library(readxl)
library(readr)
## Warning: package 'readr' was built under R version 4.2.3
library(sqldf)
## Warning: package 'sqldf' was built under R version 4.2.3
## Loading required package: gsubfn
## Warning: package 'gsubfn' was built under R version 4.2.3
## Loading required package: proto
## Warning: package 'proto' was built under R version 4.2.3
## Loading required package: RSQLite
## Warning: package 'RSQLite' was built under R version 4.2.3
library(xtable)
## Warning: package 'xtable' was built under R version 4.2.3
covid19identificado <- read_csv("C:/Users/nicol/Downloads/covid19identificado.csv")
## New names:
## • `` -> `...1`
## Warning: One or more parsing issues, call `problems()` on your data frame for details,
## e.g.:
## dat <- vroom(...)
## problems(dat)
## Rows: 46019 Columns: 56
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (3): OCUPACION, CAUSA_MULT, C_BAS1
## dbl (49): ...1, COD_DPTO, COD_MUNIC, A_DEFUN, SIT_DEFUN, TIPO_DEFUN, ANO, ME...
## lgl (4): OTRSITIODE, CODOCUR, CODMUNOC, C_MUERTEE
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
pop_edad_dep <- read_excel("C:/Users/nicol/Downloads/pop edad dep.xlsx")
nombres <- sqldf("select DP, DPNOM
from pop_edad_dep
group by DP")
nombres
## DP DPNOM
## 1 05 Antioquia
## 2 08 Atlántico
## 3 11 Bogotá, D.C.
## 4 13 Bolívar
## 5 15 Boyacá
## 6 17 Caldas
## 7 18 Caquetá
## 8 19 Cauca
## 9 20 Cesar
## 10 23 Córdoba
## 11 25 Cundinamarca
## 12 27 Chocó
## 13 41 Huila
## 14 44 La Guajira
## 15 47 Magdalena
## 16 50 Meta
## 17 52 Nariño
## 18 54 Norte de Santander
## 19 63 Quindio
## 20 66 Risaralda
## 21 68 Santander
## 22 70 Sucre
## 23 73 Tolima
## 24 76 Valle del Cauca
## 25 81 Arauca
## 26 85 Casanare
## 27 86 Putumayo
## 28 88 Archipiélago de San Andrés
## 29 91 Amazonas
## 30 94 Guainía
## 31 95 Guaviare
## 32 97 Vaupés
## 33 99 Vichada
# Edades por Dep
edades <- sqldf("select COD_DPTO, sum(GRU_ED2='1') as 'EDAD G1', sum(GRU_ED2='2') as 'EDAD G2', sum(GRU_ED2='3') as 'EDAD G3',sum(GRU_ED2='4') as 'EDAD G4',sum(GRU_ED2='5') as 'EDAD G5',sum(GRU_ED2='6') as 'EDAD G6'
from covid19identificado
group by COD_DPTO")
RR <-sqldf("select *
from nombres left join edades on (edades.COD_DPTO=nombres.DP )")
RR <- as.data.frame(RR)
RR
## DP DPNOM COD_DPTO EDAD G1 EDAD G2 EDAD G3 EDAD G4
## 1 05 Antioquia 5 4 3 2 237
## 2 08 Atlántico 8 7 3 2 281
## 3 11 Bogotá, D.C. 11 10 7 13 594
## 4 13 Bolívar 13 2 1 5 92
## 5 15 Boyacá 15 2 0 0 27
## 6 17 Caldas 17 0 0 0 16
## 7 18 Caquetá 18 1 0 0 34
## 8 19 Cauca 19 1 0 0 18
## 9 20 Cesar 20 7 2 2 97
## 10 23 Córdoba 23 2 0 0 141
## 11 25 Cundinamarca 25 0 1 0 81
## 12 27 Chocó 27 0 0 0 9
## 13 41 Huila 41 4 0 2 91
## 14 44 La Guajira 44 2 0 0 36
## 15 47 Magdalena 47 6 0 0 76
## 16 50 Meta 50 0 0 0 47
## 17 52 Nariño 52 2 6 1 72
## 18 54 Norte de Santander 54 2 2 2 170
## 19 63 Quindio 63 0 0 0 20
## 20 66 Risaralda 66 1 1 0 40
## 21 68 Santander 68 1 0 1 145
## 22 70 Sucre 70 3 1 1 47
## 23 73 Tolima 73 0 0 2 53
## 24 76 Valle del Cauca 76 1 2 2 204
## 25 81 Arauca 81 1 0 0 7
## 26 85 Casanare 85 0 0 0 20
## 27 86 Putumayo 86 0 0 1 10
## 28 88 Archipiélago de San Andrés 88 0 1 0 1
## 29 91 Amazonas 91 0 0 0 1
## 30 94 Guainía 94 0 0 0 1
## 31 95 Guaviare 95 0 0 0 1
## 32 97 Vaupés 97 1 0 0 1
## 33 99 Vichada 99 0 0 0 0
## EDAD G5 EDAD G6
## 1 1056 3570
## 2 1100 2334
## 3 3071 7434
## 4 297 836
## 5 158 424
## 6 129 485
## 7 153 317
## 8 97 334
## 9 352 756
## 10 475 1179
## 11 431 1021
## 12 30 54
## 13 367 832
## 14 134 244
## 15 266 644
## 16 253 504
## 17 268 716
## 18 720 1234
## 19 150 510
## 20 195 607
## 21 759 1809
## 22 201 614
## 23 273 943
## 24 1052 3256
## 25 27 76
## 26 68 112
## 27 43 99
## 28 6 15
## 29 23 46
## 30 6 9
## 31 8 17
## 32 3 9
## 33 5 7
xtable(RR,include.rownames = TRUE)
## % latex table generated in R 4.2.2 by xtable 1.8-4 package
## % Mon Sep 25 22:02:50 2023
## \begin{table}[ht]
## \centering
## \begin{tabular}{rllrrrrrrr}
## \hline
## & DP & DPNOM & COD\_DPTO & EDAD G1 & EDAD G2 & EDAD G3 & EDAD G4 & EDAD G5 & EDAD G6 \\
## \hline
## 1 & 05 & Antioquia & 5.00 & 4 & 3 & 2 & 237 & 1056 & 3570 \\
## 2 & 08 & Atlántico & 8.00 & 7 & 3 & 2 & 281 & 1100 & 2334 \\
## 3 & 11 & Bogotá, D.C. & 11.00 & 10 & 7 & 13 & 594 & 3071 & 7434 \\
## 4 & 13 & Bolívar & 13.00 & 2 & 1 & 5 & 92 & 297 & 836 \\
## 5 & 15 & Boyacá & 15.00 & 2 & 0 & 0 & 27 & 158 & 424 \\
## 6 & 17 & Caldas & 17.00 & 0 & 0 & 0 & 16 & 129 & 485 \\
## 7 & 18 & Caquetá & 18.00 & 1 & 0 & 0 & 34 & 153 & 317 \\
## 8 & 19 & Cauca & 19.00 & 1 & 0 & 0 & 18 & 97 & 334 \\
## 9 & 20 & Cesar & 20.00 & 7 & 2 & 2 & 97 & 352 & 756 \\
## 10 & 23 & Córdoba & 23.00 & 2 & 0 & 0 & 141 & 475 & 1179 \\
## 11 & 25 & Cundinamarca & 25.00 & 0 & 1 & 0 & 81 & 431 & 1021 \\
## 12 & 27 & Chocó & 27.00 & 0 & 0 & 0 & 9 & 30 & 54 \\
## 13 & 41 & Huila & 41.00 & 4 & 0 & 2 & 91 & 367 & 832 \\
## 14 & 44 & La Guajira & 44.00 & 2 & 0 & 0 & 36 & 134 & 244 \\
## 15 & 47 & Magdalena & 47.00 & 6 & 0 & 0 & 76 & 266 & 644 \\
## 16 & 50 & Meta & 50.00 & 0 & 0 & 0 & 47 & 253 & 504 \\
## 17 & 52 & Nariño & 52.00 & 2 & 6 & 1 & 72 & 268 & 716 \\
## 18 & 54 & Norte de Santander & 54.00 & 2 & 2 & 2 & 170 & 720 & 1234 \\
## 19 & 63 & Quindio & 63.00 & 0 & 0 & 0 & 20 & 150 & 510 \\
## 20 & 66 & Risaralda & 66.00 & 1 & 1 & 0 & 40 & 195 & 607 \\
## 21 & 68 & Santander & 68.00 & 1 & 0 & 1 & 145 & 759 & 1809 \\
## 22 & 70 & Sucre & 70.00 & 3 & 1 & 1 & 47 & 201 & 614 \\
## 23 & 73 & Tolima & 73.00 & 0 & 0 & 2 & 53 & 273 & 943 \\
## 24 & 76 & Valle del Cauca & 76.00 & 1 & 2 & 2 & 204 & 1052 & 3256 \\
## 25 & 81 & Arauca & 81.00 & 1 & 0 & 0 & 7 & 27 & 76 \\
## 26 & 85 & Casanare & 85.00 & 0 & 0 & 0 & 20 & 68 & 112 \\
## 27 & 86 & Putumayo & 86.00 & 0 & 0 & 1 & 10 & 43 & 99 \\
## 28 & 88 & Archipiélago de San Andrés & 88.00 & 0 & 1 & 0 & 1 & 6 & 15 \\
## 29 & 91 & Amazonas & 91.00 & 0 & 0 & 0 & 1 & 23 & 46 \\
## 30 & 94 & Guainía & 94.00 & 0 & 0 & 0 & 1 & 6 & 9 \\
## 31 & 95 & Guaviare & 95.00 & 0 & 0 & 0 & 1 & 8 & 17 \\
## 32 & 97 & Vaupés & 97.00 & 1 & 0 & 0 & 1 & 3 & 9 \\
## 33 & 99 & Vichada & 99.00 & 0 & 0 & 0 & 0 & 5 & 7 \\
## \hline
## \end{tabular}
## \end{table}
########## Antioquia ####
Antioquia <- sqldf("select *
from covid19identificado
where COD_DPTO=05")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Antioquia
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 4872
## 2 1 4
## 3 2 3
## 4 3 2
## 5 4 237
## 6 5 1056
## 7 6 3570
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="05"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 4872
## 2 1 4
## 3 2 3
## 4 3 2
## 5 4 237
## 6 5 1056
## 7 6 3570
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"2" = a2,
"3" = a3,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 6649401
## 1 88762
## 2 364830
## 3 941865
## 4 3128321
## 5 1474895
## 6 650728
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 4872 6649401
## 2 4 88762
## 3 3 364830
## 4 2 941865
## 5 237 3128321
## 6 1056 1474895
## 7 3570 650728
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 05
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 43
## 2 2 26
## 3 3 15
## 4 4 2185
## 5 5 9810
## 6 6 33878
tot2 <- sum(X$sum)
tot2
## [1] 45957
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 45957
## 2 1 43
## 3 2 26
## 4 3 15
## 5 4 2185
## 6 5 9810
## 7 6 33878
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 4872 6649401 Total 45957
## 2 4 88762 1 43
## 3 3 364830 2 26
## 4 2 941865 3 15
## 5 237 3128321 4 2185
## 6 1056 1474895 5 9810
## 7 3570 650728 6 33878
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 4872 45957 6649401
## 2 1 4 43 88762
## 3 2 3 26 364830
## 4 3 2 15 941865
## 5 4 237 2185 3128321
## 6 5 1056 9810 1474895
## 7 6 3570 33878 650728
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 10601.214 9302.326 11538.462 13333.333 10846.682 10764.526 10537.812
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 4872 45957 6649401 10601.214
## 2 1 4 43 88762 9302.326
## 3 2 3 26 364830 11538.462
## 4 3 2 15 941865 13333.333
## 5 4 237 2185 3128321 10846.682
## 6 5 1056 9810 1474895 10764.526
## 7 6 3570 33878 650728 10537.812
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 4872 45957 10601.214 6649401
## 2 1 4 43 9302.326 88762
## 3 2 3 26 11538.462 364830
## 4 3 2 15 13333.333 941865
## 5 4 237 2185 10846.682 3128321
## 6 5 1056 9810 10764.526 1474895
## 7 6 3570 33878 10537.812 650728
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 4872 45957 10601.214 6649401
## 2 1 4 43 9302.326 88762
## 3 2 3 26 11538.462 364830
## 4 3 2 15 13333.333 941865
## 5 4 237 2185 10846.682 3128321
## 6 5 1056 9810 10764.526 1474895
## 7 6 3570 33878 10537.812 650728
## Defunciones Esperadas
## 1 704917.24
## 2 8256.93
## 3 42095.77
## 4 125582.00
## 5 339319.03
## 6 158765.46
## 7 68572.49
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 4872 45957 10601.214 6649401
## 2 1 4 43 9302.326 88762
## 3 2 3 26 11538.462 364830
## 4 3 2 15 13333.333 941865
## 5 4 237 2185 10846.682 3128321
## 6 5 1056 9810 10764.526 1474895
## 7 6 3570 33878 10537.812 650728
## Defunciones Esperadas
## 1 742591.68
## 2 8256.93
## 3 42095.77
## 4 125582.00
## 5 339319.03
## 6 158765.46
## 7 68572.49
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S1 <- Z[1,]
S1
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 4872 45957 10601.21 6649401
## Defunciones Esperadas Tasas Estandarizadas
## 1 742591.7 11167.8
########## Atlántico ####
Atlántico <- sqldf("select *
from covid19identificado
where COD_DPTO=08")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Atlántico
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 3727
## 2 1 7
## 3 2 3
## 4 3 2
## 5 4 281
## 6 5 1100
## 7 6 2334
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="08"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"2" = a2,
"3" = a3,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 2693665
## 1 42106
## 2 175125
## 3 446965
## 4 1257182
## 5 546919
## 6 225368
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 3727 2693665
## 2 7 42106
## 3 3 175125
## 4 2 446965
## 5 281 1257182
## 6 1100 546919
## 7 2334 225368
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 08
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 49
## 2 2 21
## 3 3 13
## 4 4 2014
## 5 5 7986
## 6 6 16908
tot2 <- sum(X$sum)
tot2
## [1] 26991
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 26991
## 2 1 49
## 3 2 21
## 4 3 13
## 5 4 2014
## 6 5 7986
## 7 6 16908
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 3727 2693665 Total 26991
## 2 7 42106 1 49
## 3 3 175125 2 21
## 4 2 446965 3 13
## 5 281 1257182 4 2014
## 6 1100 546919 5 7986
## 7 2334 225368 6 16908
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 3727 26991 2693665
## 2 1 7 49 42106
## 3 2 3 21 175125
## 4 3 2 13 446965
## 5 4 281 2014 1257182
## 6 5 1100 7986 546919
## 7 6 2334 16908 225368
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 13808.31 14285.71 14285.71 15384.62 13952.33 13774.10 13804.12
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 3727 26991 2693665 13808.31
## 2 1 7 49 42106 14285.71
## 3 2 3 21 175125 14285.71
## 4 3 2 13 446965 15384.62
## 5 4 281 2014 1257182 13952.33
## 6 5 1100 7986 546919 13774.10
## 7 6 2334 16908 225368 13804.12
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 3727 26991 13808.31 2693665
## 2 1 7 49 14285.71 42106
## 3 2 3 21 14285.71 175125
## 4 3 2 13 15384.62 446965
## 5 4 281 2014 13952.33 1257182
## 6 5 1100 7986 13774.10 546919
## 7 6 2334 16908 13804.12 225368
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 3727 26991 13808.31 2693665
## 2 1 7 49 14285.71 42106
## 3 2 3 21 14285.71 175125
## 4 3 2 13 15384.62 446965
## 5 4 281 2014 13952.33 1257182
## 6 5 1100 7986 13774.10 546919
## 7 6 2334 16908 13804.12 225368
## Defunciones Esperadas
## 1 371949.519
## 2 6015.143
## 3 25017.857
## 4 68763.846
## 5 175406.227
## 6 75333.196
## 7 31110.061
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 3727 26991 13808.31 2693665
## 2 1 7 49 14285.71 42106
## 3 2 3 21 14285.71 175125
## 4 3 2 13 15384.62 446965
## 5 4 281 2014 13952.33 1257182
## 6 5 1100 7986 13774.10 546919
## 7 6 2334 16908 13804.12 225368
## Defunciones Esperadas
## 1 381646.330
## 2 6015.143
## 3 25017.857
## 4 68763.846
## 5 175406.227
## 6 75333.196
## 7 31110.061
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S2 <- Z[1,]
S2
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 3727 26991 13808.31 2693665
## Defunciones Esperadas Tasas Estandarizadas
## 1 381646.3 14168.29
########## Bogotá ####
Bogotá <- sqldf("select *
from covid19identificado
where COD_DPTO=11")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Bogotá
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 11129
## 2 1 10
## 3 2 7
## 4 3 13
## 5 4 594
## 6 5 3071
## 7 6 7434
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="11"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"2" = a2,
"3" = a3,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 7732161
## 1 96829
## 2 390869
## 3 961050
## 4 3852988
## 5 1726016
## 6 704409
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 11129 7732161
## 2 10 96829
## 3 7 390869
## 4 13 961050
## 5 594 3852988
## 6 3071 1726016
## 7 7434 704409
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 11
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 88
## 2 2 55
## 3 3 106
## 4 4 4911
## 5 5 26167
## 6 6 65623
tot2 <- sum(X$sum)
tot2
## [1] 96950
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 96950
## 2 1 88
## 3 2 55
## 4 3 106
## 5 4 4911
## 6 5 26167
## 7 6 65623
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 11129 7732161 Total 96950
## 2 10 96829 1 88
## 3 7 390869 2 55
## 4 13 961050 3 106
## 5 594 3852988 4 4911
## 6 3071 1726016 5 26167
## 7 7434 704409 6 65623
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 11129 96950 7732161
## 2 1 10 88 96829
## 3 2 7 55 390869
## 4 3 13 106 961050
## 5 4 594 4911 3852988
## 6 5 3071 26167 1726016
## 7 6 7434 65623 704409
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 11479.11 11363.64 12727.27 12264.15 12095.30 11736.16 11328.35
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 11129 96950 7732161 11479.11
## 2 1 10 88 96829 11363.64
## 3 2 7 55 390869 12727.27
## 4 3 13 106 961050 12264.15
## 5 4 594 4911 3852988 12095.30
## 6 5 3071 26167 1726016 11736.16
## 7 6 7434 65623 704409 11328.35
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 11129 96950 11479.11 7732161
## 2 1 10 88 11363.64 96829
## 3 2 7 55 12727.27 390869
## 4 3 13 106 12264.15 961050
## 5 4 594 4911 12095.30 3852988
## 6 5 3071 26167 11736.16 1726016
## 7 6 7434 65623 11328.35 704409
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 11129 96950 11479.11 7732161
## 2 1 10 88 11363.64 96829
## 3 2 7 55 12727.27 390869
## 4 3 13 106 12264.15 961050
## 5 4 594 4911 12095.30 3852988
## 6 5 3071 26167 11736.16 1726016
## 7 6 7434 65623 11328.35 704409
## Defunciones Esperadas
## 1 887583.49
## 2 11003.30
## 3 49746.96
## 4 117864.62
## 5 466030.31
## 6 202567.93
## 7 79797.88
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 11129 96950 11479.11 7732161
## 2 1 10 88 11363.64 96829
## 3 2 7 55 12727.27 390869
## 4 3 13 106 12264.15 961050
## 5 4 594 4911 12095.30 3852988
## 6 5 3071 26167 11736.16 1726016
## 7 6 7434 65623 11328.35 704409
## Defunciones Esperadas
## 1 927011.01
## 2 11003.30
## 3 49746.96
## 4 117864.62
## 5 466030.31
## 6 202567.93
## 7 79797.88
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S3 <- Z[1,]
S3
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 11129 96950 11479.11 7732161
## Defunciones Esperadas Tasas Estandarizadas
## 1 927011 11989.03
########## Bolivar ####
Bolivar <- sqldf("select *
from covid19identificado
where COD_DPTO=13")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Bolivar
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 1233
## 2 1 2
## 3 2 1
## 4 3 5
## 5 4 92
## 6 5 297
## 7 6 836
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="13"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"2" = a2,
"3" = a3,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 2169294
## 1 37903
## 2 154486
## 3 384385
## 4 996742
## 5 415960
## 6 179818
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 1233 2169294
## 2 2 37903
## 3 1 154486
## 4 5 384385
## 5 92 996742
## 6 297 415960
## 7 836 179818
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 13
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 12
## 2 2 9
## 3 3 30
## 4 4 627
## 5 5 2204
## 6 6 6527
tot2 <- sum(X$sum)
tot2
## [1] 9409
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 9409
## 2 1 12
## 3 2 9
## 4 3 30
## 5 4 627
## 6 5 2204
## 7 6 6527
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 1233 2169294 Total 9409
## 2 2 37903 1 12
## 3 1 154486 2 9
## 4 5 384385 3 30
## 5 92 996742 4 627
## 6 297 415960 5 2204
## 7 836 179818 6 6527
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 1233 9409 2169294
## 2 1 2 12 37903
## 3 2 1 9 154486
## 4 3 5 30 384385
## 5 4 92 627 996742
## 6 5 297 2204 415960
## 7 6 836 6527 179818
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 13104.47 16666.67 11111.11 16666.67 14673.05 13475.50 12808.33
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 1233 9409 2169294 13104.47
## 2 1 2 12 37903 16666.67
## 3 2 1 9 154486 11111.11
## 4 3 5 30 384385 16666.67
## 5 4 92 627 996742 14673.05
## 6 5 297 2204 415960 13475.50
## 7 6 836 6527 179818 12808.33
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1233 9409 13104.47 2169294
## 2 1 2 12 16666.67 37903
## 3 2 1 9 11111.11 154486
## 4 3 5 30 16666.67 384385
## 5 4 92 627 14673.05 996742
## 6 5 297 2204 13475.50 415960
## 7 6 836 6527 12808.33 179818
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1233 9409 13104.47 2169294
## 2 1 2 12 16666.67 37903
## 3 2 1 9 11111.11 154486
## 4 3 5 30 16666.67 384385
## 5 4 92 627 14673.05 996742
## 6 5 297 2204 13475.50 415960
## 7 6 836 6527 12808.33 179818
## Defunciones Esperadas
## 1 284274.578
## 2 6317.167
## 3 17165.111
## 4 64064.167
## 5 146252.415
## 6 56052.686
## 7 23031.691
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1233 9409 13104.47 2169294
## 2 1 2 12 16666.67 37903
## 3 2 1 9 11111.11 154486
## 4 3 5 30 16666.67 384385
## 5 4 92 627 14673.05 996742
## 6 5 297 2204 13475.50 415960
## 7 6 836 6527 12808.33 179818
## Defunciones Esperadas
## 1 312883.236
## 2 6317.167
## 3 17165.111
## 4 64064.167
## 5 146252.415
## 6 56052.686
## 7 23031.691
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S4 <- Z[1,]
S4
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1233 9409 13104.47 2169294
## Defunciones Esperadas Tasas Estandarizadas
## 1 312883.2 14423.27
########## Boyaca ####
Boyaca <- sqldf("select *
from covid19identificado
where COD_DPTO=15")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Boyaca
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 611
## 2 1 2
## 3 4 27
## 4 5 158
## 5 6 424
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="15"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 611
## 2 1 2
## 3 4 27
## 4 5 158
## 5 6 424
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 1257289
## 1 17802
## 4 542871
## 5 280387
## 6 148735
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 611 1257289
## 2 2 17802
## 3 27 542871
## 4 158 280387
## 5 424 148735
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 15
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 9
## 2 4 269
## 3 5 1598
## 4 6 4324
tot2 <- sum(X$sum)
tot2
## [1] 6200
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 6200
## 2 1 9
## 3 4 269
## 4 5 1598
## 5 6 4324
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 611 1257289 Total 6200
## 2 2 17802 1 9
## 3 27 542871 4 269
## 4 158 280387 5 1598
## 5 424 148735 6 4324
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 611 6200 1257289
## 2 1 2 9 17802
## 3 4 27 269 542871
## 4 5 158 1598 280387
## 5 6 424 4324 148735
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 9854.839 22222.222 10037.175 9887.359 9805.735
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 611 6200 1257289 9854.839
## 2 1 2 9 17802 22222.222
## 3 4 27 269 542871 10037.175
## 4 5 158 1598 280387 9887.359
## 5 6 424 4324 148735 9805.735
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 611 6200 9854.839 1257289
## 2 1 2 9 22222.222 17802
## 3 4 27 269 10037.175 542871
## 4 5 158 1598 9887.359 280387
## 5 6 424 4324 9805.735 148735
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 611 6200 9854.839 1257289
## 2 1 2 9 22222.222 17802
## 3 4 27 269 10037.175 542871
## 4 5 158 1598 9887.359 280387
## 5 6 424 4324 9805.735 148735
## Defunciones Esperadas
## 1 123903.80
## 2 3956.00
## 3 54488.91
## 4 27722.87
## 5 14584.56
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 611 6200 9854.839 1257289
## 2 1 2 9 22222.222 17802
## 3 4 27 269 10037.175 542871
## 4 5 158 1598 9887.359 280387
## 5 6 424 4324 9805.735 148735
## Defunciones Esperadas
## 1 100752.34
## 2 3956.00
## 3 54488.91
## 4 27722.87
## 5 14584.56
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S5 <- Z[1,]
S5
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 611 6200 9854.839 1257289
## Defunciones Esperadas Tasas Estandarizadas
## 1 100752.3 8013.459
########## Caldas ####
Caldas <- sqldf("select *
from covid19identificado
where COD_DPTO=17")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Caldas
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 630
## 2 4 16
## 3 5 129
## 4 6 485
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="17"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 630
## 2 4 16
## 3 5 129
## 4 6 485
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 1021435
## 4 440681
## 5 253907
## 6 130999
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 630 1021435
## 2 16 440681
## 3 129 253907
## 4 485 130999
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 17
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 4 156
## 2 5 1354
## 3 6 5039
tot2 <- sum(X$sum)
tot2
## [1] 6549
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 6549
## 2 4 156
## 3 5 1354
## 4 6 5039
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 630 1021435 Total 6549
## 2 16 440681 4 156
## 3 129 253907 5 1354
## 4 485 130999 6 5039
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 630 6549 1021435
## 2 4 16 156 440681
## 3 5 129 1354 253907
## 4 6 485 5039 130999
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 9619.789 10256.410 9527.326 9624.926
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 630 6549 1021435 9619.789
## 2 4 16 156 440681 10256.410
## 3 5 129 1354 253907 9527.326
## 4 6 485 5039 130999 9624.926
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 630 6549 9619.789 1021435
## 2 4 16 156 10256.410 440681
## 3 5 129 1354 9527.326 253907
## 4 6 485 5039 9624.926 130999
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 630 6549 9619.789 1021435
## 2 4 16 156 10256.410 440681
## 3 5 129 1354 9527.326 253907
## 4 6 485 5039 9624.926 130999
## Defunciones Esperadas
## 1 98259.89
## 2 45198.05
## 3 24190.55
## 4 12608.56
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 630 6549 9619.789 1021435
## 2 4 16 156 10256.410 440681
## 3 5 129 1354 9527.326 253907
## 4 6 485 5039 9624.926 130999
## Defunciones Esperadas
## 1 81997.16
## 2 45198.05
## 3 24190.55
## 4 12608.56
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S6 <- Z[1,]
S6
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 630 6549 9619.789 1021435
## Defunciones Esperadas Tasas Estandarizadas
## 1 81997.16 8027.643
########## Caqueta ####
Caqueta <- sqldf("select *
from covid19identificado
where COD_DPTO=18")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Caqueta
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 505
## 2 1 1
## 3 4 34
## 4 5 153
## 5 6 317
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="18"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 505
## 2 1 1
## 3 4 34
## 4 5 153
## 5 6 317
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 413688
## 1 7934
## 4 192402
## 5 71126
## 6 27559
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 505 413688
## 2 1 7934
## 3 34 192402
## 4 153 71126
## 5 317 27559
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 18
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 10
## 2 4 315
## 3 5 1437
## 4 6 2966
tot2 <- sum(X$sum)
tot2
## [1] 4728
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 4728
## 2 1 10
## 3 4 315
## 4 5 1437
## 5 6 2966
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 505 413688 Total 4728
## 2 1 7934 1 10
## 3 34 192402 4 315
## 4 153 71126 5 1437
## 5 317 27559 6 2966
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 505 4728 413688
## 2 1 1 10 7934
## 3 4 34 315 192402
## 4 5 153 1437 71126
## 5 6 317 2966 27559
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 10681.05 10000.00 10793.65 10647.18 10687.80
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 505 4728 413688 10681.05
## 2 1 1 10 7934 10000.00
## 3 4 34 315 192402 10793.65
## 4 5 153 1437 71126 10647.18
## 5 6 317 2966 27559 10687.80
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 505 4728 10681.05 413688
## 2 1 1 10 10000.00 7934
## 3 4 34 315 10793.65 192402
## 4 5 153 1437 10647.18 71126
## 5 6 317 2966 10687.80 27559
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 505 4728 10681.05 413688
## 2 1 1 10 10000.00 7934
## 3 4 34 315 10793.65 192402
## 4 5 153 1437 10647.18 71126
## 5 6 317 2966 10687.80 27559
## Defunciones Esperadas
## 1 44186.218
## 2 793.400
## 3 20767.200
## 4 7572.914
## 5 2945.449
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 505 4728 10681.05 413688
## 2 1 1 10 10000.00 7934
## 3 4 34 315 10793.65 192402
## 4 5 153 1437 10647.18 71126
## 5 6 317 2966 10687.80 27559
## Defunciones Esperadas
## 1 32078.964
## 2 793.400
## 3 20767.200
## 4 7572.914
## 5 2945.449
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S7 <- Z[1,]
S7
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 505 4728 10681.05 413688
## Defunciones Esperadas Tasas Estandarizadas
## 1 32078.96 7754.386
########## Cauca ####
Cauca <- sqldf("select *
from covid19identificado
where COD_DPTO=19")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Cauca
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 450
## 2 1 1
## 3 4 18
## 4 5 97
## 5 6 334
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="19"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 450
## 2 1 1
## 3 4 18
## 4 5 97
## 5 6 334
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 1508061
## 1 23503
## 4 717182
## 5 284944
## 6 141459
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 450 1508061
## 2 1 23503
## 3 18 717182
## 4 97 284944
## 5 334 141459
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 19
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 10
## 2 4 165
## 3 5 909
## 4 6 3194
tot2 <- sum(X$sum)
tot2
## [1] 4278
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 4278
## 2 1 10
## 3 4 165
## 4 5 909
## 5 6 3194
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 450 1508061 Total 4278
## 2 1 23503 1 10
## 3 18 717182 4 165
## 4 97 284944 5 909
## 5 334 141459 6 3194
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 450 4278 1508061
## 2 1 1 10 23503
## 3 4 18 165 717182
## 4 5 97 909 284944
## 5 6 334 3194 141459
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 10518.93 10000.00 10909.09 10671.07 10457.11
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 450 4278 1508061 10518.93
## 2 1 1 10 23503 10000.00
## 3 4 18 165 717182 10909.09
## 4 5 97 909 284944 10671.07
## 5 6 334 3194 141459 10457.11
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 450 4278 10518.93 1508061
## 2 1 1 10 10000.00 23503
## 3 4 18 165 10909.09 717182
## 4 5 97 909 10671.07 284944
## 5 6 334 3194 10457.11 141459
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 450 4278 10518.93 1508061
## 2 1 1 10 10000.00 23503
## 3 4 18 165 10909.09 717182
## 4 5 97 909 10671.07 284944
## 5 6 334 3194 10457.11 141459
## Defunciones Esperadas
## 1 158631.94
## 2 2350.30
## 3 78238.04
## 4 30406.57
## 5 14792.52
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 450 4278 10518.93 1508061
## 2 1 1 10 10000.00 23503
## 3 4 18 165 10909.09 717182
## 4 5 97 909 10671.07 284944
## 5 6 334 3194 10457.11 141459
## Defunciones Esperadas
## 1 125787.42
## 2 2350.30
## 3 78238.04
## 4 30406.57
## 5 14792.52
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S8 <- Z[1,]
S8
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 450 4278 10518.93 1508061
## Defunciones Esperadas Tasas Estandarizadas
## 1 125787.4 8341.004
########## Cesar ####
Cesar<- sqldf("select *
from covid19identificado
where COD_DPTO=20")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Cesar
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 1216
## 2 1 7
## 3 2 2
## 4 3 2
## 5 4 97
## 6 5 352
## 7 6 756
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="20"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 1216
## 2 1 7
## 3 2 2
## 4 3 2
## 5 4 97
## 6 5 352
## 7 6 756
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"2" = a2,
"3" = a3,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 1290919
## 1 24798
## 2 101082
## 3 252289
## 4 605660
## 5 221576
## 6 85514
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 1216 1290919
## 2 7 24798
## 3 2 101082
## 4 2 252289
## 5 97 605660
## 6 352 221576
## 7 756 85514
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 20
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 62
## 2 2 23
## 3 3 18
## 4 4 868
## 5 5 3203
## 6 6 6893
tot2 <- sum(X$sum)
tot2
## [1] 11067
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 11067
## 2 1 62
## 3 2 23
## 4 3 18
## 5 4 868
## 6 5 3203
## 7 6 6893
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 1216 1290919 Total 11067
## 2 7 24798 1 62
## 3 2 101082 2 23
## 4 2 252289 3 18
## 5 97 605660 4 868
## 6 352 221576 5 3203
## 7 756 85514 6 6893
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 1216 11067 1290919
## 2 1 7 62 24798
## 3 2 2 23 101082
## 4 3 2 18 252289
## 5 4 97 868 605660
## 6 5 352 3203 221576
## 7 6 756 6893 85514
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 10987.621 11290.323 8695.652 11111.111 11175.115 10989.697 10967.648
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 1216 11067 1290919 10987.621
## 2 1 7 62 24798 11290.323
## 3 2 2 23 101082 8695.652
## 4 3 2 18 252289 11111.111
## 5 4 97 868 605660 11175.115
## 6 5 352 3203 221576 10989.697
## 7 6 756 6893 85514 10967.648
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1216 11067 10987.621 1290919
## 2 1 7 62 11290.323 24798
## 3 2 2 23 8695.652 101082
## 4 3 2 18 11111.111 252289
## 5 4 97 868 11175.115 605660
## 6 5 352 3203 10989.697 221576
## 7 6 756 6893 10967.648 85514
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1216 11067 10987.621 1290919
## 2 1 7 62 11290.323 24798
## 3 2 2 23 8695.652 101082
## 4 3 2 18 11111.111 252289
## 5 4 97 868 11175.115 605660
## 6 5 352 3203 10989.697 221576
## 7 6 756 6893 10967.648 85514
## Defunciones Esperadas
## 1 141841.285
## 2 2799.774
## 3 8789.739
## 4 28032.111
## 5 67683.203
## 6 24350.531
## 7 9378.875
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1216 11067 10987.621 1290919
## 2 1 7 62 11290.323 24798
## 3 2 2 23 8695.652 101082
## 4 3 2 18 11111.111 252289
## 5 4 97 868 11175.115 605660
## 6 5 352 3203 10989.697 221576
## 7 6 756 6893 10967.648 85514
## Defunciones Esperadas
## 1 141034.233
## 2 2799.774
## 3 8789.739
## 4 28032.111
## 5 67683.203
## 6 24350.531
## 7 9378.875
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S9 <- Z[1,]
S9
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1216 11067 10987.62 1290919
## Defunciones Esperadas Tasas Estandarizadas
## 1 141034.2 10925.1
########## Cordoba ####
Cordoba <- sqldf("select *
from covid19identificado
where COD_DPTO=23")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Cordoba
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 1797
## 2 1 2
## 3 4 141
## 4 5 475
## 5 6 1179
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="23"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 1797
## 2 1 2
## 3 4 141
## 4 5 475
## 5 6 1179
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 1842585
## 1 32029
## 4 823522
## 5 367134
## 6 164946
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 1797 1842585
## 2 2 32029
## 3 141 823522
## 4 475 367134
## 5 1179 164946
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 23
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 19
## 2 4 1085
## 3 5 3651
## 4 6 9139
tot2 <- sum(X$sum)
tot2
## [1] 13894
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 13894
## 2 1 19
## 3 4 1085
## 4 5 3651
## 5 6 9139
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 1797 1842585 Total 13894
## 2 2 32029 1 19
## 3 141 823522 4 1085
## 4 475 367134 5 3651
## 5 1179 164946 6 9139
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 1797 13894 1842585
## 2 1 2 19 32029
## 3 4 141 1085 823522
## 4 5 475 3651 367134
## 5 6 1179 9139 164946
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 12933.64 10526.32 12995.39 13010.13 12900.76
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 1797 13894 1842585 12933.64
## 2 1 2 19 32029 10526.32
## 3 4 141 1085 823522 12995.39
## 4 5 475 3651 367134 13010.13
## 5 6 1179 9139 164946 12900.76
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1797 13894 12933.64 1842585
## 2 1 2 19 10526.32 32029
## 3 4 141 1085 12995.39 823522
## 4 5 475 3651 13010.13 367134
## 5 6 1179 9139 12900.76 164946
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1797 13894 12933.64 1842585
## 2 1 2 19 10526.32 32029
## 3 4 141 1085 12995.39 823522
## 4 5 475 3651 13010.13 367134
## 5 6 1179 9139 12900.76 164946
## Defunciones Esperadas
## 1 238313.318
## 2 3371.474
## 3 107019.910
## 4 47764.626
## 5 21279.279
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1797 13894 12933.64 1842585
## 2 1 2 19 10526.32 32029
## 3 4 141 1085 12995.39 823522
## 4 5 475 3651 13010.13 367134
## 5 6 1179 9139 12900.76 164946
## Defunciones Esperadas
## 1 179435.289
## 2 3371.474
## 3 107019.910
## 4 47764.626
## 5 21279.279
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S10 <- Z[1,]
S10
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1797 13894 12933.64 1842585
## Defunciones Esperadas Tasas Estandarizadas
## 1 179435.3 9738.237
########## Cundinamarca ####
Cundinamarca <- sqldf("select *
from covid19identificado
where COD_DPTO=25")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Cundinamarca
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 1534
## 2 2 1
## 3 4 81
## 4 5 431
## 5 6 1021
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="25"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 1534
## 2 2 1
## 3 4 81
## 4 5 431
## 5 6 1021
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"2" = a2,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 3147954
## 2 184698
## 4 1481504
## 5 673933
## 6 296175
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 1534 3147954
## 2 1 184698
## 3 81 1481504
## 4 431 673933
## 5 1021 296175
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 25
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 2 9
## 2 4 757
## 3 5 3888
## 4 6 9650
tot2 <- sum(X$sum)
tot2
## [1] 14304
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 14304
## 2 2 9
## 3 4 757
## 4 5 3888
## 5 6 9650
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 1534 3147954 Total 14304
## 2 1 184698 2 9
## 3 81 1481504 4 757
## 4 431 673933 5 3888
## 5 1021 296175 6 9650
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 1534 14304 3147954
## 2 2 1 9 184698
## 3 4 81 757 1481504
## 4 5 431 3888 673933
## 5 6 1021 9650 296175
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 10724.27 11111.11 10700.13 11085.39 10580.31
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 1534 14304 3147954 10724.27
## 2 2 1 9 184698 11111.11
## 3 4 81 757 1481504 10700.13
## 4 5 431 3888 673933 11085.39
## 5 6 1021 9650 296175 10580.31
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1534 14304 10724.27 3147954
## 2 2 1 9 11111.11 184698
## 3 4 81 757 10700.13 1481504
## 4 5 431 3888 11085.39 673933
## 5 6 1021 9650 10580.31 296175
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1534 14304 10724.27 3147954
## 2 2 1 9 11111.11 184698
## 3 4 81 757 10700.13 1481504
## 4 5 431 3888 11085.39 673933
## 5 6 1021 9650 10580.31 296175
## Defunciones Esperadas
## 1 337595.18
## 2 20522.00
## 3 158522.89
## 4 74708.11
## 5 31336.24
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1534 14304 10724.27 3147954
## 2 2 1 9 11111.11 184698
## 3 4 81 757 10700.13 1481504
## 4 5 431 3888 11085.39 673933
## 5 6 1021 9650 10580.31 296175
## Defunciones Esperadas
## 1 285089.23
## 2 20522.00
## 3 158522.89
## 4 74708.11
## 5 31336.24
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S11 <- Z[1,]
S11
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1534 14304 10724.27 3147954
## Defunciones Esperadas Tasas Estandarizadas
## 1 285089.2 9056.334
########## Choco ####
Choco <- sqldf("select *
from covid19identificado
where COD_DPTO=27")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Choco
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 93
## 2 4 9
## 3 5 30
## 4 6 54
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="27"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 93
## 2 4 9
## 3 5 30
## 4 6 54
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 562387
## 4 259697
## 5 83820
## 6 35294
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 93 562387
## 2 9 259697
## 3 30 83820
## 4 54 35294
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 27
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 4 57
## 2 5 195
## 3 6 380
tot2 <- sum(X$sum)
tot2
## [1] 632
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 632
## 2 4 57
## 3 5 195
## 4 6 380
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 93 562387 Total 632
## 2 9 259697 4 57
## 3 30 83820 5 195
## 4 54 35294 6 380
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 93 632 562387
## 2 4 9 57 259697
## 3 5 30 195 83820
## 4 6 54 380 35294
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 14715.19 15789.47 15384.62 14210.53
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 93 632 562387 14715.19
## 2 4 9 57 259697 15789.47
## 3 5 30 195 83820 15384.62
## 4 6 54 380 35294 14210.53
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 93 632 14715.19 562387
## 2 4 9 57 15789.47 259697
## 3 5 30 195 15384.62 83820
## 4 6 54 380 14210.53 35294
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 93 632 14715.19 562387
## 2 4 9 57 15789.47 259697
## 3 5 30 195 15384.62 83820
## 4 6 54 380 14210.53 35294
## Defunciones Esperadas
## 1 82756.315
## 2 41004.789
## 3 12895.385
## 4 5015.463
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 93 632 14715.19 562387
## 2 4 9 57 15789.47 259697
## 3 5 30 195 15384.62 83820
## 4 6 54 380 14210.53 35294
## Defunciones Esperadas
## 1 58915.637
## 2 41004.789
## 3 12895.385
## 4 5015.463
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S12 <- Z[1,]
S12
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 93 632 14715.19 562387
## Defunciones Esperadas Tasas Estandarizadas
## 1 58915.64 10476
########## Huila ####
Huila <- sqldf("select *
from covid19identificado
where COD_DPTO=41")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Huila
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 1296
## 2 1 4
## 3 3 2
## 4 4 91
## 5 5 367
## 6 6 832
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="41"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 1296
## 2 1 4
## 3 3 2
## 4 4 91
## 5 5 367
## 6 6 832
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"3" = a3,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 1136911
## 1 21062
## 3 204856
## 4 510602
## 5 220855
## 6 95731
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 1296 1136911
## 2 4 21062
## 3 2 204856
## 4 91 510602
## 5 367 220855
## 6 832 95731
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 41
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 39
## 2 3 17
## 3 4 913
## 4 5 3640
## 5 6 8349
tot2 <- sum(X$sum)
tot2
## [1] 12958
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 12958
## 2 1 39
## 3 3 17
## 4 4 913
## 5 5 3640
## 6 6 8349
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 1296 1136911 Total 12958
## 2 4 21062 1 39
## 3 2 204856 3 17
## 4 91 510602 4 913
## 5 367 220855 5 3640
## 6 832 95731 6 8349
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 1296 12958 1136911
## 2 1 4 39 21062
## 3 3 2 17 204856
## 4 4 91 913 510602
## 5 5 367 3640 220855
## 6 6 832 8349 95731
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 10001.543 10256.410 11764.706 9967.141 10082.418 9965.265
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 1296 12958 1136911 10001.543
## 2 1 4 39 21062 10256.410
## 3 3 2 17 204856 11764.706
## 4 4 91 913 510602 9967.141
## 5 5 367 3640 220855 10082.418
## 6 6 832 8349 95731 9965.265
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1296 12958 10001.543 1136911
## 2 1 4 39 10256.410 21062
## 3 3 2 17 11764.706 204856
## 4 4 91 913 9967.141 510602
## 5 5 367 3640 10082.418 220855
## 6 6 832 8349 9965.265 95731
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1296 12958 10001.543 1136911
## 2 1 4 39 10256.410 21062
## 3 3 2 17 11764.706 204856
## 4 4 91 913 9967.141 510602
## 5 5 367 3640 10082.418 220855
## 6 6 832 8349 9965.265 95731
## Defunciones Esperadas
## 1 113708.648
## 2 2160.205
## 3 24100.706
## 4 50892.423
## 5 22267.523
## 6 9539.848
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1296 12958 10001.543 1136911
## 2 1 4 39 10256.410 21062
## 3 3 2 17 11764.706 204856
## 4 4 91 913 9967.141 510602
## 5 5 367 3640 10082.418 220855
## 6 6 832 8349 9965.265 95731
## Defunciones Esperadas
## 1 108960.705
## 2 2160.205
## 3 24100.706
## 4 50892.423
## 5 22267.523
## 6 9539.848
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S13 <- Z[1,]
S13
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1296 12958 10001.54 1136911
## Defunciones Esperadas Tasas Estandarizadas
## 1 108960.7 9583.926
########## La guajira ####
LaGuajira <- sqldf("select *
from covid19identificado
where COD_DPTO=44")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from LaGuajira
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 416
## 2 1 2
## 3 4 36
## 4 5 134
## 5 6 244
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="44"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 416
## 2 1 2
## 3 4 36
## 4 5 134
## 5 6 244
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 964067
## 1 22575
## 4 454949
## 5 135001
## 6 49182
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 416 964067
## 2 2 22575
## 3 36 454949
## 4 134 135001
## 5 244 49182
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 44
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 21
## 2 4 331
## 3 5 1183
## 4 6 2239
tot2 <- sum(X$sum)
tot2
## [1] 3774
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 3774
## 2 1 21
## 3 4 331
## 4 5 1183
## 5 6 2239
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 416 964067 Total 3774
## 2 2 22575 1 21
## 3 36 454949 4 331
## 4 134 135001 5 1183
## 5 244 49182 6 2239
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 416 3774 964067
## 2 1 2 21 22575
## 3 4 36 331 454949
## 4 5 134 1183 135001
## 5 6 244 2239 49182
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 11022.79 9523.81 10876.13 11327.13 10897.72
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 416 3774 964067 11022.79
## 2 1 2 21 22575 9523.81
## 3 4 36 331 454949 10876.13
## 4 5 134 1183 135001 11327.13
## 5 6 244 2239 49182 10897.72
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 416 3774 11022.79 964067
## 2 1 2 21 9523.81 22575
## 3 4 36 331 10876.13 454949
## 4 5 134 1183 11327.13 135001
## 5 6 244 2239 10897.72 49182
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 416 3774 11022.79 964067
## 2 1 2 21 9523.81 22575
## 3 4 36 331 10876.13 454949
## 4 5 134 1183 11327.13 135001
## 5 6 244 2239 10897.72 49182
## Defunciones Esperadas
## 1 106267.057
## 2 2150.000
## 3 49480.858
## 4 15291.745
## 5 5359.718
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 416 3774 11022.79 964067
## 2 1 2 21 9523.81 22575
## 3 4 36 331 10876.13 454949
## 4 5 134 1183 11327.13 135001
## 5 6 244 2239 10897.72 49182
## Defunciones Esperadas
## 1 72282.320
## 2 2150.000
## 3 49480.858
## 4 15291.745
## 5 5359.718
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S14 <- Z[1,]
S14
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 416 3774 11022.79 964067
## Defunciones Esperadas Tasas Estandarizadas
## 1 72282.32 7497.645
########## Magdalena ####
Magdalena <- sqldf("select *
from covid19identificado
where COD_DPTO=47")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Magdalena
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 992
## 2 1 6
## 3 4 76
## 4 5 266
## 5 6 644
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="47"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 992
## 2 1 6
## 3 4 76
## 4 5 266
## 5 6 644
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 1426023
## 1 25521
## 4 652893
## 5 262557
## 6 109862
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 992 1426023
## 2 6 25521
## 3 76 652893
## 4 266 262557
## 5 644 109862
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 47
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 51
## 2 4 593
## 3 5 2149
## 4 6 5120
tot2 <- sum(X$sum)
tot2
## [1] 7913
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 7913
## 2 1 51
## 3 4 593
## 4 5 2149
## 5 6 5120
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 992 1426023 Total 7913
## 2 6 25521 1 51
## 3 76 652893 4 593
## 4 266 262557 5 2149
## 5 644 109862 6 5120
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 992 7913 1426023
## 2 1 6 51 25521
## 3 4 76 593 652893
## 4 5 266 2149 262557
## 5 6 644 5120 109862
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 12536.33 11764.71 12816.19 12377.85 12578.13
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 992 7913 1426023 12536.33
## 2 1 6 51 25521 11764.71
## 3 4 76 593 652893 12816.19
## 4 5 266 2149 262557 12377.85
## 5 6 644 5120 109862 12578.13
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 992 7913 12536.33 1426023
## 2 1 6 51 11764.71 25521
## 3 4 76 593 12816.19 652893
## 4 5 266 2149 12377.85 262557
## 5 6 644 5120 12578.13 109862
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 992 7913 12536.33 1426023
## 2 1 6 51 11764.71 25521
## 3 4 76 593 12816.19 652893
## 4 5 266 2149 12377.85 262557
## 5 6 644 5120 12578.13 109862
## Defunciones Esperadas
## 1 178770.986
## 2 3002.471
## 3 83676.000
## 4 32498.912
## 5 13818.580
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 992 7913 12536.33 1426023
## 2 1 6 51 11764.71 25521
## 3 4 76 593 12816.19 652893
## 4 5 266 2149 12377.85 262557
## 5 6 644 5120 12578.13 109862
## Defunciones Esperadas
## 1 132995.962
## 2 3002.471
## 3 83676.000
## 4 32498.912
## 5 13818.580
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S15 <- Z[1,]
S15
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 992 7913 12536.33 1426023
## Defunciones Esperadas Tasas Estandarizadas
## 1 132996 9326.355
########## Meta ####
Meta <- sqldf("select *
from covid19identificado
where COD_DPTO=50")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Meta
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 804
## 2 4 47
## 3 5 253
## 4 6 504
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="50"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 804
## 2 4 47
## 3 5 253
## 4 6 504
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 1082032
## 4 512478
## 5 216098
## 6 82962
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 804 1082032
## 2 47 512478
## 3 253 216098
## 4 504 82962
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 50
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 4 419
## 2 5 2403
## 3 6 4747
tot2 <- sum(X$sum)
tot2
## [1] 7569
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 7569
## 2 4 419
## 3 5 2403
## 4 6 4747
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 804 1082032 Total 7569
## 2 47 512478 4 419
## 3 253 216098 5 2403
## 4 504 82962 6 4747
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 804 7569 1082032
## 2 4 47 419 512478
## 3 5 253 2403 216098
## 4 6 504 4747 82962
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 10622.28 11217.18 10528.51 10617.23
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 804 7569 1082032 10622.28
## 2 4 47 419 512478 11217.18
## 3 5 253 2403 216098 10528.51
## 4 6 504 4747 82962 10617.23
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 804 7569 10622.28 1082032
## 2 4 47 419 11217.18 512478
## 3 5 253 2403 10528.51 216098
## 4 6 504 4747 10617.23 82962
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 804 7569 10622.28 1082032
## 2 4 47 419 11217.18 512478
## 3 5 253 2403 10528.51 216098
## 4 6 504 4747 10617.23 82962
## Defunciones Esperadas
## 1 114936.415
## 2 57485.599
## 3 22751.891
## 4 8808.268
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 804 7569 10622.28 1082032
## 2 4 47 419 11217.18 512478
## 3 5 253 2403 10528.51 216098
## 4 6 504 4747 10617.23 82962
## Defunciones Esperadas
## 1 89045.758
## 2 57485.599
## 3 22751.891
## 4 8808.268
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S16 <- Z[1,]
S16
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 804 7569 10622.28 1082032
## Defunciones Esperadas Tasas Estandarizadas
## 1 89045.76 8229.494
########## Nariño ####
Nariño <- sqldf("select *
from covid19identificado
where COD_DPTO=52")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Nariño
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 1065
## 2 1 2
## 3 2 6
## 4 3 1
## 5 4 72
## 6 5 268
## 7 6 716
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="52"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 1065
## 2 1 2
## 3 2 6
## 4 3 1
## 5 4 72
## 6 5 268
## 7 6 716
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"2" = a2,
"3" = a3,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 1665454
## 1 25386
## 2 102246
## 3 255840
## 4 779072
## 5 334785
## 6 168125
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 1065 1665454
## 2 2 25386
## 3 6 102246
## 4 1 255840
## 5 72 779072
## 6 268 334785
## 7 716 168125
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 52
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 18
## 2 2 45
## 3 3 9
## 4 4 590
## 5 5 2319
## 6 6 6287
tot2 <- sum(X$sum)
tot2
## [1] 9268
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 9268
## 2 1 18
## 3 2 45
## 4 3 9
## 5 4 590
## 6 5 2319
## 7 6 6287
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 1065 1665454 Total 9268
## 2 2 25386 1 18
## 3 6 102246 2 45
## 4 1 255840 3 9
## 5 72 779072 4 590
## 6 268 334785 5 2319
## 7 716 168125 6 6287
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 1065 9268 1665454
## 2 1 2 18 25386
## 3 2 6 45 102246
## 4 3 1 9 255840
## 5 4 72 590 779072
## 6 5 268 2319 334785
## 7 6 716 6287 168125
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 11491.15 11111.11 13333.33 11111.11 12203.39 11556.71 11388.58
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 1065 9268 1665454 11491.15
## 2 1 2 18 25386 11111.11
## 3 2 6 45 102246 13333.33
## 4 3 1 9 255840 11111.11
## 5 4 72 590 779072 12203.39
## 6 5 268 2319 334785 11556.71
## 7 6 716 6287 168125 11388.58
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1065 9268 11491.15 1665454
## 2 1 2 18 11111.11 25386
## 3 2 6 45 13333.33 102246
## 4 3 1 9 11111.11 255840
## 5 4 72 590 12203.39 779072
## 6 5 268 2319 11556.71 334785
## 7 6 716 6287 11388.58 168125
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1065 9268 11491.15 1665454
## 2 1 2 18 11111.11 25386
## 3 2 6 45 13333.33 102246
## 4 3 1 9 11111.11 255840
## 5 4 72 590 12203.39 779072
## 6 5 268 2319 11556.71 334785
## 7 6 716 6287 11388.58 168125
## Defunciones Esperadas
## 1 191379.856
## 2 2820.667
## 3 13632.800
## 4 28426.667
## 5 95073.193
## 6 38690.116
## 7 19147.049
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1065 9268 11491.15 1665454
## 2 1 2 18 11111.11 25386
## 3 2 6 45 13333.33 102246
## 4 3 1 9 11111.11 255840
## 5 4 72 590 12203.39 779072
## 6 5 268 2319 11556.71 334785
## 7 6 716 6287 11388.58 168125
## Defunciones Esperadas
## 1 197790.492
## 2 2820.667
## 3 13632.800
## 4 28426.667
## 5 95073.193
## 6 38690.116
## 7 19147.049
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S17 <- Z[1,]
S17
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1065 9268 11491.15 1665454
## Defunciones Esperadas Tasas Estandarizadas
## 1 197790.5 11876.07
########## Norte de Santander ####
NortedeSantander <- sqldf("select *
from covid19identificado
where COD_DPTO=54")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from NortedeSantander
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 2130
## 2 1 2
## 3 2 2
## 4 3 2
## 5 4 170
## 6 5 720
## 7 6 1234
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="54"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 2130
## 2 1 2
## 3 2 2
## 4 3 2
## 5 4 170
## 6 5 720
## 7 6 1234
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"2" = a2,
"3" = a3,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 1617209
## 1 26612
## 2 107384
## 3 268241
## 4 757769
## 5 319215
## 6 137988
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 2130 1617209
## 2 2 26612
## 3 2 107384
## 4 2 268241
## 5 170 757769
## 6 720 319215
## 7 1234 137988
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 54
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 23
## 2 2 15
## 3 3 22
## 4 4 1652
## 5 5 7107
## 6 6 12266
tot2 <- sum(X$sum)
tot2
## [1] 21085
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 21085
## 2 1 23
## 3 2 15
## 4 3 22
## 5 4 1652
## 6 5 7107
## 7 6 12266
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 2130 1617209 Total 21085
## 2 2 26612 1 23
## 3 2 107384 2 15
## 4 2 268241 3 22
## 5 170 757769 4 1652
## 6 720 319215 5 7107
## 7 1234 137988 6 12266
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 2130 21085 1617209
## 2 1 2 23 26612
## 3 2 2 15 107384
## 4 3 2 22 268241
## 5 4 170 1652 757769
## 6 5 720 7107 319215
## 7 6 1234 12266 137988
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 10101.968 8695.652 13333.333 9090.909 10290.557 10130.857 10060.329
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 2130 21085 1617209 10101.968
## 2 1 2 23 26612 8695.652
## 3 2 2 15 107384 13333.333
## 4 3 2 22 268241 9090.909
## 5 4 170 1652 757769 10290.557
## 6 5 720 7107 319215 10130.857
## 7 6 1234 12266 137988 10060.329
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 2130 21085 10101.968 1617209
## 2 1 2 23 8695.652 26612
## 3 2 2 15 13333.333 107384
## 4 3 2 22 9090.909 268241
## 5 4 170 1652 10290.557 757769
## 6 5 720 7107 10130.857 319215
## 7 6 1234 12266 10060.329 137988
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 2130 21085 10101.968 1617209
## 2 1 2 23 8695.652 26612
## 3 2 2 15 13333.333 107384
## 4 3 2 22 9090.909 268241
## 5 4 170 1652 10290.557 757769
## 6 5 720 7107 10130.857 319215
## 7 6 1234 12266 10060.329 137988
## Defunciones Esperadas
## 1 163369.939
## 2 2314.087
## 3 14317.867
## 4 24385.545
## 5 77978.650
## 6 32339.215
## 7 13882.047
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 2130 21085 10101.968 1617209
## 2 1 2 23 8695.652 26612
## 3 2 2 15 13333.333 107384
## 4 3 2 22 9090.909 268241
## 5 4 170 1652 10290.557 757769
## 6 5 720 7107 10130.857 319215
## 7 6 1234 12266 10060.329 137988
## Defunciones Esperadas
## 1 165217.411
## 2 2314.087
## 3 14317.867
## 4 24385.545
## 5 77978.650
## 6 32339.215
## 7 13882.047
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S18 <- Z[1,]
S18
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 2130 21085 10101.97 1617209
## Defunciones Esperadas Tasas Estandarizadas
## 1 165217.4 10216.21
########## Quindio ####
Quindio <- sqldf("select *
from covid19identificado
where COD_DPTO=63")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Quindio
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 680
## 2 4 20
## 3 5 150
## 4 6 510
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="63"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 680
## 2 4 20
## 3 5 150
## 4 6 510
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 553321
## 4 242393
## 5 137980
## 6 72991
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 680 553321
## 2 20 242393
## 3 150 137980
## 4 510 72991
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 63
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 4 204
## 2 5 1593
## 3 6 5427
tot2 <- sum(X$sum)
tot2
## [1] 7224
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 7224
## 2 4 204
## 3 5 1593
## 4 6 5427
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 680 553321 Total 7224
## 2 20 242393 4 204
## 3 150 137980 5 1593
## 4 510 72991 6 5427
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 680 7224 553321
## 2 4 20 204 242393
## 3 5 150 1593 137980
## 4 6 510 5427 72991
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 9413.068 9803.922 9416.196 9397.457
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 680 7224 553321 9413.068
## 2 4 20 204 242393 9803.922
## 3 5 150 1593 137980 9416.196
## 4 6 510 5427 72991 9397.457
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 680 7224 9413.068 553321
## 2 4 20 204 9803.922 242393
## 3 5 150 1593 9416.196 137980
## 4 6 510 5427 9397.457 72991
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 680 7224 9413.068 553321
## 2 4 20 204 9803.922 242393
## 3 5 150 1593 9416.196 137980
## 4 6 510 5427 9397.457 72991
## Defunciones Esperadas
## 1 52084.480
## 2 23764.020
## 3 12992.467
## 4 6859.298
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 680 7224 9413.068 553321
## 2 4 20 204 9803.922 242393
## 3 5 150 1593 9416.196 137980
## 4 6 510 5427 9397.457 72991
## Defunciones Esperadas
## 1 43615.785
## 2 23764.020
## 3 12992.467
## 4 6859.298
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S19 <- Z[1,]
S19
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 680 7224 9413.068 553321
## Defunciones Esperadas Tasas Estandarizadas
## 1 43615.78 7882.546
########## Risaralda ####
Risaralda <- sqldf("select *
from covid19identificado
where COD_DPTO=66")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Risaralda
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 844
## 2 1 1
## 3 2 1
## 4 4 40
## 5 5 195
## 6 6 607
xtable(A)
## % latex table generated in R 4.2.2 by xtable 1.8-4 package
## % Mon Sep 25 22:03:01 2023
## \begin{table}[ht]
## \centering
## \begin{tabular}{rll}
## \hline
## & GRU\_ED2 & CantidadMuertes \\
## \hline
## 1 & Total & 844 \\
## 2 & 1 & 1 \\
## 3 & 2 & 1 \\
## 4 & 4 & 40 \\
## 5 & 5 & 195 \\
## 6 & 6 & 607 \\
## \hline
## \end{tabular}
## \end{table}
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="66"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 844
## 2 1 1
## 3 2 1
## 4 4 40
## 5 5 195
## 6 6 607
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"2" = a2,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 962779
## 1 12325
## 2 50373
## 4 428437
## 5 226994
## 6 115784
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 844 962779
## 2 1 12325
## 3 1 50373
## 4 40 428437
## 5 195 226994
## 6 607 115784
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 66
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 9
## 2 2 12
## 3 4 389
## 4 5 1910
## 5 6 6143
tot2 <- sum(X$sum)
tot2
## [1] 8463
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 8463
## 2 1 9
## 3 2 12
## 4 4 389
## 5 5 1910
## 6 6 6143
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 844 962779 Total 8463
## 2 1 12325 1 9
## 3 1 50373 2 12
## 4 40 428437 4 389
## 5 195 226994 5 1910
## 6 607 115784 6 6143
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 844 8463 962779
## 2 1 1 9 12325
## 3 2 1 12 50373
## 4 4 40 389 428437
## 5 5 195 1910 226994
## 6 6 607 6143 115784
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 844 8463 962779
## 2 1 1 9 12325
## 3 2 1 12 50373
## 4 4 40 389 428437
## 5 5 195 1910 226994
## 6 6 607 6143 115784
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 9972.823 11111.111 8333.333 10282.776 10209.424 9881.166
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 844 8463 962779 9972.823
## 2 1 1 9 12325 11111.111
## 3 2 1 12 50373 8333.333
## 4 4 40 389 428437 10282.776
## 5 5 195 1910 226994 10209.424
## 6 6 607 6143 115784 9881.166
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 844 8463 9972.823 962779
## 2 1 1 9 11111.111 12325
## 3 2 1 12 8333.333 50373
## 4 4 40 389 10282.776 428437
## 5 5 195 1910 10209.424 226994
## 6 6 607 6143 9881.166 115784
xtable(W)
## % latex table generated in R 4.2.2 by xtable 1.8-4 package
## % Mon Sep 25 22:03:02 2023
## \begin{table}[ht]
## \centering
## \begin{tabular}{rlrrrr}
## \hline
## & GRU\_ED2 & Defunciones & Poblacion En Riesgo & Tasa por 100000 & Poblacion Estandar \\
## \hline
## 1 & Total & 844.00 & 8463.00 & 9972.82 & 962779.00 \\
## 2 & 1 & 1.00 & 9.00 & 11111.11 & 12325.00 \\
## 3 & 2 & 1.00 & 12.00 & 8333.33 & 50373.00 \\
## 4 & 4 & 40.00 & 389.00 & 10282.78 & 428437.00 \\
## 5 & 5 & 195.00 & 1910.00 & 10209.42 & 226994.00 \\
## 6 & 6 & 607.00 & 6143.00 & 9881.17 & 115784.00 \\
## \hline
## \end{tabular}
## \end{table}
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 844 8463 9972.823 962779
## 2 1 1 9 11111.111 12325
## 3 2 1 12 8333.333 50373
## 4 4 40 389 10282.776 428437
## 5 5 195 1910 10209.424 226994
## 6 6 607 6143 9881.166 115784
## Defunciones Esperadas
## 1 96016.244
## 2 1369.444
## 3 4197.750
## 4 44055.219
## 5 23174.780
## 6 11440.809
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 844 8463 9972.823 962779
## 2 1 1 9 11111.111 12325
## 3 2 1 12 8333.333 50373
## 4 4 40 389 10282.776 428437
## 5 5 195 1910 10209.424 226994
## 6 6 607 6143 9881.166 115784
## Defunciones Esperadas
## 1 84238.002
## 2 1369.444
## 3 4197.750
## 4 44055.219
## 5 23174.780
## 6 11440.809
xtable(Z)
## % latex table generated in R 4.2.2 by xtable 1.8-4 package
## % Mon Sep 25 22:03:02 2023
## \begin{table}[ht]
## \centering
## \begin{tabular}{rlrrrrr}
## \hline
## & GRU\_ED2 & Defunciones & Poblacion En Riesgo & Tasa por 100000 & Poblacion Estandar & Defunciones Esperadas \\
## \hline
## 1 & Total & 844.00 & 8463.00 & 9972.82 & 962779.00 & 84238.00 \\
## 2 & 1 & 1.00 & 9.00 & 11111.11 & 12325.00 & 1369.44 \\
## 3 & 2 & 1.00 & 12.00 & 8333.33 & 50373.00 & 4197.75 \\
## 4 & 4 & 40.00 & 389.00 & 10282.78 & 428437.00 & 44055.22 \\
## 5 & 5 & 195.00 & 1910.00 & 10209.42 & 226994.00 & 23174.78 \\
## 6 & 6 & 607.00 & 6143.00 & 9881.17 & 115784.00 & 11440.81 \\
## \hline
## \end{tabular}
## \end{table}
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S20 <- Z[1,]
S20
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 844 8463 9972.823 962779
## Defunciones Esperadas Tasas Estandarizadas
## 1 84238 8749.464
########## Santander ####
Santander <- sqldf("select *
from covid19identificado
where COD_DPTO=68")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Santander
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 2715
## 2 1 1
## 3 3 1
## 4 4 145
## 5 5 759
## 6 6 1809
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="68"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 2715
## 2 1 1
## 3 3 1
## 4 4 145
## 5 5 759
## 6 6 1809
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"3" = a3,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 2282208
## 1 31246
## 3 335334
## 4 1047235
## 5 506750
## 6 233305
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 2715 2282208
## 2 1 31246
## 3 1 335334
## 4 145 1047235
## 5 759 506750
## 6 1809 233305
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 68
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 9
## 2 3 8
## 3 4 1363
## 4 5 7064
## 5 6 17243
tot2 <- sum(X$sum)
tot2
## [1] 25687
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 25687
## 2 1 9
## 3 3 8
## 4 4 1363
## 5 5 7064
## 6 6 17243
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 2715 2282208 Total 25687
## 2 1 31246 1 9
## 3 1 335334 3 8
## 4 145 1047235 4 1363
## 5 759 506750 5 7064
## 6 1809 233305 6 17243
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 2715 25687 2282208
## 2 1 1 9 31246
## 3 3 1 8 335334
## 4 4 145 1363 1047235
## 5 5 759 7064 506750
## 6 6 1809 17243 233305
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 10569.55 11111.11 12500.00 10638.30 10744.62 10491.21
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 2715 25687 2282208 10569.55
## 2 1 1 9 31246 11111.11
## 3 3 1 8 335334 12500.00
## 4 4 145 1363 1047235 10638.30
## 5 5 759 7064 506750 10744.62
## 6 6 1809 17243 233305 10491.21
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 2715 25687 10569.55 2282208
## 2 1 1 9 11111.11 31246
## 3 3 1 8 12500.00 335334
## 4 4 145 1363 10638.30 1047235
## 5 5 759 7064 10744.62 506750
## 6 6 1809 17243 10491.21 233305
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 2715 25687 10569.55 2282208
## 2 1 1 9 11111.11 31246
## 3 3 1 8 12500.00 335334
## 4 4 145 1363 10638.30 1047235
## 5 5 759 7064 10744.62 506750
## 6 6 1809 17243 10491.21 233305
## Defunciones Esperadas
## 1 241219.088
## 2 3471.778
## 3 41916.750
## 4 111407.979
## 5 54448.365
## 6 24476.526
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 2715 25687 10569.55 2282208
## 2 1 1 9 11111.11 31246
## 3 3 1 8 12500.00 335334
## 4 4 145 1363 10638.30 1047235
## 5 5 759 7064 10744.62 506750
## 6 6 1809 17243 10491.21 233305
## Defunciones Esperadas
## 1 235721.398
## 2 3471.778
## 3 41916.750
## 4 111407.979
## 5 54448.365
## 6 24476.526
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S21 <- Z[1,]
S21
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 2715 25687 10569.55 2282208
## Defunciones Esperadas Tasas Estandarizadas
## 1 235721.4 10328.66
########## Sucre ####
Sucre <- sqldf("select *
from covid19identificado
where COD_DPTO=70")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Sucre
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 867
## 2 1 3
## 3 2 1
## 4 3 1
## 5 4 47
## 6 5 201
## 7 6 614
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="70"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 867
## 2 1 3
## 3 2 1
## 4 3 1
## 5 4 47
## 6 5 201
## 7 6 614
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"2" = a2,
"3" = a3,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 950612
## 1 15803
## 2 64304
## 3 168808
## 4 430360
## 5 185669
## 6 85668
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 867 950612
## 2 3 15803
## 3 1 64304
## 4 1 168808
## 5 47 430360
## 6 201 185669
## 7 614 85668
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 70
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 35
## 2 2 7
## 3 3 7
## 4 4 362
## 5 5 1580
## 6 6 4829
tot2 <- sum(X$sum)
tot2
## [1] 6820
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 6820
## 2 1 35
## 3 2 7
## 4 3 7
## 5 4 362
## 6 5 1580
## 7 6 4829
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 867 950612 Total 6820
## 2 3 15803 1 35
## 3 1 64304 2 7
## 4 1 168808 3 7
## 5 47 430360 4 362
## 6 201 185669 5 1580
## 7 614 85668 6 4829
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 867 6820 950612
## 2 1 3 35 15803
## 3 2 1 7 64304
## 4 3 1 7 168808
## 5 4 47 362 430360
## 6 5 201 1580 185669
## 7 6 614 4829 85668
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 12712.610 8571.429 14285.714 14285.714 12983.425 12721.519 12714.848
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 867 6820 950612 12712.610
## 2 1 3 35 15803 8571.429
## 3 2 1 7 64304 14285.714
## 4 3 1 7 168808 14285.714
## 5 4 47 362 430360 12983.425
## 6 5 201 1580 185669 12721.519
## 7 6 614 4829 85668 12714.848
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 867 6820 12712.610 950612
## 2 1 3 35 8571.429 15803
## 3 2 1 7 14285.714 64304
## 4 3 1 7 14285.714 168808
## 5 4 47 362 12983.425 430360
## 6 5 201 1580 12721.519 185669
## 7 6 614 4829 12714.848 85668
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 867 6820 12712.610 950612
## 2 1 3 35 8571.429 15803
## 3 2 1 7 14285.714 64304
## 4 3 1 7 14285.714 168808
## 5 4 47 362 12983.425 430360
## 6 5 201 1580 12721.519 185669
## 7 6 614 4829 12714.848 85668
## Defunciones Esperadas
## 1 120847.596
## 2 1354.543
## 3 9186.286
## 4 24115.429
## 5 55875.470
## 6 23619.917
## 7 10892.556
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 867 6820 12712.610 950612
## 2 1 3 35 8571.429 15803
## 3 2 1 7 14285.714 64304
## 4 3 1 7 14285.714 168808
## 5 4 47 362 12983.425 430360
## 6 5 201 1580 12721.519 185669
## 7 6 614 4829 12714.848 85668
## Defunciones Esperadas
## 1 125044.200
## 2 1354.543
## 3 9186.286
## 4 24115.429
## 5 55875.470
## 6 23619.917
## 7 10892.556
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S22 <- Z[1,]
S22
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 867 6820 12712.61 950612
## Defunciones Esperadas Tasas Estandarizadas
## 1 125044.2 13154.07
########## Tolima ####
Tolima <- sqldf("select *
from covid19identificado
where COD_DPTO=73")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Tolima
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 1271
## 2 3 2
## 3 4 53
## 4 5 273
## 5 6 943
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="73"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 1271
## 2 3 2
## 3 4 53
## 4 5 273
## 5 6 943
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"3" = a3,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 1354338
## 3 204365
## 4 585230
## 5 310992
## 6 163797
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 1271 1354338
## 2 2 204365
## 3 53 585230
## 4 273 310992
## 5 943 163797
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 73
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 3 23
## 2 4 510
## 3 5 2778
## 4 6 9719
tot2 <- sum(X$sum)
tot2
## [1] 13030
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 13030
## 2 3 23
## 3 4 510
## 4 5 2778
## 5 6 9719
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 1271 1354338 Total 13030
## 2 2 204365 3 23
## 3 53 585230 4 510
## 4 273 310992 5 2778
## 5 943 163797 6 9719
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 1271 13030 1354338
## 2 3 2 23 204365
## 3 4 53 510 585230
## 4 5 273 2778 310992
## 5 6 943 9719 163797
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 9754.413 8695.652 10392.157 9827.214 9702.644
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 1271 13030 1354338 9754.413
## 2 3 2 23 204365 8695.652
## 3 4 53 510 585230 10392.157
## 4 5 273 2778 310992 9827.214
## 5 6 943 9719 163797 9702.644
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1271 13030 9754.413 1354338
## 2 3 2 23 8695.652 204365
## 3 4 53 510 10392.157 585230
## 4 5 273 2778 9827.214 310992
## 5 6 943 9719 9702.644 163797
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1271 13030 9754.413 1354338
## 2 3 2 23 8695.652 204365
## 3 4 53 510 10392.157 585230
## 4 5 273 2778 9827.214 310992
## 5 6 943 9719 9702.644 163797
## Defunciones Esperadas
## 1 132107.72
## 2 17770.87
## 3 60818.02
## 4 30561.85
## 5 15892.64
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1271 13030 9754.413 1354338
## 2 3 2 23 8695.652 204365
## 3 4 53 510 10392.157 585230
## 4 5 273 2778 9827.214 310992
## 5 6 943 9719 9702.644 163797
## Defunciones Esperadas
## 1 125043.38
## 2 17770.87
## 3 60818.02
## 4 30561.85
## 5 15892.64
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S23 <- Z[1,]
S23
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 1271 13030 9754.413 1354338
## Defunciones Esperadas Tasas Estandarizadas
## 1 125043.4 9232.804
########## Valle del Cauca ####
ValledelCauca <- sqldf("select *
from covid19identificado
where COD_DPTO=76")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from ValledelCauca
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 4517
## 2 1 1
## 3 2 2
## 4 3 2
## 5 4 204
## 6 5 1052
## 7 6 3256
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="76"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 4517
## 2 1 1
## 3 2 2
## 4 3 2
## 5 4 204
## 6 5 1052
## 7 6 3256
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"2" = a2,
"3" = a3,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 4582377
## 1 66554
## 2 273589
## 3 709690
## 4 2018973
## 5 1015969
## 6 497602
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 4517 4582377
## 2 1 66554
## 3 2 273589
## 4 2 709690
## 5 204 2018973
## 6 1052 1015969
## 7 3256 497602
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 76
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 7
## 2 2 20
## 3 3 18
## 4 4 1769
## 5 5 9462
## 6 6 29851
tot2 <- sum(X$sum)
tot2
## [1] 41127
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 41127
## 2 1 7
## 3 2 20
## 4 3 18
## 5 4 1769
## 6 5 9462
## 7 6 29851
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 4517 4582377 Total 41127
## 2 1 66554 1 7
## 3 2 273589 2 20
## 4 2 709690 3 18
## 5 204 2018973 4 1769
## 6 1052 1015969 5 9462
## 7 3256 497602 6 29851
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 4517 41127 4582377
## 2 1 1 7 66554
## 3 2 2 20 273589
## 4 3 2 18 709690
## 5 4 204 1769 2018973
## 6 5 1052 9462 1015969
## 7 6 3256 29851 497602
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 10983.05 14285.71 10000.00 11111.11 11531.94 11118.16 10907.51
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 4517 41127 4582377 10983.05
## 2 1 1 7 66554 14285.71
## 3 2 2 20 273589 10000.00
## 4 3 2 18 709690 11111.11
## 5 4 204 1769 2018973 11531.94
## 6 5 1052 9462 1015969 11118.16
## 7 6 3256 29851 497602 10907.51
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 4517 41127 10983.05 4582377
## 2 1 1 7 14285.71 66554
## 3 2 2 20 10000.00 273589
## 4 3 2 18 11111.11 709690
## 5 4 204 1769 11531.94 2018973
## 6 5 1052 9462 11118.16 1015969
## 7 6 3256 29851 10907.51 497602
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 4517 41127 10983.05 4582377
## 2 1 1 7 14285.71 66554
## 3 2 2 20 10000.00 273589
## 4 3 2 18 11111.11 709690
## 5 4 204 1769 11531.94 2018973
## 6 5 1052 9462 11118.16 1015969
## 7 6 3256 29851 10907.51 497602
## Defunciones Esperadas
## 1 503284.871
## 2 9507.714
## 3 27358.900
## 4 78854.444
## 5 232826.734
## 6 112957.027
## 7 54275.974
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 4517 41127 10983.05 4582377
## 2 1 1 7 14285.71 66554
## 3 2 2 20 10000.00 273589
## 4 3 2 18 11111.11 709690
## 5 4 204 1769 11531.94 2018973
## 6 5 1052 9462 11118.16 1015969
## 7 6 3256 29851 10907.51 497602
## Defunciones Esperadas
## 1 515780.794
## 2 9507.714
## 3 27358.900
## 4 78854.444
## 5 232826.734
## 6 112957.027
## 7 54275.974
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S24 <- Z[1,]
S24
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 4517 41127 10983.05 4582377
## Defunciones Esperadas Tasas Estandarizadas
## 1 515780.8 11255.75
########## Arauca ####
Arauca <- sqldf("select *
from covid19identificado
where COD_DPTO=81")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Arauca
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 111
## 2 1 1
## 3 4 7
## 4 5 27
## 5 6 76
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="81"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 111
## 2 1 1
## 3 4 7
## 4 5 27
## 5 6 76
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 291252
## 1 5620
## 4 140313
## 5 49800
## 6 19169
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 111 291252
## 2 1 5620
## 3 7 140313
## 4 27 49800
## 5 76 19169
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 81
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 12
## 2 4 59
## 3 5 268
## 4 6 755
tot2 <- sum(X$sum)
tot2
## [1] 1094
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 1094
## 2 1 12
## 3 4 59
## 4 5 268
## 5 6 755
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 111 291252 Total 1094
## 2 1 5620 1 12
## 3 7 140313 4 59
## 4 27 49800 5 268
## 5 76 19169 6 755
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 111 1094 291252
## 2 1 1 12 5620
## 3 4 7 59 140313
## 4 5 27 268 49800
## 5 6 76 755 19169
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 10146.252 8333.333 11864.407 10074.627 10066.225
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 111 1094 291252 10146.252
## 2 1 1 12 5620 8333.333
## 3 4 7 59 140313 11864.407
## 4 5 27 268 49800 10074.627
## 5 6 76 755 19169 10066.225
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 111 1094 10146.252 291252
## 2 1 1 12 8333.333 5620
## 3 4 7 59 11864.407 140313
## 4 5 27 268 10074.627 49800
## 5 6 76 755 10066.225 19169
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 111 1094 10146.252 291252
## 2 1 1 12 8333.333 5620
## 3 4 7 59 11864.407 140313
## 4 5 27 268 10074.627 49800
## 5 6 76 755 10066.225 19169
## Defunciones Esperadas
## 1 29551.1627
## 2 468.3333
## 3 16647.3051
## 4 5017.1642
## 5 1929.5947
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 111 1094 10146.252 291252
## 2 1 1 12 8333.333 5620
## 3 4 7 59 11864.407 140313
## 4 5 27 268 10074.627 49800
## 5 6 76 755 10066.225 19169
## Defunciones Esperadas
## 1 24062.3973
## 2 468.3333
## 3 16647.3051
## 4 5017.1642
## 5 1929.5947
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S25 <- Z[1,]
S25
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 111 1094 10146.25 291252
## Defunciones Esperadas Tasas Estandarizadas
## 1 24062.4 8261.711
########## Casanare ####
Casanare <- sqldf("select *
from covid19identificado
where COD_DPTO=85")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Casanare
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 200
## 2 4 20
## 3 5 68
## 4 6 112
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="85"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 200
## 2 4 20
## 3 5 68
## 4 6 112
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 443532
## 4 217654
## 5 81127
## 6 26067
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 200 443532
## 2 20 217654
## 3 68 81127
## 4 112 26067
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 85
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 4 187
## 2 5 696
## 3 6 1129
tot2 <- sum(X$sum)
tot2
## [1] 2012
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 2012
## 2 4 187
## 3 5 696
## 4 6 1129
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 200 443532 Total 2012
## 2 20 217654 4 187
## 3 68 81127 5 696
## 4 112 26067 6 1129
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 200 2012 443532
## 2 4 20 187 217654
## 3 5 68 696 81127
## 4 6 112 1129 26067
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 9940.358 10695.187 9770.115 9920.283
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 200 2012 443532 9940.358
## 2 4 20 187 217654 10695.187
## 3 5 68 696 81127 9770.115
## 4 6 112 1129 26067 9920.283
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 200 2012 9940.358 443532
## 2 4 20 187 10695.187 217654
## 3 5 68 696 9770.115 81127
## 4 6 112 1129 9920.283 26067
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 200 2012 9940.358 443532
## 2 4 20 187 10695.187 217654
## 3 5 68 696 9770.115 81127
## 4 6 112 1129 9920.283 26067
## Defunciones Esperadas
## 1 44088.668
## 2 23278.503
## 3 7926.201
## 4 2585.920
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 200 2012 9940.358 443532
## 2 4 20 187 10695.187 217654
## 3 5 68 696 9770.115 81127
## 4 6 112 1129 9920.283 26067
## Defunciones Esperadas
## 1 33790.624
## 2 23278.503
## 3 7926.201
## 4 2585.920
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S26 <- Z[1,]
S26
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 200 2012 9940.358 443532
## Defunciones Esperadas Tasas Estandarizadas
## 1 33790.62 7618.531
########## Putumayo ####
Putumayo <- sqldf("select *
from covid19identificado
where COD_DPTO=86")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Putumayo
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 153
## 2 3 1
## 3 4 10
## 4 5 43
## 5 6 99
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="86"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 153
## 2 3 1
## 3 4 10
## 4 5 43
## 5 6 99
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"3" = a3,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 364883
## 3 67389
## 4 178116
## 5 62267
## 6 24345
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 153 364883
## 2 1 67389
## 3 10 178116
## 4 43 62267
## 5 99 24345
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 86
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 3 7
## 2 4 78
## 3 5 351
## 4 6 817
tot2 <- sum(X$sum)
tot2
## [1] 1253
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 1253
## 2 3 7
## 3 4 78
## 4 5 351
## 5 6 817
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 153 364883 Total 1253
## 2 1 67389 3 7
## 3 10 178116 4 78
## 4 43 62267 5 351
## 5 99 24345 6 817
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 153 1253 364883
## 2 3 1 7 67389
## 3 4 10 78 178116
## 4 5 43 351 62267
## 5 6 99 817 24345
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 12210.69 14285.71 12820.51 12250.71 12117.50
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 153 1253 364883 12210.69
## 2 3 1 7 67389 14285.71
## 3 4 10 78 178116 12820.51
## 4 5 43 351 62267 12250.71
## 5 6 99 817 24345 12117.50
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 153 1253 12210.69 364883
## 2 3 1 7 14285.71 67389
## 3 4 10 78 12820.51 178116
## 4 5 43 351 12250.71 62267
## 5 6 99 817 12117.50 24345
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 153 1253 12210.69 364883
## 2 3 1 7 14285.71 67389
## 3 4 10 78 12820.51 178116
## 4 5 43 351 12250.71 62267
## 5 6 99 817 12117.50 24345
## Defunciones Esperadas
## 1 44554.748
## 2 9627.000
## 3 22835.385
## 4 7628.151
## 5 2950.006
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 153 1253 12210.69 364883
## 2 3 1 7 14285.71 67389
## 3 4 10 78 12820.51 178116
## 4 5 43 351 12250.71 62267
## 5 6 99 817 12117.50 24345
## Defunciones Esperadas
## 1 43040.542
## 2 9627.000
## 3 22835.385
## 4 7628.151
## 5 2950.006
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S27 <- Z[1,]
S27
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 153 1253 12210.69 364883
## Defunciones Esperadas Tasas Estandarizadas
## 1 43040.54 11795.71
########## Archipiélago de San Andrés, Providencia y Santa Catalina ####
SA <- sqldf("select *
from covid19identificado
where COD_DPTO=88")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from SA
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 23
## 2 2 1
## 3 4 1
## 4 5 6
## 5 6 15
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="88"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 23
## 2 2 1
## 3 4 1
## 4 5 6
## 5 6 15
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"2" = a2,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 61898
## 2 3759
## 4 27430
## 5 15811
## 6 4967
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 23 61898
## 2 1 3759
## 3 1 27430
## 4 6 15811
## 5 15 4967
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 88
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 2 9
## 2 4 11
## 3 5 55
## 4 6 142
tot2 <- sum(X$sum)
tot2
## [1] 217
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 217
## 2 2 9
## 3 4 11
## 4 5 55
## 5 6 142
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 23 61898 Total 217
## 2 1 3759 2 9
## 3 1 27430 4 11
## 4 6 15811 5 55
## 5 15 4967 6 142
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 23 217 61898
## 2 2 1 9 3759
## 3 4 1 11 27430
## 4 5 6 55 15811
## 5 6 15 142 4967
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 10599.078 11111.111 9090.909 10909.091 10563.380
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 23 217 61898 10599.078
## 2 2 1 9 3759 11111.111
## 3 4 1 11 27430 9090.909
## 4 5 6 55 15811 10909.091
## 5 6 15 142 4967 10563.380
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 23 217 10599.078 61898
## 2 2 1 9 11111.111 3759
## 3 4 1 11 9090.909 27430
## 4 5 6 55 10909.091 15811
## 5 6 15 142 10563.380 4967
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 23 217 10599.078 61898
## 2 2 1 9 11111.111 3759
## 3 4 1 11 9090.909 27430
## 4 5 6 55 10909.091 15811
## 5 6 15 142 10563.380 4967
## Defunciones Esperadas
## 1 6560.6175
## 2 417.6667
## 3 2493.6364
## 4 1724.8364
## 5 524.6831
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 23 217 10599.078 61898
## 2 2 1 9 11111.111 3759
## 3 4 1 11 9090.909 27430
## 4 5 6 55 10909.091 15811
## 5 6 15 142 10563.380 4967
## Defunciones Esperadas
## 1 5160.8225
## 2 417.6667
## 3 2493.6364
## 4 1724.8364
## 5 524.6831
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S28 <- Z[1,]
S28
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 23 217 10599.08 61898
## Defunciones Esperadas Tasas Estandarizadas
## 1 5160.822 8337.624
########## Amazonas ####
Amazonas <- sqldf("select *
from covid19identificado
where COD_DPTO=91")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Amazonas
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 70
## 2 4 1
## 3 5 23
## 4 6 46
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="91"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 70
## 2 4 1
## 3 5 23
## 4 6 46
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 80472
## 4 36615
## 5 10803
## 6 4047
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 70 80472
## 2 1 36615
## 3 23 10803
## 4 46 4047
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 91
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 4 11
## 2 5 113
## 3 6 248
tot2 <- sum(X$sum)
tot2
## [1] 372
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 372
## 2 4 11
## 3 5 113
## 4 6 248
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 70 80472 Total 372
## 2 1 36615 4 11
## 3 23 10803 5 113
## 4 46 4047 6 248
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 70 372 80472
## 2 4 1 11 36615
## 3 5 23 113 10803
## 4 6 46 248 4047
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 18817.204 9090.909 20353.982 18548.387
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 70 372 80472 18817.204
## 2 4 1 11 36615 9090.909
## 3 5 23 113 10803 20353.982
## 4 6 46 248 4047 18548.387
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 70 372 18817.204 80472
## 2 4 1 11 9090.909 36615
## 3 5 23 113 20353.982 10803
## 4 6 46 248 18548.387 4047
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 70 372 18817.204 80472
## 2 4 1 11 9090.909 36615
## 3 5 23 113 20353.982 10803
## 4 6 46 248 18548.387 4047
## Defunciones Esperadas
## 1 15142.5806
## 2 3328.6364
## 3 2198.8407
## 4 750.6532
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 70 372 18817.204 80472
## 2 4 1 11 9090.909 36615
## 3 5 23 113 20353.982 10803
## 4 6 46 248 18548.387 4047
## Defunciones Esperadas
## 1 6278.1303
## 2 3328.6364
## 3 2198.8407
## 4 750.6532
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S29 <- Z[1,]
S29
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 70 372 18817.2 80472
## Defunciones Esperadas Tasas Estandarizadas
## 1 6278.13 7801.633
########## Guainía ####
Guainía <- sqldf("select *
from covid19identificado
where COD_DPTO=94")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Guainía
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 16
## 2 4 1
## 3 5 6
## 4 6 9
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="94"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 16
## 2 4 1
## 3 5 6
## 4 6 9
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 52006
## 4 23311
## 5 6050
## 6 2042
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 16 52006
## 2 1 23311
## 3 6 6050
## 4 9 2042
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 94
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 4 8
## 2 5 53
## 3 6 75
tot2 <- sum(X$sum)
tot2
## [1] 136
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 136
## 2 4 8
## 3 5 53
## 4 6 75
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 16 52006 Total 136
## 2 1 23311 4 8
## 3 6 6050 5 53
## 4 9 2042 6 75
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 16 136 52006
## 2 4 1 8 23311
## 3 5 6 53 6050
## 4 6 9 75 2042
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 11764.71 12500.00 11320.75 12000.00
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 16 136 52006 11764.71
## 2 4 1 8 23311 12500.00
## 3 5 6 53 6050 11320.75
## 4 6 9 75 2042 12000.00
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 16 136 11764.71 52006
## 2 4 1 8 12500.00 23311
## 3 5 6 53 11320.75 6050
## 4 6 9 75 12000.00 2042
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 16 136 11764.71 52006
## 2 4 1 8 12500.00 23311
## 3 5 6 53 11320.75 6050
## 4 6 9 75 12000.00 2042
## Defunciones Esperadas
## 1 6118.3529
## 2 2913.8750
## 3 684.9057
## 4 245.0400
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 16 136 11764.71 52006
## 2 4 1 8 12500.00 23311
## 3 5 6 53 11320.75 6050
## 4 6 9 75 12000.00 2042
## Defunciones Esperadas
## 1 3843.8207
## 2 2913.8750
## 3 684.9057
## 4 245.0400
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S30 <- Z[1,]
S30
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 16 136 11764.71 52006
## Defunciones Esperadas Tasas Estandarizadas
## 1 3843.821 7391.11
########## Guaviare ####
Guaviare <- sqldf("select *
from covid19identificado
where COD_DPTO=95")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Guaviare
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 26
## 2 4 1
## 3 5 8
## 4 6 17
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="95"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 26
## 2 4 1
## 3 5 8
## 4 6 17
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 89050
## 4 41115
## 5 15376
## 6 4827
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 26 89050
## 2 1 41115
## 3 8 15376
## 4 17 4827
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 95
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 4 8
## 2 5 76
## 3 6 162
tot2 <- sum(X$sum)
tot2
## [1] 246
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 246
## 2 4 8
## 3 5 76
## 4 6 162
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 26 89050 Total 246
## 2 1 41115 4 8
## 3 8 15376 5 76
## 4 17 4827 6 162
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 26 246 89050
## 2 4 1 8 41115
## 3 5 8 76 15376
## 4 6 17 162 4827
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 10569.11 12500.00 10526.32 10493.83
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 26 246 89050 10569.11
## 2 4 1 8 41115 12500.00
## 3 5 8 76 15376 10526.32
## 4 6 17 162 4827 10493.83
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 26 246 10569.11 89050
## 2 4 1 8 12500.00 41115
## 3 5 8 76 10526.32 15376
## 4 6 17 162 10493.83 4827
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 26 246 10569.11 89050
## 2 4 1 8 12500.00 41115
## 3 5 8 76 10526.32 15376
## 4 6 17 162 10493.83 4827
## Defunciones Esperadas
## 1 9411.789
## 2 5139.375
## 3 1618.526
## 4 506.537
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 26 246 10569.11 89050
## 2 4 1 8 12500.00 41115
## 3 5 8 76 10526.32 15376
## 4 6 17 162 10493.83 4827
## Defunciones Esperadas
## 1 7264.438
## 2 5139.375
## 3 1618.526
## 4 506.537
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S31 <- Z[1,]
S31
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 26 246 10569.11 89050
## Defunciones Esperadas Tasas Estandarizadas
## 1 7264.438 8157.707
########## Vaupés ####
Vaupés <- sqldf("select *
from covid19identificado
where COD_DPTO=97")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Vaupés
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 14
## 2 1 1
## 3 4 1
## 4 5 3
## 5 6 9
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="97"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 14
## 2 1 1
## 3 4 1
## 4 5 3
## 5 6 9
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"1" = D20$Total_0,
"4" = a4,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 43188
## 1 1278
## 4 17707
## 5 4559
## 6 1648
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 14 43188
## 2 1 1278
## 3 1 17707
## 4 3 4559
## 5 9 1648
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO == 97
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 1 9
## 2 4 9
## 3 5 27
## 4 6 81
tot2 <- sum(X$sum)
tot2
## [1] 126
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 126
## 2 1 9
## 3 4 9
## 4 5 27
## 5 6 81
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 14 43188 Total 126
## 2 1 1278 1 9
## 3 1 17707 4 9
## 4 3 4559 5 27
## 5 9 1648 6 81
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 14 126 43188
## 2 1 1 9 1278
## 3 4 1 9 17707
## 4 5 3 27 4559
## 5 6 9 81 1648
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 11111.11 11111.11 11111.11 11111.11 11111.11
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 14 126 43188 11111.11
## 2 1 1 9 1278 11111.11
## 3 4 1 9 17707 11111.11
## 4 5 3 27 4559 11111.11
## 5 6 9 81 1648 11111.11
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 14 126 11111.11 43188
## 2 1 1 9 11111.11 1278
## 3 4 1 9 11111.11 17707
## 4 5 3 27 11111.11 4559
## 5 6 9 81 11111.11 1648
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 14 126 11111.11 43188
## 2 1 1 9 11111.11 1278
## 3 4 1 9 11111.11 17707
## 4 5 3 27 11111.11 4559
## 5 6 9 81 11111.11 1648
## Defunciones Esperadas
## 1 4798.6667
## 2 142.0000
## 3 1967.4444
## 4 506.5556
## 5 183.1111
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 14 126 11111.11 43188
## 2 1 1 9 11111.11 1278
## 3 4 1 9 11111.11 17707
## 4 5 3 27 11111.11 4559
## 5 6 9 81 11111.11 1648
## Defunciones Esperadas
## 1 2799.1111
## 2 142.0000
## 3 1967.4444
## 4 506.5556
## 5 183.1111
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S32 <- Z[1,]
S32
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 14 126 11111.11 43188
## Defunciones Esperadas Tasas Estandarizadas
## 1 2799.111 6481.224
########## Vichada #####
Vichada <- sqldf("select *
from covid19identificado
where COD_DPTO=99")
A <- sqldf("select GRU_ED2, count(GRU_ED2) as CantidadMuertes
from Vichada
group by GRU_ED2")
tot <- sum(A$CantidadMuertes)
A <- rbind(c("Total",tot),A)
A
## GRU_ED2 CantidadMuertes
## 1 Total 12
## 2 5 5
## 3 6 7
D20 <- sqldf('SELECT *
FROM "pop_edad_dep"
WHERE "AÑO" == 2020 AND "ÁREA GEOGRÁFICA" == "Total" and "DP"=="99"')
a2 <- sum(D20$Total_1,D20$Total_2,D20$Total_3,D20$Total_4)
a3 <- sum(D20$Total_5,D20$Total_6,D20$Total_7,D20$Total_8,D20$Total_9,
D20$Total_10,D20$Total_11,D20$Total_12,D20$Total_13,D20$Total_14)
a4 <- sum(D20$Total_15,D20$Total_16,D20$Total_17,D20$Total_18,D20$Total_19,
D20$Total_20,D20$Total_21,D20$Total_22,D20$Total_23,D20$Total_24,
D20$Total_25,D20$Total_26,D20$Total_27,D20$Total_28,D20$Total_29,
D20$Total_30,D20$Total_31,D20$Total_32,D20$Total_33,D20$Total_34,
D20$Total_35,D20$Total_36,D20$Total_37,D20$Total_38,D20$Total_39,
D20$Total_40,D20$Total_41,D20$Total_42,D20$Total_43,D20$Total_44)
a5 <- sum(D20$Total_45,D20$Total_46,D20$Total_47,D20$Total_48,D20$Total_49,
D20$Total_50,D20$Total_51,D20$Total_52,D20$Total_53,D20$Total_54,
D20$Total_55,D20$Total_56,D20$Total_57,D20$Total_58,D20$Total_59,
D20$Total_60,D20$Total_61,D20$Total_62,D20$Total_63,D20$Total_64)
a6 <- sum(D20$Total_65,D20$Total_66,D20$Total_67,D20$Total_68,D20$Total_69,
D20$Total_70,D20$Total_71,D20$Total_72,D20$Total_73,D20$Total_74,
D20$Total_75,D20$Total_76,D20$Total_77,D20$Total_78,D20$Total_79,
D20$Total_80,D20$Total_81,D20$Total_82,D20$Total_83,D20$Total_84,
D20$Total_85,D20$Total_86,D20$Total_87,D20$Total_88,D20$Total_89,
D20$Total_90,D20$Total_91,D20$Total_92,D20$Total_93,D20$Total_94,
D20$Total_95,D20$Total_96,D20$Total_97,D20$Total_98,D20$Total_99,
D20$Total_100)
A
## GRU_ED2 CantidadMuertes
## 1 Total 12
## 2 5 5
## 3 6 7
pop_edad_general <- data.frame("Poblacion"=c(
"Total"=D20$`Total general`,
"5" = a5,
"6" = a6
))
pop_edad_general
## Poblacion
## Total 115196
## 5 15040
## 6 4340
A <- cbind(A, pop_edad_general)
A <- as.data.frame(cbind("Defunciones"=A$CantidadMuertes,"Poblacion Estandar"=A$Poblacion))
A$Defunciones <- as.numeric(A$Defunciones)
A$`Poblacion Estandar` <- as.numeric(A$`Poblacion Estandar`)
A
## Defunciones Poblacion Estandar
## 1 12 115196
## 2 5 15040
## 3 7 4340
X <- sqldf("SELECT GRU_ED2, SUM(MES) AS sum
FROM covid19identificado
where COD_DPTO ==99
GROUP BY GRU_ED2")
X
## GRU_ED2 sum
## 1 5 49
## 2 6 66
tot2 <- sum(X$sum)
tot2
## [1] 115
X <- rbind(data.frame(GRU_ED2 = "Total", `sum` = tot2),X)
X
## GRU_ED2 sum
## 1 Total 115
## 2 5 49
## 3 6 66
# Se toma como la poblacion de riesgo la poblacion el Total tiempo x Persona
A <- as.data.frame(cbind(A,X))
A$`Poblacion En Riesgo` <- A$sum
A$sum <-NULL
A
## Defunciones Poblacion Estandar GRU_ED2 Poblacion En Riesgo
## 1 12 115196 Total 115
## 2 5 15040 5 49
## 3 7 4340 6 66
W <- A
# Obtener el nombre de la columna en la posición 1
`Poblacion En Riesgo` <- names(A)[4]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(3, 1, 4,2)]
# Cambiar el nombre de la columna movida
names(W)[3] <-`Poblacion En Riesgo`
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar
## 1 Total 12 115 115196
## 2 5 5 49 15040
## 3 6 7 66 4340
Tasa <- W$Defunciones/W$`Poblacion En Riesgo`*100000 # Por cada 100000 habitantes
Tasa
## [1] 10434.78 10204.08 10606.06
W <- as.data.frame(cbind(W, "Tasa por 100000"=Tasa))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Poblacion Estandar Tasa por 100000
## 1 Total 12 115 115196 10434.78
## 2 5 5 49 15040 10204.08
## 3 6 7 66 4340 10606.06
# Obtener el nombre de la columna en la posición 1
`Tasa por 100000` <- names(W)[5]
# Crear un nuevo dataframe con el orden de columnas modificado
W <- W[, c(1, 2, 3,5,4)]
# Cambiar el nombre de la columna movida
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 12 115 10434.78 115196
## 2 5 5 49 10204.08 15040
## 3 6 7 66 10606.06 4340
defE <- W$`Poblacion Estandar`/100000*W$`Tasa por 100000`
W <- as.data.frame(cbind(W, "Defunciones Esperadas"=defE))
W
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 12 115 10434.78 115196
## 2 5 5 49 10204.08 15040
## 3 6 7 66 10606.06 4340
## Defunciones Esperadas
## 1 12020.452
## 2 1534.694
## 3 460.303
Z<-W
Z$`Defunciones Esperadas`[1]<-sum(W$`Defunciones Esperadas`)-W$`Defunciones Esperadas`[1]
Z
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 12 115 10434.78 115196
## 2 5 5 49 10204.08 15040
## 3 6 7 66 10606.06 4340
## Defunciones Esperadas
## 1 1994.997
## 2 1534.694
## 3 460.303
tasE <- Z$`Defunciones Esperadas`/Z$`Poblacion Estandar`*100000
Z <- as.data.frame(cbind(Z, "Tasas Estandarizadas"=tasE))
S33 <- Z[1,]
S33
## GRU_ED2 Defunciones Poblacion En Riesgo Tasa por 100000 Poblacion Estandar
## 1 Total 12 115 10434.78 115196
## Defunciones Esperadas Tasas Estandarizadas
## 1 1994.997 1731.828
#####
nombres1 <- nombres
SOL <- rbind(S1,S2,S3,S4,S5,S6,S7,S8,S9,S10,S11,S12,S13,S14,S15,S16,S17,S18,S19,S20,S21,S22,S23,S24,S25,S26,S27,S28,S29,S30,S31,S32,S33)
SOL1 <- cbind(Departamentos = nombres1$DPNOM, SOL)
xtable(SOL1)
## % latex table generated in R 4.2.2 by xtable 1.8-4 package
## % Mon Sep 25 22:03:09 2023
## \begin{table}[ht]
## \centering
## \begin{tabular}{rllrrrrrr}
## \hline
## & Departamentos & GRU\_ED2 & Defunciones & Poblacion En Riesgo & Tasa por 100000 & Poblacion Estandar & Defunciones Esperadas & Tasas Estandarizadas \\
## \hline
## 1 & Antioquia & Total & 4872.00 & 45957.00 & 10601.21 & 6649401.00 & 742591.68 & 11167.80 \\
## 2 & Atlántico & Total & 3727.00 & 26991.00 & 13808.31 & 2693665.00 & 381646.33 & 14168.29 \\
## 3 & Bogotá, D.C. & Total & 11129.00 & 96950.00 & 11479.11 & 7732161.00 & 927011.01 & 11989.03 \\
## 4 & Bolívar & Total & 1233.00 & 9409.00 & 13104.47 & 2169294.00 & 312883.24 & 14423.27 \\
## 5 & Boyacá & Total & 611.00 & 6200.00 & 9854.84 & 1257289.00 & 100752.34 & 8013.46 \\
## 6 & Caldas & Total & 630.00 & 6549.00 & 9619.79 & 1021435.00 & 81997.16 & 8027.64 \\
## 7 & Caquetá & Total & 505.00 & 4728.00 & 10681.05 & 413688.00 & 32078.96 & 7754.39 \\
## 8 & Cauca & Total & 450.00 & 4278.00 & 10518.93 & 1508061.00 & 125787.42 & 8341.00 \\
## 9 & Cesar & Total & 1216.00 & 11067.00 & 10987.62 & 1290919.00 & 141034.23 & 10925.10 \\
## 10 & Córdoba & Total & 1797.00 & 13894.00 & 12933.64 & 1842585.00 & 179435.29 & 9738.24 \\
## 11 & Cundinamarca & Total & 1534.00 & 14304.00 & 10724.27 & 3147954.00 & 285089.23 & 9056.33 \\
## 12 & Chocó & Total & 93.00 & 632.00 & 14715.19 & 562387.00 & 58915.64 & 10476.00 \\
## 13 & Huila & Total & 1296.00 & 12958.00 & 10001.54 & 1136911.00 & 108960.71 & 9583.93 \\
## 14 & La Guajira & Total & 416.00 & 3774.00 & 11022.79 & 964067.00 & 72282.32 & 7497.64 \\
## 15 & Magdalena & Total & 992.00 & 7913.00 & 12536.33 & 1426023.00 & 132995.96 & 9326.35 \\
## 16 & Meta & Total & 804.00 & 7569.00 & 10622.28 & 1082032.00 & 89045.76 & 8229.49 \\
## 17 & Nariño & Total & 1065.00 & 9268.00 & 11491.15 & 1665454.00 & 197790.49 & 11876.07 \\
## 18 & Norte de Santander & Total & 2130.00 & 21085.00 & 10101.97 & 1617209.00 & 165217.41 & 10216.21 \\
## 19 & Quindio & Total & 680.00 & 7224.00 & 9413.07 & 553321.00 & 43615.78 & 7882.55 \\
## 20 & Risaralda & Total & 844.00 & 8463.00 & 9972.82 & 962779.00 & 84238.00 & 8749.46 \\
## 21 & Santander & Total & 2715.00 & 25687.00 & 10569.55 & 2282208.00 & 235721.40 & 10328.66 \\
## 22 & Sucre & Total & 867.00 & 6820.00 & 12712.61 & 950612.00 & 125044.20 & 13154.07 \\
## 23 & Tolima & Total & 1271.00 & 13030.00 & 9754.41 & 1354338.00 & 125043.38 & 9232.80 \\
## 24 & Valle del Cauca & Total & 4517.00 & 41127.00 & 10983.05 & 4582377.00 & 515780.79 & 11255.75 \\
## 25 & Arauca & Total & 111.00 & 1094.00 & 10146.25 & 291252.00 & 24062.40 & 8261.71 \\
## 26 & Casanare & Total & 200.00 & 2012.00 & 9940.36 & 443532.00 & 33790.62 & 7618.53 \\
## 27 & Putumayo & Total & 153.00 & 1253.00 & 12210.69 & 364883.00 & 43040.54 & 11795.71 \\
## 28 & Archipiélago de San Andrés & Total & 23.00 & 217.00 & 10599.08 & 61898.00 & 5160.82 & 8337.62 \\
## 29 & Amazonas & Total & 70.00 & 372.00 & 18817.20 & 80472.00 & 6278.13 & 7801.63 \\
## 30 & Guainía & Total & 16.00 & 136.00 & 11764.71 & 52006.00 & 3843.82 & 7391.11 \\
## 31 & Guaviare & Total & 26.00 & 246.00 & 10569.11 & 89050.00 & 7264.44 & 8157.71 \\
## 32 & Vaupés & Total & 14.00 & 126.00 & 11111.11 & 43188.00 & 2799.11 & 6481.22 \\
## 33 & Vichada & Total & 12.00 & 115.00 & 10434.78 & 115196.00 & 1995.00 & 1731.83 \\
## \hline
## \end{tabular}
## \end{table}
sum(SOL1$Defunciones)
## [1] 46019