Modelaje del COVID-19 en México: 01/Ene/20

	NamesCat	Count	Card	Mode	ModeFrec	ModePerc	Mode2	Mode2Frec	Mode2Perc
3	ORIGEN	1000	2	NO USMER	753	75.3%	USMER	247	24.7%
4	SECTOR	1000	11	SSA	518	51.8%	IMSS	373	37.3%
5	ENTIDAD_UM	1000	32	CIUDAD DE MÉXICO	359	35.9%	MÉXICO	59	5.9%
6	SEXO	1000	2	MUJER	549	54.9%	HOMBRE	451	45.1%
7	ENTIDAD_NAC	1000	33	CIUDAD DE MÉXICO	314	31.4%	MÉXICO	100	10%
8	ENTIDAD_RES	1000	32	CIUDAD DE MÉXICO	314	31.4%	MÉXICO	104	10.4%
9	TIPO_PACIENTE	1000	2	AMBULATORIO	932	93.2%	HOSPITALIZADO	68	6.8%
10	FECHA_INGRESO	1000	543	2022-01-19	11	1.1%	2022-01-13	9	0.9%
11	FECHA_SINTOMAS	1000	567	2022-01-10	10	1%	2022-01-13	9	0.9%
12	FECHA_DEF	1000	21	9999-99-99	980	98%	2020-07-10	1	0.1%
13	INTUBADO	1000	3	NO APLICA	932	93.2%	NO	64	6.4%
14	NEUMONIA	1000	3	NO	963	96.3%	SI	30	3%
15	NACIONALIDAD	1000	2	MEXICANA	990	99%	EXTRANJERA	10	1%
16	EMBARAZO	1000	4	NO	532	53.2%	NO APLICA	451	45.1%
17	HABLA_LENGUA_INDIG	1000	3	NO	928	92.8%	NO ESPECIFICADO	67	6.7%
18	INDIGENA	1000	3	NO	927	92.7%	NO ESPECIFICADO	66	6.6%
19	DIABETES	1000	3	NO	926	92.6%	SI	70	7%
20	EPOC	1000	3	NO	989	98.9%	SI	7	0.7%
21	ASMA	1000	3	NO	978	97.8%	SI	18	1.8%
22	INMUSUPR	1000	3	NO	990	99%	SI	6	0.6%
23	HIPERTENSION	1000	3	NO	918	91.8%	SI	78	7.8%
24	OTRA_COM	1000	3	NO	978	97.8%	SE IGNORA	12	1.2%
25	CARDIOVASCULAR	1000	3	NO	981	98.1%	SI	14	1.4%
26	OBESIDAD	1000	3	NO	915	91.5%	SI	81	8.1%
27	RENAL_CRONICA	1000	3	NO	994	99.4%	SE IGNORA	4	0.4%
28	TABAQUISMO	1000	3	NO	940	94%	SI	56	5.6%
29	OTRO_CASO	1000	3	NO	669	66.9%	SI	301	30.1%
30	TOMA_MUESTRA_LAB	1000	2	NO	698	69.8%	SI	302	30.2%
31	RESULTADO_LAB	1000	4	NO APLICA	698	69.8%	NO POSITIVO	174	17.4%
32	TOMA_MUESTRA_ANTIGENO	1000	2	SI	719	71.9%	NO	281	28.1%
33	RESULTADO_ANTIGENO	1000	3	NEGATIVO	484	48.4%	NO APLICA	281	28.1%
34	CLASIFICACION_FINAL	1000	6	NEGATIVO	604	60.4%	PRUEBA	335	33.5%
35	MIGRANTE	1000	3	NO ESPECIFICADO	992	99.2%	2	5	0.5%
36	PAIS_NACIONALIDAD	1000	8	MEXICANA	990	99%	Estados Unidos de América	3	0.3%
37	PAIS_ORIGEN	1000	4	NO APLICA	997	99.7%	Otro	1	0.1%
38	UCI	1000	3	NO APLICA	932	93.2%	NO	67	6.7%
	Count	Miss	Card	Min	Qrt1	Median	Qrt3	Max	Mean	Sdev
MUNICIPIO_RES	1000	0	110	1	7	14	38	999	35.22	82.66
EDAD	1000	0	87	0	26	36	49	89	37.73	16.57
VARIABLE	N	HOMBRE, N = 451¹	MUJER, N = 549¹	p-value²
EDAD	1,000	36 (25, 48)	37 (27, 50)	0.2
ORIGEN	1,000			0.093
NO USMER		351 (78%)	402 (73%)
USMER		100 (22%)	147 (27%)
SECTOR	1,000			0.2
ESTATAL		3 (0.7%)	10 (1.8%)
IMSS		175 (39%)	198 (36%)
IMSS-BIENESTAR		2 (0.4%)	1 (0.2%)
ISSSTE		10 (2.2%)	14 (2.6%)
MUNICIPAL		1 (0.2%)	0 (0%)
PEMEX		4 (0.9%)	3 (0.5%)
PRIVADA		19 (4.2%)	39 (7.1%)
SEDENA		1 (0.2%)	0 (0%)
SEMAR		0 (0%)	1 (0.2%)
SSA		236 (52%)	282 (51%)
UNIVERSITARIO		0 (0%)	1 (0.2%)
TIPO_PACIENTE	1,000			0.035
AMBULATORIO		412 (91%)	520 (95%)
HOSPITALIZADO		39 (8.6%)	29 (5.3%)
INTUBADO	1,000			0.10
NO		37 (8.2%)	27 (4.9%)
NO APLICA		412 (91%)	520 (95%)
SI		2 (0.4%)	2 (0.4%)
NEUMONIA	1,000			0.5
NO		431 (96%)	532 (97%)
NO ESPECIFICADO		3 (0.7%)	4 (0.7%)
SI		17 (3.8%)	13 (2.4%)
NACIONALIDAD	1,000			0.050
EXTRANJERA		8 (1.8%)	2 (0.4%)
MEXICANA		443 (98%)	547 (100%)
EMBARAZO	1,000			<0.001
NO		0 (0%)	532 (97%)
NO APLICA		451 (100%)	0 (0%)
SE IGNORA		0 (0%)	7 (1.3%)
SI		0 (0%)	10 (1.8%)
HABLA_LENGUA_INDIG	1,000			0.6
NO		421 (93%)	507 (92%)
NO ESPECIFICADO		29 (6.4%)	38 (6.9%)
SI		1 (0.2%)	4 (0.7%)
INDIGENA	1,000			0.6
NO		421 (93%)	506 (92%)
NO ESPECIFICADO		28 (6.2%)	38 (6.9%)
SI		2 (0.4%)	5 (0.9%)
DIABETES	1,000			0.020
NO		426 (94%)	500 (91%)
SE IGNORA		3 (0.7%)	1 (0.2%)
SI		22 (4.9%)	48 (8.7%)
EPOC	1,000			0.13
NO		447 (99%)	542 (99%)
SE IGNORA		3 (0.7%)	1 (0.2%)
SI		1 (0.2%)	6 (1.1%)
ASMA	1,000			0.4
NO		441 (98%)	537 (98%)
SE IGNORA		3 (0.7%)	1 (0.2%)
SI		7 (1.6%)	11 (2.0%)
INMUSUPR	1,000			0.5
NO		446 (99%)	544 (99%)
SE IGNORA		3 (0.7%)	1 (0.2%)
SI		2 (0.4%)	4 (0.7%)
HIPERTENSION	1,000			0.4
NO		416 (92%)	502 (91%)
SE IGNORA		3 (0.7%)	1 (0.2%)
SI		32 (7.1%)	46 (8.4%)
CARDIOVASCULAR	1,000			0.5
NO		440 (98%)	541 (99%)
SE IGNORA		3 (0.7%)	2 (0.4%)
SI		8 (1.8%)	6 (1.1%)
OBESIDAD	1,000			0.030
NO		421 (93%)	494 (90%)
SE IGNORA		3 (0.7%)	1 (0.2%)
SI		27 (6.0%)	54 (9.8%)
RENAL_CRONICA	1,000			0.13
NO		446 (99%)	548 (100%)
SE IGNORA		3 (0.7%)	1 (0.2%)
SI		2 (0.4%)	0 (0%)
TABAQUISMO	1,000			0.071
NO		416 (92%)	524 (95%)
SE IGNORA		3 (0.7%)	1 (0.2%)
SI		32 (7.1%)	24 (4.4%)
OTRO_CASO	1,000			0.5
NO		305 (68%)	364 (66%)
NO ESPECIFICADO		16 (3.5%)	14 (2.6%)
SI		130 (29%)	171 (31%)
TOMA_MUESTRA_LAB	1,000			>0.9
NO		315 (70%)	383 (70%)
SI		136 (30%)	166 (30%)
RESULTADO_LAB	1,000			>0.9
NO ADECUADO		7 (1.6%)	10 (1.8%)
NO APLICA		315 (70%)	383 (70%)
NO POSITIVO		78 (17%)	96 (17%)
POSITIVO		51 (11%)	60 (11%)
TOMA_MUESTRA_ANTIGENO	1,000			0.5
NO		122 (27%)	159 (29%)
SI		329 (73%)	390 (71%)
RESULTADO_ANTIGENO	1,000			0.4
NEGATIVO		214 (47%)	270 (49%)
NO APLICA		122 (27%)	159 (29%)
POSITIVO		115 (25%)	120 (22%)
MIGRANTE	1,000			0.041
1		3 (0.7%)	0 (0%)
2		4 (0.9%)	1 (0.2%)
NO ESPECIFICADO		444 (98%)	548 (100%)
UCI	1,000			0.030
NO		39 (8.6%)	28 (5.1%)
NO APLICA		412 (91%)	520 (95%)
SI		0 (0%)	1 (0.2%)
CLASIFICACION_FINAL	1,000			0.4
CLINICA		7 (1.6%)	10 (1.8%)
COMITE		1 (0.2%)	0 (0%)
NEGATIVO		269 (60%)	335 (61%)
NO REALIZADO		2 (0.4%)	5 (0.9%)
PRUEBA		160 (35%)	175 (32%)
SOSPECHOSO		12 (2.7%)	24 (4.4%)
¹ Median (IQR); n (%)
² Wilcoxon rank sum test; Pearson’s Chi-squared test; Fisher’s exact test
---
title: "Modelaje del COVID-19 en México: 01/Ene/20 - 29/Ago/23"
output: 
  flexdashboard::flex_dashboard:
    orientation: rows
    theme: flatly
    vertical: scroll
    source_code: embed
---

```{r Modules, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
library(rmarkdown)
library(flexdashboard)
library(dplyr)
library(data.table)
library(tidyverse)
library(zoo)
library(plotly)
library(kableExtra)
library(gtsummary)
library(lubridate)
library(deSolve)
```

```{r Covid Mex 2020, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov2020 <- fread("~/Documents/CovidData/COVID19MEXICO2020.csv",header = TRUE)
```

```{r Covid Mex 2021, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov2021 <- fread("~/Documents/CovidData/COVID19MEXICO2021.csv",header = TRUE)
```

```{r Covid Mex 2022, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov2022 <- fread("~/Documents/CovidData/COVID19MEXICO2022.csv",header = TRUE)
```

```{r Covid Mex 230829, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov230829 <- fread("~/Documents/CovidData/COVID19MEXICO230829.csv",header = TRUE)
```

```{r Covid Mex 230627, eval=FALSE, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov230627 <- fread("~/Documents/CovidData/COVID19MEXICO230627.csv",header = TRUE)
```

```{r Covid Mex 230314, eval=FALSE, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov230314 <- fread("~/Documents/CovidData/COVID19MEXICO230314.csv",header = TRUE)
```

```{r Primary Database 230829, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
covraw <- rbind(cov2020,cov2021,cov2022,cov230829)
```

```{r Primary Database 230627, eval=FALSE, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
covraw <- rbind(cov2020,cov2021,cov2022,cov230627)
```

```{r Primary Database 230314, eval=FALSE, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
covraw <- rbind(cov2020,cov2021,cov2022,cov230314)
```

```{r Data Processing, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_processed <- covraw %>% 
  mutate(ORIGEN=replace(ORIGEN,ORIGEN==1,"USMER"), 
         ORIGEN=replace(ORIGEN,ORIGEN==2,"NO USMER"),
         SECTOR=replace(SECTOR,SECTOR==1,"CRUZ ROJA"),
         SECTOR=replace(SECTOR,SECTOR==2,"DIF"),
         SECTOR=replace(SECTOR,SECTOR==3,"ESTATAL"),
         SECTOR=replace(SECTOR,SECTOR==4,"IMSS"),
         SECTOR=replace(SECTOR,SECTOR==5,"IMSS-BIENESTAR"),
         SECTOR=replace(SECTOR,SECTOR==6,"ISSSTE"),
         SECTOR=replace(SECTOR,SECTOR==7,"MUNICIPAL"),
         SECTOR=replace(SECTOR,SECTOR==8,"PEMEX"),
         SECTOR=replace(SECTOR,SECTOR==9,"PRIVADA"),
         SECTOR=replace(SECTOR,SECTOR==10,"SEDENA"),
         SECTOR=replace(SECTOR,SECTOR==11,"SEMAR"),
         SECTOR=replace(SECTOR,SECTOR==12,"SSA"),
         SECTOR=replace(SECTOR,SECTOR==13,"UNIVERSITARIO"),
         SECTOR=replace(SECTOR,SECTOR==99,"NO ESPECIFICADO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==1,"AGUASCALIENTES"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==2,"BAJA CALIFORNIA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==3,"BAJA CALIFORNIA SUR"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==4,"CAMPECHE"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==5,"COAHUILA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==6,"COLIMA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==7,"CHIAPAS"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==8,"CHIHUAHUA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==9,"CIUDAD DE MÉXICO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==10,"DURANGO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==11,"GUANAJUATO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==12,"GUERRERO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==13,"HIDALGO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==14,"JALISCO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==15,"MÉXICO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==16,"MICHOACÁN"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==17,"MORELOS"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==18,"NAYARIT"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==19,"NUEVO LEÓN"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==20,"OAXACA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==21,"PUEBLA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==22,"QUERÉTARO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==23,"QUINTANO ROO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==24,"SAN LUIS POTOSÍ"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==25,"SINALOA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==26,"SONORA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==27,"TABASCO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==28,"TAMAULIPAS"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==29,"TLAXCALA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==30,"VERACRUZ"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==31,"YUCATÁN"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==32,"ZACATECAS"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==36,"ESTADOS UNIDOS MEXICANOS"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==97,"NO APLICA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==98,"SE IGNORA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==99,"NO ESPECIFICADO"),
         SEXO=replace(SEXO,SEXO==1,"MUJER"),
         SEXO=replace(SEXO,SEXO==2,"HOMBRE"),
         SEXO=replace(SEXO,SEXO==99,"NO ESPECIFICADO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==1,"AGUASCALIENTES"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==2,"BAJA CALIFORNIA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==3,"BAJA CALIFORNIA SUR"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==4,"CAMPECHE"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==5,"COAHUILA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==6,"COLIMA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==7,"CHIAPAS"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==8,"CHIHUAHUA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==9,"CIUDAD DE MÉXICO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==10,"DURANGO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==11,"GUANAJUATO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==12,"GUERRERO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==13,"HIDALGO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==14,"JALISCO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==15,"MÉXICO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==16,"MICHOACÁN"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==17,"MORELOS"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==18,"NAYARIT"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==19,"NUEVO LEÓN"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==20,"OAXACA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==21,"PUEBLA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==22,"QUERÉTARO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==23,"QUINTANO ROO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==24,"SAN LUIS POTOSÍ"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==25,"SINALOA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==26,"SONORA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==27,"TABASCO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==28,"TAMAULIPAS"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==29,"TLAXCALA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==30,"VERACRUZ"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==31,"YUCATÁN"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==32,"ZACATECAS"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==36,"ESTADOS UNIDOS MEXICANOS"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==97,"NO APLICA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==98,"SE IGNORA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==99,"NO ESPECIFICADO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==1,"AGUASCALIENTES"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==2,"BAJA CALIFORNIA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==3,"BAJA CALIFORNIA SUR"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==4,"CAMPECHE"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==5,"COAHUILA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==6,"COLIMA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==7,"CHIAPAS"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==8,"CHIHUAHUA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==9,"CIUDAD DE MÉXICO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==10,"DURANGO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==11,"GUANAJUATO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==12,"GUERRERO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==13,"HIDALGO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==14,"JALISCO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==15,"MÉXICO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==16,"MICHOACÁN"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==17,"MORELOS"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==18,"NAYARIT"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==19,"NUEVO LEÓN"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==20,"OAXACA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==21,"PUEBLA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==22,"QUERÉTARO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==23,"QUINTANO ROO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==24,"SAN LUIS POTOSÍ"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==25,"SINALOA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==26,"SONORA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==27,"TABASCO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==28,"TAMAULIPAS"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==29,"TLAXCALA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==30,"VERACRUZ"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==31,"YUCATÁN"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==32,"ZACATECAS"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==36,"ESTADOS UNIDOS MEXICANOS"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==97,"NO APLICA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==98,"SE IGNORA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==99,"NO ESPECIFICADO"),
         TIPO_PACIENTE=replace(TIPO_PACIENTE,TIPO_PACIENTE==1,"AMBULATORIO"),
         TIPO_PACIENTE=replace(TIPO_PACIENTE,TIPO_PACIENTE==2,"HOSPITALIZADO"),
         TIPO_PACIENTE=replace(TIPO_PACIENTE,TIPO_PACIENTE==99,"NO ESPECIFICADO"),
         INTUBADO=replace(INTUBADO,INTUBADO==1,"SI"),
         INTUBADO=replace(INTUBADO,INTUBADO==2,"NO"),
         INTUBADO=replace(INTUBADO,INTUBADO==97,"NO APLICA"),
         INTUBADO=replace(INTUBADO,INTUBADO==98,"SE IGNORA"),
         INTUBADO=replace(INTUBADO,INTUBADO==99,"NO ESPECIFICADO"),
         NEUMONIA=replace(NEUMONIA,NEUMONIA==1,"SI"),
         NEUMONIA=replace(NEUMONIA,NEUMONIA==2,"NO"),
         NEUMONIA=replace(NEUMONIA,NEUMONIA==97,"NO APLICA"),
         NEUMONIA=replace(NEUMONIA,NEUMONIA==98,"SE IGNORA"),
         NEUMONIA=replace(NEUMONIA,NEUMONIA==99,"NO ESPECIFICADO"),
         NACIONALIDAD=replace(NACIONALIDAD,NACIONALIDAD==1,"MEXICANA"),
         NACIONALIDAD=replace(NACIONALIDAD,NACIONALIDAD==2,"EXTRANJERA"),
         NACIONALIDAD=replace(NACIONALIDAD,NACIONALIDAD==99,"NO ESPECIFICADO"),
         EMBARAZO=replace(EMBARAZO,EMBARAZO==1,"SI"),
         EMBARAZO=replace(EMBARAZO,EMBARAZO==2,"NO"),
         EMBARAZO=replace(EMBARAZO,EMBARAZO==97,"NO APLICA"),
         EMBARAZO=replace(EMBARAZO,EMBARAZO==98,"SE IGNORA"),
         EMBARAZO=replace(EMBARAZO,EMBARAZO==99,"NO ESPECIFICADO"),
         HABLA_LENGUA_INDIG=replace(HABLA_LENGUA_INDIG,HABLA_LENGUA_INDIG==1,"SI"),
         HABLA_LENGUA_INDIG=replace(HABLA_LENGUA_INDIG,HABLA_LENGUA_INDIG==2,"NO"),
         HABLA_LENGUA_INDIG=replace(HABLA_LENGUA_INDIG,HABLA_LENGUA_INDIG==97,"NO APLICA"),
         HABLA_LENGUA_INDIG=replace(HABLA_LENGUA_INDIG,HABLA_LENGUA_INDIG==98,"SE IGNORA"),
         HABLA_LENGUA_INDIG=replace(HABLA_LENGUA_INDIG,HABLA_LENGUA_INDIG==99,"NO ESPECIFICADO"),
         INDIGENA=replace(INDIGENA,INDIGENA==1,"SI"),
         INDIGENA=replace(INDIGENA,INDIGENA==2,"NO"),
         INDIGENA=replace(INDIGENA,INDIGENA==97,"NO APLICA"),
         INDIGENA=replace(INDIGENA,INDIGENA==98,"SE IGNORA"),
         INDIGENA=replace(INDIGENA,INDIGENA==99,"NO ESPECIFICADO"),
         DIABETES=replace(DIABETES,DIABETES==1,"SI"),
         DIABETES=replace(DIABETES,DIABETES==2,"NO"),
         DIABETES=replace(DIABETES,DIABETES==97,"NO APLICA"),
         DIABETES=replace(DIABETES,DIABETES==98,"SE IGNORA"),
         DIABETES=replace(DIABETES,DIABETES==99,"NO ESPECIFICADO"),
         EPOC=replace(EPOC,EPOC==1,"SI"),
         EPOC=replace(EPOC,EPOC==2,"NO"),
         EPOC=replace(EPOC,EPOC==97,"NO APLICA"),
         EPOC=replace(EPOC,EPOC==98,"SE IGNORA"),
         EPOC=replace(EPOC,EPOC==99,"NO ESPECIFICADO"),
         ASMA=replace(ASMA,ASMA==1,"SI"),
         ASMA=replace(ASMA,ASMA==2,"NO"),
         ASMA=replace(ASMA,ASMA==97,"NO APLICA"),
         ASMA=replace(ASMA,ASMA==98,"SE IGNORA"),
         ASMA=replace(ASMA,ASMA==99,"NO ESPECIFICADO"),
         INMUSUPR=replace(INMUSUPR,INMUSUPR==1,"SI"),
         INMUSUPR=replace(INMUSUPR,INMUSUPR==2,"NO"),
         INMUSUPR=replace(INMUSUPR,INMUSUPR==97,"NO APLICA"),
         INMUSUPR=replace(INMUSUPR,INMUSUPR==98,"SE IGNORA"),
         INMUSUPR=replace(INMUSUPR,INMUSUPR==99,"NO ESPECIFICADO"),
         HIPERTENSION=replace(HIPERTENSION,HIPERTENSION==1,"SI"),
         HIPERTENSION=replace(HIPERTENSION,HIPERTENSION==2,"NO"),
         HIPERTENSION=replace(HIPERTENSION,HIPERTENSION==97,"NO APLICA"),
         HIPERTENSION=replace(HIPERTENSION,HIPERTENSION==98,"SE IGNORA"),
         HIPERTENSION=replace(HIPERTENSION,HIPERTENSION==99,"NO ESPECIFICADO"),
         OTRA_COM=replace(OTRA_COM,OTRA_COM==1,"SI"),
         OTRA_COM=replace(OTRA_COM,OTRA_COM==2,"NO"),
         OTRA_COM=replace(OTRA_COM,OTRA_COM==97,"NO APLICA"),
         OTRA_COM=replace(OTRA_COM,OTRA_COM==98,"SE IGNORA"),
         OTRA_COM=replace(OTRA_COM,OTRA_COM==99,"NO ESPECIFICADO"),
         CARDIOVASCULAR=replace(CARDIOVASCULAR,CARDIOVASCULAR==1,"SI"),
         CARDIOVASCULAR=replace(CARDIOVASCULAR,CARDIOVASCULAR==2,"NO"),
         CARDIOVASCULAR=replace(CARDIOVASCULAR,CARDIOVASCULAR==97,"NO APLICA"),
         CARDIOVASCULAR=replace(CARDIOVASCULAR,CARDIOVASCULAR==98,"SE IGNORA"),
         CARDIOVASCULAR=replace(CARDIOVASCULAR,CARDIOVASCULAR==99,"NO ESPECIFICADO"),
         OBESIDAD=replace(OBESIDAD,OBESIDAD==1,"SI"),
         OBESIDAD=replace(OBESIDAD,OBESIDAD==2,"NO"),
         OBESIDAD=replace(OBESIDAD,OBESIDAD==97,"NO APLICA"),
         OBESIDAD=replace(OBESIDAD,OBESIDAD==98,"SE IGNORA"),
         OBESIDAD=replace(OBESIDAD,OBESIDAD==99,"NO ESPECIFICADO"),
         RENAL_CRONICA=replace(RENAL_CRONICA,RENAL_CRONICA==1,"SI"),
         RENAL_CRONICA=replace(RENAL_CRONICA,RENAL_CRONICA==2,"NO"),
         RENAL_CRONICA=replace(RENAL_CRONICA,RENAL_CRONICA==97,"NO APLICA"),
         RENAL_CRONICA=replace(RENAL_CRONICA,RENAL_CRONICA==98,"SE IGNORA"),
         RENAL_CRONICA=replace(RENAL_CRONICA,RENAL_CRONICA==99,"NO ESPECIFICADO"),
         TABAQUISMO=replace(TABAQUISMO,TABAQUISMO==1,"SI"),
         TABAQUISMO=replace(TABAQUISMO,TABAQUISMO==2,"NO"),
         TABAQUISMO=replace(TABAQUISMO,TABAQUISMO==97,"NO APLICA"),
         TABAQUISMO=replace(TABAQUISMO,TABAQUISMO==98,"SE IGNORA"),
         TABAQUISMO=replace(TABAQUISMO,TABAQUISMO==99,"NO ESPECIFICADO"),
         OTRO_CASO=replace(OTRO_CASO,OTRO_CASO==1,"SI"),
         OTRO_CASO=replace(OTRO_CASO,OTRO_CASO==2,"NO"),
         OTRO_CASO=replace(OTRO_CASO,OTRO_CASO==97,"NO APLICA"),
         OTRO_CASO=replace(OTRO_CASO,OTRO_CASO==98,"SE IGNORA"),
         OTRO_CASO=replace(OTRO_CASO,OTRO_CASO==99,"NO ESPECIFICADO"),
         TOMA_MUESTRA_LAB=replace(TOMA_MUESTRA_LAB,TOMA_MUESTRA_LAB==1,"SI"),
         TOMA_MUESTRA_LAB=replace(TOMA_MUESTRA_LAB,TOMA_MUESTRA_LAB==2,"NO"),
         TOMA_MUESTRA_LAB=replace(TOMA_MUESTRA_LAB,TOMA_MUESTRA_LAB==97,"NO APLICA"),
         TOMA_MUESTRA_LAB=replace(TOMA_MUESTRA_LAB,TOMA_MUESTRA_LAB==98,"SE IGNORA"),
         TOMA_MUESTRA_LAB=replace(TOMA_MUESTRA_LAB,TOMA_MUESTRA_LAB==99,"NO ESPECIFICADO"),
         RESULTADO_LAB=replace(RESULTADO_LAB,RESULTADO_LAB==1,"POSITIVO"),
         RESULTADO_LAB=replace(RESULTADO_LAB,RESULTADO_LAB==2,"NO POSITIVO"),
         RESULTADO_LAB=replace(RESULTADO_LAB,RESULTADO_LAB==3,"PENDIENTE"),
         RESULTADO_LAB=replace(RESULTADO_LAB,RESULTADO_LAB==4,"NO ADECUADO"),
         RESULTADO_LAB=replace(RESULTADO_LAB,RESULTADO_LAB==97,"NO APLICA"),
         TOMA_MUESTRA_ANTIGENO=replace(TOMA_MUESTRA_ANTIGENO,TOMA_MUESTRA_ANTIGENO==1,"SI"),
         TOMA_MUESTRA_ANTIGENO=replace(TOMA_MUESTRA_ANTIGENO,TOMA_MUESTRA_ANTIGENO==2,"NO"),
         TOMA_MUESTRA_ANTIGENO=replace(TOMA_MUESTRA_ANTIGENO,TOMA_MUESTRA_ANTIGENO==97,"NO APLICA"),
         TOMA_MUESTRA_ANTIGENO=replace(TOMA_MUESTRA_ANTIGENO,TOMA_MUESTRA_ANTIGENO==98,"SE IGNORA"),
         TOMA_MUESTRA_ANTIGENO=replace(TOMA_MUESTRA_ANTIGENO,TOMA_MUESTRA_ANTIGENO==99,"NO ESPECIFICADO"),
         RESULTADO_ANTIGENO=replace(RESULTADO_ANTIGENO,RESULTADO_ANTIGENO==1,"POSITIVO"),
         RESULTADO_ANTIGENO=replace(RESULTADO_ANTIGENO,RESULTADO_ANTIGENO==2,"NEGATIVO"),
         RESULTADO_ANTIGENO=replace(RESULTADO_ANTIGENO,RESULTADO_ANTIGENO==97,"NO APLICA"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==1,"CLINICA"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==2,"COMITE"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==3,"PRUEBA"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==4,"INVALIDO"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==5,"NO REALIZADO"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==6,"SOSPECHOSO"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==7,"NEGATIVO"),
         MIGRANTE=replace(MIGRANTE,MIGRANTE==99,"NO ESPECIFICADO"),
         PAIS_NACIONALIDAD=replace(PAIS_NACIONALIDAD,PAIS_NACIONALIDAD=="México","MEXICANA"),
         PAIS_ORIGEN=replace(PAIS_ORIGEN,PAIS_ORIGEN==97,"NO APLICA"),
         UCI=replace(UCI,UCI==1,"SI"),
         UCI=replace(UCI,UCI==2,"NO"),
         UCI=replace(UCI,UCI==97,"NO APLICA"),
         UCI=replace(UCI,UCI==99,"NO ESPECIFICADO"))
```

```{r Processed Data Written, eval=FALSE, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
## CODIGO PARA ESCRIBIR ARCHIVOS DIRECTOS AL COMPUTADOR DE RSTUDIO
write.csv(cov_processed,"~/Documents/CovidData/cov_processed.csv",row.names = FALSE)
```

```{r Processed Data Read, eval=FALSE, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_processed <- fread("~/Documents/CovidData/cov_processed.csv",header = TRUE)
```

# Valores Epidemiológicos {data-navmenu="Valores"}

```{r Database valores, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_valores <- cov_processed %>% 
  select(CLASIFICACION_FINAL,TIPO_PACIENTE,
         FECHA_SINTOMAS,FECHA_DEF,
         ENTIDAD_UM,MUNICIPIO_RES,FECHA_ACTUALIZACION) %>% 
  as.data.frame()
Fecha_Activos <- ymd(max(cov_valores$FECHA_ACTUALIZACION)) - 14
Fecha_Max <- max(cov_processed$FECHA_ACTUALIZACION)
```
## Estadísticos

### Confirmados
```{r Positivos Valor, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Confirmados <- function(dataset){
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA") %>%
    nrow()     ## Exitoso - 17/05/2022
  return(confirm)
}
Confirmados <- Confirmados(cov_valores)
Confirmados_Num <- format(Confirmados,
                          big.mark = ",",scientific = FALSE)
valueBox(Confirmados_Num, 
         icon = "fa-plus", 
         color = "#EF553B")
```

### Negativos
```{r Negativos Valor, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Negativos <- function(dataset){
  negativo <- dataset %>%
    filter(CLASIFICACION_FINAL == "NEGATIVO") %>%
    nrow()
  return(negativo)   ## Exitoso - 17/05/2022
}
Negativos <- Negativos(cov_valores)
Negativos_Num <- format(Negativos,big.mark = ",",scientific = FALSE)
valueBox(Negativos_Num,
         icon = "fa-minus",
         color = "#B6E880")
```

### Sospechosos
```{r Sospechosos Valor, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Sospechosos <- function(dataset){
  sospech <- dataset %>%
    filter(CLASIFICACION_FINAL == "INVALIDO"
           | CLASIFICACION_FINAL == "NO REALIZADO"
           | CLASIFICACION_FINAL == "SOSPECHOSO") %>%
    nrow()
  return(sospech)   ## Exitoso - 17/05/2022
}
Sospechosos <- Sospechosos(cov_valores)
Sospechosos_Num <- format(Sospechosos,big.mark = ",",scientific = FALSE)
valueBox(Sospechosos_Num,
         icon = "fa-question",
         color = "#FECB52")
```

## Epidemiológicos
### Defunciones
```{r Defunciones Valor, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunciones <- function(dataset){   ## No importa hospitalizado o Ambu
  confirm <- dataset %>% 
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  defunc <- confirm %>%
    filter(FECHA_DEF!= "9999-99-99") %>%
    nrow()
  return(defunc)          ## (Exitoso 29/06/22)
}
Defunciones <- Defunciones(cov_valores)
Defunciones_Num <- format(Defunciones,big.mark = ",",scientific = FALSE)
valueBox(Defunciones_Num,
         icon = "fa-ribbon",
         color = "#222A2A")
```

### Recuperados
```{r Recuperados, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Recuperados <- function(dataset){
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  ambulat <- confirm %>% 
    filter(TIPO_PACIENTE == "AMBULATORIO")
  sin_defunc <- ambulat %>% 
    filter(FECHA_DEF == "9999-99-99")
  defunc <- ambulat %>% 
    filter(FECHA_DEF!="9999-99-99")
  activos <- defunc %>% 
    filter(FECHA_SINTOMAS > Fecha_Activos)
  ambulat <- nrow(ambulat)
  activos <- nrow(activos)
  defunc <- nrow(defunc)
  sin_defunc <- nrow(sin_defunc)
  recup <- ((sin_defunc)-(activos+defunc))
  return(recup)   ## Exitoso - 29/06/2022 (con desviacion de 6 casos)
}
Recuperados <- Recuperados(cov_valores)    ## Revisar bien este codigo
Recuperados_Num <- format(Recuperados,big.mark = ",",scientific = FALSE)
valueBox(Recuperados_Num,
         icon = "fa-walking",
         color = "#00CC96")
```

### Activos
```{r Activos, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Activos <- function(dataset){
  confirm <- dataset %>% 
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  activos <- confirm %>% 
    filter(FECHA_SINTOMAS > Fecha_Activos) %>% 
    nrow()
  return(activos)   ### Finally Exitoso - 14/09/2022
}
Activos <- Activos(cov_valores)
Activos_Num <- format(Activos,big.mark = ",",scientific = FALSE)
valueBox(Activos_Num,
         icon = "fa-bed",
         color = "#636EFA")
```

## Estimados
### Positivos Estimados
```{r Positivos Estimados, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Indice_Positiv = (Confirmados)/(Confirmados+Negativos)  ### Less Codes
Positivos_Estimados <- round((Confirmados) + (Sospechosos  * Indice_Positiv),
                   digits = 0)  ### Exitoso - 29/06/22
Positivos_Estimados_Num <- format(Positivos_Estimados,big.mark = ",",scientific = FALSE)
valueBox(Positivos_Estimados_Num,
         icon = "fa-plus-circle",
         color = "#FFA15A")
```

### Defunciones Estimados
```{r Defunciones Estimados, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Indice_de_Defunc <- Defunciones/(Defunciones+Negativos)
Defunciones_Estimados <- round(Defunciones + 
                      (Sospechosos*Indice_de_Defunc),
                    digits = 0)   ## Exitoso = 29/06/22
Defunciones_Estimados_Num <- format(Defunciones_Estimados,big.mark = ",",scientific = FALSE)
valueBox(Defunciones_Estimados_Num,
         icon = "fa-times-circle",
         color = "#565656")
```

### Activos Estimados
```{r Activos Estimados, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Indice_de_Activos <- Activos/(Activos+Negativos)
Activos_Estimados <- round(Activos + 
                             (Sospechosos * Indice_de_Activos),
                           digits = 0)  ## Exitoso 29/06/22
Activos_Estimados_Num <- format(Activos_Estimados,big.mark = ",",scientific = FALSE)
valueBox(Activos_Estimados_Num,
         icon = "fa-procedures",
         color = "#19D3F3")
```

## Porcentajes
```{r Database Género, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_sexo <- cov_processed %>% 
  select(SEXO,CLASIFICACION_FINAL) %>% 
  as.data.frame()
```

### Hombres(%)
```{r Hombre, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Hombres <- function(dataset){     ## Exitoso con ayuda
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  sexo <- confirm %>%
    filter(SEXO == "HOMBRE") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((sexo/tot)*100,2)
  return(percent)
}
Hombres <- Hombres(cov_sexo)
valueBox(Hombres, 
         icon = "fa-male",
         color = "#3366CC")
```

### Mujeres(%)
```{r Mujeres, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Mujeres <- function(dataset){     ## Exitoso con ayuda
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  sexo <- confirm %>%
    filter(SEXO == "MUJER") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((sexo/tot)*100,2)
  return(percent)
}
Mujeres <- Mujeres(cov_sexo)
valueBox(Mujeres, 
         icon = "fa-female",
         color = "#DD4477")
```

```{r Database Atención Médica, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_hosp <- cov_processed %>% 
  select(TIPO_PACIENTE,CLASIFICACION_FINAL) %>% 
  as.data.frame()
```

### Ambulatorios(%)
```{r Ambulatorios, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Ambu <- function(dataset){     ## Exitoso con ayuda
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  ambu <- confirm %>%
    filter(TIPO_PACIENTE == "AMBULATORIO") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((ambu/tot)*100,2)
  return(percent)
}
Ambu <- Ambu(cov_hosp)
valueBox(Ambu, 
         icon = "fa-home",
         color = "#109618")
```

### Hospitalizados(%)
```{r Hospitalizados, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Hosp <- function(dataset){     ## Exitoso con ayuda
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  hosp <- confirm %>%
    filter(TIPO_PACIENTE == "HOSPITALIZADO") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((hosp/tot)*100,2)
  return(percent)
}
Hosp <- Hosp(cov_hosp)
valueBox(Hosp, 
         icon = "fa-hospital",
         color = "#B82E2E")
```

# Valores de Comorbilidades {data-navmenu="Valores"}
```{r Database Comorbilidades, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_comorb <- cov_processed %>% 
  select(DIABETES,HIPERTENSION,OBESIDAD,CARDIOVASCULAR,RENAL_CRONICA,OTRA_COM,CLASIFICACION_FINAL) %>% 
  as.data.frame()
```

## Crónicos-Degenerativos
### Diabetes Mellitus(%)
```{r Diabetes, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
DM2 <- function(dataset){## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  dm2 <- confirm %>%
    filter(DIABETES == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((dm2/tot)*100,2)
  return(percent)
}
DM2 <- DM2(cov_comorb)
gauge(DM2, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

### Hipertensión(%)
```{r Hipertensión, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
HAS <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  has <- confirm %>%
    filter(HIPERTENSION == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((has/tot)*100,2)
  return(percent)
}
HAS <- HAS(cov_comorb)
gauge(HAS, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)
))
```

### Obesidad(%)
```{r Obesidad, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
OBES <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  obes <- confirm %>%
    filter(OBESIDAD == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((obes/tot)*100,2)
  return(percent)
}
OBES <- OBES(cov_comorb)
gauge(OBES, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

## Patológicos
### Cardiovasculares(%)
```{r Cardiovascular, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
CARDIO <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  cardio <- confirm %>%
    filter(CARDIOVASCULAR == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((cardio/tot)*100,2)
  return(percent)
}
CARDIO <- CARDIO(cov_comorb)
gauge(CARDIO, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

### Renales(%)
```{r Renal, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
RENAL <- function(dataset,categoria){ ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  renal <- confirm %>%
    filter(RENAL_CRONICA == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((renal/tot)*100,2)
  return(percent)
}
RENAL <- RENAL(cov_comorb)
gauge(RENAL, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

### Otras Condiciones(%)
```{r Otras, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
OTRAS <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  otra <- confirm %>%
    filter(OTRA_COM == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((otra/tot)*100,2)
  return(percent)
}
OTRAS <- OTRAS(cov_comorb)
gauge(OTRAS, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

## Factores Influyentes
```{r Database Patologías, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_pato <- cov_processed %>% 
  select(TABAQUISMO,EPOC,ASMA,CLASIFICACION_FINAL) %>% 
  as.data.frame()
```

### Tabaquismo(%)
```{r Tabaco, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
TABAQ <- function(dataset,categoria){ ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  tabaco <- confirm %>%
    filter(TABAQUISMO == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((tabaco/tot)*100,2)
  return(percent)
}
TABAQ <- TABAQ(cov_pato)
gauge(TABAQ, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)
))
```

### EPOC(%)
```{r EPOC, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
EPOC <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  epoc <- confirm %>%
    filter(EPOC == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((epoc/tot)*100,2)
  return(percent)
}
EPOC <- EPOC(cov_pato)
gauge(EPOC, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)
))
```

### ASMA(%)
```{r ASMA, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
ASMA <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  asma <- confirm %>%
    filter(ASMA == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((asma/tot)*100,2)
  return(percent)
}
ASMA <- ASMA(cov_pato)
gauge(ASMA, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

## Complicaciones
```{r Database Complicaciones, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_complic <- cov_processed %>% 
  select(NEUMONIA,INTUBADO,UCI,CLASIFICACION_FINAL) %>% 
  as.data.frame()
```

### Neumonia(%)
```{r Neumonia, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
NEUMO <- function(dataset){ ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  neumo <- confirm %>%
    filter(NEUMONIA == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((neumo/tot)*100,2)
  return(percent)
}
NEUMO <- NEUMO(cov_complic)
gauge(NEUMO, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)
))
```

### Intubado(%)
```{r Intubado, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
INTUB <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  intub <- confirm %>%
    filter(INTUBADO == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((intub/tot)*100,2)
  return(percent)
}
INTUB <- INTUB(cov_complic)
gauge(INTUB, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

### UCI(%)
```{r UCI, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
UCI <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  uci <- confirm %>%
    filter(UCI == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((uci/tot)*100,2)
  return(percent)
}
UCI <- UCI(cov_complic)
gauge(UCI, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

# Demográficos {data-navmenu="Series de Tiempo"}

## Casos Diarios {.tabset .tabset-fade}
```{r Database for Análisis, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_analisis <- cov_processed %>% 
  select(FECHA_SINTOMAS,FECHA_DEF,
         EDAD,SEXO,ENTIDAD_UM,MUNICIPIO_RES,CLASIFICACION_FINAL) %>%
  as.data.frame()
cov_analisis <- cov_analisis %>%
  filter(CLASIFICACION_FINAL == "CLINICA"
         | CLASIFICACION_FINAL == "COMITE"
         | CLASIFICACION_FINAL == "PRUEBA")
```

### Por Total
```{r Casos por Dia, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Dia <- function(dataset){
  # Hacer función para filtrar un "vector" de las fechas de sintomas
  casos <- dataset %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(casos_conteo = n())
  # Calcular medias de casos por fechas para linea ajustado
  casos_mean <- rollmean(casos$casos_conteo,7)
  casos_media_movil <- append(casos_mean,c(0,0,0,0,0,0),0)
  casos_media_movil <- round(casos_media_movil, digits = 1)
  casos$casos_media_movil <- casos_media_movil
  # Demostrar en Gráfica con leyendas adecuadas
  plot_ly(x = casos$FECHA_SINTOMAS, mode = 'line') %>% 
    add_trace(y = casos$casos_conteo, 
              name = "Casos Diarios", 
              line = list(color = "#7f7f7f")) %>% 
    add_trace(y = casos$casos_media_movil, 
              name = "Media Móvil de Casos Diarios", 
              line = list(color = "#FF0000")) %>% 
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 en México",
           xaxis = list(rangeslider = list(visible = T),
           legend = list,title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Dia(cov_analisis)
```


### Por Género
```{r Casos por Género, echo=FALSE, fig.width=10, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Genero <- function(dataset){
  generos_separado <- dataset %>% 
    group_by(FECHA_SINTOMAS) %>% 
    summarise(generos_conteo = n())
  hombres <- dataset %>% 
    filter(SEXO == "HOMBRE") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    summarise(hombres_conteo = n())
  mujeres <- dataset %>% 
    filter(SEXO == "MUJER") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    summarise(mujeres_conteo = n())
  generos_merged <- merge(generos_separado,hombres,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  generos_merged <- merge(generos_merged,mujeres,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  hombres_porcent <- round(
    (generos_merged$hombres_conteo/
       generos_merged$generos_conteo)*100,2)
  generos_merged$hombres_porcent <- hombres_porcent
  hombres_mean <- rollmean(generos_merged$hombres_porcent,7)
  hombres_media_movil <- append(hombres_mean,c(0,0,0,0,0,0),0)
  hombres_media_movil <- round(hombres_media_movil,digits = 1)
  generos_merged$hombres_media_movil <- hombres_media_movil
  mujeres_porcent <- round(
    (generos_merged$mujeres_conteo/
       generos_merged$generos_conteo)*100,2)      ### round off decimals
  generos_merged$mujeres_porcent <- mujeres_porcent
  mujeres_mean <- rollmean(generos_merged$mujeres_porcent,7)
  mujeres_media_movil <- append(mujeres_mean,c(0,0,0,0,0,0),0)
  mujeres_media_movil <- round(mujeres_media_movil,digits = 1) ### rounding off at hover
  generos_merged$mujeres_media_movil <- mujeres_media_movil
  plot_ly(x = generos_merged$FECHA_SINTOMAS
          [10:nrow(generos_merged)],
          mode = 'line') %>%
    add_trace(y = generos_merged$hombres_media_movil
              [10:nrow(generos_merged)], 
              name = "Hombres", 
              line = list(color = "#7f7f7f")) %>% 
    add_trace(y = generos_merged$mujeres_media_movil
              [10:nrow(generos_merged)], 
              name = "Mujeres", 
              line = list(color = "#FF0000")) %>% 
    layout(title = "Distribución por Género de Casos Confirmados de COVID-19 en Mexico",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Genero(cov_analisis)
```

### Por Edad
```{r Edad, echo=FALSE, fig.width=10, message=FALSE, warning=FALSE, paged.print=FALSE}
cov_analisis <- cov_analisis %>% 
  mutate(
    # Create categories o grupos
    grupos_edad = dplyr::case_when(
      EDAD <= 9            ~ "0-9",
      EDAD > 9 & EDAD <= 19 ~ "10-19",
      EDAD > 19 & EDAD <= 29 ~ "20-29",
      EDAD > 29 & EDAD <= 39 ~ "30-39",
      EDAD > 39 & EDAD <= 49 ~ "40-49",
      EDAD > 49 & EDAD <= 59 ~ "50-59",
      EDAD > 59 & EDAD <= 69 ~ "60-69",
      EDAD > 69 & EDAD <= 79 ~ "70-79",
      EDAD >= 80             ~ ">=80"
    ),
    # Convert to factor
    grupos_edad = factor(
      grupos_edad,
      level = c("0-9", "10-19", "20-29", "30-39", "40-49",
                "50-59", "60-69", "70-79", ">=80")
    )
  )
Casos_Edad <- function(dataset){
  edad_0_9 <- dataset %>% 
    filter(grupos_edad == "0-9") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_0_9 = n())
  edad_0_9_mean <- rollmean(edad_0_9$conteo_0_9,7)
  media_movil <- append(edad_0_9_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_0_9$media_movil_0_9 <- media_movil
  edad_10_19 <- dataset %>% 
    filter(grupos_edad == "10-19") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_10_19 = n())
  edad_10_19_mean <- rollmean(edad_10_19$conteo_10_19,7)
  media_movil <- append(edad_10_19_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_10_19$media_movil_10_19 <- media_movil
  edad_20_29 <- dataset %>% 
    filter(grupos_edad == "20-29") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_20_29 = n())
  edad_20_29_mean <- rollmean(edad_20_29$conteo_20_29,7)
  media_movil <- append(edad_20_29_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_20_29$media_movil_20_29 <- media_movil
  edad_30_39 <- dataset %>% 
    filter(grupos_edad == "30-39") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_30_39 = n())
  edad_30_39_mean <- rollmean(edad_30_39$conteo_30_39,7)
  media_movil <- append(edad_30_39_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_30_39$media_movil_30_39 <- media_movil
  edad_40_49 <- dataset %>% 
    filter(grupos_edad == "40-49") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_40_49 = n())
  edad_40_49_mean <- rollmean(edad_40_49$conteo_40_49,7)
  media_movil <- append(edad_40_49_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_40_49$media_movil_40_49 <- media_movil
  edad_50_59 <- dataset %>% 
    filter(grupos_edad == "50-59") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_50_59 = n())
  edad_50_59_mean <- rollmean(edad_50_59$conteo_50_59,7)
  media_movil <- append(edad_50_59_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_50_59$media_movil_50_59 <- media_movil
  edad_60_69 <- dataset %>% 
    filter(grupos_edad == "60-69") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_60_69 = n())
  edad_60_69_mean <- rollmean(edad_60_69$conteo_60_69,7)
  media_movil <- append(edad_60_69_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_60_69$media_movil_60_69 <- media_movil
  edad_70_79 <- dataset %>% 
    filter(grupos_edad == "70-79") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_70_79 = n())
  edad_70_79_mean <- rollmean(edad_70_79$conteo_70_79,7)
  media_movil <- append(edad_70_79_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_70_79$media_movil_70_79 <- media_movil
  edad_mas80 <- dataset %>% 
    filter(grupos_edad == ">=80") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_mas80 = n())
  edad_mas80_mean <- rollmean(edad_mas80$conteo_mas80,7)
  media_movil <- append(edad_mas80_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_mas80$media_movil_mas80 <- media_movil
  edad_merged <- merge(edad_0_9,edad_10_19,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_20_29,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_30_39,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_40_49,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_50_59,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_60_69,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_70_79,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_mas80,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  plot_ly(x = edad_merged$FECHA_SINTOMAS, mode = 'line') %>% 
    add_trace(y = edad_merged$media_movil_0_9, name = "0 a 9 años", line = list(color = "#7f7f7f")) %>% 
    add_trace(y = edad_merged$media_movil_10_19, name = "10 a 19 años", line = list(color = "#0000ff")) %>%
    add_trace(y = edad_merged$media_movil_20_29, name = "20 a 29 años", line = list(color = "196F0A")) %>% 
    add_trace(y = edad_merged$media_movil_30_39, name = "30 a 39 años", line = list(color = "#800080")) %>% 
    add_trace(y = edad_merged$media_movil_40_49, name = "40 a 49 años", line = list(color = "#696966")) %>% 
    add_trace(y = edad_merged$media_movil_50_59, name = "50 a 59 años", line = list(color = "#800000")) %>% 
    add_trace(y = edad_merged$media_movil_60_69, name = "60 a 69 años", line = list(color = "#00ff00")) %>% 
    add_trace(y = edad_merged$media_movil_70_79, name = "70 a 79 años", line = list(color = "#ff6666")) %>% 
    add_trace(y = edad_merged$media_movil_mas80, name = ">=80 años", line = list(color = "#FF0000")) %>% 
    layout(title = "Distribución de Casos Confirmados de COVID-19 por cada década de vida en México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Edad(cov_analisis)  ## Exitoso
```

## Defunciones {.tabset .tabset-fade}

### En Total
```{r Defunciones, echo=FALSE, fig.width=10, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_Dia <- function(dataset){
  defunc <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99") %>% 
    ## '!' mark means NOT what follows
    select(FECHA_DEF) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(defunc_conteo = n())
  ## Medias moviles
  defunc_mean <- rollmean(defunc$defunc_conteo,7)
  # adding values
  defunc_media_movil <- append(defunc_mean,c(0,0,0,0,0,0),0)
  defunc_media_movil <- round(defunc_media_movil, digits = 1)
  defunc$defunc_media_movil <- defunc_media_movil
  # Visualización de Defunciones por dia por COVID
  plot_ly(x = as.Date(defunc$FECHA_DEF),
          mode = 'line') %>% 
    add_trace(y = defunc$defunc_conteo,
              name = "Defunciones Diarios",
              line = list(color = "#7f7f7f")) %>% 
    add_trace(y = defunc$defunc_media_movil,
              name = "Media Móvil",
              line = list(color = "#FF0000")) %>% 
    layout(title = "Distribución de Defunciones por COVID-19 en México",
           xaxis  = list(rangeslider = list(visible = T),
                         title = "El periodo se puede desplazar con el uso de la barra",legend = list))
}
Defunc_Dia(cov_analisis)
```

### Por Género
```{r Defunc Genero, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_Genero <- function(dataset){
  defunc_generos <- dataset %>%
    filter(FECHA_DEF!="9999-99-99") %>%
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(defunc_generos_conteo = n())
  defunc_hombres <- dataset %>% 
    filter(SEXO == "HOMBRE") %>% 
    group_by(FECHA_DEF) %>% 
    summarise(defunc_hombres_conteo = n())
  defunc_mujeres <- dataset %>% 
    filter(SEXO == "MUJER") %>% 
    group_by(FECHA_DEF) %>% 
    summarise(defunc_mujeres_conteo = n())
  defunc_generos <- merge(defunc_generos,defunc_hombres, 
                          by = "FECHA_DEF", all.x = TRUE)
  defunc_generos <- merge(defunc_generos,defunc_mujeres,
                          by = "FECHA_DEF", all.x = TRUE)
  defunc_hombres_porcent <- round(
    (defunc_generos$defunc_hombres_conteo/
       defunc_generos$defunc_generos_conteo)*100,2)
  defunc_generos$defunc_hombres_porcent <- defunc_hombres_porcent
  defunc_hombres_mean <- rollmean(defunc_generos$defunc_hombres_porcent,7)
  defunc_hombres_media_movil <- append(defunc_hombres_mean,c(0,0,0,0,0,0),0)
  defunc_hombres_media_movil <- round(defunc_hombres_media_movil, digits = 1)
  defunc_generos$defunc_hombres_media_movil <- defunc_hombres_media_movil
  defunc_mujeres_porcent <- round(
    (defunc_generos$defunc_mujeres_conteo/
       defunc_generos$defunc_generos_conteo)*100,2)      ### round off decimals
  defunc_generos$defunc_mujeres_porcent <- defunc_mujeres_porcent
  defunc_mujeres_mean <- rollmean(defunc_generos$defunc_mujeres_porcent,7)
  defunc_mujeres_media_movil <- append(defunc_mujeres_mean,c(0,0,0,0,0,0),0)
  defunc_mujeres_media_movil <- round(defunc_mujeres_media_movil, digits = 1)
  defunc_generos$defunc_mujeres_media_movil <- defunc_mujeres_media_movil
  defunc_generos_merged <- merge(defunc_generos,defunc_hombres,
                                 by = "FECHA_DEF",
                                 all.x = "TRUE")
  defunc_generos_merged <- merge(defunc_generos_merged,defunc_mujeres,
                                 by = "FECHA_DEF",
                                 all.x = "TRUE")
  plot_ly(x = as.Date(defunc_generos$FECHA_DEF[7:nrow(defunc_generos_merged)],
                      mode = 'lines')) %>%
    add_trace(y = defunc_generos$defunc_hombres_media_movil[7:nrow(defunc_generos_merged)]
              , name = "Hombres", mode = 'lines', line = list(color = "#696966")) %>% 
    add_trace(y = defunc_generos$defunc_mujeres_media_movil[7:nrow(defunc_generos_merged)]
              , name = "Mujeres", mode = 'lines', line = list(color = "#ff6666")) %>% 
    layout(title = "Distribución por Género de Defunciones por COVID-19 en México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Defunc_Genero(cov_analisis)
```

### Por Edad
```{r Defunc Edad, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_Edad <- function(dataset){
  edad_0_9 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99"
           & grupos_edad == "0-9") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_0_9_conteo = n())
  edad_10_19 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "10-19") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_10_19_conteo = n())
  edad_20_29 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "20-29") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_20_29_conteo = n())
  edad_30_39 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "30-39") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_30_39_conteo = n())
  edad_40_49 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "40-49") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_40_49_conteo = n())
  edad_50_59 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "50-59") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_50_59_conteo = n())
  edad_60_69 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "60-69") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_60_69_conteo = n())
  edad_70_79 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "70-79") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_70_79_conteo = n())
  edad_mas80 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == ">=80") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_mas80_conteo = n())
  defunc_edad <- merge(edad_0_9,edad_10_19, by = "FECHA_DEF", all = TRUE)
  ### all = TRUE sirve para no omitir observaciones
  defunc_edad <- merge(defunc_edad,edad_20_29, by = "FECHA_DEF", all = TRUE)
  defunc_edad <- merge(defunc_edad,edad_30_39, by = "FECHA_DEF", all = TRUE)
  defunc_edad <- merge(defunc_edad,edad_40_49, by = "FECHA_DEF", all = TRUE)
  defunc_edad <- merge(defunc_edad,edad_50_59, by = "FECHA_DEF", all = TRUE)
  defunc_edad <- merge(defunc_edad,edad_60_69, by = "FECHA_DEF", all = TRUE)
  defunc_edad <- merge(defunc_edad,edad_70_79, by = "FECHA_DEF", all = TRUE)
  defunc_edad <- merge(defunc_edad,edad_mas80, by = "FECHA_DEF", all = TRUE)
  defunc_edad[is.na(defunc_edad)] <- 0   ## Para poner 0 donde no aparece valores
  edad_0_9_mean <- rollmean(defunc_edad$edad_0_9_conteo,7)
  media_movil <- append(edad_0_9_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_0_9_media_movil <- media_movil
  edad_10_19_mean <- rollmean(defunc_edad$edad_10_19_conteo,7)
  media_movil <- append(edad_10_19_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_10_19_media_movil <- media_movil
  edad_20_29_mean <- rollmean(defunc_edad$edad_20_29_conteo,7)
  media_movil <- append(edad_20_29_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_20_29_media_movil <- media_movil
  edad_30_39_mean <- rollmean(defunc_edad$edad_30_39_conteo,7)
  media_movil <- append(edad_30_39_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_30_39_media_movil <- media_movil
  edad_40_49_mean <- rollmean(defunc_edad$edad_40_49_conteo,7)
  media_movil <- append(edad_40_49_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_40_49_media_movil <- media_movil
  edad_50_59_mean <- rollmean(defunc_edad$edad_50_59_conteo,7)
  media_movil <- append(edad_50_59_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_50_59_media_movil <- media_movil
  edad_60_69_mean <- rollmean(defunc_edad$edad_60_69_conteo,7)
  media_movil <- append(edad_60_69_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_60_69_media_movil <- media_movil
  edad_70_79_mean <- rollmean(defunc_edad$edad_70_79_conteo,7)
  media_movil <- append(edad_70_79_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_70_79_media_movil <- media_movil
  edad_mas80_mean <- rollmean(defunc_edad$edad_mas80_conteo,7)
  media_movil <- append(edad_mas80_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_mas80_media_movil <- media_movil
  plot_ly(x = as.Date(defunc_edad$FECHA_DEF), mode = 'line') %>% 
    add_trace(y = defunc_edad$edad_0_9_media_movil, name = "0 a 9 años", line = list(color = "#7f7f7f")) %>% 
    add_trace(y = defunc_edad$edad_10_19_media_movil, name = "10 a 19 años", line = list(color = "#0000ff")) %>%
    add_trace(y = defunc_edad$edad_20_29_media_movil, name = "20 a 29 años", line = list(color = "196F0A")) %>% 
    add_trace(y = defunc_edad$edad_30_39_media_movil, name = "30 a 39 años", line = list(color = "#800080")) %>% 
    add_trace(y = defunc_edad$edad_40_49_media_movil, name = "40 a 49 años", line = list(color = "#696966")) %>% 
    add_trace(y = defunc_edad$edad_50_59_media_movil, name = "50 a 59 años", line = list(color = "#800000")) %>% 
    add_trace(y = defunc_edad$edad_60_69_media_movil, name = "60 a 69 años", line = list(color = "#00ff00")) %>% 
    add_trace(y = defunc_edad$edad_70_79_media_movil, name = "70 a 79 años", line = list(color = "#ff6666")) %>% 
    add_trace(y = defunc_edad$edad_mas80_media_movil, name = ">=80 años", line = list(color = "#FF0000")) %>% 
    layout(title = "Distribución por cada década de vida de Defunciones por COVID-19 en México",
           xaxis = list(rangeslider = list(visible =T),
                        title = "El periodo se puede desplazar con el uso de la barra")) ## agregado 10 de mayo 2022
}
Defunc_Edad(cov_analisis)  ## EXITOSOOOOO - Emerald - 4/nov/21
```

# Geográficos {data-navmenu="Series de Tiempo"}

## Casos Diarios {.tabset .tabset-fade}

### Por Regiones
```{r Casos por Regiones, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Regiones <- function(dataset){
  reg_norte <- dataset %>% 
    filter(ENTIDAD_UM == "BAJA CALIFORNIA" 
           | ENTIDAD_UM == "CHIHUAHUA"
           | ENTIDAD_UM == "SONORA"
           | ENTIDAD_UM == "COAHUILA"
           | ENTIDAD_UM == "NUEVO LEÓN"
           | ENTIDAD_UM == "TAMAULIPAS") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(norte_conteo = n())
  reg_norte_mean <- rollmean(reg_norte$norte_conteo,7)
  norte_media_movil <- append(reg_norte_mean,c(0,0,0,0,0,0),0)
  norte_media_movil <- round(norte_media_movil, digits = 1)
  reg_norte$norte_media_movil <- norte_media_movil
  reg_norte_occid <- dataset %>% 
    filter(ENTIDAD_UM == "BAJA CALIFORNIA SUR" 
           | ENTIDAD_UM == "SINALOA"
           | ENTIDAD_UM == "NAYARIT"
           | ENTIDAD_UM == "DURANGO"
           | ENTIDAD_UM == "ZACATECAS") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(norte_occid_conteo = n())
  reg_norte_occid_mean <- rollmean(reg_norte_occid$norte_occid_conteo,7)
  norte_occid_media_movil <- append(reg_norte_occid_mean,c(0,0,0,0,0,0),0)
  norte_occid_media_movil <- round(norte_occid_media_movil,digits = 1)
  reg_norte_occid$norte_occid_media_movil <- norte_occid_media_movil
  reg_centro_norte <- dataset %>% 
    filter(ENTIDAD_UM == "JALISCO" 
           | ENTIDAD_UM == "AGUASCALIENTES"
           | ENTIDAD_UM == "COLIMA"
           | ENTIDAD_UM == "MICHOACÁN"
           | ENTIDAD_UM == "SAN LUIS POTOSÍ") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_norte_conteo = n())
  reg_centro_norte_mean <- rollmean(reg_centro_norte$centro_norte_conteo,7)
  centro_norte_media_movil <- append(reg_centro_norte_mean,c(0,0,0,0,0,0),0)
  centro_norte_media_movil <- round(centro_norte_media_movil,digits = 1)
  reg_centro_norte$centro_norte_media_movil <- centro_norte_media_movil
  reg_centro <- dataset %>% 
    filter(ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_conteo = n())
  reg_centro_mean <- rollmean(reg_centro$centro_conteo,7)
  centro_media_movil <- append(reg_centro_mean,c(0,0,0,0,0,0),0)
  centro_media_movil <- round(centro_media_movil,digits = 1)
  reg_centro$centro_media_movil <- centro_media_movil
  reg_sur <- dataset %>% 
    filter(ENTIDAD_UM == "GUERRERO" 
           | ENTIDAD_UM == "OAXACA"
           | ENTIDAD_UM == "CHIAPAS"
           | ENTIDAD_UM == "VERACRUZ"
           | ENTIDAD_UM == "TABASCO"
           | ENTIDAD_UM == "CAMPECHE"
           | ENTIDAD_UM == "YUCATÁN"
           | ENTIDAD_UM == "QUINTANO ROO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(sur_conteo = n())
  reg_sur_mean <- rollmean(reg_sur$sur_conteo,7)
  sur_media_movil <- append(reg_sur_mean,c(0,0,0,0,0,0),0)
  sur_media_movil <- round(sur_media_movil,digits = 1)
  reg_sur$sur_media_movil <- sur_media_movil
  reg_cdmx <- dataset %>% 
    filter(ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(cdmx_conteo = n())
  reg_cdmx_mean <- rollmean(reg_cdmx$cdmx_conteo,7)
  cdmx_media_movil <- append(reg_cdmx_mean,c(0,0,0,0,0,0),0)
  cdmx_media_movil <- round(cdmx_media_movil,digits = 1)
  reg_cdmx$cdmx_media_movil <- cdmx_media_movil
  reg_merged <- merge(reg_norte,reg_norte_occid,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro_norte,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_sur,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_cdmx,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  plot_ly(x = reg_merged$FECHA_SINTOMAS, mode = 'line') %>% 
    add_trace(y = reg_merged$norte_media_movil, 
              name = "NORTE", 
              line = list(color = "#065535")) %>%
    add_trace(y = reg_merged$norte_occid_media_movil, 
              name = "NORTE-OCCIDENTE", 
              line = list(color = "#003366")) %>% 
    add_trace(y = reg_merged$centro_norte_media_movil, 
              name = "CENTRO-NORTE", 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = reg_merged$centro_media_movil, 
              name = "CENTRO", 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = reg_merged$sur_media_movil, 
              name = "SUR", 
              line = list(color = "#576675")) %>%
    add_trace(y = reg_merged$cdmx_media_movil, 
              name = "CD. DE MÉXICO", 
              line = list(color = "#ff0000")) %>%
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 por Regiones de Movilidad y Cd. de México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Regiones(cov_analisis)       ### Exitoso
```

### Por Norte
```{r Norte, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Norte <- function(dataset,
                        entidad1,entidad2,
                        entidad3,entidad4,
                        entidad5,entidad6){
  ent_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,
                              c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,
                             digits = 1) ##(rounding off at hover fixed 10/05/2022)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,
                              c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,
                             digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,
                              c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,
                             digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,
                              c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,
                             digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,
                              c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,
                             digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  ent_6 <- dataset %>% 
    filter(ENTIDAD_UM == entidad6) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_6_conteo = n())
  ent_6_mean <- rollmean(ent_6$ent_6_conteo,7)
  ent_6_media_movil <- append(ent_6_mean,
                              c(0,0,0,0,0,0),0)
  ent_6_media_movil <- round(ent_6_media_movil,
                             digits = 1)
  ent_6$ent_6_media_movil <- ent_6_media_movil
  norte_merged <- merge(ent_1,ent_2,
                        by = "FECHA_SINTOMAS",
                        all.x = "TRUE")
  norte_merged <- merge(norte_merged,ent_3,
                        by = "FECHA_SINTOMAS",
                        all.x = "TRUE")
  norte_merged <- merge(norte_merged,ent_4,
                        by = "FECHA_SINTOMAS",
                        all.x = "TRUE")
  norte_merged <- merge(norte_merged,ent_5,
                        by = "FECHA_SINTOMAS",
                        all.x = "TRUE")
  norte_merged <- merge(norte_merged,ent_6,
                        by = "FECHA_SINTOMAS",
                        all.x = "TRUE")
  plot_ly(x = norte_merged$FECHA_SINTOMAS,
          mode = 'line') %>% 
    add_trace(y = norte_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = norte_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = norte_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = norte_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = norte_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    add_trace(y = norte_merged$ent_6_media_movil, 
              name = entidad6, 
              line = list(color = "#FF7F50")) %>%
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 en las Entidades del NORTE",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
## POR FRONTERA NORTE### - Baja California, Chihuahua, Sonora, Coahuila, Nuevo León, Tamaulipas
Casos_Norte(cov_analisis,
            entidad1 = "BAJA CALIFORNIA", entidad2 = "CHIHUAHUA",
            entidad3 = "SONORA", entidad4 = "COAHUILA",
            entidad5 = "NUEVO LEÓN", entidad6 = "TAMAULIPAS")  
```

### Por Norte-Occidente
```{r Norte-Occidente, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_NorteOccidente <- function(dataset,
                                 entidad1,entidad2,
                                 entidad3,entidad4,
                                 entidad5){
  ent_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,
                              c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,
                             digits = 1) ##(rounding off at hover fixed 10/05/2022)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,
                              c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,
                             digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,
                              c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,
                             digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,
                              c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,
                             digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,
                              c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,
                             digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  norteoccident_merged <- merge(ent_1,ent_2,
                                by = "FECHA_SINTOMAS",
                                all.x = "TRUE")
  norteoccident_merged <- merge(norteoccident_merged,ent_3,
                                by = "FECHA_SINTOMAS",
                                all.x = "TRUE")
  norteoccident_merged <- merge(norteoccident_merged,ent_4,
                                by = "FECHA_SINTOMAS",
                                all.x = "TRUE")
  norteoccident_merged <- merge(norteoccident_merged,ent_5,
                                by = "FECHA_SINTOMAS",
                                all.x = "TRUE")
  plot_ly(x = norteoccident_merged$FECHA_SINTOMAS,
          mode = 'line') %>% 
    add_trace(y = norteoccident_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = norteoccident_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = norteoccident_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = norteoccident_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = norteoccident_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 en las Entidades del NORTE-OCCIDENTE",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
## POR FRONTERA NORTE-OCCIDENTE### - Baja California Sur, Sinaloa, Nayarit, Durango y Zacatecas
Casos_NorteOccidente(cov_analisis,
                     entidad1 = "BAJA CALIFORNIA SUR", entidad2 = "SINALOA",
                     entidad3 = "NAYARIT", entidad4 = "DURANGO",
                     entidad5 = "ZACATECAS")       ### Exitoso
```

### Por Centro-Norte
```{r Centro-Norte, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_CentroNorte <- function(dataset,
                              entidad1,entidad2,entidad3,entidad4,
                              entidad5){
  ent_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,
                              c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,
                             digits = 1) ##(rounding off at hover fixed 10/05/2022)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,
                              c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,
                             digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,
                              c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,
                             digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,
                              c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,
                             digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,
                              c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,
                             digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  centronorte_merged <- merge(ent_1,ent_2,
                              by = "FECHA_SINTOMAS",
                              all.x = "TRUE")
  centronorte_merged <- merge(centronorte_merged,ent_3,
                              by = "FECHA_SINTOMAS",
                              all.x = "TRUE")
  centronorte_merged <- merge(centronorte_merged,ent_4,
                              by = "FECHA_SINTOMAS",
                              all.x = "TRUE")
  centronorte_merged <- merge(centronorte_merged,ent_5,
                              by = "FECHA_SINTOMAS",
                              all.x = "TRUE")
  plot_ly(x = centronorte_merged$FECHA_SINTOMAS,
          mode = 'line') %>% 
    add_trace(y = centronorte_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = centronorte_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = centronorte_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = centronorte_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = centronorte_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 en las Entidades del CENTRO-NORTE",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA CENTRO-NORTE### - Jalisco, Aguascalientes, Colima, Michoacán y San Luis Potosí
Casos_CentroNorte(cov_analisis,
                  entidad1 = "JALISCO", entidad2 = "AGUASCALIENTES",
                  entidad3 = "COLIMA", entidad4 = "MICHOACÁN",
                  entidad5 = "SAN LUIS POTOSÍ")       ### Exitoso  
```

### Por Centro
```{r Centro, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Centro <- function(dataset,
                         entidad1,entidad2,entidad3,entidad4,
                         entidad5,entidad6,entidad7,entidad8){
  ent_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,
                              c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,
                             digits = 1) ##(rounding off at hover fixed 10/05/2022)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,
                              c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,
                             digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,
                              c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,
                             digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,
                              c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,
                             digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,
                              c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,
                             digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  ent_6 <- dataset %>% 
    filter(ENTIDAD_UM == entidad6) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_6_conteo = n())
  ent_6_mean <- rollmean(ent_6$ent_6_conteo,7)
  ent_6_media_movil <- append(ent_6_mean,
                              c(0,0,0,0,0,0),0)
  ent_6_media_movil <- round(ent_6_media_movil,
                             digits = 1)
  ent_6$ent_6_media_movil <- ent_6_media_movil
  ent_7 <- dataset %>% 
    filter(ENTIDAD_UM == entidad7) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_7_conteo = n())
  ent_7_mean <- rollmean(ent_7$ent_7_conteo,7)
  ent_7_media_movil <- append(ent_7_mean,
                              c(0,0,0,0,0,0),0)
  ent_7_media_movil <- round(ent_7_media_movil,
                             digits = 1)
  ent_7$ent_7_media_movil <- ent_7_media_movil
  ent_8 <- dataset %>% 
    filter(ENTIDAD_UM == entidad8) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_8_conteo = n())
  ent_8_mean <- rollmean(ent_8$ent_8_conteo,7)
  ent_8_media_movil <- append(ent_8_mean,
                              c(0,0,0,0,0,0),0)
  ent_8_media_movil <- round(ent_8_media_movil,
                             digits = 1)
  ent_8$ent_8_media_movil <- ent_8_media_movil
  centro_merged <- merge(ent_1,ent_2,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  centro_merged <- merge(centro_merged,ent_3,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  centro_merged <- merge(centro_merged,ent_4,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  centro_merged <- merge(centro_merged,ent_5,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  centro_merged <- merge(centro_merged,ent_6,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  centro_merged <- merge(centro_merged,ent_7,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  centro_merged <- merge(centro_merged,ent_8,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  plot_ly(x = centro_merged$FECHA_SINTOMAS,
          mode = 'line') %>% 
    add_trace(y = centro_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = centro_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = centro_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = centro_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = centro_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "##576675")) %>%
    add_trace(y = centro_merged$ent_6_media_movil, 
              name = entidad6, 
              line = list(color = "#ff0000")) %>%
    #add_trace(y = centro_merged$ent_7_media_movil, 
    #name = entidad7, 
    #line = list(color = "#0000ff")) %>%
    add_trace(y = centro_merged$ent_8_media_movil, 
              name = entidad8, 
              line = list(color = "##8AD2D8")) %>%
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 en las Entidades del CENTRO",
           xaxis = list(rangeslider = list(visible = T),
                        title = "Excluyendo la Cd. de México por cifras sumamente altas y El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA CENTRO### - EXITOSO
## Guanajuato, Querétaro, Hidalgo,   
## Estado de México, Ciudad de México, Morelos, Tlaxcala y Puebla.
Casos_Centro(cov_analisis,
             entidad1 = "GUANAJUATO", entidad2 = "QUERÉTARO",
             entidad3 = "HIDALGO", entidad4 = "MÉXICO",
             entidad5 = "MORELOS", entidad6 = "TLAXCALA",
             entidad7 = "CIUDAD DE MÉXICO",
             entidad8 = "PUEBLA")       ### Exitoso
```

### Por Sur
```{r Sur, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Sur <- function(dataset,
                      entidad1,entidad2,entidad3,entidad4,
                      entidad5,entidad6,entidad7,entidad8){
  ent_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,
                              c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,
                             digits = 1) ##(rounding off at hover fixed 10/05/2022)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,
                              c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,
                             digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,
                              c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,
                             digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,
                              c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,
                             digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,
                              c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,
                             digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  ent_6 <- dataset %>% 
    filter(ENTIDAD_UM == entidad6) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_6_conteo = n())
  ent_6_mean <- rollmean(ent_6$ent_6_conteo,7)
  ent_6_media_movil <- append(ent_6_mean,
                              c(0,0,0,0,0,0),0)
  ent_6_media_movil <- round(ent_6_media_movil,
                             digits = 1)
  ent_6$ent_6_media_movil <- ent_6_media_movil
  ent_7 <- dataset %>% 
    filter(ENTIDAD_UM == entidad7) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_7_conteo = n())
  ent_7_mean <- rollmean(ent_7$ent_7_conteo,7)
  ent_7_media_movil <- append(ent_7_mean,
                              c(0,0,0,0,0,0),0)
  ent_7_media_movil <- round(ent_7_media_movil,
                             digits = 1)
  ent_7$ent_7_media_movil <- ent_7_media_movil
  ent_8 <- dataset %>% 
    filter(ENTIDAD_UM == entidad8) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_8_conteo = n())
  ent_8_mean <- rollmean(ent_8$ent_8_conteo,7)
  ent_8_media_movil <- append(ent_8_mean,
                              c(0,0,0,0,0,0),0)
  ent_8_media_movil <- round(ent_8_media_movil,
                             digits = 1)
  ent_8$ent_8_media_movil <- ent_8_media_movil
  sur_merged <- merge(ent_1,ent_2,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  sur_merged <- merge(sur_merged,ent_3,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  sur_merged <- merge(sur_merged,ent_4,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  sur_merged <- merge(sur_merged,ent_5,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  sur_merged <- merge(sur_merged,ent_6,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  sur_merged <- merge(sur_merged,ent_7,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  sur_merged <- merge(sur_merged,ent_8,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  plot_ly(x = sur_merged$FECHA_SINTOMAS,
          mode = 'line') %>% 
    add_trace(y = sur_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = sur_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = sur_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = sur_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = sur_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    add_trace(y = sur_merged$ent_6_media_movil, 
              name = entidad6, 
              line = list(color = "#576675")) %>%
    add_trace(y = sur_merged$ent_7_media_movil, 
              name = entidad7, 
              line = list(color = "#0000ff")) %>%
    add_trace(y = sur_merged$ent_8_media_movil, 
              name = entidad8, 
              line = list(color = "#8AD2D8")) %>%
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 en las Entidades del SUR",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA SUR ### - EXITOSO
## Sur: Guerrero, Oaxaca, Chiapas, Veracruz, Tabasco, 
## Campeche, Yucatán y Quintana Roo.
Casos_Sur(cov_analisis,
          entidad1 = "GUERRERO", entidad2 = "OAXACA",
          entidad3 = "CHIAPAS", entidad4 = "VERACRUZ",
          entidad5 = "TABASCO", entidad6 = "CAMPECHE",
          entidad7 = "YUCATÁN", entidad8 = "QUINTANO ROO")       ### Exitoso

 
```

## Defunciones {.tabset .tabset-fade}

### Por Regiones
```{r Defunc Regiones, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_Regiones <- function(dataset){
  reg_norte <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "BAJA CALIFORNIA" 
           | ENTIDAD_UM == "CHIHUAHUA"
           | ENTIDAD_UM == "SONORA"
           | ENTIDAD_UM == "COAHUILA"
           | ENTIDAD_UM == "NUEVO LEÓN"
           | ENTIDAD_UM == "TAMAULIPAS") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(norte_conteo = n())
  reg_norte_mean <- rollmean(reg_norte$norte_conteo,7)
  norte_media_movil <- append(reg_norte_mean,c(0,0,0,0,0,0),0)
  norte_media_movil <- round(norte_media_movil,digits = 1)
  reg_norte$norte_media_movil <- norte_media_movil
  reg_norte_occid <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "BAJA CALIFORNIA SUR" 
           | ENTIDAD_UM == "SINALOA"
           | ENTIDAD_UM == "NAYARIT"
           | ENTIDAD_UM == "DURANGO"
           | ENTIDAD_UM == "ZACATECAS") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(norte_occid_conteo = n())
  reg_norte_occid_mean <- rollmean(reg_norte_occid$norte_occid_conteo,7)
  norte_occid_media_movil <- append(reg_norte_occid_mean,c(0,0,0,0,0,0),0)
  norte_occid_media_movil <- round(norte_occid_media_movil, digits = 1)
  reg_norte_occid$norte_occid_media_movil <- norte_occid_media_movil
  reg_centro_norte <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "JALISCO" 
           | ENTIDAD_UM == "AGUASCALIENTES"
           | ENTIDAD_UM == "COLIMA"
           | ENTIDAD_UM == "MICHOACÁN"
           | ENTIDAD_UM == "SAN LUIS POTOSÍ") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(centro_norte_conteo = n())
  reg_centro_norte_mean <- rollmean(reg_centro_norte$centro_norte_conteo,7)
  centro_norte_media_movil <- append(reg_centro_norte_mean,c(0,0,0,0,0,0),0)
  centro_norte_media_movil <- round(centro_norte_media_movil,digits = 1)
  reg_centro_norte$centro_norte_media_movil <- centro_norte_media_movil
  reg_centro <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(centro_conteo = n())
  reg_centro_mean <- rollmean(reg_centro$centro_conteo,7)
  centro_media_movil <- append(reg_centro_mean,c(0,0,0,0,0,0),0)
  centro_media_movil <- round(centro_media_movil,digits = 1)
  reg_centro$centro_media_movil <- centro_media_movil
  reg_sur <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "GUERRERO" 
           | ENTIDAD_UM == "OAXACA"
           | ENTIDAD_UM == "CHIAPAS"
           | ENTIDAD_UM == "VERACRUZ"
           | ENTIDAD_UM == "TABASCO"
           | ENTIDAD_UM == "CAMPECHE"
           | ENTIDAD_UM == "YUCATÁN"
           | ENTIDAD_UM == "QUINTANO ROO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(sur_conteo = n())
  reg_sur_mean <- rollmean(reg_sur$sur_conteo,7)
  sur_media_movil <- append(reg_sur_mean,c(0,0,0,0,0,0),0)
  sur_media_movil <- round(sur_media_movil,digits = 1)
  reg_sur$sur_media_movil <- sur_media_movil
  reg_cdmx <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(cdmx_conteo = n())
  reg_cdmx_mean <- rollmean(reg_cdmx$cdmx_conteo,7)
  cdmx_media_movil <- append(reg_cdmx_mean,c(0,0,0,0,0,0),0)
  cdmx_media_movil <- round(cdmx_media_movil,digits = 1)
  reg_cdmx$cdmx_media_movil <- cdmx_media_movil
  def_reg_merged <- merge(reg_norte,reg_norte_occid,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_centro_norte,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_centro,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_sur,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_cdmx,
                          by = "FECHA_DEF", all.x = TRUE)
  plot_ly(x = as.Date(def_reg_merged$FECHA_DEF), 
          mode = 'line') %>% 
    add_trace(y = def_reg_merged$norte_media_movil, 
              name = "NORTE", 
              line = list(color = "#065535")) %>%
    add_trace(y = def_reg_merged$norte_occid_media_movil, 
              name = "NORTE-OCCIDENTE", 
              line = list(color = "#003366")) %>% 
    add_trace(y = def_reg_merged$centro_norte_media_movil, 
              name = "CENTRO-NORTE", 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = def_reg_merged$centro_media_movil, 
              name = "CENTRO", 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = def_reg_merged$sur_media_movil, 
              name = "SUR", 
              line = list(color = "#576675")) %>%
    add_trace(y = def_reg_merged$cdmx_media_movil, 
              name = "CD. DE MÉXICO", 
              line = list(color = "#ff0000")) %>%
    layout(title = "Media Móvil de Defunciones por COVID-19 por Regiones de Movilidad y Cd. de México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Defunc_Regiones(cov_analisis)       ### Exitoso
```

### Por Norte
```{r Defunc Norte, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_Norte <- function(dataset,
                         entidad1,entidad2,
                         entidad3,entidad4,
                         entidad5,entidad6){
  ent_1 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,digits = 1)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  ent_6 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad6) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_6_conteo = n())
  ent_6_mean <- rollmean(ent_6$ent_6_conteo,7)
  ent_6_media_movil <- append(ent_6_mean,c(0,0,0,0,0,0),0)
  ent_6_media_movil <- round(ent_6_media_movil,digits = 1)
  ent_6$ent_6_media_movil <- ent_6_media_movil
  def_norte_merged <- merge(ent_1,ent_2,
                            by = "FECHA_DEF",
                            all.x = TRUE)
  def_norte_merged <- merge(def_norte_merged,ent_3,
                            by = "FECHA_DEF")
  def_norte_merged <- merge(def_norte_merged,ent_4,
                            by = "FECHA_DEF")
  def_norte_merged <- merge(def_norte_merged,ent_5,
                            by = "FECHA_DEF")
  def_norte_merged <- merge(def_norte_merged,ent_6,
                            by = "FECHA_DEF")
  plot_ly(x = as.Date(def_norte_merged$FECHA_DEF),
          mode = 'line') %>% 
    add_trace(y = def_norte_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = def_norte_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = def_norte_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = def_norte_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = def_norte_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    add_trace(y = def_norte_merged$ent_6_media_movil, 
              name = entidad6, 
              line = list(color = "#FF7F50")) %>%
    layout(title = "Media Móvil de Defunciones por COVID-19 en las Entidades del NORTE",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA NORTE### - Baja California, Chihuahua, Sonora, Coahuila, Nuevo León, Tamaulipas
Defunc_Norte(cov_analisis,
             entidad1 = "BAJA CALIFORNIA", entidad2 = "CHIHUAHUA",
             entidad3 = "SONORA", entidad4 = "COAHUILA",
             entidad5 = "NUEVO LEÓN", entidad6 = "TAMAULIPAS")    
```

### Por Norte-Occidente
```{r Defunc Norte Occidente, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_NorteOccidente <- function(dataset,
                                  entidad1,entidad2,
                                  entidad3,entidad4,
                                  entidad5){
  ent_1 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,digits = 1)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  def_norte_occid_merged <- merge(ent_1,ent_2,
                                  by = "FECHA_DEF",
                                  all.x = TRUE)
  def_norte_occid_merged <- merge(def_norte_occid_merged,ent_3,
                                  by = "FECHA_DEF")
  def_norte_occid_merged <- merge(def_norte_occid_merged,ent_4,
                                  by = "FECHA_DEF")
  def_norte_occid_merged <- merge(def_norte_occid_merged,ent_5,
                                  by = "FECHA_DEF")
  plot_ly(x = as.Date(def_norte_occid_merged$FECHA_DEF),
          mode = 'line') %>% 
    add_trace(y = def_norte_occid_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = def_norte_occid_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = def_norte_occid_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = def_norte_occid_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = def_norte_occid_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    layout(title = "Media Móvil de Defunciones por COVID-19 en las Entidades del NORTE-OCCIDENTE",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA NORTE-OCCIDENTE### - Baja California Sur, Sinaloa, Nayarit, Durango y Zacatecas
Defunc_NorteOccidente(cov_analisis,
                      entidad1 = "BAJA CALIFORNIA SUR", entidad2 = "SINALOA",
                      entidad3 = "NAYARIT", entidad4 = "DURANGO",
                      entidad5 = "ZACATECAS")       ### Exitoso
```

### Por Centro-Norte
```{r Defunc Centro-Norte, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_CentroNorte <- function(dataset,
                               entidad1,entidad2,
                               entidad3,entidad4,
                               entidad5){
  ent_1 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,digits = 1)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  def_centro_norte_merged <- merge(ent_1,ent_2,
                                   by = "FECHA_DEF",
                                   all.x = TRUE)
  def_centro_norte_merged <- merge(def_centro_norte_merged,ent_3,
                                   by = "FECHA_DEF")
  def_centro_norte_merged <- merge(def_centro_norte_merged,ent_4,
                                   by = "FECHA_DEF")
  def_centro_norte_merged <- merge(def_centro_norte_merged,ent_5,
                                   by = "FECHA_DEF")
  plot_ly(x = as.Date(def_centro_norte_merged$FECHA_DEF),
          mode = 'line') %>% 
    add_trace(y = def_centro_norte_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = def_centro_norte_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = def_centro_norte_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = def_centro_norte_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = def_centro_norte_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    layout(title = "Media Móvil de Defunciones por COVID-19 en las Entidades del CENTRO-NORTE",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA CENTRO-NORTE### - Jalisco, Aguascalientes, Colima, Michoacán y San Luis Potosí
Defunc_CentroNorte(cov_analisis,
                   entidad1 = "JALISCO", entidad2 = "AGUASCALIENTES",
                   entidad3 = "COLIMA", entidad4 = "MICHOACÁN",
                   entidad5 = "SAN LUIS POTOSÍ")       ### Exitoso
```

### Por Centro
```{r Defunc Centro, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
## Centro: Guanajuato, Querétaro, Hidalgo, Estado de México, Ciudad de México, Morelos, Tlaxcala y Puebla.
Defunc_Centro <- function(dataset,
                          entidad1,entidad2,
                          entidad3,entidad4,
                          entidad5,entidad6,
                          entidad7,entidad8){
  ent_1 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,digits = 1)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  ent_6 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad6) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_6_conteo = n())
  ent_6_mean <- rollmean(ent_6$ent_6_conteo,7)
  ent_6_media_movil <- append(ent_6_mean,c(0,0,0,0,0,0),0)
  ent_6_media_movil <- round(ent_6_media_movil,digits = 1)
  ent_6$ent_6_media_movil <- ent_6_media_movil
  ent_7 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad7) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_7_conteo = n())
  ent_7_mean <- rollmean(ent_7$ent_7_conteo,7)
  ent_7_media_movil <- append(ent_7_mean,c(0,0,0,0,0,0),0)
  ent_7_media_movil <- round(ent_7_media_movil,digits = 1)
  ent_7$ent_7_media_movil <- ent_7_media_movil
  ent_8 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad8) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_8_conteo = n())
  ent_8_mean <- rollmean(ent_8$ent_8_conteo,7)
  ent_8_media_movil <- append(ent_8_mean,c(0,0,0,0,0,0),0)
  ent_8_media_movil <- round(ent_8_media_movil,digits = 1)
  ent_8$ent_8_media_movil <- ent_8_media_movil
  def_centro_merged <- merge(ent_1,ent_2,
                             by = "FECHA_DEF",
                             all.x = TRUE)
  def_centro_merged <- merge(def_centro_merged,ent_3,
                             by = "FECHA_DEF")
  def_centro_merged <- merge(def_centro_merged,ent_4,
                             by = "FECHA_DEF")
  def_centro_merged <- merge(def_centro_merged,ent_5,
                             by = "FECHA_DEF")
  def_centro_merged <- merge(def_centro_merged,ent_6,
                             by = "FECHA_DEF")
  def_centro_merged <- merge(def_centro_merged,ent_7,
                             by = "FECHA_DEF")
  def_centro_merged <- merge(def_centro_merged,ent_8,
                             by = "FECHA_DEF")
  plot_ly(x = as.Date(def_centro_merged$FECHA_DEF),
          mode = 'line') %>% 
    add_trace(y = def_centro_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = def_centro_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = def_centro_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = def_centro_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = def_centro_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    add_trace(y = def_centro_merged$ent_6_media_movil, 
              name = entidad6, 
              line = list(color = "#576675")) %>%
    ##add_trace(y = def_centro_merged$ent_7_media_movil, 
              ##name = entidad7, 
              ##line = list(color = "#0000ff")) %>%
    add_trace(y = def_centro_merged$ent_8_media_movil, 
              name = entidad8, 
              line = list(color = "#8AD2D8")) %>%
    layout(title = "Media Móvil de Defunciones de COVID-19 en las Entidades del CENTRO",
           xaxis = list(rangeslider = list(visible = T),
                        title = "Excluyendo la Cd. de México por cifras sumamente altas y El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA CENTRO### - EXITOSO
## Guanajuato, Querétaro, Hidalgo,   
## Estado de México, Ciudad de México, Morelos, Tlaxcala y Puebla.
Defunc_Centro(cov_analisis,
              entidad1 = "GUANAJUATO", entidad2 = "QUERÉTARO",
              entidad3 = "HIDALGO", entidad4 = "MÉXICO",
              entidad5 = "MORELOS", entidad6 = "TLAXCALA",
              entidad7 = "CIUDAD DE MÉXICO",
              entidad8 = "PUEBLA")       ### Exitoso

```

### Por Sur
```{r Defunc Sur, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
## Sur: Guerrero, Oaxaca, Chiapas, Veracruz, Tabasco, 
## Campeche, Yucatán y Quintana Roo.

Defunc_Sur <- function(dataset,
                       entidad1,entidad2,
                       entidad3,entidad4,
                       entidad5,entidad6,
                       entidad7,entidad8){
  ent_1 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,digits = 1)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  ent_6 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad6) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_6_conteo = n())
  ent_6_mean <- rollmean(ent_6$ent_6_conteo,7)
  ent_6_media_movil <- append(ent_6_mean,c(0,0,0,0,0,0),0)
  ent_6_media_movil <- round(ent_6_media_movil,digits = 1)
  ent_6$ent_6_media_movil <- ent_6_media_movil
  ent_7 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad7) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_7_conteo = n())
  ent_7_mean <- rollmean(ent_7$ent_7_conteo,7)
  ent_7_media_movil <- append(ent_7_mean,c(0,0,0,0,0,0),0)
  ent_7_media_movil <- round(ent_7_media_movil,digits = 1)
  ent_7$ent_7_media_movil <- ent_7_media_movil
  ent_8 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad8) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_8_conteo = n())
  ent_8_mean <- rollmean(ent_8$ent_8_conteo,7)
  ent_8_media_movil <- append(ent_8_mean,c(0,0,0,0,0,0),0)
  ent_8_media_movil <- round(ent_8_media_movil,digits = 1)
  ent_8$ent_8_media_movil <- ent_8_media_movil
  def_sur_merged <- merge(ent_1,ent_2,
                          by = "FECHA_DEF",
                          all.x = TRUE)
  def_sur_merged <- merge(def_sur_merged,ent_3,
                          by = "FECHA_DEF")
  def_sur_merged <- merge(def_sur_merged,ent_4,
                          by = "FECHA_DEF")
  def_sur_merged <- merge(def_sur_merged,ent_5,
                          by = "FECHA_DEF")
  def_sur_merged <- merge(def_sur_merged,ent_6,
                          by = "FECHA_DEF")
  def_sur_merged <- merge(def_sur_merged,ent_7,
                          by = "FECHA_DEF")
  def_sur_merged <- merge(def_sur_merged,ent_8,
                          by = "FECHA_DEF")
  plot_ly(x = as.Date(def_sur_merged$FECHA_DEF),
          mode = 'line') %>% 
    add_trace(y = def_sur_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = def_sur_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = def_sur_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = def_sur_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = def_sur_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    add_trace(y = def_sur_merged$ent_6_media_movil, 
              name = entidad6, 
              line = list(color = "#576675")) %>%
    add_trace(y = def_sur_merged$ent_7_media_movil, 
              name = entidad7, 
              line = list(color = "#0000ff")) %>%
    add_trace(y = def_sur_merged$ent_8_media_movil, 
              name = entidad8, 
              line = list(color = "#8AD2D8")) %>%
    layout(title = "Media Móvil de Defunciones por COVID-19 en las Entidades del SUR",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA SUR ### - EXITOSO
## Sur: Guerrero, Oaxaca, Chiapas, Veracruz, Tabasco, 
## Campeche, Yucatán y Quintana Roo.
Defunc_Sur(cov_analisis,
           entidad1 = "GUERRERO", entidad2 = "OAXACA",
           entidad3 = "CHIAPAS", entidad4 = "VERACRUZ",
           entidad5 = "TABASCO", entidad6 = "CAMPECHE",
           entidad7 = "YUCATÁN", entidad8 = "QUINTANO ROO")       ### Exitoso


```

# Municipios Selectos {data-navmenu="Series de Tiempo"}

## Casos Diarios {.tabset .tabset-fade}

### Región Citrícola
```{r Casos Citricola, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Citric <- function(dataset,entidad1,
                         municipio1,municipio2,
                         municipio3,municipio4,
                         municipio5,municipio6){
  munic_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_1_conteo = n())
  munic_1_mean <- rollmean(munic_1$munic_1_conteo,7)
  munic_1_media_movil <- append(munic_1_mean,c(0,0,0,0,0,0),0)
  munic_1_media_movil <- round(munic_1_media_movil,digits = 1)
  munic_1$munic_1_media_movil <- munic_1_media_movil
  munic_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_2_conteo = n())
  munic_2_mean <- rollmean(munic_2$munic_2_conteo,7)
  munic_2_media_movil <- append(munic_2_mean,c(0,0,0,0,0,0),0)
  munic_2_media_movil <- round(munic_2_media_movil,digits = 1)
  munic_2$munic_2_media_movil <- munic_2_media_movil
  munic_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_3_conteo = n())
  munic_3_mean <- rollmean(munic_3$munic_3_conteo,7)
  munic_3_media_movil <- append(munic_3_mean,c(0,0,0,0,0,0),0)
  munic_3_media_movil <- round(munic_3_media_movil)
  munic_3$munic_3_media_movil <- munic_3_media_movil
  munic_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_4_conteo = n())
  munic_4_mean <- rollmean(munic_4$munic_4_conteo,7)
  munic_4_media_movil <- append(munic_4_mean,c(0,0,0,0,0,0),0)
  munic_4_media_movil <- round(munic_4_media_movil)
  munic_4$munic_4_media_movil <- munic_4_media_movil
  munic_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_5_conteo = n())
  munic_5_mean <- rollmean(munic_5$munic_5_conteo,7)
  munic_5_media_movil <- append(munic_5_mean,c(0,0,0,0,0,0),0)
  munic_5_media_movil <- round(munic_5_media_movil,digits = 1)
  munic_5$munic_5_media_movil <- munic_5_media_movil
  munic_6 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio6) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_6_conteo = n())
  munic_6_mean <- rollmean(munic_6$munic_6_conteo,7)
  munic_6_media_movil <- append(munic_6_mean,c(0,0,0,0,0,0),0)
  munic_6_media_movil <- round(munic_6_media_movil,digits = 1)
  munic_6$munic_6_media_movil <- munic_6_media_movil
  munic_citric_merged <- merge(munic_1,munic_2,
                               by = "FECHA_SINTOMAS", all.x = TRUE)
  munic_citric_merged <- merge(munic_citric_merged,munic_3,
                               by = "FECHA_SINTOMAS", all.x = TRUE)
  munic_citric_merged <- merge(munic_citric_merged,munic_4,
                               by = "FECHA_SINTOMAS", all.x = TRUE)
  munic_citric_merged <- merge(munic_citric_merged,munic_5,
                               by = "FECHA_SINTOMAS", all.x = TRUE)
  munic_citric_merged <- merge(munic_citric_merged,munic_6,
                               by = "FECHA_SINTOMAS", all.x = TRUE)
  plot_ly(x = munic_citric_merged$FECHA_SINTOMAS, mode = 'line') %>%  #### Seleccionar los vectores de fechas mas cortos
    add_trace(y = munic_citric_merged$munic_1_media_movil, 
              name = "ALLENDE", 
              line = list(color = "#19D3F3")) %>% 
    add_trace(y = munic_citric_merged$munic_2_media_movil, 
              name = "HUALAHUISES", 
              line = list(color = "#FFA15A")) %>% 
    add_trace(y = munic_citric_merged$munic_3_media_movil, 
              name = "GENERAL TERÁN", 
              line = list(color = "#AB63FA")) %>%
    add_trace(y = munic_citric_merged$munic_4_media_movil, 
              name = "LINARES", 
              line = list(color = "#00CC96")) %>%
    add_trace(y = munic_citric_merged$munic_5_media_movil, 
              name = "MONTEMORELOS", 
              line = list(color = "#EF553B")) %>%
    add_trace(y = munic_citric_merged$munic_6_media_movil, 
              name = "RAYONES", 
              line = list(color = "#636EFA")) %>%
    layout(title = "Media Movil de Casos Confirmados por Municipios de Región Citrícola de Nuevo León",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Citric(cov_analisis,entidad1 = "NUEVO LEÓN",      ## EXITOSO
             municipio1 = 004,municipio2 = 029,
             municipio3 = 022,municipio4 = 033,
             municipio5 = 038,municipio6 = 043)
```

### Región Baja California
```{r Casos Baja California, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Baja_Calif <- function(dataset,entidad1,
                             municipio1,municipio2,
                             municipio3,municipio4,
                             municipio5,municipio6){
  munic_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_1_conteo = n())
  munic_1_mean <- rollmean(munic_1$munic_1_conteo,7)
  munic_1_media_movil <- append(munic_1_mean,c(0,0,0,0,0,0),0)
  munic_1_media_movil <- round(munic_1_media_movil,digits = 1)
  munic_1$munic_1_media_movil <- munic_1_media_movil
  munic_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_2_conteo = n())
  munic_2_mean <- rollmean(munic_2$munic_2_conteo,7)
  munic_2_media_movil <- append(munic_2_mean,c(0,0,0,0,0,0),0)
  munic_2_media_movil <- round(munic_2_media_movil)
  munic_2$munic_2_media_movil <- munic_2_media_movil
  munic_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_3_conteo = n())
  munic_3_mean <- rollmean(munic_3$munic_3_conteo,7)
  munic_3_media_movil <- append(munic_3_mean,c(0,0,0,0,0,0),0)
  munic_3_media_movil <- round(munic_3_media_movil,digits = 1)
  munic_3$munic_3_media_movil <- munic_3_media_movil
  munic_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_4_conteo = n())
  munic_4_mean <- rollmean(munic_4$munic_4_conteo,7)
  munic_4_media_movil <- append(munic_4_mean,c(0,0,0,0,0,0),0)
  munic_4_media_movil <- round(munic_4_media_movil,digits = 1)
  munic_4$munic_4_media_movil <- munic_4_media_movil
  munic_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_5_conteo = n())
  munic_5_mean <- rollmean(munic_5$munic_5_conteo,7)
  munic_5_media_movil <- append(munic_5_mean,c(0,0,0,0,0,0),0)
  munic_5_media_movil <- munic_5_media_movil
  munic_5$munic_5_media_movil <- munic_5_media_movil
  munic_6 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio6) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_6_conteo = n())
  munic_6_mean <- rollmean(munic_6$munic_6_conteo,7)
  munic_6_media_movil <- append(munic_6_mean,c(0,0,0,0,0,0),0)
  munic_6_media_movil <- round(munic_6_media_movil,digits = 1)
  munic_6$munic_6_media_movil <- munic_6_media_movil
  BC_merged <- merge(munic_1,munic_2,
                     by = "FECHA_SINTOMAS", all.x = TRUE)
  BC_merged <- merge(BC_merged,munic_3,
                     by = "FECHA_SINTOMAS", all.x = TRUE)
  BC_merged <- merge(BC_merged,munic_4,
                     by = "FECHA_SINTOMAS", all.x = TRUE)
  BC_merged <- merge(BC_merged,munic_5,
                     by = "FECHA_SINTOMAS", all.x = TRUE)
  BC_merged <- merge(BC_merged,munic_6,
                     by = "FECHA_SINTOMAS", all.x = TRUE)
  plot_ly(x = BC_merged$FECHA_SINTOMAS, mode = 'line') %>%  
    #### Seleccionar los vectores de fechas mas cortos
    add_trace(y = BC_merged$munic_1_media_movil, 
              name = "ENSENADA", 
              line = list(color = "#19D3F3")) %>% 
    add_trace(y = BC_merged$munic_2_media_movil, 
              name = "MEXICALI", 
              line = list(color = "#FFA15A")) %>% 
    add_trace(y = BC_merged$munic_3_media_movil, 
              name = "TECATE", 
              line = list(color = "#AB63FA")) %>%
    add_trace(y = BC_merged$munic_4_media_movil, 
              name = "TIJUANA", 
              line = list(color = "#00CC96")) %>%
    add_trace(y = BC_merged$munic_5_media_movil, 
              name = "PLAYAS DE ROSARITO", 
              line = list(color = "#EF553B")) %>%
    add_trace(y = BC_merged$munic_6_media_movil, 
              name = "NO ESPECIFICADO", 
              line = list(color = "#636EFA")) %>%
    layout(title = "Media Movil de Casos Confirmados por Municipios de Región Ensenada de Baja California",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Baja_Calif(cov_analisis,entidad1 = "BAJA CALIFORNIA",   ## EXITOSO
                 municipio1 = 001,municipio2 = 002,
                 municipio3 = 003,municipio4 = 004,
                 municipio5 = 005,municipio6 = 999)
```

# Análisis Combinados {data-navmenu="Series de Tiempo"}

## Row {.tabset .tabset-fade}

### Casos y Defunciones
```{r Casos y Defunciones, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Y_Def <- function(dataset){
  # Hacer función para filtrar un "vector" de las fechas de sintomas
  sintom <- dataset %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo = n())
  # Calcular medias de casos por fechas para linea ajustado
  sintom_mean <- rollmean(sintom$conteo,7)
  media_movil <- append(sintom_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil,digits = 1)
  sintom$media_movil <- media_movil
  defunciones <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99") %>% 
    ## '!' mark means NOT what follows
    select(FECHA_DEF) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>%
    summarise(conteo = n())
  defunciones <- defunciones[-1,] ### Para eliminar rows of observaciones
  def_mean <- rollmean(defunciones$conteo,7)
  media_movil <- append(def_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil,digits = 1)
  defunciones$media_movil <- media_movil
  # Demostrar en Gráfica con leyendas adecuadas
  plot_ly(x = sintom$FECHA_SINTOMAS[7:nrow(defunciones)], mode = 'line') %>% 
    add_trace(y = defunciones$media_movil[7:nrow(defunciones)], 
              name = "Defunciones", 
              line = list(color = "#FF0000")) %>% 
    add_trace(y = sintom$media_movil[7:nrow(defunciones)], 
              name = "Casos Confirmados", 
              line = list(color = "#7f7f7f")) %>% 
    layout(title = "Casos Confirmados y Defunciones por COVID-19 en México",
           yaxis = list(type = "log"),
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Y_Def(cov_analisis)
```

### Rural vs Ciudad (Un Ejemplo)
```{r Rural vs Ciudad, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
RurVsCiu <- function(dataset,entidad1,
                     municipio1,municipio2){
  munic_1 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99"
           & ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio1) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(munic_1_conteo = n())
  munic_1_mean <- rollmean(munic_1$munic_1_conteo,7)
  munic_1_media_movil <- append(munic_1_mean,c(0,0,0,0,0,0),0)
  munic_1_media_movil <- round(munic_1_media_movil,digits = 1)
  munic_1$munic_1_media_movil <- munic_1_media_movil
  munic_2 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio2) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(munic_2_conteo = n())
  munic_2_mean <- rollmean(munic_2$munic_2_conteo,7)
  munic_2_media_movil <- append(munic_2_mean,c(0,0,0,0,0,0),0)
  munic_2_media_movil <- round(munic_2_media_movil,digits = 1)
  munic_2$munic_2_media_movil <- munic_2_media_movil
  RVsC_merged <- merge(munic_1,munic_2,
                       by = "FECHA_DEF", all.x = TRUE)
  plot_ly(x = as.Date(RVsC_merged$FECHA_DEF, mode = 'line')) %>%  
    add_trace(y = RVsC_merged$munic_1_media_movil, 
              name = "MONTEMORELOS", 
              line = list(color = "#FF0000"),
              mode = 'lines') %>% 
    add_trace(y = RVsC_merged$munic_2_media_movil, 
              name = "MONTERREY", 
              line = list(color = "#7f7f7f"),
              mode = 'lines') %>% 
    layout(title = "Media moviles de Defunciones por COVID-19 entre un Área Rural y Área Urbana en México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
RurVsCiu(cov_analisis,entidad1 = "NUEVO LEÓN",
         municipio1 = 038,municipio2 = 039)
```

### Cambios de Casos en Porcentajes
```{r Delta Casos, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Compar <- function(dataset){      ### Exitoso 19/05/2022
  sintomas <- dataset %>% 
    select(FECHA_SINTOMAS) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(casos_conteo = n())
  sintomas_porcent <- sintomas %>% 
    mutate(pct_change = (casos_conteo/lag(casos_conteo) - 1) * 100)
  ### Lag fx using https://stackoverflow.com/questions/48196552/calculate-percentage-change-in-r-using-dplyr
  sintomas$pct_change <- round(sintomas_porcent$pct_change,digits = 1)
  plot_ly(x = sintomas$FECHA_SINTOMAS,
          mode = 'line') %>%
    add_trace(y = sintomas$pct_change, 
              name = "Casos", 
              line = list(color = "#7f7f7f")) %>% 
    layout(title = "Cambios de Porcentajes de Casos Confirmados por COVID-19 en México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Compar(cov_analisis)
```

### Cambios de Defunciones en Porcentajes
```{r Delta Defunciones, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_Compar <- function(dataset){
  defunc <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99") %>%
    select(FECHA_DEF) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(defunc_conteo = n())
  defunc_porcent <- defunc %>% 
    mutate(pct_change = (defunc_conteo/lag(defunc_conteo) - 1) * 100) 
  defunc$pct_change <- round(defunc_porcent$pct_change,digits = 1)
  plot_ly(x = as.Date(defunc$FECHA_DEF[3:nrow(defunc)]),
          mode = 'line') %>%
    add_trace(y = defunc$pct_change[3:nrow(defunc)], 
              name = "Defunciones",
              line = list(color = "#7f7f7f")) %>% 
    layout(title = "Cambios de Porcentajes de Defunciones por COVID-19 en México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Defunc_Compar(cov_analisis)
```


```{r Poblaciones, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
TOT = 126014024
CDMX = 9209944
BC = 3769020
NL = 5784442
TIJ = 1922523
ENS = 443807
MTM = 67428
MTY = 1142994
```


```{r Definición de Parametros, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
Susceptibles_Fase1 <- TOT-(Recuperados+Defunciones+Activos)
Infectados_Fase1 <- Activos
Removidos_Fase1 <- Recuperados+Defunciones
Beta_Fase1 = 0.241
Gamma_Fase1 = 0.100
```

# Población Total {data-navmenu="Modelos SIRs"}

## Columns

### Fase 1

```{r SIR Fase1, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Beta_Fase1 = 0.241
Gamma_Fase1 = 0.100
sir <- function(time, state, parameters) {
  with(as.list(c(state, parameters)), {
    dS <- -beta * S * I
    dI <-  beta * S * I - gamma * I
    dR <-                 gamma * I
    return(list(c(dS, dI, dR)))
  })
}
### Set parameters
## Proportion in each compartment: Susceptible 0.999999, Infected 0.000001, Recovered 0
init       <- c(S = 1-1e-6, I = 1e-6, R = 0.0)
## beta: infection parameter; gamma: recovery parameter
parameters <- c(beta = Beta_Fase1, gamma = Gamma_Fase1)
## Time frame
times      <- seq(0, 500, by = 1)

## Solve using ode (General Solver for Ordinary Differential Equations)
out <- ode(y = init, times = times, func = sir, parms = parameters)
## change to data frame
out <- as.data.frame(out)
## Delete time variable
out$time <- NULL

## Plot
matplot(x = times, y = out, type = "l",
        xlab = "Time", ylab = "Susceptible and Recovered", main = "Fase 1",
        lwd = 2, lty = 1, bty = "l",col = 2:4)

## Add legend
legend(250, 0.6, c("Susceptible", "Infected", "Recovered"), pch = 1, col = 2:4, bty = "n")  
```

## Columns
### Fase 2 {data-width=400}
```{r SIR Fase2 Total, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Beta_Fase2 = 0.170
Gamma_Fase2 = 0.100
## Create an SIR function
sir <- function(time, state, parameters) {
  with(as.list(c(state, parameters)), {
    dS <- -beta * S * I
    dI <-  beta * S * I - gamma * I
    dR <-                 gamma * I
    return(list(c(dS, dI, dR)))
  })
}
init       <- c(S = 1-1e-6, I = 1e-6, R = 0.0)
parameters <- c(beta = Beta_Fase2, gamma = Gamma_Fase2)
times      <- seq(0, 500, by = 1)

out <- ode(y = init, times = times, func = sir, parms = parameters)
out <- as.data.frame(out)
out$time <- NULL

matplot(x = times, y = out, type = "l",
        xlab = "Time", ylab = "Susceptible and Recovered", main = "Fase 2",
        lwd = 2, lty = 1, bty = "l", col = 2:4)

legend(25, 0.6, c("Susceptible", "Infected", "Recovered"), pch = 1, col = 2:4, bty = "n")  

```

### Fase 3 {data-width=400}
```{r SIR Fase3 Total, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Beta_Fase3 = 0.139
Gamma_Fase3 = 0.099

sir <- function(time, state, parameters) {
  with(as.list(c(state, parameters)), {
    dS <- -beta * S * I
    dI <-  beta * S * I - gamma * I
    dR <-                 gamma * I
    return(list(c(dS, dI, dR)))
  })
}

init       <- c(S = 1-1e-6, I = 1e-6, R = 0.0)
parameters <- c(beta = Beta_Fase3, gamma = Gamma_Fase3)
times      <- seq(0, 500, by = 1)

out <- ode(y = init, times = times, func = sir, parms = parameters)
out <- as.data.frame(out)
out$time <- NULL

matplot(x = times, y = out, type = "l",
        xlab = "Time", ylab = "Susceptible and Recovered", main = "Fase 3",
        lwd = 2, lty = 1, bty = "l", col = 2:4)

legend(50, 0.6, c("Susceptible", "Infected", "Recovered"), pch = 1, col = 2:4, bty = "n")  

```
# Entidades  {data-navmenu="Modelos SIRs"}
## Columns

### Ciudad de México

## Columns
### Nuevo León

### Baja California

# Urbana vs Rural {data-navmenu="Modelos SIRs"}
## Columns

### Monterrey

### Montemorelos

## Columns
### Tijuana

### Ensenada


# Calidad de Datos
Los siguientes análisis demuestran la calidad y la normalidad de los datos usando un muestreo de un mil(1000) de 20.2 millones de observaciones registrados en la base de datos. 
El análisis para la calidad de datos usa un poder computacional significante cuál no está disponible en una computadora personal. 
Por lo tanto un muestreo seleccionado al azar es usado para simular la calidad y la normalidad de datos.

```{r Data Quality Fx Code Source, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
## FUNCION DE DQR ESPECIAL CON SCRIPT EXTERNO - FUNCIONS DE SOURCE
source("~/Documents/CovidData/R Scripts/dqr.R")
## 10K Sample for Descriptives
covsample <- cov_processed %>% 
  sample_n(1000,replace = TRUE)
```

## Row {.tabset .tabset-fade}
### Variables Categóricas

```{r Calidad Categórica, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Calidad_Cat <- function(dataset){
  DQRcat <- dataset %>%
    select_if(Negate(is.integer)) %>%
    QOfCategoricalF()
  NamesCat <- dataset %>% 
    select_if(Negate(is.integer)) %>% 
    names()
  DQRcat$NamesCat <- NamesCat
  DQRcat <- DQRcat[c(10,1,2,3,4,5,6,7,8,9)]
  DQRcat <- DQRcat[c(-1,-2),]
  ## Code for running the table (Categorical QoD)
  DQRcat %>% 
    kbl() %>% 
    kable_paper("hover",full_width=F)
}
Calidad_Cat(covsample)
```

### Variables Numéricas
```{r Calidad Númerica, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
## Numerical - CALIDAD DE DATOS
Calidad_Num <- function(dataset){
  DQRnum <- dataset %>% 
    select_if(is.integer) %>% 
    QOfContinuousF()
  NamesNum <- dataset %>% 
    select_if(is.integer) %>% 
    names()
  ## Code for running the table (Numerical QoD)
  DQRnum %>% 
    kbl () %>% 
    kable_paper(c("striped","hover"),full_width=F)
}
Calidad_Num(covsample)
```

### Normalidad de Datos
```{r Normalidad Selectas, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
## Tabla de Variables y la Normalidad organizado por género## - Important
Normalidad_Selectas <- function(dataset){
  dataset %>%
    select(EDAD,ORIGEN,SECTOR,SEXO,TIPO_PACIENTE,
           INTUBADO,NEUMONIA,NACIONALIDAD,EMBARAZO,
           HABLA_LENGUA_INDIG,INDIGENA,DIABETES,
           EPOC,ASMA,INMUSUPR,HIPERTENSION,CARDIOVASCULAR,
           OBESIDAD,RENAL_CRONICA,TABAQUISMO,OTRO_CASO,
           TOMA_MUESTRA_LAB,RESULTADO_LAB,TOMA_MUESTRA_ANTIGENO,
           RESULTADO_ANTIGENO,MIGRANTE,
           UCI,CLASIFICACION_FINAL) %>%
    tbl_summary(by="SEXO") %>% 
    modify_header(label="**VARIABLE**") %>% 
    bold_labels() %>% 
    add_p() %>% 
    add_n()
}
Normalidad_Selectas(covsample)
```