Heroina <- mean(Data_Heroina$Porcentaje, na.rm = TRUE)
Inhalables <- mean(Data_Inhalables$Porcentaje, na.rm = TRUE)

años <- c(1999, 2001, 2003, 2005, 2007, 2009,
          2011, 2013, 2015, 2017, 2019)
porcentaje <- c(0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100)

par(cex.lab = 1.2, cex.main = 1.25, mar = c(3, 3, 3, 10), xpd = TRUE)
plot(Alcohol, ylim = c(0,100), type = "l", lwd = 3,
     main = "Evolución de las drogas más consumidas\nen España (1999-2019)",
     axes = FALSE, xlab = "Años", ylab = "Porcentaje",
     family = "serif", col = c("#6e2c00"))
axis(side = 1, at = años, labels = años,
     family = "serif", cex.axis = 0.75, line = 0)
axis(side = 2, at = porcentaje, labels = porcentaje,
     family = "serif", line = 0, cex.axis = 0.75)
lines(Tabaco, lwd = 3, col = "darkgrey")
lines(Hipnosedantes, lwd = 3, col = c("#e514e5"))
lines(Cannabis, lwd = 3, col = c("#36ff1A"))

legend("topright", inset = c(-0.45, 0.35), legend = c("Alcohol","Tabaco", "Hipnosedantes con o sin receta", "Cannabis"),
       col = c("#6e2c00", "darkgrey", "#e514e5", "#36ff1A"),
       pch = 15,
       xjust = 0.5, yjust = 0.5, cex = 0.65)

Informe Nacional EDADES 2021

porcentaje <- c(0, 0.5, 1, 1.5, 2, 2.5, 3, 3.5)

par(cex.lab = 1.2, cex.main = 1.25, mar = c(3, 3, 3, 10), xpd = TRUE)
plot(Cocaina, ylim = c(0,3.5), type = "l", lwd = 3,
     main = "Evolución de las drogas menos consumidas\nen España(1999-2019)",
     axes = FALSE, xlab = "Años", ylab = "Porcentaje",
     family = "serif", col = c("#f1bfe5"))
axis(side = 1, at = años, labels = años,
     family = "serif", cex.axis = 0.75, line = 0)
axis(side = 2, at = porcentaje, labels = porcentaje,
     family = "serif", line = 0, cex.axis = 0.75)
lines(Extasis, pch = 20,lwd = 3, col = c("#f6fd1f"))
lines(Alucinogenos, pch = 20, lwd = 3, col = c("#30e5d4"))
lines(Speed, pch = 20, lwd = 3, col = c ("#fb4b4b"))
lines(Setas, pch = 20, lwd = 3, col = c("#ffc745"))
lines(Metanfetaminas, pch = 20, lwd = 3, col = c("#0054fb"))

legend("topright", inset = c(-0.37, 0.35), legend = c("Cocaína", "Éxtasis", "Alucinógenos", "Speed", "Setas mágicas", "Metanfetaminas"),
       col = c("#f1bfe5", "#f6fd1f", "#30e5d4", "#fb4b4b", "#ffc745", "#0054fb"),
       pch = 15,
       xjust = 0.5, yjust = 0.5, cex = 0.65)

Informe Nacional EDADES 2021

Como era de esperar, vemos que el alcohol se mantiene como la droga más consumida a lo largo del tiempo con un porcentaje bastante estacionario que ronda entre el 78.7% y el 72.9%. Así pues, tres cuartas partes de la población española han tenido presente en sus vidas las bebidas alcohólicas.

En lo que respecta al tabaco, aunque también tiene un porcentaje elevado y aproximado al 45%, observamos una tendencia decante que llega a su punto más álgido en el último año que se tiene constancia, 2019. Todo lo contrario a lo que sucede con los fármacos, los cuales desde 2005 se ve un uso ascendente de los mismos, alcanzando el 12% en 2019. Estos últimos datos ponen de manifiesto la crisis de la salud mental en el siglo XXI.

Por otra parte, a pesar de ser una droga ilegal, aproximadamente el 10.5% de los españoles han consumido cannabis en los últimos 20 años. De hecho, actualmente es la droga ilegal más consumida tanto en España como en Europa. Sin embargo, vemos que el resto de las drogas ilegales tienen un consumo pequeño el cual se ha ido reduciendo, a pesar del ligero repunte que encontramos a partir de 2017. Por ello, algunas de ellas como la heroína, el GHB o los inhalables volátiles se han omitido en el gráfico debido a su ínfimo porcentaje de consumición (entre el 0,1% y 0,2% del tamaño muestral).

Ahora que tenemos una idea general del consumo de las drogas en España estos últimos años, estamos listos para abordar los tópicos planteados en los objetivos.

3.1.2 Prevalencia del consumo de drogas en España (2019-2020)

library(readxl)
par(mfrow=c(1,2))
porcentaje_drogas_tipo_2019 <- read_excel("C:/Users/jivan/Downloads/porcentaje_drogas_tipo_2019.xlsx")


x <- porcentaje_drogas_tipo_2019$PORCENTAJE
x <- na.omit(x)
barplot(x, col=rainbow(14), ylab="PORCENTAJE", xlab="TIPO DE DROGA",ylim=c(0, 80), main="PORCENTAJE SEGÚN TIPO DE DROGAS (2019)" ,cex.names = 0.7) 
legend(x = "topright", legend = porcentaje_drogas_tipo_2019$`TIPO DE DROGA`, fill = rainbow(14), cex=0.7)

library(readxl)
statistic_id949841_prevalencia_de_consumo_de_drogas_segun_tipo_entre_hombres_y_mujeres_en_espana_en_2019 <- read_excel("C:/Users/jivan/Downloads/statistic_id949841_prevalencia-de-consumo-de-drogas-segun-tipo-entre-hombres-y-mujeres-en-espana-en-2019.xlsx")
sexo_drogas <- statistic_id949841_prevalencia_de_consumo_de_drogas_segun_tipo_entre_hombres_y_mujeres_en_espana_en_2019 

m <- as.matrix(sexo_drogas[,2:3])
rownames(m) <- substr(sexo_drogas$DROGA, 1,3)

barplot(t(m), beside = TRUE, legend.text=c("Mujeres", "Hombres"), col=c(2,1), cex.names = 0.5, ylim=c(0,100), main="PORCENTAJE  SEGUN DROGA Y SEXO", xlab="Tipo de droga", ylab="PORCENTAJE")

FUENTE (1): Statista // FUENTE (2): Statista

Durante el año 2019/2020, las drogas más consumidas entre la población de entre 15 y 64 años son, como podemos ver en las gráficas anteriores, el alcohol y el tabaco, seguidos del cannabis, que ocupa el tern¡cer lugar. En efecto, es notable la prevalencia del consumo de alcohol entre la poblacion, ya que alrededor del 77% de los encuestados aseguran haber consumido alcohol en los últimos 12 meses. Por otro lado, el tabaco no se queda atrás, ya que el porcentaje de la población que lo consume asciende hasta el 39.4%. Estos resultados, lógicamente, vienen impulsados por el hecho de que dichas drogas sean actualmente las únicas legalizadas, lo cual facilita el acceso a ellas, haciendo que su consumo aumente. No obstante, resulta preocupante el porcentaje de la población que consume cannabis, una droga ilegal que consume el 10.5% de la población. La buena noticia es que el consumo de drogas duras, como la heroína o la cocaína, corresponde a un mínimo de la población. Aun así la cocaína tiene un alarmante 2.5% de consumo

Además de esto, si nos centramos en razones de sexo, claramente podemos observar que el consumo de drogas en los hombres es notablemente superior al de las mujeres como norma general. De hecho la mayor diferencia absoluta la podemos encontrar si nos fijamos en el consumo de alcohol, ya que observamos un 11% de diferencia entre hombres y mujeres. No obstante, si analizamos las diferencias relativas entre ambos sexos, hay algo que llama especialmente la atención, y es que en el caso del cannabis la consumición es de más del doble en los hombres que en las mujeres, ya que un 14.6 % de los hombres consumen, en comparación con el 6.3 % de las mujeres. Si esto ya es significativo, aún más lo es el caso de la cocaína en el que el consumo de los hombres (4%) es cuatro veces mayor que el de las mujeres (1%).

Esta diferencia en el conumo de drogas entre hombres y mujeres a causado un gran debate a lo largo de los años, sin embargo, la mayoría de los expertos coinciden en la elección un aspecto como el más determinante a la hora de crear estas diferencias: la cultura machista ya que, hasta hace no mucho tiempo el consumo de drogas era una conducta que mantenía fundamentalmente la población masculina adulta (fumar o tomar alcohol eran “cosas de hombres”), lo que produjo que los consumos de drogas entre las mujeres se mantuvieran en niveles muy bajos. No obstante, estas diferencias se están reduciendo paulatinamente, debido a la educación, cada vez más igualitaria.

Vistos estos datos y la prevalencia del alcohol y el tabaco frente a las demás drogas en este informe nos centraremos principalmente en el estudio de las drogas legalizadas y cómo estas afectan a nuestra salud.

3.1.3 Prevalencia del consumo de drogas por comunidad autónoma

Ahora nos centraremos en las diferencias que podamos encontrar en el consumo de ciertas sustancias psicoactivas en las distintas comunidades autónomas. Para ello, hemos reducido el rango y nos hemos centrado en el alcohol y el tabaco ya que, como hemos visto en los apartados anteriores, han sido con diferencia las más consumidas entre la sociedad española. Aun así, analizaremos también el consumo del cannabis, como representación de las drogas ilegales.

Data <- read.table("CC.AA.txt", header = TRUE)

Data <- t(as.matrix(Data))
Alcohol <- Data["Alcohol",]

par(cex.axis = 0.65)
barplot(Alcohol, xlim = c(0, 75), horiz = TRUE, 
        border = NA, las = 1,
        axes = FALSE, family = "serif", col = c("#8a4f10"))
axis(side = 1, at = c(0, 15, 30, 45, 60, 75), labels = c(0, 15, 30, 45, 60, 75),
     cex.axis = 0.75, family = "serif")
axis(side = 3, at = 37.5, labels = "Consumo del alcohol por comunidad autónoma",
     cex.axis = 1.25, lwd = 0, font = 2, family = "serif")

Informe Nacional EDADES 2021

Como observamos en el gráfico de barras, el consumo del alcohol entre todas las comunidades autónomas ronda entre el 40 y 70%. Destacan sobre todo Asturias y Valencia con un porcentaje de consumición del 71.9 y 70.4%, respectivamente. Mientras, en las regiones de Ceuta, Melilla, Canarias y Extremadura, el porcentaje de consumición es bastante bajo con respecto a las demás, situándose en un 35.5, 39.1, 49.8 y 50.3%. Es por ello que las podíamos considerar como valores atípicos, ya que no se corresponden con la tendencia general. Además, el pequeño porcentaje que nos encontramos en las comunidades de Ceuta y Melilla seguramente se deba a la falta de representación de estas comunidades en la muestra escogida, y en gran parte, a la gran presencia de practicantes de la religión musulmana, donde el consumo de alcohol está prohibido. En el resto de comunidades, el consumo se aproxima al 60% y en concreto en el País Vasco es de un 67.8%.

Data <- read.table("CC.AA.txt", header = TRUE)

Data <- t(as.matrix(Data))
Tabaco <- Data["Tabaco",]

par(cex.axis = 0.65)
barplot(Tabaco, xlim = c(0, 40), horiz = TRUE, 
        border = NA, las = 1, 
        axes = FALSE, family = "serif", col = c("darkgrey"))
axis(side = 1, at = c(0, 10, 20, 30, 40), labels = c(0, 10, 20, 30, 40),
     cex.axis = 0.75, family = "serif")
axis(side = 3, at = 20, labels = "Consumo del tabaco por comunidad autónoma",
     cex.axis = 1.25, lwd = 0, font = 2, family = "serif")

Informe Nacional EDADES 2021

Con respecto al tabaco, lo primero que nos salta a la vista es la reducción del consumo de esta droga en comparación al alcohol. Los valores máximos ahora se alcanzan en Murcia, Extremadura y Asturias, con un 37.7, 37.6 y 37.4%, respectivamente, y los valores mínimos se concentran en Melilla y Aragón, con un 23.1 y 24.2%. El consumo específico en el País Vasco es del 31.6%.

Data <- read.table("CC.AA.txt", header = TRUE)

Data <- t(as.matrix(Data))
Cannabis <- Data["Cannnabis",]

par(cex.axis = 0.65)
barplot(Cannabis, xlim = c(0, 20), horiz = TRUE, 
        border = NA, las = 1, 
        axes = FALSE, family = "serif", col = c("#36ff1A"))
axis(side = 1, at = c(0, 5, 10, 15, 20), labels = c(0, 5, 10, 15, 20),
     cex.axis = 0.75, family = "serif")
axis(side = 3, at = 10, labels = "Consumo del cannabis por comunidad autónoma",
     cex.axis = 1.25, lwd = 0, font = 2, family = "serif")

Informe Nacional EDADES 2021

A diferencia del alcohol y el tabaco, la distribución del cannabis por comunidad autónoma es más asimétrica. La razón de ello puede deberse a la ilegalización de la misma, ya que el pico más alto de consumición lo encontramos en las Baleares (16.2%) donde su mercado está más presente debido al prolifero ocio nocturno de la zona. Mientras, los valores mínimos los observamos en Melilla, Cantabria y Andalucía, con un porcentaje del 3.8, 4.1 y 4.2% que, aunque parezca bajo, es bastante elevado para ser una droga ilegalizada. El valor que corresponde al País Vasco es del 9.7%.

3.1.4 Prevalencia del consumo de alcohol y tabaco en el País Vasco

Una vez hecho un exhaustivo análisis de la consumición de las drogas en las distintas comunidades autónomas, es el turno de realizar un pequeño estudio del tema en nuestro lugar de origen: el País Vasco.

Para ello, hemos elegido un par de variables interesantes sobre la consumición del alcohol y el tabaco en esta zona, las cuales comentaremos y sacaremos conclusiones sobre ellas.

3.1.4.1 Frecuencia del consumo de alcohol durante días laborales vs fines de semana

En los siguientes gráficos, compararemos el consumo del alcohol durante los días laborables con su consumo durante los fines de semana en la comunidad vasca:

Fines <- read.table("C:/Users/jivan/OneDrive/Escritorio/R/Findes(P.V.).txt", header = TRUE,
                    dec = ",", comment.char = "#")
Frecuencia_f <- Fines$Frecuencia
Consumo_f <- Fines$Consumo

pie(Consumo_f, labels = Frecuencia_f, radius = TRUE,
    family = "serif", font = 3, border = c(0,0,0,0,0),
    col = c("#003473", "#0057bf", "#0074ff", "#4398ff", "#7cb7ff"),
    main = "Frecuencia de consumo en fines de semana", cex.main = 1.5)

Laborales <- read.table("C:/Users/jivan/OneDrive/Escritorio/R/Dias laborales(P.V.).txt", header = TRUE,
                        dec = ",",comment.char = "#")
Frecuencia_l <- Laborales$Frecuencia
Consumo_l <- Laborales$Consumo
pie(Consumo_l, labels = Frecuencia_l, radius = TRUE,
    family = "serif", font = 3, border = c(0,0,0,0,0),
    col = c("#780082", "#ca00da", "#ec00ff", "#f35fff", "#f684ff", "#f9aaff"),
    main = "Frecuencia de consumo en días laborales", cex.main = 1.5)

Encuesta sobre Adicciones en Euskadi 2017

A primera vista se ve que el consumo del alcohol durante los fines de semana es bastante más notorio, donde un 34,3% de los individuos estudiados afirman haber tomado bebidas alcohólicas todos los fines de semana, mientras que un 35,6% lo han consumido alguno del último mes. En contraparte, vemos que solo un 16,4% de la misma muestra confiesa haber consumido alcohol al menos un día a la semana, y un 13,7% todos los días laborales (un porcentaje muy alto para lo poco habitual que es consumir alcohol durante estos días). Sin embargo, entre semana el valor más alto se encuentra en quienes no consumen alcohol, representando a un 63,9% de la muestra, lo cual es lógico, ya que en la rutina diaria, normalmente no hay cabida para reuniones sociales donde el consumo de alcohol es más habitual. Esto se contrapone con lo que ocurre los fines de semana, donde este porcentaje baja hasta un 30,2%, debido al aumento de fiestas y reuniones sociales.

En conclusión, podemos decir que el consumo de las bebidas alcohólicas está más extendido durante los fines de semana y su distribución es más simétrica en lo que se refiera a la frecuencia, mientras que en los días laborales es rara la consumición de alcohol, siendo un pequeño sector de la población quienes lo hacen.

3.1.4.2 Prevalencia del consumo de tabaco

En este apartado, queremos ver la distribución de la población vasca con respecto al consumo del tabaco y, posteriormente, la frecuencia del mismo entre los fumadores.

Para ello, primero hemos realizado un diagrama de sectores, que nos permitirá ver claramente la distribución:

Tabaco <- read.table("Tabaco(P.V.).txt", header = TRUE,
                     dec = ",", comment.char = "#")
Frecuencia_t <- Tabaco$Frecuencia
Consumo_t <- Tabaco$Consumo

pie(Consumo_t, labels = Frecuencia_t, radius = TRUE,
    family = "serif", font = 3, border = c(0,0,0,0,0),
    col = c("#ffbc4f","#ffa718","#d88701"),
    main = "Intensidad de consumo", cex.main = 1.25)

Encuesta sobre Adicciones en Euskadi 2017

Observamos que la mitad de nuestra muestra afirma no haber probado el tabaco nunca, mientras que otro 26,5% confirma haber abandonado el consumo del mismo. De esta forma, nos encontramos con que un 75,3% de la población vasca actualmente no consume tabaco. El 24,7% restante representa a los fumadores activos.

Para ver si este último sector está conformado por fumadores intensivos o pasivos, dibujaremos un histograma sobre el número de unidades de tabaco inhaladas:

library(e1071)

## Warning: package 'e1071' was built under R version 4.2.3

Fumadores <- read.table("Fumadores(P.V.).txt", header = TRUE,
                     dec = ",", comment.char = "#")
c1 <- c(2.5)
vector1 <- rep(c1, 137323)
c2 <- c(7.5)
vector2 <- rep(c2, 116280)
c3 <- c(12.5)
vector3 <- rep(c3, 59139)
c4 <- c(17.5)
vector4 <- rep(c4, 75696)
c5 <- c(22.5)
vector5 <- rep(c5, 21131)

vector <- c(vector1, vector2, vector3, vector4, vector5)
Fumadores <- data.frame(vector)


hist(Fumadores$vector, breaks = c(0,5,10,15,20,25),
     axes = FALSE, ylim = c(0, 143349.15), border = NA,
     ylab = "Porcentaje sobre la población fumadora", xlab = "Unidades de tabaco", main = "Consumo de tabaco medio al día", family = "serif", cex.lab = 1.15, cex.main = 1.25, col = "#ff5959")
axis(side = 2, at = c(0, 20478.45, 40956.9, 61435.35, 81913.8, 102392.25, 122870.7, 143349.15),
     labels = c(0, 5, 10, 15, 20, 25, 30, 35), family = "serif", line = 0, cex.axis = 0.75)
axis(side = 1, at = c(0, 5, 10, 15, 20, 25), labels = c("0", "5", "10", "15", "20", "Más de 20"),
     family = "serif", line = 0, cex.axis = 0.75)
abline(v=mean(vector), lwd = 2)
abline(v=median(vector), lwd = 2, col = 2)
legend(c("media", "mediana"), fill = c("black", "red"), x="topright")

Encuesta sobre Adicciones en Euskadi 2017

Vemos que los datos siguen una distribución asimétrica a la derecha, ya que la media es notoriamente mayor que la mediana. Además, esto también se puede comprobar mediante el coeficiente de Fisher, que en este caso es de 0.54, es decir, hay una asimetría importante a la derecha. Por lo tanto, utilizaremos la mediana para estudiar la distribución del conjunto de datos. Si la calculamos (es equivalente a calcular el percentil 50), obtenemos que la mediana es igual a 8,32 unidades de tabaco, es decir, el 50% de los fumadores fuman menos de 8,32 unidades al día mientras que el otro 50% fuma más de esta cantidad, un buen dato si tenemos en cuenta que la media nacional es de unos 12 cigarrillos al día. Además, si queremos conocer la variabilidad de los datos con respecto a la mediana, tenemos que calcular el rango intercuartílico, que si lo calculamos vemos que es de 10 unidades. Concluimos pues, que los fumadores del País Vasco tienen un consumo moderado del tabaco, cuyo valor medio ronda entre las 5 y 15 unidades fumadas al día, Esto no debe sorprender, ya que desde hace unos años Euskadi ha sido una de las comunidades que más ha invertido en campañas de prevención y ha legislado de una forma más restrictiva para tratar de minimizar el consumo de tabaco.

A pesar de ser un estudio concentrado únicamente en el País Vasco, si hubiéramos analizado un par de comunidades más, podríamos inducir una generalización a lo que sucede en España, que seguramente no varíe mucho a los datos mostrados.

3.1.5 Edad media de inicio en el consumo de drogas

load("C:/Users/jivan/OneDrive/Escritorio/R/graficostrabajo/EdadInicio.RData")
library(kableExtra)
m <- as.matrix(edad_media_inicio[,2:3])
rownames(m) <- substr(edad_media_inicio$Variable, 1,3)

barplot(t(m), beside = TRUE, col=c(1,2), cex.names = 0.5, main="EDAD DE INICIO SEGUN DROGA Y SEXO", ylim=c(0,35), xlab="Tipo de droga", ylab="EDAD")
legend(x="topleft", legend=c("Hombres", "Mujeres"), fill=c(1,2))

knitr::kable(edad_media_inicio, format = "html") %>% 
  kableExtra::kable_styling(bootstrap_options = c("striped", "hover"))

Variable	Hombres	Mujeres
Tabaco	16.3	16.8
Alcohol	16.2	17.2
Cannabis	18.1	19.1
Inhalables volatiles	21.4	21.5
Anfetaminas	20.5	20.7
Alucinógenos	21.1	21.5
Cocaína	21.0	21.5
Éxtasis	20.7	20.9
Setas mágicas	22.4	21.3
GHB	23.4	24.7
Heroína	22.0	25.0
MEtanfetaminas	23.1	23.7
Hipnosedantes sin receta	30.2	31.0
Hipnosedantes con o sin receta	34.0	34.7

FUENTE: INFORME EDADES 2021

Si atendemos a la encuesta sobre Alcohol y Drogas en España (EDADES) realizada por el ministerio de sanidad en el año 2021, podemos observar que la edad de inicio en el consumo de alcohol se sitúa por debajo de la edad mínima permitida para acceder a este tipo de sustancias. Según este estudio, la poblacion comienza con el consumo de alcohol a los 16.2 años en el caso de los hombres y a los 17.2 años en el caso de las mujeres. A su vez, la edad media de inicio en el consumo de tabaco en los hombres y en las mujeres es de 16.3 y 16.8 años respectivamente. Estos datos son preocupantes, no solo desde el punto de vista de la salud, la cual se está viendo ve gravemente afectada por el temprano consumo de estas drogas, sino también por parte de las autoridades, que sin duda deberían plantearse la facilidad que tiene la población joven para acceder a estas drogas legalizadas. Junto a esto, podemos ver que en la población joven también está muy extendido el consumo de cannabis, que tiene la edad media de inicio a su consumo en 18.1 y 19.1 años; en gran medida, esto se debe a que el cannabis se ve desde la población joven como una sustancia relajante y evasora; de hecho, su consumo comienza como una manera de hacer frente a la ansiedad, el enojo, la depresión o el aburrimiento, sentimientos que proliferan sobre todo al llegar a estas edades. Por tanto, es obvio que las sustancias más populares entre los jovenes de hoy en día son el alcohol, el tabaco y el cannabis.

No obstante, cabe destacar la diferencia entre el consumo diario de tabaco y la primera toma de contacto con esta sustancia, ya que aquí podemos observar notables diferencias. Para ello nos valdremos de la Encuesta sobre Alcohol y Drogas en España (EDADES), sobre el consumo de drogas psicoactivas en función de la comunidad autónoma, realizada en 2022.

library(e1071)
load("C:/Users/jivan/OneDrive/Escritorio/R/graficostrabajo/DatosComunidads.RData")
M=matrix(c(1,1,2,3),nrow=2,byrow=TRUE)
layout(M)

medias_por_tamano1 <- aggregate(datosvarioscomunidades$`Edad media inicio en el consumo de tabaco` ~ datosvarioscomunidades$`Tamaño de muestra`, data = datosvarioscomunidades, FUN = mean)
medias_por_tamano2 <- aggregate(datosvarioscomunidades$`Edad media inicio en el consumo de tabaco diario` ~ datosvarioscomunidades$`Tamaño de muestra`, data = datosvarioscomunidades, FUN = mean)
boxplot(medias_por_tamano1$`datosvarioscomunidades$\`Edad media inicio en el consumo de tabaco\``, medias_por_tamano2$`datosvarioscomunidades$\`Edad media inicio en el consumo de tabaco diario\``, names = c("Edad primer consumo", "Edad consumo diario"), main="DIFERENCIAS EN LA MEDIA DE EDAD: CONSUMO DIARIO Y PRIMER CONSUMO", col=c("Pink", "Blue"))

FUENTE: INFORME EDADES 2021

Como se puede ver en los diagramas de caja de arriba, la edad media (ponderada, ya que tenemos diferentes tamaños de muestra para cada comunidad) en la que la poblacion comienza a fumar diariamente se sitúa en 18.29 años, con una cuasi-desviación típica de 0.3792 años, y la mediana es de 18.2 años mientras que si nos fijamos en la edad media del territorio español en la que los jóvenes realizan su primer acercamiento al tabaco, podemos ver que esta es de 16.4976 años con una cuasi-desviación típica ponderada de de 0.2892 años; además, la mediana es de 16.6 años. Esta es una diferencia importante, ya que nos demuestra que en promedio, los jóvenes tardan alrededor de 1.5-2 años en desarrollar una adicción considerable. Además los datos en ambas variables están bastante concentrados, lo cual se puede comprobar mediante la desviación típica, pero tambien mediante el rango intercuartílico (\(R=q_3 - q_1\)), que nos indica la amplitud del intervalo en el que se sitúan los datos centrales. En el primer caso este rango es de 0.6 años, mientras que en el segundo es de 0.4 años. Sin duda, estos datos son preocupantes ya que nos muestran que los jóvenes comienzan con el consumo de tabaco a una edad muy temprana; tanto que, al cumplir la mayoría de edad, la gran mayoría ya han desarrollado una adicción, la cual se ve fortalecida por la posibilidad de acceso al tabaco por primera vez de forma legal en estancos y tiendas.

Más allá de esto, mediante estos diagramas podemos observar dos valores atípicos en la edad media de consumo de tabaco diario, los cuales son de 17.5 y de 19.1 años, mientras que en el diagrama de caja de primer consumo e tabaco no observamos valores atípicos.

Veamos las diferencias que existen entre las Comunidades Autónomas en lo que a la edad de inicio en el consumo se refiere. Para ello nos valdremos de la siguiente tabla que nos ofrece información sobre las drogas más populares, que son el tabaco el alcholo y el cannabis, como hemos mencionado anteriormente.

knitr::kable(datosvarioscomunidades, format = "html") %>% 
  kableExtra::kable_styling(bootstrap_options = c("striped", "hover"))

Comunidad Autónoma	Tamaño de muestra	Edad media inicio en el consumo de tabaco	Edad media inicio en el consumo de tabaco diario	Edad media inicio en el consumo de bebidas alcohólicas	Edad media inicio en el consumo de cannabis
Andalucía	2229	16.7	18.2	16.8	18.8
Aragón	858	16.8	18.6	16.7	17.9
Asturias	1296	16.3	18.2	16.3	18.3
Baleares	840	16.8	18.3	16.6	18.3
Canarias	1698	16.8	17.9	17.1	18.0
Cantabria	995	16.2	18.2	16.1	18.4
Castilla y León	1784	16.1	17.9	16.2	18.5
Castilla La Mancha	1596	16.2	17.5	16.2	17.5
Cataluña	2117	16.9	18.8	16.8	18.2
Comunidad Valenciana	2249	16.1	18.9	15.9	18.7
Extremadura	779	16.4	18.3	16.6	18.7
Galicia	1745	16.4	18.3	16.3	18.3
Madrid	2500	16.6	18.4	16.7	18.2
Murcia	1498	16.5	18.2	16.1	18.0
Navarra	1206	16.1	18.4	15.9	17.5
País Vasco	1108	16.7	18.0	16.3	18.3
La Rioja	999	16.6	18.0	16.1	18.6
Ceuta	618	17.1	19.1	17.3	18.3
Melilla	229	16.8	19.0	17.3	19.2

FUENTE: INFORME EDADES 2021

Está claro que las sustancias que antes se comienzan a consumir en España son el alcohol y el tabaco, las cuales, a su vez son las más accesibles. En particular, las comunidades que antes comienzan con el consumo de alcohol son Castilla y León, Valencia, y Navarra con una media de inicio de 16.1 años, prácticamente dos años antes de que sea legal el acceso a su compra. Por otro lado, la comunidad más tardía en iniciar el consumo de alcohol es Cataluña, a los 16.9 años.

A su vez, el alcohol registra la edad más temprana, a los 15.9 años en la Comunidad Valenciana y Navarra, que de nuevo vuelven a ser las comunidades más precoces. Esta edad, difiere bastante de la registrada en las ciudades autónomas de Ceuta y Melilla, ya que esta se sitúa en 17.3 años. Esto puede deberse a que en estas ciudades hay una mayor diversidad cultural, con más población practicante de la religión musulmana, en la cual el consumo de alcohol, está prohibido.

Por último, el cannabis es la droga que, como norma general, más tarde comienza a consumirse con un valor mínimo de 17.5 años en Castilla la Mancha y Navarra, de nuevo. Esto es un claro indicador de que las citadas comunidades son las que mayor tendencia tienen a consumir droga a una temprana edad. Además, Melilla vuelve a ser la comunidad que más tarde comienza a consumir esta droga, a los 19.2 años.

A partir de ahora, nos centraremos principalmente en las drogas legalizadas: el alcohol y el tabaco, ya que como hemos visto son con mucha diferencia las más consumidas.

3.2 Bebidas alcohólicas

3.2.1 Prevalencia del consumo mundial de alcohol

El alcohol, como ya hemos visto anteriormente, es la droga más extendida en España; no obstante, tabién lo es en el resto del mundo. De todos modos, su consumo varía dependiendo de las culturas, leyes, y otras muchas características. Analizaremos el consumo de alcohol per capita de 2019, es decir, cuantos litros de alcohol se bebe de media al año en cada país.

par(mfrow=c(1,2))
library(tidyverse)
library(readr)
mapamundi<-map_data("world")
mapamundi<-rename(mapamundi,country=region)
data <- read.csv("data.csv")
data<-data %>% 
  select(country,male,female,both,rank,region,pop2023) 
data$country[which(data$country=="United States")]<-"USA"
data$country[which(data$country=="DR Congo")]<-"Democratic Republic of the Congo"
data$country[which(data$country=="United Kingdom")]<-"UK"
mapa.alcohol<-left_join(data, mapamundi, by = "country")
mapa.alcohol %>% 
  ggplot(aes(long,lat,group=group))+geom_polygon((aes(fill=both)))+theme_bw()+
  scale_fill_viridis_c(option="C")+
  guides(fill=guide_legend(title="Litro/año"))+labs(x=NULL,y=NULL)

FUENTE

El mapa de arriba indica la media de litros/año en cada país siendo el amarillo el color correspondiente a la media más alta y el azul oscuro a la más baja. Como podemos ver de forma general en el mapa, europa es el continente en el que más se bebe, mientras que africa en el que menos. Veamoslo de forma cuantitativa. El gráfico de barras de la derecha indica la media de litros/año de cada continente. La linea roja indica la media mundial. Como solo disponemos de las medias de cada país, para calcular las medias de cada continente, no es suficiente con calcular la media aritmética de cada media. Para calcular dicha media, necesitamos calcular la media ponderda. De este modo, cada país tendra su influencia correspondiente en la media de cada continente, dependiendo de su población activa.\[\frac{\sum_{i=1}^{N}x_{i}w_{i}}{\sum_{i=1}^{N}w_{i}} \mathit{\, \, siendo\, \, w_{i}\, \, la \, \, poblacion \, \, del \, \, i-esimo\, \, pais.}\] La media mundial se ha calculado de forma análoga

data<-data %>% 
  mutate(con_rel=both*pop2023)
con<-c("EUROPA","AFRICA","ASIA","OCEANIA","AM NORTE","AM SUR")

pop_europa<-sum(data$pop2023[which(data$region=="Europe")])
pop_africa<-sum(data$pop2023[which(data$region=="Africa")])
pop_asia<-sum(data$pop2023[which(data$region=="Asia")])
pop_oceania<-sum(data$pop2023[which(data$region=="Oceania")])
pop_namerica<-sum(data$pop2023[which(data$region=="North America")])
pop_samerica<-sum(data$pop2023[which(data$region=="South America")])
pop<-c(pop_europa,pop_africa,pop_asia,pop_oceania,pop_namerica,pop_samerica)
europa<-sum(data$con_rel[which(data$region=="Europe")])/pop_europa
africa<-sum(data$con_rel[which(data$region=="Africa")])/pop_africa
asia<-sum(data$con_rel[which(data$region=="Asia")])/pop_asia
oceania<-sum(data$con_rel[which(data$region=="Oceania")])/pop_oceania
namerica<-sum(data$con_rel[which(data$region=="North America")])/pop_namerica
samerica<-sum(data$con_rel[which(data$region=="South America")])/pop_samerica
medias<-c(europa,africa,asia,oceania,namerica,samerica)

md<-data.frame(con,medias,pop)
md<-md %>% 
  mutate(rel=medias*pop)
  
media_mundial<-sum(md$rel)/sum(md$pop)
md %>% 
  ggplot(aes(x=reorder(con,medias),y=medias,fill=con))+geom_bar(stat="identity")+
  theme_bw()+theme(legend.position="none")+
  geom_hline(yintercept=media_mundial,color="red",size=1)+
  labs(x="Continentes",y="Litro/año")

FUENTE

Como podemos observar en el gráfico de las medias, la media europea (10.97 litros/año) es casi el doble a la media mundial (5.54 litros/año), como ya era de esperar mirando el mapa. Esto se debe a varios factores. Para empezar, la religión cristiana (principal religión europea) no pone ningún impedimento al consumo de alcohol. Además, la gran mayoría de bebidas alcoholicas son de origen europeo (vodka, ginebra, ron, whisky…). Es tanta la diferencia de consumo de alcohol de europa respecto de los demás continentes, que el 80% de los 30 paises en los que más se bebe de media son europeos. Esto lo podemos comprobar mediante el siguiente gráfico.

par(mfrow=c(1,2))
x<-subset(data,rank<=30)
eu<-length(which(x$region=="Europe"))
af<-length(which(x$region=="Africa"))
as<-length(which(x$region=="Asia"))
oc<-length(which(x$region=="Oceania"))
ams<-length(which(x$region=="South America"))
amn<-length(which(x$region=="North America"))
n<-c(eu,af,as,oc,amn,ams)
md<-data.frame(md,n)
md %>% 
  ggplot(aes(x="",y=n,fill=con))+geom_col()+coord_polar(theta="y")+
  labs(title="TOP 30")+theme_bw()

data %>% 
  filter(rank<=10) %>% 
  ggplot(aes(x=reorder(country,both),y=both,fill=country))+geom_bar(stat="Identity")+theme_bw()+
  labs(title="Top 10",x="País",y="Litros/año")+theme(legend.position="none")

y<-data$gdpPercap
x<-data$both

FUENTE

Estados Unidos, pese a ser de los paises donde más droga se consume, tan solo ocupa la 38ª posición en el ranking de paises donde más se bebe, ya que, entre otras cosas, hasta los 21 años el consumo de alcohol es ilegal.

Por otro lado, Africa y Asia son los dos continentes con menor consumo de alcohol per capita. La causa de esto, en gran parte, es religiosa. En tres de las principales religiones de estos dos continentes (Islam, y varias ramas del hinduismo y budismo) esta prohibido el consumo de alcohol.

Pero, aparte de estos motivos culturales y legales, ¿influye la economía de los países en el consumo de alcohol? Para salir de dudas, comparamos el consumo de alcohol per capita con el PIB per capita en busca de una posible correlación.

Para ello, elegimos como la variable explicativa el pib per cápita (variable independiente) y el consumo de alcohol como variable explicada (variable dependiente) y hacemos la nube de puntos correspondiente:

library(gapminder)
gapminder<-subset(gapminder,year==2007)
data<-left_join(data,gapminder,by="country")
data<-data %>% 
  select(pop2023,country,region,male,female,both,rank,gdpPercap)
data %>%
  drop_na() %>% 
  ggplot(aes(x=gdpPercap,y=both),color=region)+geom_point(size=1.5,color="red",alpha=0.6)+geom_smooth(method=lm,se=FALSE)+
  theme_bw()+labs(y="Litros/año",x="PIB")

y<-data$gdpPercap
x<-data$both

Como bien se aprecia en el gráfico , no parece haber gran correlacíon entre ambas varibles, pero veámoslo matemáticamente mediante el cálculo del coeficiente correlación entre las dos variables, que viene dado por la siguiente formula

\[r_{x,y}=\frac{s_{x,y}}{s_{n}(x)\cdot s_{n}(y)}\]

Tras hacer los respectivos calculos, el coeficiente correlación entre la la variable “y” (Alcohol) y la variable “x” (PIB) es de 0.4546. Por lo tanto, es una correlación directa débil. Si queremos ajustar un mejor modelo, deberiamos de usar el módelo logarítmico, el cual no mejora mucho al lineal ( 0.4588 de correlación). En resumen, no podemos preveer con gran exactitud la cantidad de alcohol que se va a beber en un país en función de su economía, por lo que el consumo estará ligado a otros muchos factores.

3.2.2 Prevalencia del consumo de alchol por edad

Para el estudio de este tema nos valdremos principalmente de la encuesta europea de salud en España llevada a cabo en 2020 y que se realiza de forma periódica cada 5 años. En primer lugar, focalizaremos el estudio únicamente en el año 2020, mediante una tabla de doble entrada (unidades en miles de personas).

consumo_ultimos_12_meses <- read_excel("C:/Users/jivan/Downloads/consumo ultimos 12 meses.xls")
cons_12_tot <- consumo_ultimos_12_meses[c(seq(1, 9)),]
knitr::kable(cons_12_tot, format = "html") %>% 
  kableExtra::kable_styling(bootstrap_options = c("striped", "hover"))

EDAD	Sí ha consumido	No ha consumido	No consta	TOTAL
De 15 a 24 años	2853.5	1872.2	3.9	4729.5
De 25 a 34 años	3834.2	1444.2	11.0	5289.5
De 35 a 44 años	5098.1	2150.4	2.2	7250.6
De 45 a 54 años	5314.5	2190.6	13.1	7518.3
De 55 a 64 años	4312.5	1935.1	12.4	6260.1
De 65 a 74 años	2848.5	1695.7	4.9	4549.1
De 75 a 84 años	1452.2	1504.1	8.0	2964.3
De 85 y más años	426.2	982.2	4.3	1412.7
TOTAL	26139.8	13774.4	59.9	39974.1

Si hacemos un análisis bivariante de esta tabla, podemos calcular las tablas de las frecuencias relativas condicionadas (por columnas y por filas), de las que podemos sacar información relevante.

library(kableExtra)
basededatos <- cons_12_tot[-9,c(2,3,4)]

data <- data.frame(
  "Si " = basededatos$`Sí ha consumido`,
  "No " = basededatos$`No ha consumido`,
  "NS/NC" = basededatos$`No consta`
)
tabla <- as.matrix(data)
rownames(tabla) <- cons_12_tot$EDAD[-9]
a <- prop.table(tabla, margin =2)
b <- prop.table(tabla, margin =1)
adata <- as.data.frame(round(a, 3))
bdata <- as.data.frame(round(b, 3))

knitr::kable(adata, caption = "FRECUENCIAS RELATIVAS CONDICIONADAS (COLUMNAS)") %>% 
  kableExtra::kable_styling(bootstrap_options = c("striped", "hover"), position = "float_left", full_width = FALSE)

FRECUENCIAS RELATIVAS CONDICIONADAS (COLUMNAS)

	Si.	No.	NS.NC
De 15 a 24 años	0.109	0.136	0.065
De 25 a 34 años	0.147	0.105	0.184
De 35 a 44 años	0.195	0.156	0.037
De 45 a 54 años	0.203	0.159	0.219
De 55 a 64 años	0.165	0.140	0.207
De 65 a 74 años	0.109	0.123	0.082
De 75 a 84 años	0.056	0.109	0.134
De 85 y más años	0.016	0.071	0.072

knitr::kable(bdata, caption = "FRECUENCIAS RELATIVAS CONDICIONADAS (FILAS)") %>% 
  kableExtra::kable_styling(bootstrap_options = c("striped", "hover"), position = "right", full_width = FALSE)

FRECUENCIAS RELATIVAS CONDICIONADAS (FILAS)

	Si.	No.	NS.NC
De 15 a 24 años	0.603	0.396	0.001
De 25 a 34 años	0.725	0.273	0.002
De 35 a 44 años	0.703	0.297	0.000
De 45 a 54 años	0.707	0.291	0.002
De 55 a 64 años	0.689	0.309	0.002
De 65 a 74 años	0.626	0.373	0.001
De 75 a 84 años	0.490	0.507	0.003
De 85 y más años	0.302	0.695	0.003

En primer lugar, vemos que el grupo de edad que tiene la mayoría de todo el consumo de alcohol, es el que se sitúa entre 45 y 54 años, ya que ostenta el 20.33% del consumo total.No obstante, le sigue muy de cerca el grupo de entre 35 y 44 años con un 19.5%, mientras que el grupo que menos consume, como es lógico es el de más de 75 años, ya que a esas edades el consumo de alcohol puede ser muy perjudicial para la salud. De hecho, podemos calcular la media marginal de la variable SI que es de 47.48 años, es decir, la edad promedio de la gente que bebe alcohol es de 47.48 años. Por otro lado, la media de edad de los no consumidores de alcohol se sitúa en 51.76 años, lo cual es significantemente mayor que el dato anterior.

Por otra parte, si atendemos a la segunda tabla de las frecuencias relativas condicionadas, resulta llamativo que, pese a que la edad de inicio en el consumo de alchol es muy baja, como ya hemos visto, el grupo de jóvenes de entre 15 y 24 años es en el que menos personas consumen (sin tener en cuenta la población de más de 75 años); de hecho, casi el 40% de los encuestados de este grupo declaran no haber bebido alcohol en los últimos 12 meses. En los otros grupos de edad menor de 75 años, la tendencia se mantiene bastante uniforme, ya que en todos ellos alrededor del 70% de los individuos consume alcohol; un número muy elevado si tenemos en cuenta las consecuencias que esta droga puede tener en nuestra salud.

Todo esto, lo podemos expresar gráficamente:

par(mfrow=c(1,3))
barplot(t(b*100), col = c("black", "pink", "white"),
        ylab = "PORCENTAJE",
        ylim=c(0,90),
        beside=TRUE,
        cex.names = 0.6,
        names.arg=c("15-24", "25-34", "35-44", "45-54", "55-64", "65-74", "75-84", ">84"),
        xlab = "INTERVALOS DE EDAD")
legend("topright", legend = c("Sí ha consumido", "No ha consumido", "NS/NC"), fill = c("black", "pink", "white"), cex = 0.5)
t <- cons_12_tot$`Sí ha consumido`[-9]
pie(t, labels = c("15-24", "25-34", "35-44", "45-54", "55-64", "65-74", "75-84", ">84"), main = "SÍ HAN CONSUMIDO" )
s <- cons_12_tot$`No ha consumido`[-9]
pie(t, labels = c("15-24", "25-34", "35-44", "45-54", "55-64", "65-74", "75-84", ">84"), main = "NO HAN CONSUMIDO" )

FUENTE: INE

3.2.3 Prevalencia del consumo de alcohol por sexo

Todo esto, lo podemos mirar desde otra perspectiva, si analizamos cómo se distribuye el consumo de alcohol atendiendo al sexo de los individuos encuestados. Para ello nos basaremos en la curva de Lorenz, que nos indicará la distribución del consumo de alcohol en función de las edades, y nos permitirá hacer una comparación entre ambos sexos.

par(mfrow=c(1,2))
library(reldist)
library(readxl)
alc_edad <- read_excel("C:/Users/jivan/Downloads/consumo alcohol edades.xls")
library(ineq)
xi <- c(seq(19.5,79.5, by=10))
fi <- alc_edad$HOMBRES
plot(Lc(xi, fi), main= "CURVA DE LORENZ (HOMBRES)")
points(x=Lc(xi,fi)$p, y=Lc(xi,fi)$L, pch=19, col="red")

xi <- c(seq(19.5,79.5, by=10))
fi <- alc_edad$MUJERES
plot(Lc(xi, fi), main= "CURVA DE LORENZ (MUJERES)")
points(x=Lc(xi,fi)$p, y=Lc(xi,fi)$L, pch=19, col="red")

En el caso de los hombres, la curva de Lorentz tiene un índice de Gini de 0.2176 mientras que en el caso de las mujeres este índice es de 0.2302; por tanto, podemos deducir que el consumo de alchol se distribuye en función de la edad de forma similar tanto en los hombres como en las mujeres. De hecho, podemos decir que se trata en ambos casos de una distribución relativamente uniforme ya que los índices tienen un valor próximo a 0. Esto ya lo hemos visto antes, ya que hemos comprobado que el consumo de alcohol es bastante uniforme, siempre y cuando no tengamos en cuenta los grupos de edad más alta, los cuales hacen que este índice varíe.

FUENTE: INE

3.2.4 Relación entre el consumo de alcohol y el grado de escolarización

Para continuar con esta sección sobre el alcohol, debemos recalar por un momento sobre un estudio que puede resultar sorprendente. Si atendemos a unos datos del año 2014, que relacionan el consumo de alcohol de la mayoría de países del mundo con varios factores como el PIB, el IMC medio o la esperanza de vida entre otros, podemos observar que existe una notable correlación entre el grado de escolarización y el consumo de alchol. Para analizar estos datos de una forma más precisa, hemos omitido los datos de aquellos países donde el consumo de alcohol no está permitido. Así tenemos la siguiente nube de puntos:

library(readr)
esperanza_de_vida_varias <- na.omit(as.data.frame(read_csv("C:/Users/jivan/Downloads/Life Expectancy Data.csv")))
esperanza_buena <- esperanza_de_vida_varias[which(esperanza_de_vida_varias$Year == 2014),]
data <- esperanza_buena[which(esperanza_buena$Alcohol > 0.01),]

alc3 <- data$Alcohol
sch <- data$Schooling

plot(alc3, sch, ylab="Grado de escolarización", xlab= "Consumo de alchol")

En esta nube de puntos se puede ver una cierta relación de linealidad entre las dos variables. Para confirmar nuestra hipótesis, podemos calcular el índice de correlación que en este caso es de 0.6, por lo que sí que existe una correlación (aunque no muy evidente) entre el consumo de alchol y el grado de escolarización. Por lo tanto podemos ajustar un modelo de regresión lineal mediante el método de mínimos cuadrados ordinarios:

esperanza_de_vida_varias <- na.omit(as.data.frame(read_csv("C:/Users/jivan/Downloads/Life Expectancy Data.csv")))
esperanza_buena <- esperanza_de_vida_varias[which(esperanza_de_vida_varias$Year == 2014),]
data <- esperanza_buena[which(esperanza_buena$Alcohol > 0.01),]

alc3 <- data$Alcohol
sch <- data$Schooling
plot(alc3, sch, ylab="Grado de escolarización", xlab= "Consumo de alchol")
modelo1 <- lm(sch ~ alc3)

x <- seq(0,15,by=0.01)
y <- modelo1$coefficients[1]+modelo1$coefficients[2]*x
lines(x, y, col="red")

No obstante, sería lógico pensar que estas variables deberían tener una correlación negativa, es decir, un mayor consumo de alchol, debería implicar un grado de escolarización, ya que se ha demostrado que el alchol tiene una serie de consecencias muy nocivas en la capacidad cerebral de sus consumidores. Sin embargo estos resultados se b¡deben a que no hay causalidad entre estas dos variables, es decir, encontrar estos datos no debería alertarnos en exceso, ya que los países en los que más alcohol se consume son, como norma general, los más desarrollados a nivel económico y educativo, lo que hace que el grado de escolarización sea mayor. De hecho, si observamos al dato que tiene un mayor consumo de alcohol, podemos ver que se corresponde a Lituania, uno de los países con más tradición estudiantil, y el cual e¡suele ser elegido por estudiantes internacionales. Por otro lado, el país con menor consumo de alchol que podemos observar es Djibuti, un país prácticamente sin desarrollar, con muchas dificultades económicas y donde reina la represión, por lo que allí, obviamente, el consumo de alchol es mínimo.

3.2.5 Modos y lugares en los que han conseguido los jóvenes el alcohol

A modo de complementación, nos parece interesante comentar los lugares donde los jóvenes de hoy en día han comprado o han adquirido las bebidas alcohólicas, así como también los modos cómo las consiguen. Para ello, hemos realizado dos gráficos de barras en los que se representan cada una de las variables.

Data_Lugar <- read.table("Lugares.txt", header = TRUE, dec = ",")
Data_Lugar <- t(as.matrix(Data_Lugar))

par(cex.axis = 0.65)
barplot(Data_Lugar, ylim = c(0,60), las = 2, border = NA, 
        main = "Lugares donde se han comprado o conseguido\nlas bebidas alcohólicas",
        family = "serif", col = c("#0d9088"))

Plan Nacional sobre Drogas – Estadísticas 2022

En cuanto al lugar de compra, destacan muy por encima de las demás los supermercados, bares y tiendas de barrio, donde aproximadamente el 50% de los jóvenes encuestados han comprado alcohol en estos lugares al menos una vez en el último mes. Preocupa también el elevado porcentaje de jóvenes que adquieren alcohol en casas ajenas (40%) o, inclusive, en sus propias casas (28.6%). Por último, es sorprendente la baja representación de las discotecas en el gráfico con solo un 12,8%, pues son los lugares destinados al ocio nocturno.

Data_Modo <- read.table("Modos.txt", header = TRUE, dec = ",")
Data_Modo <- t(as.matrix(Data_Modo))

par(cex.axis = 0.65)
barplot(Data_Modo, ylim = c(0,60), las = 2, border = NA, 
        main = "Lugares donde se han comprado o conseguido\nlas bebidas alcohólicas",
        family = "serif", col = c("#989979"),
        names.arg = c("Tú directamente", "Personas de\n18 años o más", "Personas menores\nde 18 años", "Otras formas"))

Plan Nacional sobre Drogas – Estadísticas 2022

En cuanto al modo de obtención, los resultados obtenidos con el diagrama de barras eran los esperables. Como era lógico, la mayor parte de los jóvenes consiguen el alcohol por su cuenta (59,5%) o a través de personas de 18 años o más (47,6%), mientras que un porcentaje muy reducido lo consiguen a través de personas menores de 18 años (18,2%) o de otras formas (7,7%).

3.2.6 Ventas del alcohol en España

¿Cuanto dinero ha generado la venta de alcohol en estos últimos años en España?

Como ya hemos visto antes, España es de los paises en los que más se bebe del mundo. Es por ello que es uno de los principales pilares de la economía española. Aparte de el IVA, todo tipo de alcohol está sustento a un impuesto especial, el cual depende de la graduación del alchol. Para analizar las ventas de ingresos tributarios del alcohol en españa estos últimos años, hemos dividido el alcohol en dos tipos: cerveza (bebida alcohólica más consumida) y bebidas derivadas (vino, bebidas de alta graduación…).

ingresos<-as.numeric(c(314,320,333,307,312,840,821,801,614,673))
años<-as.numeric(c(2017,2018,2019,2020,2021,2017,2018,2019,2020,2021))
Alcohol<-c("Cerveza","Cerveza","Cerveza","Cerveza","Cerveza","Derivadas","Derivadas","Derivadas","Derivadas","Derivadas")
ventas<-data.frame(años,ingresos,Alcohol)
litros<-as.numeric(c(3792,3826,3987,3562,3828,247,251,281,196,252))
ventas$ingresos<-as.numeric(ventas$ingresos)
x<-mean(ventas$ingresos[which(ventas$Alcohol=="Cerveza")])
z<-mean(ventas$ingresos[which(ventas$Alcohol=="Derivadas")])
b<-sqrt(var(ventas$ingresos[which(ventas$Alcohol=="Derivadas")]))
a<-sqrt(var(ventas$ingresos[which(ventas$Alcohol=="Cerveza")]))
ventas$litros<-litros
ventas %>%
  ggplot(aes(x=años,y=ingresos,fill=Alcohol,color=Alcohol))+
  geom_text(x=2020,y=800,label="Media de las bebidas derivadas",color="#16C1A7")+
  geom_text(x=2020,y=340,label="Media de cerveza",color="#F11A47")+
  geom_bar(stat="identity",position="dodge",alpha=0.5)+
  theme_bw()+geom_hline(yintercept = 317.2,color="#F11A47",size=1)+
  geom_hline(yintercept=z,color="#16C1A7",size=1)+labs(y="ingresos tributarios (millones de euros)")

FUENTE: Agencia Tributaria

Este gráfico indica los millones de euros de impuestos que ha recaudado el gobierno español a través de los distintos tipos de impuestos desde el año 2017 hasta el 2021. Las dos líneas indican la media de ingresos de los últimos años. Como podemos observar en el gráfico, 317.2 millones de euros se han recaudado de media estos ultimos 5 años impuestos (con una desviacion típica de 9,98 millones de euros) solo con la cerveza mientras que 749.8 millones con las bebidas derivadas (con una desviacion típica de 100,2 (millones de euros)). Aunque parezca una cifra alta, España se encuentra en la cola de países europeos en cuantos a impuestos en alcohol se refiere. De los 56150 millones de euros que se recaudaron de impuestos en España el año pasado, tan solo el 1.9% corresponden a impuestos ligados al alcohol. Aunque es el octavo país de la Unión Europea que más dinero recauda con el alcohol, lo recaudado es realmente bajo si tenemos en cuenta que España se situa en la cabeza de países donde más se bebe. De hecho, España es el tercer país de la unión europea con menor presión fiscal en cuanto al alcohol se refiere, solo por detrás de Luxemburgo y Alemania.

Paises	Presion fiscal del alcohol
Belgica	29.7
Bulgaria	22.75
Chipre	30.23
Rep. Checa	26.39
Dinamarca	42.95
Alemania	22.25
Grecia	35.83
España	22.57
Estonia	34.29
Francia	25.97
Hungria	36.23
Irlanda	53.26
Italia	33.42
Letonia	27.79
Lituania	25.93
Luxemburgo	19.59
Malta	26.56
Holanda	34.31
Austria	30.86
Polonia	31.26
Portugal	29.77
Rumania	25.11
Reino Unido	59.71
Suecia	56.82
Finlandia	66.23
Eslovenia	45.09
Eslovaquia	28.7

En el gráfico tambien observamos que en el año 2020 hay una bajada en la recaudación de impuestos del alcohol, principalmente debido a la bajada en las ventas del alcohol provocadas por la llegada de la COVID-19.

par(mfrow=c(1,2))
ventas %>% 
  filter(Alcohol=="Cerveza") %>% 
  ggplot(aes(x=años,y=litros))+
  geom_point(size=3,color="black")+geom_line(size=1,color="#F11A47")+
  theme_bw()+labs(y="millones de litros",title="Millones de litros de cerveza vendido por año")

ventas %>% 
  filter(Alcohol=="Derivadas") %>% 
  ggplot(aes(x=años,y=litros))+
  geom_point(size=3,color="black")+geom_line(size=1,color="#16C1A7")+
  theme_bw()+labs(y="millones de litros",title="Millones de litros de bebidas derivadas vendido por año")

FUENTE: Agencia Tributaria

Ambos gráficos muestran los millones de litros de vendido consumidos en España desde 2017. Aquí se aprecia la gran decaída que trajo el COVID-19 en el consumo del alcohol de todo tipo. Por ejemplo, en 2019 el consumo cerveza fue de 3562 millones delitros, 306.333 millones de litros menos que la media de los útlimos 3 años, cifra más baja del último siglo. Sin embargo, en 2021, debido a la desescalada, se estabilizó el consumo de alcohol alcanzando los 3828 millones de litros de cerveza consumidos.

3.3 TABACO

España es un país con una larga historia en el consumo de tabaco, que da inicio en el siglo XVI, cuando se establecieron las primeras industrias de manufacturas de tabaco en Sevilla, las primeras de toda Europa. Lo que ha causado en los últimos años un problema de salud pública que además, tiene importantes consecuencias económicas. El tabaquismo es una de las principales causas de enfermedad y muerte prematura en todo el mundo, ya que es la causante de de enfermedades cardiovasculares, cáncer y otras enfermedades crónicas. A pesar de los esfuerzos del gobierno para reducir el consumo de tabaco, muchas personas siguen fumando. Este informe analiza la situación actual del consumo de tabaco en España e identifica las poblaciones más afectadas. Para ello, haremos uso de las encuestas realizadas por el instituto nacional de estadística.

3.3.1 Frecuencia del consumo de tabaco por comunidad autónoma

Empezamos observando el consumo de tabaco según las diferentes comunidades autónomas, cuyos datos han sido recogidos en la siguiente tabla. (unidades en miles de personas)

library(kableExtra)
library(readxl)
consumo_comunidades <- readxl::read_excel("C:/Users/jivan/OneDrive/Escritorio/R/tipo de fumador comunidades.xlsx")
cons_tabla <- consumo_comunidades[c(seq(1,6))]
knitr::kable(cons_tabla, format= "html")%>%
  kableExtra::kable_styling(bootstrap_options = c("striped","hover"))

comunidades	Fumador diario	Fumador ocasional	Exfumador	Nunca ha fumado	No consta
Andalucía	1584.1	186.4	1681.6	3536.2	0.0
Aragón	266.1	22.9	290.7	523.4	3.4
Asturias, Principado de	216.3	35.8	203.7	453.9	1.1
Balears, Illes	222.5	42.4	240.5	458.5	0.0
Canarias	409.3	29.8	375.9	1021.1	0.0
Cantabria	113.3	9.2	83.8	289.0	1.3
Castilla y León	473.1	44.9	551.9	1014.2	5.8
Castilla-La Mancha	417.2	41.9	404.8	835.5	0.0
Cataluña	1388.7	110.6	1534.6	3130.0	24.4
Comunitat Valenciana	1029.2	86.4	850.5	2190.1	0.0
Extremadura	219.1	20.6	256.8	420.2	0.4
Galicia	421.9	11.7	656.5	1275.6	1.4
Madrid, Comunidad de	1022.8	170.0	1520.8	2668.7	2.6
Murcia, Región de	280.7	33.1	275.4	617.9	0.0
Navarra, Comunidad Foral de	108.3	15.4	160.4	246.8	0.0
País Vasco	363.3	41.4	569.2	861.1	0.0
Rioja, La	52.6	9.2	56.1	143.7	0.2
Ceuta	16.1	0.8	8.5	40.9	0.0
Melilla	12.3	1.4	7.5	41.8	0.3

Con el siguiente grafico podemos observar la tendencia de consumo en las diversas comunidades de España. Entre todas estas la media y desviación típica de fumadores diarios son, repectivamente:

library(readxl)
tabla_fumador_diario <- readxl::read_excel("C:/Users/jivan/OneDrive/Escritorio/R/consumodiario comunidades.xlsx")
mean(tabla_fumador_diario$`Fumador diario`)

## [1] 453.5211

sd(tabla_fumador_diario$`Fumador diario`)

## [1] 461.4182

A pesar de esto existe una gran divergencia entre las comunidades autonomas, como en el caso de Melilla que esta por debajo de la media. En esta comunidad, el porcentaje de la población que consume diariamente es de:

par(mfrow=c(1,3))
porcertanje_de_la_población_que_consume_diariamente_en_Andalucia <- ((1584.1*1000)/(8.427*1000000))*100
porcertanje_de_la_población_que_consume_diariamente_en_Melilla <- ((12.3*1000)/84689)*100
porcertanje_de_la_población_que_consume_diariamente_en_Melilla

## [1] 14.52373

Es evidente que afecta el número poblacional en que un caso este por encima o debajo de la media, no obstante, observamos que el porcentaje de la población que consume diariamente coincide con la gráfica.

library(readxl)

tabla_fumador_diario <- readxl::read_excel("C:/Users/jivan/OneDrive/Escritorio/R/consumodiario comunidades.xlsx")
n <- c(tabla_fumador_diario$comunidades)

barplot(tabla_fumador_diario$`Fumador diario`, ylab="miles de personas", xlab="comunidades", main="Fumador diario", names.arg = substr(n,1,5), cex.names = 1, ylim=c(0,2000))

library(readxl)
tabla_exfumador <- readxl::read_excel("C:/Users/jivan/OneDrive/Escritorio/R/exfumador comunidades.xlsx")
barplot(tabla_exfumador$Exfumador, ylab ="miles de personas", xlab ="comunidades", main="exfumador", names.arg = substr(n, 1,5), cex.names = 1, ylim=c(0,2000))

Si nos fijamos en los datos, sobre la población que ha dejado de consumir, se ve de manera fácil, hay mas datos de gente exfumadora, pero aun así se encuentra de forma proporcionada, debido al aspecto poblacional, otra vez con el caso de Melilla y Andalucía, hacemos la prueba del porcentaje de gente exfumadora y además, un dato a apreciar es el caso entre Madrid y Cataluña, si bien según los datos de gente que consume diariamente hay una pequeña diferencia (1388.7 mil frente a 1022.8 mil) que en la gente exfumadora se vuelve menor (1534.6 mil con 1520.8 mil), no es igual de proporcional como en los otros casos

par(mfrow=c(1,3))
media <- mean(tabla_exfumador$Exfumador)
porcentaje_and <- ((1681.6*1000)/(8.427*1000000))*100
porcentaje_mel <- ((7.5*1000)/84689)*100
media

## [1] 512.0632

porcentaje_and

## [1] 19.95491

porcentaje_mel

## [1] 8.855932

Centrándonos en Andalucía y Melilla, vemos que en Andalucía aumenta en porcentaje respecto al de la gente fumadora, mientras que en el Melilla disminuye.

library(readxl)

tabla_nuncahafumado <- readxl::read_excel("C:/Users/jivan/OneDrive/Escritorio/R/nuncahafumado.xlsx")
n <- c(tabla_nuncahafumado$comunidades)
barplot.default(tabla_nuncahafumado$`Nunca ha fumado`, ylab="miles de personas", xlab="comunidades", main="Nunca ha fumado", names.arg = substr(n,1,5), cex.names = 1, ylim=c(0,3700) )

library(readxl)
tabla_fumadorocasional <- readxl::read_excel("C:/Users/jivan/OneDrive/Escritorio/R/fumadorocasional.xlsx")
barplot(tabla_fumadorocasional$`Fumador ocasional`, ylab ="miles de personas", xlab ="comunidades", main="Fumador ocasional", names.arg = substr(n, 1,5), cex.names = 1, ylim=c(0,200))

Respecto a estos dos últimos gráficos, de gente que nunca ha fumado y gente que consume ocasionalmente, apreciamos en el primero, que la proporcionalidad no varia mucho respecto a los anteriores, podemos detectar en el segundo la perdida de ese patrón.

En el siguiente diagrama de caja, se representan los datos explicados anteriormente, de una forma en la que se aprecian mejor los valores atípicos, es decir, todos aquellos que o bien estan por encima de la media o por debajo. Respecto al de los consumidores diarios, vemos como valores atípicos a Andalucía, Cataluña y Madrid, no obstante no nos podemos olvidar de que son los sitios con mayor población en España. La media de fumadores ocasionales disminuye asi, como la diferencia entre sus valores atípicos, donde Cataluña se pone por debajo de Madrid. Respecto a los exfumadores, la media vuelve a aumentar y como hemos explicado anteriormente la diferencia entre Cataluña y Madrid es casi inexistente, y para finalizar, se observa que la media de gente que nunca ha fumado es la mayor, cuyos valores atípicos, siguen siendo Andalucía, Cataluña y Madrid, con una mayor separación entre ellos.

Si atendemos al consumo diario tenemos que la media es de 453.521 consumidores diarios de tabaco con una desviación tipica de 461.418 personas, es decir, hay una gran dispersión en los datos. Por otro lado, la media de fumadores ocasionales es de 48.100 personas con una desviación típica de 53.451 personas. Sin embargo, es significativo el hecho de que la media de no fumadores sea 1.040.453 con una desviación típica de 1.059.529, lo cual nos indica claramente que la cantidad de habitantes de cada comunidad influye notablemente en nuestros resultados.

library(readxl)
tabla_fumadorcomunidades <- readxl::read_excel("C:/Users/jivan/OneDrive/Escritorio/R/tipo de fumador comunidades.xlsx")
m <- c("Fumador diario", "Fumador ocasional", "Exfumador", "nunca ha fumado")
boxplot(tabla_fumadorcomunidades$`Fumador diario`, tabla_fumadorcomunidades$`Fumador ocasional`, tabla_fumadorcomunidades$Exfumador, tabla_fumadorcomunidades$`Nunca ha fumado`, names = m )

3.3.2 Prevalencia del consumo de tabaco por sexo

Donde apreciamos notoriamente la gran diferencia entre hombres y mujeres. Hay mas hombres que fuman diariamente u ocasionalmente, por lo tanto también es mayor el numero de exfumadores de este sexo. Por otro lado, también se aprecia la gran diferencia de personas que nunca han fumado, es decir, hay más personas del sexo femenino que masculino.

Ahora, analicemos los datos de las personas que consumen diariamente según el sexo y el grupo de edad.

library(kableExtra)
library(readxl)
consumo_sexoedad <- readxl::read_excel("C:/Users/jivan/OneDrive/Escritorio/R/consumo sexo y edad.xlsx")
kbl(consumo_sexoedad[1:16, 1:2], caption = "Fumadores según sexo y grupos de edad (miles de personas)") %>%
  kable_paper("striped", full_width=F) %>%
  pack_rows("Mujeres", 1, 8) %>%
  pack_rows("Hombres", 9, 16)

Fumadores según sexo y grupos de edad (miles de personas)

edad	consumo
Mujeres
De 15 a 24 años	275.4
De 25 a 34 años	570.0
De 35 a 44 años	735.9
De 45 a 54 años	889.3
De 55 a 64 años	641.0
De 65 a 74 años	210.2
De 75 a 84 años	44.5
De 85 y más años	5.3
Hombres
De 15 a 24 años	443.3
De 25 a 34 años	816.6
De 35 a 44 años	1007.8
De 45 a 54 años	986.4
De 55 a 64 años	833.8
De 65 a 74 años	297.8
De 75 a 84 años	121.8
De 85 y más años	13.7

Para ello, usamos la curva de Lorenz, donde se aprecia que donde hay más personas consumidores tanto en hombres y mujeres, es en la edad adulta, es decir, en torno a los 45 y 54 años. Por otro lado, podemos ver que el índice de Gini es de 0.19 en el caso de los hombres y de 0.17 en la mujeres, es decir el consumo de tabaco tiene una distribución uniforme y relativamente similar en ambos casos.

library(readxl)
library(ineq)
library(reldist)
par(mfrow=c(1,2))
curvalorenz_h <- readxl::read_excel("C:/Users/jivan/OneDrive/Escritorio/R/consumo hombre por edad.xlsx")
curvalorenz_m <- readxl::read_excel("C:/Users/jivan/OneDrive/Escritorio/R/consumo mujeres.xlsx")
xi <- c(19.5,29.5,39.5,49.5,59.5,69.5,79.5,89.5)
yi <- c(curvalorenz_h$`Fumador diario`)
plot(Lc(xi,yi), xlab=("edad"), main="consumo en hombres")
yii <- c(curvalorenz_m$consumo)
plot(Lc(xi,yii), xlab=("edad"), main="consumo en mujeres")

edades <- xi
frec <- yi

edades2 <- xi
frec2 <- yii

gini(edades, frec)

## [1] 0.1919078

gini(edades2, frec2)

## [1] 0.1763103

3.3.3 Ventas de tabaco en España

En el siguiente punto, analizaremos la venta de tabaco en España. En primer lugar, el estudio se centra en la venta por comunidades y posteriormente, pasaremos a examinar, como fluctua esa venta según los distintos meses y años.

library(kableExtra)
library(readxl)
venta_comunidades <- readxl::read_excel("C:/Users/jivan/OneDrive/Escritorio/R/tabaco vendido comunidades.xlsx")
ventacomunidades_tabla <- venta_comunidades[c(seq(1,2))]
knitr::kable(ventacomunidades_tabla, format= "html")%>%
  kableExtra::kable_styling(bootstrap_options = c("striped","hover"))

COMUNIDAD	total
Andalucía	2031350776
Aragón	365012562
Asturias (Principado de)	267014562
Balears (Illes)	416797876
Cantabria	158612423
Castilla y León	616526195
Castilla-La Mancha	542584530
Cataluña	2447347636
Comunidad Valenciana	1426573983
Extremadura	276169859
Galicia	631818760
Madrid (Comunidad de)	1452128839
Murcia (Región de)	396475122
Navarra (Comunidad Foral de)	271682655
País Vasco	637834091
Rioja (La)	83982774

En la siguiente gráfica, se observan los datos de manera más visual. Podemos encontrar una incoherencia dentro de los resultados, respecto a los temas mencionados anteriormente. Se ha visto que Andalucía es la comunidad con mayor consumo, no obstante, en este nueva gráfica es la segunda comunidad con mayor compra de tabaco, detrás de Cataluña.

library(readxl)
venta_comunidades <- readxl::read_excel("C:/Users/jivan/OneDrive/Escritorio/R/tabaco vendido comunidades.xlsx")
n <- c(venta_comunidades$COMUNIDAD)
barplot(venta_comunidades$total/1000000, names.arg=substr(n,1,4), xlab="comunidades",ylab="euros, en millones", main="tabaco vendido", ylim=c(0,2500), cex.names=0.5 )

En el siguiente gráfico vemos, como ha variado la venta de tabaco según los años, desde 2010 hasta 2022. Aunque es fácil de ver, que ha sido constante, 2010 fue el año donde más tabaco se vendió mientras que 2020 fue en el que menos.

serie_temporal_tabaco_vendido <-  readxl::read_excel("C:/Users/jivan/OneDrive/Escritorio/R/serie temporal tabaco vendido2.xlsx")
mediatabacovendido <- mean(serie_temporal_tabaco_vendido$consumo)
desviaciontipica <- sd(serie_temporal_tabaco_vendido$consumo)
mediatabacovendido/1000000

## [1] 863.6427

desviaciontipica/1000000

## [1] 112.6061

Esta es la media del tabaco vendido a lo largo del tiempo desde enero de 2010 y la desviación típica (unidades en millones de euros).Dicha desviación se debe al (como observaremos más adelante) primer trimestre, donde hay menos ventas, algo que aumenta notoriamente en verano y disminuye a partir de septiembre y octubre.Esto lo comprobamos haciendo la media de la venta de tabaco cada trimestres (unidades en millones de euros).

library(readxl)
trimestre <- readxl::read_excel("C:/Users/jivan/OneDrive/Escritorio/R/trimestres.xlsx")
trimestre1 <- mean(trimestre$`primer trimestres`)
trimestre2 <- mean(trimestre$`segundo trimestres`)
trimestre3 <- mean(trimestre$`tercer trimestre`)
trimestre4 <- mean(trimestre$`cuarto trimestre`)
trimestre1/1000000

## [1] 775.1444

trimestre2/1000000

## [1] 885.6909

trimestre3/1000000

## [1] 961.2917

trimestre4/1000000

## [1] 832.4438

library(readxl)
library(ggplot2)
serie_temporal_tabaco_vendido <-  readxl::read_excel("C:/Users/jivan/OneDrive/Escritorio/R/serie temporal tabaco vendido2.xlsx")
serie_temporal_tabaco_vendido$Años = as.character(serie_temporal_tabaco_vendido$Años)
ggplot(serie_temporal_tabaco_vendido, aes(x = meses, y = consumo/1000000, color = Años)) + geom_line()

En los siguientes gráficos vemos como ha sido el avance de la venta de tabaco en España desde 2010 hasta 2022. En el segundo vemos como es una gráfica estacional, es decir, existe una periocidad que no se ve afectada a lo largo de los años. En efecto, podemos comprobar que durante el primer y tercer tercio del año las ventas de tabaco se sitúan por debajo de la media, mientras que en el segundo tercio del año, estas están por encima. En la tercera, analizamos la tendencia, donde la venta de tabaco alcanza valores maximo en el primer año y desciende entre 2012 y 2014, donde se estabiliza, hasta 2020, que ha causa de las restricciones establecidas a raiz de la crisis de la COVID-19, se reduce la venta, la cual se vuelve a estabilizar a medida que dichas restricciones fueron desapareciendo.

library(readxl)
par(mfrow=c(2,2))
tabacovendido <- readxl::read_excel("C:/Users/jivan/OneDrive/Escritorio/R/serie temporañ tabaco venddido.xlsx")
serie_temporal <- as.vector(t(as.matrix(tabacovendido[,-1])))
ts.tabacovendido <- ts(as.vector(t(as.matrix(tabacovendido[,-1]))), start = 2010, frequency=12)
plot(ts.tabacovendido/1000000, xlab="años", ylab="tabaco vendido, en millones de auros")
tabaco.decompose <- decompose(ts.tabacovendido)
plot(tabaco.decompose$seasonal/1000000, main="componente estacional del tabaco vendido", xlab="años", ylab="tabaco vendido en millones de euros")
abline(h=0, col="red")
plot(tabaco.decompose$trend/1000000,main="tendencia del tabaco vendido", xlab="años", ylab="tabaco vendido en millones de euros" )
plot(tabaco.decompose$random/1000000,main="componente aleatoria del tabaco vendido", xlab="años", ylab="tabaco vendido en millones de euros" )

En el siguiente gráfico, analizamos la tendencia de la venta de tabaco. En él, vemos una tendencia negativa, a pesar de que en el grafico anterior hemos podido observar un cierto grado de estabilididad, no obstante, vemos que la tendencia es negativa, es decir, la venta se va reduciendo a medida que pasan los años (aunque se ha mantenido estable desde 2013 hasta 2020, donde claramente estas ventas disminuyeron de forma drástica debido a la COVID-19, como ya hemos comentado).

par(mfrow=c(1,2))
library(readxl)
tabacovendido <- readxl::read_excel("C:/Users/jivan/OneDrive/Escritorio/R/serie temporañ tabaco venddido.xlsx")
serie_temporal <- as.vector(t(as.matrix(tabacovendido[,-1])))
ts.tabacovendido <- ts(as.vector(t(as.matrix(tabacovendido[,-1]))), start = 2010, frequency=12)
tabaco.season <- ts.tabacovendido - tabaco.decompose$seasonal

library(forecast)
trend_tabaco = ma(tabaco.season,order=12, centre=T)
plot(tabaco.season/1000000)
lines(trend_tabaco/1000000,col="red")

El último gráfico a analizar, nos muestra la estacionalidad de la venta de tabaco por meses, este nos indica que hay una tendencia a un consumo mas reducido el primer trimestre del año, algo que incrementa en los siguientes dos trimestres, hasta el final del verano, donde vuelve a ocurrir un descenso en las ventas. Algo ya calculado y mencionado anteriormente.

library(readxl)
tabacovendido <- readxl::read_excel("C:/Users/jivan/OneDrive/Escritorio/R/serie temporañ tabaco venddido.xlsx")
serie_temporal <- as.vector(t(as.matrix(tabacovendido[,-1])))
ts.tabacovendido <- ts(as.vector(t(as.matrix(tabacovendido[,-1]))), start = 2010, frequency=12)
tabaco.decompose <- decompose(ts.tabacovendido)
plot(tabaco.decompose$figure/1000000, type="l", xlab="tiempo", ylab="tabaco vendido", main="Estacionalidad del tabaco vendido por años")

En todo este apartado relacionado con el tabaco, la fuente ha sido el INE:

Datos relacionados con el consumo de tabaco

3.4 Mortalidad de las drogas a nivel mundial

Es bien sabido que la mortalidad relacionada con el alcohol es un problema de salud mundial, causando millones de muertes al año. De hecho, el consumo nocivo de alcohol se asocia con enfermedades crónicas, accidentes fatales y trastornos de salud mental. Por ello, haremos incapié en este tema, con el fin de concienciar a la sociedad sobre la nocividad de esta sustancia.

Paises	Muertes por sobredosis
Austria	191
Belgica	148
Bulgaria	24
Croacia	99
Chipre	6
Rep. Checa	58
Dinamarca	202
Alemania	1581
Grecia	274
España	546
Estonia	33
Francia	465
Hungria	48
Irlanda	235
Italia	308
Letonia	21
Lituania	47
Luxemburgo	6
Malta	3
Holanda	295
Noruega	324
Polonia	212
Portugal	72
Rumania	33
Suecia	524
Finlandia	258
Eslovenia	70
Eslovaquia	37

Esta tabla indica las muertes por sobredosis en 2019 de cada país de la Unión Europea. La siguiente tabla muestra varios datos respecto a estos datos:

Dato	Valor
Media	221.8621
Mediana	148
Desviación típica	305.8877
Rango intercuartilico	262.25
Rango	1578
C.V.	137.8729%

C.V.: Coeficiente de variación

Pero, ¿reflejan estas cifras el conjunto de datos de manera precisa? . Para calcular una media verdaderamente representativa, debemos de tener en cuenta la población de cada país. Para ello, dividimos el número de muertes total de cada país entre la población. Como la cifra es demasiado baja, multiplicamos esta cifra por cien mil, así obteniendo el número de muerte por cada 100000 habitantes.

library(readxl)
DRD_2 <- read_excel("DRD-2.xlsx")
DRD_34 <- read_excel("DRD-34.xlsx")
data <- read.csv("data.csv")
tabla<-DRD_2
tabla<-tabla %>% 
  select(Country,Males,Females,Total)
tabla$Males[which(tabla$Country=="Germany")]<-906
tabla$Females[which(tabla$Country=="Germany")]<-1581-906
muertes_totales<-sum(tabla$Total)
media<-mean(tabla$Total)
varianza<-sqrt(var(tabla$Total))
mediana<-median(tabla$Total)
paises<-tabla$Country
data<-data %>% 
  filter(country %in% paises) %>%
  select(pop2023,country)
data<-rename(data,Country=country)
tabla<-merge(tabla,data,by="Country")

tabla<-tabla %>% 
  mutate("Muertes por 1000000"=Total/pop2023*1000000)
media2<-mean(tabla$`Muertes por 1000000`)
varianza2<-sqrt(var(tabla$`Muertes por 1000000`))
cv1<-varianza/media*100
cv2<-varianza2/media2*100
mediana2<-median(tabla$`Muertes por 1000000`)
RI<-IQR(tabla$`Muertes por 1000000`)
tabla %>% 
  ggplot(aes(x=`Muertes por 1000000`,fill="pink"))+geom_boxplot()+theme_bw()+
  geom_vline(xintercept=media2,size=1.5,colour="purple")+theme(legend.position="none")+
  labs(x="Muertes por 100000 habitantes",title="Muertes por sobredosis Unión Europea")

FUENTE: Unión Europea

Como podemos observar, el país con más muertes al año por sobredosis en comparación con su número de habitantes es Noruega, con casi algo más de 59 muertes al año por cien mil habitantes y el que menos Rumania, con menos de 2 muertes al año. (Si solo teníamos en cuenta las muertes totales, Malta era el país con menos muertes (3) y Alemania el que más (1581))

tabla %>%
  filter(`Muertes por 1000000`>20) %>% 
  ggplot(aes(y=`Muertes por 1000000`,x=reorder(Country,`Muertes por 1000000`),fill=Country))+geom_bar(stat="identity")+
  theme_bw()+labs(x="Paises",y="Muertes por 100000 habitantes")+theme(legend.position="none")

FUENTE: Unión Europea

Dato	Valor
Media	18.536
Mediana	12.077
Desviación típica	16.14824
Rango intercuartilico	19.82169
Rango	57.52611
C.V.	87.11724%

Como muestra el diagrama de caja, el único valor atípico es el de Noruega. La mediana es de 12.007 muertes/cienmil habitantes, es decir, la mitad de los países se agrupan por debajo de esa cifra. La mediana será más representativa que la media, debido a los outliers. La línea morada indica la media la cual es mayor que la mediana. El siguiente diagrama de caja representa la edad media en la que mueren las personas por sobredosis de cada país de la Unión Europea:

tabla2<-DRD_34
tabla2<-tabla2 %>% 
  select("2016",Country)
tabla2<-rename(tabla2,EdadMedia="2016")
MEDIA<-mean(tabla2$EdadMedia)
VAR<-sqrt(var(tabla2$EdadMedia))
CVV<-VAR/MEDIA*100
MEDIANA<-median(tabla2$EdadMedia)
RI3<-IQR(tabla2$EdadMedia)
tabla2 %>% 
  ggplot(aes(x=EdadMedia,fill="pink"))+geom_boxplot()+theme_bw()+
  geom_vline(xintercept=MEDIA,size=1,alpha=0.3,colour="purple")+
  theme(legend.position="none")

FUENTE: Unión Europea

Como podemos observar en el diagrama, el conjunto de datos no está para nada disperso. No hay ningún valor átipico. Además la media (linea violeta translúcida) practicamente coincide con la mediana (linea de dentro de la caja).

Dato	Valor
Media	39.26
Mediana	39.25
Desviación típica	4.031223
Rango intercuartilico	4.5
Rango	17.2
C.V.	10.26802%

Como ya habíamos previsto gráficamente, la media es aproximadamente igual a la mediana. En este caso, los datos están mucho más agrupados que en los anteriores dos (coeficiente de variación muy bajo). El país con la edad media más alta de muerte por sobredosis es Francia (48.2) mientras que la más baja Turquia (31.0). Además, los datos de la edad media están mucho menos dispersos que las del número de muertes por cienmil habitantes, lo cual se puede ver comparando los coeficientes de variación. Esto indica que, mientras que el número de muertes relativo si cambia bastante de un país a otro, la edad media permanece mucho más estable independientemente del país.

4 CONCLUSIONES FINALES

En conclusión, los datos estadísticos muestran que las drogas legales, como el alcohol y el tabaco, son las más consumidas en España y en muchos otros países del mundo. A pesar de ser legales, el consumo excesivo de estas sustancias puede tener graves consecuencias para la salud física y mental de los consumidores, y para su entorno social y familiar.

Es importante destacar que la legalización de estas drogas no significa que sean inofensivas, ni que su consumo no deba ser regulado y controlado. De hecho, en muchos países se han implementado medidas para reducir el consumo y prevenir el abuso de estas sustancias, como la prohibición de fumar en lugares públicos o el aumento de los impuestos sobre el alcohol y el tabaco.

En este sentido, es fundamental seguir trabajando en políticas de prevención y tratamiento del consumo de drogas, incluyendo las legales, y promover una educación y concienciación sobre los riesgos asociados a su consumo. También es importante considerar políticas de control y regulación del mercado de estas drogas, con el objetivo de minimizar su impacto negativo en la salud pública.

5 Bibliografía

• Informe Nacional EDADES 2021
• Plan Nacional sobre Drogas – Estadísticas 2022
• Encuesta sobre Adicciones en Euskadi 2017
• Tendencias en el consumo de drogas en la juventud española y efectos sobre su salud
• Prevalencia del consumo de alchol por edad y sexo
• Consumo de alcohol en el mundo
• Venta de alcohol en España
• Muertes por sobredosis en Europa
• Datos relacionados con el consumo de tabaco
• Datos sobre las ventas de tabaco