Análisis Geoespacial de COVID-19 en México

Este es un análisis geoespacial de los casos de COVID-19 en México, utilizando datos de contagios, defunciones y población por entidad federativa. Se creará un gráfico que muestra la tasa de contagio y la letalidad en cada estado, junto con puntos que representan la letalidad.

Cargar paquetes y datos

# Cargar librerías
library(tidyverse)

## Warning: package 'tidyverse' was built under R version 4.3.1

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.2     ✔ readr     2.1.4
## ✔ forcats   1.0.0     ✔ stringr   1.5.0
## ✔ ggplot2   3.4.2     ✔ tibble    3.2.1
## ✔ lubridate 1.9.2     ✔ tidyr     1.3.0
## ✔ purrr     1.0.1     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

library(sf)

## Linking to GEOS 3.11.1, GDAL 3.6.2, PROJ 9.1.1; sf_use_s2() is TRUE

library(ggspatial)

## Warning: package 'ggspatial' was built under R version 4.3.1

library(readxl)

# Cargar base de datos
cv <- read.csv("C:/Users/MCARRILLO/Downloads/datos_abiertos_covid19/COVID19MEXICO.csv")

# Filtrar datos de personas fallecidas
cv1 <- cv %>%
  filter(FECHA_DEF != "9999-99-99")

# Crear base de defunciones por entidad
def <- cv1 %>%
  filter(RESULTADO_LAB == 1) %>%
  group_by(ENTIDAD_RES) %>%
  summarise(defunciones = n())

# Crear base de contagios por entidad
cont <- cv %>%
  filter(RESULTADO_LAB == 1) %>%
  group_by(ENTIDAD_RES) %>%
  summarise(contagios = n())

# Cargar datos de población
dat1 <- read_excel("C:/Users/MCARRILLO/Downloads/base_mun_1.xlsx")
dat2 <- read_excel("C:/Users/MCARRILLO/Downloads/base_mun_2.xlsx")

# Filtrar datos para el año 2023
da1 <- dat1[dat1$AÑO %in% 2023,]
da2 <- dat2[dat2$AÑO %in% 2023,]

# Combinar bases de datos de población
datos <- rbind(da1, da2)

# Obtener población por entidad
pob <- datos %>%
  group_by(CLAVE_ENT) %>%
  summarise(poblacion = sum(POB))

# Renombrar variable
names(pob) <- c("ENTIDAD_RES", "poblacion")

# Cargar datos vectoriales de los estados
mun <- st_read(dsn = "C:/Users/MCARRILLO/Downloads/Mexico_Estados/México_Estados.shp")

## Reading layer `México_Estados' from data source 
##   `C:\Users\MCARRILLO\Downloads\Mexico_Estados\México_Estados.shp' 
##   using driver `ESRI Shapefile'
## Simple feature collection with 32 features and 2 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: -117.1224 ymin: 14.55055 xmax: -86.735 ymax: 32.72081
## Geodetic CRS:  WGS 84

# Separar variable CÓDIGO
mun <- mun %>%
  mutate(CODIGO = as.character(CODIGO)) %>%
  separate(CODIGO, into = c("borrar", "ENTIDAD_RES"), sep = 2)

# Modificar observaciones para quitarles el cero
# (Puedes considerar otras formas más eficientes para esto)

# Convertir a numérico la variable
mun$ENTIDAD_RES <- as.numeric(mun$ENTIDAD_RES)

# Juntar base de población, contagios y defunciones
base1 <- pob %>%
  left_join(cont) %>%
  left_join(def)

## Joining with `by = join_by(ENTIDAD_RES)`
## Joining with `by = join_by(ENTIDAD_RES)`

# Calcular variables de interés
base2 <- base1 %>%
  mutate(letalidad = defunciones / contagios * 100,
         tasa.cont = contagios / poblacion * 100000)

# Juntar bases de datos espaciales
dts <- mun %>%
  left_join(base2)

## Joining with `by = join_by(ENTIDAD_RES)`

# Cargar puntos de los estados
puntos <- st_read(dsn = "C:/Users/MCARRILLO/Downloads/Estados_puntos/estados.puntos.shp")

## Reading layer `estados.puntos' from data source 
##   `C:\Users\MCARRILLO\Downloads\Estados_puntos\estados.puntos.shp' 
##   using driver `ESRI Shapefile'
## Simple feature collection with 32 features and 3 fields
## Geometry type: POINT
## Dimension:     XY
## Bounding box:  xmin: -115.0975 ymin: 16.48524 xmax: -88.11167 ymax: 30.55092
## Geodetic CRS:  WGS 84

puntos <- st_transform(puntos, crs = 4326)

# Renombrar columna CVEGEO por ENTIDAD_RES
puntos <- rename(puntos, ENTIDAD_RES = CVEGEO)

# Transformar a numérico
puntos$ENTIDAD_RES <- as.integer(puntos$ENTIDAD_RES)

# Juntar bases de datos espaciales con puntos
pts <- puntos %>%
  left_join(base2)

## Joining with `by = join_by(ENTIDAD_RES)`

Mapa SARS-COVID 19

Mauricio Carrillo

2023-08-14

Análisis Geoespacial de COVID-19 en México

Cargar paquetes y datos

Crear gráfico geoespacial