Años Naturales
##La estructura del archivo: 1.- Diferencia entre diferentes efectos fijos (fecha_nac natural, año nacimiento + mes nacimiento, sin efecto fijo de tiempo) Son las primeras 6 graficas (Las primeras 2 son sin efectos fijos de tiempo, las siguientes 2 son con efectos fijos de fecha de nacimiento natural, las ultimas 2 son con efectos fijos de año y mes de nacimiento)
2.- A partir de la 7ma grafica, se muestran por cada uno de los outcomes relevantes del estudio: sus grafica de event study (para identificar los ciclos politicos electorales), después las gráficas de tendencia (para ver que no se vean datos raros) y por ultimo una muestra de 20 renglones de la base usada para las regresiones (para ver que no se vean variables raras o NAs incorrectamente).
Diferencias entre diferentes efectors fijos (fecha_nac natural, año nacimiento + mes nacimiento, sin efecto fijo de tiempo)
Aquí comienzan las gráficas relevantes
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2012-07-01, 20…
$ Deaths_NeoNatal_INEGI <dbl> 565, 3342, 242, 363, 673, 1341, 348, 91…
$ Births_From_Mortality_NeoNatal <dbl> 57334, 301215, 26362, 36772, 62393, 123…
$ entidad <dbl> 2, 15, 29, 10, 8, 21, 10, 6, 24, 5, 12,…
# A tibble: 20 × 4
fecha_nacimiento Deaths_NeoNatal_INEGI Births_From_Mortality_NeoNatal entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 565 57334 2
2 2011-07-01 3342 301215 15
3 2012-07-01 242 26362 29
4 2012-07-01 363 36772 10
5 2012-07-01 673 62393 8
6 2013-06-01 1341 123522 21
7 2013-06-01 348 36081 10
8 2013-06-01 91 12467 6
9 2013-06-01 321 49005 24
10 2013-07-01 567 58968 5
11 2014-06-01 596 65541 12
12 2015-06-01 214 24601 29
13 2015-06-01 1301 126650 30
14 2016-06-01 380 52764 2
15 2016-07-01 1166 119577 30
16 2016-07-01 536 46126 27
17 2017-06-01 1152 116670 30
18 2017-06-01 728 91108 19
19 2017-07-01 492 43464 27
20 2018-06-01 610 81616 16Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2012-06-01, 2012-07-01, 2012-07-01, 20…
$ Deaths_NeoNatal_INEGI <dbl> 25, 3, 3, 3, 27, 4, 1, 1, 50, 1, 0, 0, …
$ Births_From_Mortality_NeoNatal <dbl> 1497, 799, 211, 271, 3623, 158, 225, 25…
$ ent_mun <glue> "16_043", "18_001", "10_021", "21_102"…
# A tibble: 20 × 4
fecha_nacimiento Deaths_NeoNatal_INEGI Births_From_Mortality_NeoNatal ent_mun
<date> <dbl> <dbl> <glue>
1 2012-06-01 25 1497 16_043
2 2012-07-01 3 799 18_001
3 2012-07-01 3 211 10_021
4 2013-06-01 3 271 21_102
5 2013-07-01 27 3623 11_015
6 2014-07-01 4 158 14_020
7 2015-06-01 1 225 24_039
8 2015-06-01 1 25 20_128
9 2015-07-01 50 5059 09_006
10 2016-06-01 1 440 12_059
11 2016-06-01 0 74 30_098
12 2016-06-01 0 13 20_096
13 2016-07-01 1 129 30_166
14 2017-06-01 14 1918 16_082
15 2018-06-01 0 18 20_132
16 2018-06-01 3 336 13_050
17 2018-06-01 0 297 20_124
18 2018-06-01 0 100 10_033
19 2018-06-01 6 1258 19_033
20 2018-07-01 0 229 31_091
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2012-06-01…
$ Deaths_Postneonatal_INEGI <dbl> 760, 90, 66, 372, 105, 362, 704, 37…
$ Births_From_Mortality_Postneonatal <dbl> 124460, 27104, 16535, 95107, 28265,…
$ entidad <dbl> 21, 23, 4, 16, 23, 8, 21, 3, 30, 27…
# A tibble: 20 × 4
fecha_nacimiento Deaths_Postneonatal_INEGI Births_From_Mortality_Po…¹ entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 760 124460 21
2 2011-07-01 90 27104 23
3 2012-06-01 66 16535 4
4 2012-06-01 372 95107 16
5 2013-06-01 105 28265 23
6 2013-06-01 362 61516 8
7 2013-06-01 704 123522 21
8 2013-06-01 37 12458 3
9 2013-06-01 540 137728 30
10 2013-07-01 189 49906 27
11 2014-06-01 139 35062 10
12 2014-06-01 299 91168 16
13 2015-06-01 293 72279 20
14 2015-06-01 151 39906 22
15 2017-07-01 408 106943 9
16 2018-06-01 100 28010 32
17 2018-06-01 147 53387 28
18 2018-07-01 552 118153 21
19 2018-07-01 442 110361 30
20 2018-07-01 673 78504 7
# ℹ abbreviated name: ¹Births_From_Mortality_PostneonatalRows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2012-06-01, 2012-07-01…
$ Deaths_Postneonatal_INEGI <dbl> 0, 0, 1, 2, 0, 3, 0, 0, 2, 6, 0, 1,…
$ Births_From_Mortality_Postneonatal <dbl> 362, 0, 104, 378, 221, 229, 263, 15…
$ ent_mun <glue> "30_999", "24_888", "29_046", "28_…
# A tibble: 20 × 4
fecha_nacimiento Deaths_Postneonatal_INEGI Births_From_Mortality_Po…¹ ent_mun
<date> <dbl> <dbl> <glue>
1 2011-07-01 0 362 30_999
2 2012-06-01 0 0 24_888
3 2012-07-01 1 104 29_046
4 2012-07-01 2 378 28_025
5 2012-11-01 0 221 16_074
6 2013-06-01 3 229 30_103
7 2013-06-01 0 263 16_042
8 2013-06-01 0 152 20_266
9 2013-07-01 2 257 17_013
10 2013-07-01 6 1287 27_017
11 2013-07-01 0 0 07_121
12 2014-06-01 1 29 20_280
13 2015-06-01 0 288 30_169
14 2015-07-01 0 37 31_088
15 2017-06-01 0 8 26_037
16 2017-06-01 0 17 20_053
17 2017-06-01 0 50 21_097
18 2017-06-01 0 23 01_999
19 2018-06-01 21 2514 15_114
20 2018-06-01 1 202 20_227
# ℹ abbreviated name: ¹Births_From_Mortality_Postneonatal
Rows: 20
Columns: 5
$ fecha_nacimiento <date> 2011-02-01, 2012-02-01, 2012-07-01…
$ Deaths_Postneonatal_INEGI <dbl> 45, 46, 415, 100, 223, 141, 201, 21…
$ Deaths_NeoNatal_INEGI <dbl> 83, 101, 1001, 250, 571, 344, 442, …
$ Births_From_Mortality_Postneonatal <dbl> 12517, 12939, 119027, 27871, 59504,…
$ entidad <dbl> 3, 3, 11, 23, 28, 22, 2, 5, 19, 31,…
# A tibble: 20 × 5
fecha_nacimiento Deaths_Postneonatal_INEGI Deaths_NeoNatal_INEGI
<date> <dbl> <dbl>
1 2011-02-01 45 83
2 2012-02-01 46 101
3 2012-07-01 415 1001
4 2012-07-01 100 250
5 2013-06-01 223 571
6 2013-06-01 141 344
7 2013-07-01 201 442
8 2014-06-01 215 647
9 2014-06-01 239 725
10 2014-07-01 147 291
11 2014-07-01 555 1151
12 2016-06-01 122 223
13 2016-07-01 185 536
14 2017-06-01 176 358
15 2017-07-01 629 1321
16 2017-07-01 421 920
17 2018-06-01 86 123
18 2018-06-01 437 1064
19 2018-06-01 100 203
20 2018-06-01 109 249
# ℹ 2 more variables: Births_From_Mortality_Postneonatal <dbl>, entidad <dbl>Rows: 20
Columns: 5
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2011-07-01…
$ Deaths_Postneonatal_INEGI <dbl> 19, 3, 10, 1, 1, 0, 0, 2, 1, 0, 0, …
$ Deaths_NeoNatal_INEGI <dbl> 40, 6, 19, 3, 5, 2, 0, 1, 9, 0, 0, …
$ Births_From_Mortality_Postneonatal <dbl> 3170, 636, 723, 228, 329, 237, 10, …
$ ent_mun <glue> "15_042", "07_087", "07_008", "12_…
# A tibble: 20 × 5
fecha_nacimiento Deaths_Postneonatal_INEGI Deaths_NeoNatal_INEGI
<date> <dbl> <dbl>
1 2011-07-01 19 40
2 2011-07-01 3 6
3 2011-07-01 10 19
4 2012-06-01 1 3
5 2013-07-01 1 5
6 2014-06-01 0 2
7 2014-06-01 0 0
8 2015-06-01 2 1
9 2015-06-01 1 9
10 2015-06-01 0 0
11 2015-07-01 0 0
12 2015-07-01 3 5
13 2016-06-01 4 12
14 2016-06-01 34 41
15 2016-06-01 0 0
16 2016-07-01 7 27
17 2016-07-01 1 3
18 2016-07-01 0 0
19 2017-06-01 2 1
20 2017-06-01 0 1
# ℹ 2 more variables: Births_From_Mortality_Postneonatal <dbl>, ent_mun <glue>Primera infancia no tiene los datos correctos para los ultimos años ya que no se han terminado de registrar estos datos, por lo que NO se analizara la mortalidad en primera infancia
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2011-07…
$ Deaths_PrimeraInfancia_INEGI <dbl> 39, 32, 13, 268, 9, 51, 60, 87, …
$ Births_From_Mortality_PrimeraInfancia <dbl> 53045, 33336, 12856, 301215, 125…
$ entidad <dbl> 25, 17, 6, 15, 6, 19, 2, 8, 6, 2…
# A tibble: 20 × 4
fecha_nacimiento Deaths_PrimeraInfancia_INEGI Births_From_Mortality…¹ entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 39 53045 25
2 2011-07-01 32 33336 17
3 2011-07-01 13 12856 6
4 2011-07-01 268 301215 15
5 2012-06-01 9 12548 6
6 2012-06-01 51 83262 19
7 2012-07-01 60 56718 2
8 2013-06-01 87 61516 8
9 2013-06-01 9 12467 6
10 2014-06-01 38 49885 24
11 2014-06-01 86 65541 12
12 2014-06-01 16 28930 23
13 2014-06-01 22 16839 4
14 2014-07-01 24 36360 31
15 2015-06-01 20 24601 29
16 2015-06-01 15 16859 4
17 2015-06-01 48 59120 5
18 2015-07-01 104 122307 9
19 2016-07-01 124 119577 30
20 2016-07-01 38 46126 27
# ℹ abbreviated name: ¹Births_From_Mortality_PrimeraInfanciaRows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2011-07…
$ Deaths_PrimeraInfancia_INEGI <dbl> 0, 0, 0, 0, 0, 0, 2, 9, 5, 1, 1,…
$ Births_From_Mortality_PrimeraInfancia <dbl> 118, 268, 150, 0, 11, 655, 1864,…
$ ent_mun <glue> "21_181", "31_104", "07_098", "…
# A tibble: 20 × 4
fecha_nacimiento Deaths_PrimeraInfancia_INEGI Births_From_Mortality…¹ ent_mun
<date> <dbl> <dbl> <glue>
1 2011-07-01 0 118 21_181
2 2011-07-01 0 268 31_104
3 2011-07-01 0 150 07_098
4 2011-07-01 0 0 01_998
5 2011-07-01 0 11 20_155
6 2011-07-01 0 655 24_040
7 2013-06-01 2 1864 13_030
8 2014-06-01 9 21623 22_014
9 2014-06-01 5 7896 15_109
10 2014-07-01 1 946 14_050
11 2015-06-01 1 223 08_030
12 2015-06-01 0 196 12_064
13 2015-06-01 0 382 12_059
14 2015-06-01 0 168 13_038
15 2015-06-01 0 15 20_086
16 2016-06-01 0 37 20_154
17 2016-06-01 3 1437 15_067
18 2016-06-01 0 77 21_192
19 2016-07-01 0 0 14_888
20 2016-07-01 3 6768 07_089
# ℹ abbreviated name: ¹Births_From_Mortality_PrimeraInfancia
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2011-07…
$ Deaths_PrimeraInfancia_INEGI <dbl> 39, 41, 113, 34, 39, 77, 39, 14,…
$ Births_From_Mortality_PrimeraInfancia <dbl> 40106, 50683, 138354, 21853, 482…
$ entidad <dbl> 22, 27, 9, 18, 26, 12, 13, 3, 6,…
# A tibble: 20 × 4
fecha_nacimiento Deaths_PrimeraInfancia_INEGI Births_From_Mortality…¹ entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 39 40106 22
2 2011-07-01 41 50683 27
3 2011-07-01 113 138354 9
4 2011-07-01 34 21853 18
5 2012-06-01 39 48235 26
6 2013-01-01 77 65783 12
7 2013-06-01 39 51752 13
8 2013-06-01 14 12458 3
9 2013-06-01 9 12467 6
10 2014-06-01 43 60203 5
11 2014-06-01 42 59665 28
12 2014-07-01 92 115790 11
13 2015-06-01 25 35149 10
14 2015-06-01 33 39906 22
15 2015-06-01 20 24601 29
16 2015-06-01 67 61756 8
17 2015-06-01 35 45580 26
18 2016-06-01 63 71208 20
19 2016-06-01 64 61671 8
20 2016-06-01 39 47644 24
# ℹ abbreviated name: ¹Births_From_Mortality_PrimeraInfanciaRows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2011-07…
$ Deaths_PrimeraInfancia_INEGI <dbl> 2, 1, 1, 0, 0, 1, 0, 4, 0, 0, 0,…
$ Births_From_Mortality_PrimeraInfancia <dbl> 1355, 57, 304, 12, 274, 1263, 2,…
$ ent_mun <glue> "22_005", "05_008", "30_099", "…
# A tibble: 20 × 4
fecha_nacimiento Deaths_PrimeraInfancia_INEGI Births_From_Mortality…¹ ent_mun
<date> <dbl> <dbl> <glue>
1 2011-07-01 2 1355 22_005
2 2011-07-01 1 57 05_008
3 2011-07-01 1 304 30_099
4 2011-07-01 0 12 20_429
5 2011-11-01 0 274 16_100
6 2012-01-01 1 1263 12_021
7 2012-07-01 0 2 20_256
8 2013-06-01 4 763 24_032
9 2014-06-01 0 51 20_412
10 2014-06-01 0 1179 15_062
11 2014-06-01 0 0 19_888
12 2014-06-01 2 652 16_084
13 2015-06-01 0 314 21_211
14 2015-06-01 0 6 20_373
15 2015-06-01 1 502 08_010
16 2015-07-01 0 87 21_147
17 2016-06-01 1 322 16_105
18 2016-06-01 0 10 20_357
19 2016-06-01 0 97 19_032
20 2016-07-01 0 72 21_162
# ℹ abbreviated name: ¹Births_From_Mortality_PrimeraInfancia
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2011-07-01, 201…
$ Prenatal_Checkups <dbl> 233836, 1082750, 682278, 1091792, 207743…
$ Births_from_Prenatal_Checkups <dbl> 33336, 138354, 85197, 152431, 27871, 590…
$ entidad <dbl> 17, 9, 19, 14, 23, 5, 24, 1, 27, 13, 25,…
# A tibble: 20 × 4
fecha_nacimiento Prenatal_Checkups Births_from_Prenatal_Checkups entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 233836 33336 17
2 2011-07-01 1082750 138354 9
3 2011-07-01 682278 85197 19
4 2012-07-01 1091792 152431 14
5 2012-07-01 207743 27871 23
6 2012-07-01 400510 59090 5
7 2013-06-01 355301 49005 24
8 2014-06-01 224086 27260 1
9 2014-07-01 316207 50487 27
10 2015-06-01 382602 48754 13
11 2015-06-01 378779 48943 25
12 2015-06-01 336710 45580 26
13 2015-07-01 900734 123138 21
14 2015-07-01 1002483 122307 9
15 2016-06-01 353465 47644 24
16 2016-06-01 862646 119896 30
17 2016-06-01 492001 71208 20
18 2017-06-01 310419 39447 22
19 2018-06-01 207298 28010 32
20 2018-07-01 248956 41014 27Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2012-07-01, 2012-07-01, 201…
$ Prenatal_Checkups <dbl> 1753, 6472, 3225, 624, 328, 3122, 53771,…
$ Births_from_Prenatal_Checkups <dbl> 291, 972, 628, 102, 42, 446, 7359, 356, …
$ ent_mun <glue> "30_182", "25_014", "27_007", "14_004",…
# A tibble: 20 × 4
fecha_nacimiento Prenatal_Checkups Births_from_Prenatal_Checkups ent_mun
<date> <dbl> <dbl> <glue>
1 2011-07-01 1753 291 30_182
2 2012-07-01 6472 972 25_014
3 2012-07-01 3225 628 27_007
4 2013-07-01 624 102 14_004
5 2014-06-01 328 42 19_002
6 2014-07-01 3122 446 14_077
7 2015-06-01 53771 7359 28_027
8 2015-06-01 2522 356 24_012
9 2015-07-01 1054 134 21_204
10 2015-07-01 1210 172 21_151
11 2016-06-01 192 24 32_030
12 2016-07-01 9656 1395 17_008
13 2016-07-01 878 140 07_110
14 2017-06-01 723 83 19_020
15 2017-06-01 3010 417 21_134
16 2017-07-01 490 67 21_130
17 2018-06-01 2566 303 29_036
18 2018-06-01 4851 638 30_011
19 2018-07-01 24442 3789 11_003
20 2018-07-01 1140 138 30_063 
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2012-07-01,…
$ Births_Dont_Get_Prenatal_Atention <dbl> 2695, 4006, 418, 6702, 326, 408, 155…
$ Births_Get_Prenatal_Atention <dbl> 117384, 126005, 50648, 285190, 30834…
$ entidad <dbl> 11, 30, 13, 15, 32, 29, 20, 5, 18, 2…
# A tibble: 20 × 4
fecha_nacimiento Births_Dont_Get_Prenatal_At…¹ Births_Get_Prenatal_…² entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 2695 117384 11
2 2011-07-01 4006 126005 30
3 2012-07-01 418 50648 13
4 2012-07-01 6702 285190 15
5 2012-07-01 326 30834 32
6 2014-06-01 408 24859 29
7 2014-06-01 1551 72338 20
8 2014-06-01 1731 57794 5
9 2014-06-01 549 20027 18
10 2015-06-01 571 27926 23
11 2015-07-01 594 31146 17
12 2015-07-01 5264 86477 7
13 2016-06-01 965 33871 10
14 2016-06-01 1045 70005 20
15 2016-06-01 339 26688 1
16 2017-06-01 1193 69013 20
17 2017-06-01 372 45322 13
18 2017-06-01 204 23768 29
19 2018-06-01 1206 51947 5
20 2018-07-01 510 26554 17
# ℹ abbreviated names: ¹Births_Dont_Get_Prenatal_Atention,
# ²Births_Get_Prenatal_AtentionRows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2012-07-01,…
$ Births_Dont_Get_Prenatal_Atention <dbl> 8, 1, 1, 40, 2, 0, 3, 4, 2, 234, 26,…
$ Births_Get_Prenatal_Atention <dbl> 316, 24, 26, 2680, 435, 19, 171, 196…
$ ent_mun <glue> "17_026", "20_363", "20_485", "15_0…
# A tibble: 20 × 4
fecha_nacimiento Births_Dont_Get_Prenatal_At…¹ Births_Get_Prenatal_…² ent_mun
<date> <dbl> <dbl> <glue>
1 2011-07-01 8 316 17_026
2 2011-07-01 1 24 20_363
3 2012-07-01 1 26 20_485
4 2012-07-01 40 2680 15_024
5 2012-11-01 2 435 16_103
6 2013-06-01 0 19 20_270
7 2013-07-01 3 171 14_020
8 2013-07-01 4 196 15_078
9 2014-06-01 2 119 20_407
10 2015-06-01 234 9157 30_193
11 2015-06-01 26 1592 20_039
12 2015-06-01 0 23 20_321
13 2016-06-01 13 625 30_149
14 2016-06-01 1 82 20_055
15 2016-07-01 0 61 21_018
16 2017-06-01 3 453 32_040
17 2017-07-01 16 525 07_006
18 2018-06-01 0 61 29_055
19 2018-06-01 1 141 30_019
20 2018-06-01 30 734 26_025
# ℹ abbreviated names: ¹Births_Dont_Get_Prenatal_Atention,
# ²Births_Get_Prenatal_Atention
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2011-07-0…
$ Maternal_Mortality_Without_Med_Care <dbl> 7, 0, 4, 0, 0, 0, 0, 2, 1, 1, 0, 2…
$ Maternal_Mortality_With_Med_Care <dbl> 57, 6, 7, 12, 22, 6, 17, 21, 6, 19…
$ entidad <dbl> 7, 1, 18, 22, 24, 4, 26, 31, 32, 2…
# A tibble: 20 × 4
fecha_nacimiento Maternal_Mortality_Without_…¹ Maternal_Mortality_W…² entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 7 57 7
2 2011-07-01 0 6 1
3 2011-07-01 4 7 18
4 2011-07-01 0 12 22
5 2012-06-01 0 22 24
6 2012-06-01 0 6 4
7 2012-06-01 0 17 26
8 2012-07-01 2 21 31
9 2012-07-01 1 6 32
10 2012-07-01 1 19 2
11 2013-06-01 0 4 1
12 2014-06-01 2 28 16
13 2015-06-01 4 91 15
14 2015-07-01 13 61 7
15 2016-06-01 1 15 26
16 2016-06-01 0 16 25
17 2016-06-01 0 5 4
18 2016-07-01 0 17 27
19 2017-06-01 1 11 32
20 2018-06-01 0 13 26
# ℹ abbreviated names: ¹Maternal_Mortality_Without_Med_Care,
# ²Maternal_Mortality_With_Med_CareRows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2012-07-0…
$ Maternal_Mortality_Without_Med_Care <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
$ Maternal_Mortality_With_Med_Care <dbl> 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0…
$ ent_mun <glue> "20_208", "27_006", "21_119", "17…
# A tibble: 20 × 4
fecha_nacimiento Maternal_Mortality_Without_…¹ Maternal_Mortality_W…² ent_mun
<date> <dbl> <dbl> <glue>
1 2011-07-01 0 0 20_208
2 2011-07-01 0 0 27_006
3 2012-07-01 0 1 21_119
4 2012-07-01 0 0 17_014
5 2012-07-01 0 0 28_033
6 2013-06-01 0 0 20_016
7 2014-06-01 0 0 30_043
8 2015-06-01 0 0 29_052
9 2016-06-01 0 0 32_058
10 2016-06-01 0 0 28_026
11 2016-07-01 0 0 21_174
12 2016-07-01 0 0 21_178
13 2016-07-01 0 0 30_034
14 2018-06-01 1 8 02_004
15 2018-06-01 0 0 20_114
16 2018-07-01 0 0 30_097
17 2018-07-01 0 0 21_213
18 2018-07-01 0 0 31_064
19 2018-07-01 0 0 21_146
20 2018-07-01 0 1 31_094
# ℹ abbreviated names: ¹Maternal_Mortality_Without_Med_Care,
# ²Maternal_Mortality_With_Med_Care
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2011-07-01, 2012-…
$ Births_From_Weight_Adjusted <dbl> 37874, 59847, 66136, 57835, 128534, 21002,…
$ Weight_Adjusted <dbl> 118602295, 194015965, 209715019, 187187579…
$ entidad <dbl> 22, 28, 20, 28, 9, 18, 1, 18, 20, 12, 28, …
# A tibble: 20 × 4
fecha_nacimiento Births_From_Weight_Adjusted Weight_Adjusted entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 37874 118602295 22
2 2011-07-01 59847 194015965 28
3 2011-07-01 66136 209715019 20
4 2012-07-01 57835 187187579 28
5 2012-07-01 128534 391935946 9
6 2012-07-01 21002 68566972 18
7 2013-06-01 25743 80531194 1
8 2013-07-01 20337 66220980 18
9 2014-06-01 69669 220193037 20
10 2014-06-01 60359 189834226 12
11 2015-06-01 55648 179910436 28
12 2015-06-01 59144 189773677 8
13 2015-07-01 115351 350914478 9
14 2016-06-01 66795 210373564 20
15 2016-06-01 45416 142466469 24
16 2016-06-01 29101 91271131 32
17 2017-06-01 26983 85684449 23
18 2017-06-01 50078 163722052 2
19 2018-06-01 42820 139089519 25
20 2018-07-01 103285 321987872 11Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2013-07-01, 2013-…
$ Births_From_Weight_Adjusted <dbl> 34, 29, 97, 251, 1439, 10, 83, 95, 109, 20…
$ Weight_Adjusted <dbl> 101745, 97850, 312215, 823922, 4518759, 32…
$ ent_mun <glue> "20_161", "20_558", "14_115", "16_092", "…
# A tibble: 20 × 4
fecha_nacimiento Births_From_Weight_Adjusted Weight_Adjusted ent_mun
<date> <dbl> <dbl> <glue>
1 2011-07-01 34 101745 20_161
2 2011-07-01 29 97850 20_558
3 2013-07-01 97 312215 14_115
4 2013-11-01 251 823922 16_092
5 2015-06-01 1439 4518759 21_004
6 2015-06-01 10 32504 20_099
7 2015-07-01 83 261520 14_112
8 2015-07-01 95 292400 07_117
9 2015-07-01 109 341886 30_037
10 2016-06-01 204 625518 21_087
11 2016-06-01 139 435031 20_042
12 2016-06-01 180 568460 20_021
13 2016-07-01 311 960237 21_170
14 2017-06-01 71 230495 08_999
15 2017-07-01 46 147670 14_041
16 2017-07-01 414 1282669 30_147
17 2018-06-01 189 617773 30_095
18 2018-06-01 44 140928 32_033
19 2018-06-01 12018 38368799 23_005
20 2018-07-01 2257 7143645 11_030 
Rows: 20
Columns: 5
$ fecha_nacimiento <date> 2011-07-01, 2012…
$ Births_from_quarter_first_prenatal_PRIMER_TRIMESTRE <dbl> 21297, 77764, 321…
$ Births_from_quarter_first_prenatal_SEGUNDO_TRIMESTRE <dbl> 4507, 12357, 6679…
$ Births_from_quarter_first_prenatal_TERCER_TRIMESTRE <dbl> 672, 2438, 875, 2…
$ entidad <dbl> 1, 16, 22, 10, 3,…
# A tibble: 20 × 5
fecha_nacimiento Births_from_quarter_first_prenatal_…¹ Births_from_quarter_…²
<date> <dbl> <dbl>
1 2011-07-01 21297 4507
2 2012-06-01 77764 12357
3 2012-06-01 32108 6679
4 2012-07-01 26387 6992
5 2013-02-01 9531 2073
6 2013-06-01 42972 6468
7 2013-06-01 20464 5691
8 2013-06-01 44868 10395
9 2014-06-01 19861 4229
10 2014-06-01 74545 12359
11 2015-06-01 207791 53079
12 2016-06-01 19329 4008
13 2016-06-01 31536 6708
14 2017-06-01 15150 3139
15 2017-07-01 26192 6400
16 2018-06-01 36728 7266
17 2018-06-01 23308 5586
18 2018-06-01 40423 13181
19 2018-07-01 79380 14723
20 2018-07-01 28193 9488
# ℹ abbreviated names: ¹Births_from_quarter_first_prenatal_PRIMER_TRIMESTRE,
# ²Births_from_quarter_first_prenatal_SEGUNDO_TRIMESTRE
# ℹ 2 more variables:
# Births_from_quarter_first_prenatal_TERCER_TRIMESTRE <dbl>, entidad <dbl>Rows: 20
Columns: 5
$ fecha_nacimiento <date> 2011-07-01, 2011…
$ Births_from_quarter_first_prenatal_PRIMER_TRIMESTRE <dbl> 421, 248, 15, 68,…
$ Births_from_quarter_first_prenatal_SEGUNDO_TRIMESTRE <dbl> 117, 36, 8, 14, 4…
$ Births_from_quarter_first_prenatal_TERCER_TRIMESTRE <dbl> 15, 11, 2, 6, 2, …
$ ent_mun <glue> "30_138", "16_10…
# A tibble: 20 × 5
fecha_nacimiento Births_from_quarter_first_prenatal_…¹ Births_from_quarter_…²
<date> <dbl> <dbl>
1 2011-07-01 421 117
2 2011-11-01 248 36
3 2012-07-01 15 8
4 2012-11-01 68 14
5 2013-06-01 131 47
6 2014-06-01 17 2
7 2014-06-01 21 3
8 2015-06-01 132 14
9 2015-06-01 83 49
10 2015-07-01 173 80
11 2015-07-01 114 27
12 2016-06-01 368 136
13 2016-07-01 141 75
14 2016-07-01 27 7
15 2017-06-01 23 2
16 2017-06-01 1194 493
17 2017-06-01 172 33
18 2018-06-01 2562 766
19 2018-06-01 18 6
20 2018-07-01 410 58
# ℹ abbreviated names: ¹Births_from_quarter_first_prenatal_PRIMER_TRIMESTRE,
# ²Births_from_quarter_first_prenatal_SEGUNDO_TRIMESTRE
# ℹ 2 more variables:
# Births_from_quarter_first_prenatal_TERCER_TRIMESTRE <dbl>, ent_mun <glue>
Rows: 20
Columns: 13
$ fecha_nacimiento <date> …
$ Births_from_who_helped_to_deliver_enfermera <dbl> …
$ Births_from_who_helped_to_deliver_medico <dbl> …
$ Births_from_who_helped_to_deliver_persona_autorizada_por_la_secretaria_de_salud <dbl> …
$ Births_from_who_helped_to_deliver_general <dbl> …
$ Births_from_who_helped_to_deliver_partera <dbl> …
$ Births_from_who_helped_to_deliver_otro <dbl> …
$ Births_from_who_helped_to_deliver_otro_especialista <dbl> …
$ Births_from_who_helped_to_deliver_mpss <dbl> …
$ Births_from_who_helped_to_deliver_mip <dbl> …
$ Births_from_who_helped_to_deliver_residente <dbl> …
$ Births_from_who_helped_to_deliver_gineco_obstetra <dbl> …
$ entidad <dbl> …
# A tibble: 20 × 13
fecha_nacimiento Births_from_who_helped_to_deliver_e…¹ Births_from_who_help…²
<date> <dbl> <dbl>
1 2011-01-01 240 59436
2 2011-07-01 34 21724
3 2011-07-01 29 26246
4 2013-06-01 62 30922
5 2013-07-01 51 32730
6 2014-06-01 11 11721
7 2014-06-01 83 59816
8 2014-07-01 91 48038
9 2014-07-01 85 54413
10 2016-06-01 180 43229
11 2016-07-01 14 19145
12 2016-07-01 310 81589
13 2017-06-01 131 70320
14 2017-06-01 56 30072
15 2017-06-01 1170 135935
16 2017-07-01 187 7958
17 2018-06-01 31 22398
18 2018-06-01 327 10784
19 2018-06-01 13 18388
20 2018-06-01 16 23909
# ℹ abbreviated names: ¹Births_from_who_helped_to_deliver_enfermera,
# ²Births_from_who_helped_to_deliver_medico
# ℹ 10 more variables:
# Births_from_who_helped_to_deliver_persona_autorizada_por_la_secretaria_de_salud <dbl>,
# Births_from_who_helped_to_deliver_general <dbl>,
# Births_from_who_helped_to_deliver_partera <dbl>,
# Births_from_who_helped_to_deliver_otro <dbl>, …Rows: 20
Columns: 13
$ fecha_nacimiento <date> …
$ Births_from_who_helped_to_deliver_enfermera <dbl> …
$ Births_from_who_helped_to_deliver_medico <dbl> …
$ Births_from_who_helped_to_deliver_persona_autorizada_por_la_secretaria_de_salud <dbl> …
$ Births_from_who_helped_to_deliver_general <dbl> …
$ Births_from_who_helped_to_deliver_partera <dbl> …
$ Births_from_who_helped_to_deliver_otro <dbl> …
$ Births_from_who_helped_to_deliver_otro_especialista <dbl> …
$ Births_from_who_helped_to_deliver_mpss <dbl> …
$ Births_from_who_helped_to_deliver_mip <dbl> …
$ Births_from_who_helped_to_deliver_residente <dbl> …
$ Births_from_who_helped_to_deliver_gineco_obstetra <dbl> …
$ ent_mun <glue> …
# A tibble: 20 × 13
fecha_nacimiento Births_from_who_helped_to_deliver_e…¹ Births_from_who_help…²
<date> <dbl> <dbl>
1 2011-07-01 1 103
2 2012-06-01 0 32
3 2013-06-01 10 5858
4 2013-07-01 2 1746
5 2013-07-01 1 505
6 2013-07-01 0 168
7 2014-06-01 0 225
8 2014-06-01 0 216
9 2014-06-01 0 177
10 2014-06-01 2 723
11 2015-06-01 0 213
12 2015-06-01 0 195
13 2016-07-01 0 11
14 2016-07-01 0 53
15 2017-06-01 0 174
16 2017-07-01 0 371
17 2018-06-01 0 158
18 2018-06-01 0 7
19 2018-07-01 0 7
20 2018-07-01 3 638
# ℹ abbreviated names: ¹Births_from_who_helped_to_deliver_enfermera,
# ²Births_from_who_helped_to_deliver_medico
# ℹ 10 more variables:
# Births_from_who_helped_to_deliver_persona_autorizada_por_la_secretaria_de_salud <dbl>,
# Births_from_who_helped_to_deliver_general <dbl>,
# Births_from_who_helped_to_deliver_partera <dbl>,
# Births_from_who_helped_to_deliver_otro <dbl>, …
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2012-06-01, 2012-07-01, 201…
$ Gestational_Weeks <dbl> 1043520, 639828, 5885321, 2204015, 20538…
$ Births_From_Gestational_Weeks <dbl> 27063, 16525, 151954, 56707, 52992, 6540…
$ entidad <dbl> 1, 4, 14, 2, 25, 12, 16, 25, 23, 1, 18, …
# A tibble: 20 × 4
fecha_nacimiento Gestational_Weeks Births_From_Gestational_Weeks entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 1043520 27063 1
2 2012-06-01 639828 16525 4
3 2012-07-01 5885321 151954 14
4 2012-07-01 2204015 56707 2
5 2012-07-01 2053862 52992 25
6 2013-01-01 2552976 65403 12
7 2014-06-01 3525900 91052 16
8 2014-06-01 1931138 49875 25
9 2014-06-01 1124263 28886 23
10 2015-06-01 1041771 27026 1
11 2015-06-01 772681 19903 18
12 2015-06-01 1885601 48713 13
13 2015-06-01 2384950 61651 8
14 2015-06-01 1761738 45472 26
15 2015-07-01 1232045 31832 17
16 2016-06-01 1832602 47551 24
17 2017-06-01 10292068 265794 15
18 2017-06-01 2313665 59874 8
19 2018-06-01 1076131 27962 32
20 2018-06-01 1917693 49404 2Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2012-07-01, 201…
$ Gestational_Weeks <dbl> 2987, 108567, 912, 9577, 21346, 431, 434…
$ Births_From_Gestational_Weeks <dbl> 76, 2799, 23, 244, 543, 11, 11332, 56, 1…
$ ent_mun <glue> "08_044", "08_021", "20_206", "21_107",…
# A tibble: 20 × 4
fecha_nacimiento Gestational_Weeks Births_From_Gestational_Weeks ent_mun
<date> <dbl> <dbl> <glue>
1 2011-07-01 2987 76 08_044
2 2011-07-01 108567 2799 08_021
3 2012-07-01 912 23 20_206
4 2012-07-01 9577 244 21_107
5 2013-06-01 21346 543 12_040
6 2013-06-01 431 11 20_140
7 2013-07-01 434062 11332 15_104
8 2014-06-01 2180 56 05_008
9 2015-06-01 6087 157 32_006
10 2015-06-01 1993 51 20_398
11 2016-06-01 32027 836 12_050
12 2016-06-01 15597 404 29_024
13 2016-06-01 69430 1786 21_174
14 2016-06-01 11360 293 15_049
15 2016-07-01 35314 907 30_085
16 2016-07-01 1992 51 21_028
17 2016-07-01 17284 442 07_044
18 2017-06-01 19136 493 16_020
19 2017-06-01 3587 92 20_491
20 2018-07-01 53341 1373 14_083 
Rows: 20
Columns: 7
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2011-11-…
$ Births_from_used_procedure_CESAREA <dbl> 74855, 22227, 40969, 47960, 30316…
$ Births_from_used_procedure_EUTOCICO <dbl> 77488, 28337, 54019, 30676, 28385…
$ Births_from_used_procedure_FORCEPS <dbl> 1400, 62, 70, 10254, 698, 749, 12…
$ Births_from_used_procedure_OTRO <dbl> 246, 24, 43, 162, 58, 58, 34, 51,…
$ Births_from_used_procedure_DISTOCICO <dbl> 0, 0, 0, 0, 0, 0, 3, 79, 30, 3, 1…
$ entidad <dbl> 14, 27, 16, 19, 28, 5, 16, 32, 26…
# A tibble: 20 × 7
fecha_nacimiento Births_from_used_procedure_CESAREA Births_from_used_proced…¹
<date> <dbl> <dbl>
1 2011-07-01 74855 77488
2 2011-07-01 22227 28337
3 2011-11-01 40969 54019
4 2013-06-01 47960 30676
5 2013-06-01 30316 28385
6 2013-07-01 25180 32906
7 2014-06-01 41685 49223
8 2014-06-01 9650 20700
9 2014-06-01 22526 24523
10 2014-06-01 136080 152550
11 2015-06-01 49127 33946
12 2015-06-01 7384 12458
13 2015-06-01 6631 10048
14 2015-07-01 69636 71167
15 2016-06-01 25525 23277
16 2016-06-01 61777 59822
17 2016-07-01 56285 55939
18 2017-06-01 48683 35963
19 2018-06-01 22603 32325
20 2018-07-01 61692 55694
# ℹ abbreviated name: ¹Births_from_used_procedure_EUTOCICO
# ℹ 4 more variables: Births_from_used_procedure_FORCEPS <dbl>,
# Births_from_used_procedure_OTRO <dbl>,
# Births_from_used_procedure_DISTOCICO <dbl>, entidad <dbl>Rows: 20
Columns: 7
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2012-07-…
$ Births_from_used_procedure_CESAREA <dbl> 415, 249, 18, 2, 28, 10, 65, 190,…
$ Births_from_used_procedure_EUTOCICO <dbl> 958, 200, 28, 7, 67, 5, 62, 329, …
$ Births_from_used_procedure_FORCEPS <dbl> 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, …
$ Births_from_used_procedure_OTRO <dbl> 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ Births_from_used_procedure_DISTOCICO <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 6, 7, 19,…
$ ent_mun <glue> "18_004", "29_024", "20_279", "3…
# A tibble: 20 × 7
fecha_nacimiento Births_from_used_procedure_CESAREA Births_from_used_proced…¹
<date> <dbl> <dbl>
1 2011-07-01 415 958
2 2011-07-01 249 200
3 2012-07-01 18 28
4 2013-06-01 2 7
5 2013-06-01 28 67
6 2013-06-01 10 5
7 2013-06-01 65 62
8 2014-06-01 190 329
9 2015-06-01 172 313
10 2015-06-01 26 21
11 2015-06-01 363 617
12 2015-06-01 33 51
13 2016-06-01 83 82
14 2016-07-01 1305 1320
15 2017-06-01 25 41
16 2017-06-01 751 288
17 2018-06-01 79 183
18 2018-06-01 591 598
19 2018-06-01 1 1
20 2018-06-01 94 113
# ℹ abbreviated name: ¹Births_from_used_procedure_EUTOCICO
# ℹ 4 more variables: Births_from_used_procedure_FORCEPS <dbl>,
# Births_from_used_procedure_OTRO <dbl>,
# Births_from_used_procedure_DISTOCICO <dbl>, ent_mun <glue>
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2012-0…
$ Births_from_mother_scholarity_Preparatorio_Y_Menos <dbl> 28691, 10301, 29952…
$ Births_from_mother_scholarity_Profesional_Y_Mas <dbl> 4296, 2204, 4645, 4…
$ entidad <dbl> 17, 3, 31, 10, 29, …
# A tibble: 20 × 4
fecha_nacimiento Births_from_mother_scholari…¹ Births_from_mother_s…² entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 28691 4296 17
2 2012-06-01 10301 2204 3
3 2012-07-01 29952 4645 31
4 2013-06-01 31196 4692 10
5 2013-06-01 21889 3648 29
6 2014-06-01 65176 8274 20
7 2014-06-01 48870 10482 5
8 2014-07-01 28433 4653 17
9 2014-07-01 83439 8405 7
10 2015-06-01 16285 3493 18
11 2015-07-01 104022 17167 30
12 2015-07-01 47067 6008 2
13 2016-06-01 46390 6188 2
14 2016-06-01 62393 8029 20
15 2017-06-01 25394 3826 32
16 2017-06-01 105414 15784 21
17 2018-06-01 19771 3588 29
18 2018-06-01 42568 10112 5
19 2018-06-01 210041 35087 15
20 2018-06-01 51338 6676 12
# ℹ abbreviated names: ¹Births_from_mother_scholarity_Preparatorio_Y_Menos,
# ²Births_from_mother_scholarity_Profesional_Y_MasRows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-0…
$ Births_from_mother_scholarity_Preparatorio_Y_Menos <dbl> 55, 431, 25340, 182…
$ Births_from_mother_scholarity_Profesional_Y_Mas <dbl> 1, 26, 3319, 7, 1, …
$ ent_mun <glue> "30_146", "20_469"…
# A tibble: 20 × 4
fecha_nacimiento Births_from_mother_scholari…¹ Births_from_mother_s…² ent_mun
<date> <dbl> <dbl> <glue>
1 2011-07-01 55 1 30_146
2 2011-07-01 431 26 20_469
3 2011-07-01 25340 3319 02_004
4 2012-06-01 182 7 16_023
5 2012-07-01 12 1 20_419
6 2012-07-01 10682 1453 11_017
7 2012-07-01 1104 167 05_009
8 2013-06-01 93 1 20_560
9 2013-06-01 2370 167 06_009
10 2014-06-01 7512 1333 28_022
11 2014-06-01 1623 237 16_066
12 2014-07-01 4115 165 07_059
13 2015-06-01 209 5 26_070
14 2015-07-01 60 0 30_179
15 2016-06-01 0 0 15_888
16 2016-07-01 124 8 30_165
17 2017-06-01 246 49 15_044
18 2018-06-01 49 2 32_004
19 2018-06-01 677 120 13_067
20 2018-06-01 5963 865 28_027
# ℹ abbreviated names: ¹Births_from_mother_scholarity_Preparatorio_Y_Menos,
# ²Births_from_mother_scholarity_Profesional_Y_Mas
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2011-07-01, 2012-06-0…
$ Enrolled_health_service <dbl> 185398, 70023, 99491, 11964, 44118, 104194, 42…
$ Not_Enrolled <dbl> 100740, 50073, 18045, 731, 5426, 29357, 14014,…
$ entidad <dbl> 15, 21, 11, 3, 25, 30, 2, 15, 14, 6, 3, 9, 21,…
# A tibble: 20 × 4
fecha_nacimiento Enrolled_health_service Not_Enrolled entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 185398 100740 15
2 2011-07-01 70023 50073 21
3 2011-07-01 99491 18045 11
4 2012-06-01 11964 731 3
5 2012-07-01 44118 5426 25
6 2013-06-01 104194 29357 30
7 2013-07-01 42129 14014 2
8 2014-06-01 197674 75707 15
9 2014-07-01 122950 15882 14
10 2015-06-01 8457 2994 6
11 2015-06-01 11888 475 3
12 2015-07-01 89060 31460 9
13 2015-07-01 88480 31819 21
14 2016-06-01 42734 5022 25
15 2016-07-01 92000 28313 21
16 2016-07-01 76332 10481 7
17 2017-06-01 53702 5571 8
18 2017-06-01 11200 607 3
19 2018-06-01 94057 13527 30
20 2018-06-01 83799 23059 21Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2012-07-01, 2013-06-0…
$ Enrolled_health_service <dbl> 38, 11, 207, 239, 1, 131, 377, 62, 2543, 61, 1…
$ Not_Enrolled <dbl> 14, 9, 10, 33, 0, 9, 125, 1, 272, 9, 265, 13, …
$ ent_mun <glue> "20_353", "21_121", "14_110", "13_060", "20_2…
# A tibble: 20 × 4
fecha_nacimiento Enrolled_health_service Not_Enrolled ent_mun
<date> <dbl> <dbl> <glue>
1 2011-07-01 38 14 20_353
2 2011-07-01 11 9 21_121
3 2012-07-01 207 10 14_110
4 2013-06-01 239 33 13_060
5 2013-06-01 1 0 20_281
6 2014-06-01 131 9 12_044
7 2014-06-01 377 125 15_059
8 2015-06-01 62 1 20_516
9 2016-06-01 2543 272 15_042
10 2016-06-01 61 9 28_008
11 2016-06-01 143 265 21_013
12 2016-06-01 1791 13 24_037
13 2016-07-01 416 27 07_075
14 2016-07-01 938 911 21_164
15 2017-06-01 12 0 20_451
16 2017-06-01 837 740 21_004
17 2017-06-01 245 39 29_008
18 2017-06-01 346 28 30_211
19 2017-07-01 47 22 30_179
20 2018-07-01 36 0 31_086 
Rows: 20
Columns: 22
$ fecha_nacimiento <date> 2012-02-01, 2012-06-01, 2012-07-01, 2012-07-01,…
$ IMSS_2 <int> 5117, 4254, 28621, 10236, 11121, 60369, 5587, 70…
$ ISSFAM <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ ISSSTE_2 <int> 763, 373, 1916, 864, 921, 5259, 1092, 2942, 854,…
$ PEMEX <int> 5, 4, 32, 3, 56, 221, 2, 248, 65, 112, 6, 6, 29,…
$ SEDENA <int> 93, 26, 122, 64, 179, 3402, 51, 482, 122, 433, 9…
$ SEMAR <int> 40, 169, 1, 55, 24, 156, 24, 178, 18, 71, 21, 2,…
$ IMSS_BIENESTAR <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ IMSS_OPORTUNIDADES <int> 2, 1, 547, 6, 580, 185, 113, 1541, 258, 2376, 14…
$ SEGURO_POPULAR <int> 6070, 6326, 17077, 14271, 17906, 116969, 11659, …
$ SEGURO_POPULAR_INSABI <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ NINGUNA <int> 755, 1258, 9569, 1940, 3039, 84366, 1691, 9259, …
$ NO_ESPECIFICADO <int> 5, 8, 20, 5, 17, 40, 17, 24, 20, 17, 0, 0, 0, 0,…
$ NO_APLICA <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ SE_IGNORA <int> 58, 69, 518, 355, 1411, 13820, 438, 2082, 977, 5…
$ OTRA <int> 31, 60, 667, 72, 161, 10163, 58, 155, 114, 824, …
$ Contributory_System <int> 6018, 4826, 30692, 11222, 12301, 69407, 6756, 10…
$ Non_Contributory <int> 6072, 6327, 17624, 14277, 18486, 117154, 11772, …
$ NONE_NOT_SPECIFIED <int> 818, 1335, 10107, 2300, 4467, 98226, 2146, 11365…
$ Otra <int> 31, 60, 667, 72, 161, 10163, 58, 155, 114, 824, …
$ TOTAL <int> 12939, 12548, 59090, 27871, 35415, 294950, 20732…
$ entidad <dbl> 3, 6, 5, 23, 31, 15, 18, 20, 31, 7, 23, 29, 16, …
# A tibble: 20 × 22
fecha_nacimiento IMSS_2 ISSFAM ISSSTE_2 PEMEX SEDENA SEMAR IMSS_BIENESTAR
<date> <int> <int> <int> <int> <int> <int> <int>
1 2012-02-01 5117 0 763 5 93 40 0
2 2012-06-01 4254 0 373 4 26 169 0
3 2012-07-01 28621 0 1916 32 122 1 0
4 2012-07-01 10236 0 864 3 64 55 0
5 2012-07-01 11121 0 921 56 179 24 0
6 2013-07-01 60369 0 5259 221 3402 156 0
7 2014-06-01 5587 0 1092 2 51 24 0
8 2014-06-01 7088 0 2942 248 482 178 0
9 2014-07-01 11552 0 854 65 122 18 0
10 2014-07-01 8105 0 1651 112 433 71 0
11 2015-06-01 10112 0 813 6 90 21 0
12 2015-06-01 3661 0 644 6 121 2 0
13 2015-06-01 15119 0 2478 29 193 110 0
14 2016-06-01 20466 0 811 17 144 132 0
15 2016-06-01 15161 0 2246 35 198 99 0
16 2016-06-01 6708 0 2635 203 364 140 0
17 2018-06-01 11677 0 1381 75 52 12 0
18 2018-06-01 11838 0 596 7 47 13 0
19 2018-06-01 15313 0 2248 75 88 74 0
20 2018-06-01 4076 0 597 106 7 1 0
# ℹ 14 more variables: IMSS_OPORTUNIDADES <int>, SEGURO_POPULAR <int>,
# SEGURO_POPULAR_INSABI <int>, NINGUNA <int>, NO_ESPECIFICADO <int>,
# NO_APLICA <int>, SE_IGNORA <int>, OTRA <int>, Contributory_System <int>,
# Non_Contributory <int>, NONE_NOT_SPECIFIED <int>, Otra <int>, TOTAL <int>,
# entidad <dbl>Rows: 20
Columns: 22
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2011-07-01, 2012-07-01,…
$ IMSS_2 <dbl> 15, 48, 1, 174, 0, 57, 8, 33, 15, 0, 62, 301, 12…
$ ISSFAM <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ ISSSTE_2 <dbl> 8, 2, 0, 128, 0, 5, 1, 28, 0, 0, 35, 10, 15, 0, …
$ PEMEX <dbl> 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 75, 0, 0, 0,…
$ SEDENA <dbl> 0, 0, 0, 3, 0, 0, 0, 0, 1, 0, 2, 0, 1, 0, 0, 0, …
$ SEMAR <dbl> 0, 0, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, …
$ IMSS_BIENESTAR <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ IMSS_OPORTUNIDADES <dbl> 12, 0, 0, 27, 1, 8, 0, 0, 11, 1, 0, 0, 28, 0, 0,…
$ SEGURO_POPULAR <dbl> 152, 101, 2, 906, 29, 345, 118, 322, 25, 20, 165…
$ SEGURO_POPULAR_INSABI <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ NINGUNA <dbl> 115, 65, 15, 503, 1, 66, 10, 207, 1, 2, 24, 72, …
$ NO_ESPECIFICADO <dbl> 0, 0, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, …
$ NO_APLICA <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ SE_IGNORA <dbl> 21, 1, 5, 28, 1, 1, 4, 1, 3, 0, 2, 7, 8, 0, 8, 4…
$ OTRA <dbl> 1, 16, 1, 4, 0, 9, 1, 1, 0, 0, 0, 31, 12, 0, 0, …
$ Contributory_System <dbl> 23, 52, 1, 305, 0, 66, 9, 61, 16, 0, 100, 311, 2…
$ Non_Contributory <dbl> 164, 101, 2, 933, 30, 353, 118, 322, 36, 21, 165…
$ NONE_NOT_SPECIFIED <dbl> 136, 66, 20, 531, 2, 71, 14, 208, 4, 2, 26, 79, …
$ Otra <dbl> 1, 16, 1, 4, 0, 9, 1, 1, 0, 0, 0, 31, 12, 0, 0, …
$ TOTAL <dbl> 324, 235, 24, 1773, 32, 499, 142, 592, 56, 23, 2…
$ ent_mun <glue> "13_019", "30_059", "20_445", "20_039", "20_363…
# A tibble: 20 × 22
fecha_nacimiento IMSS_2 ISSFAM ISSSTE_2 PEMEX SEDENA SEMAR IMSS_BIENESTAR
<date> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 2011-07-01 15 0 8 0 0 0 0
2 2011-07-01 48 0 2 2 0 0 0
3 2011-07-01 1 0 0 0 0 0 0
4 2012-07-01 174 0 128 0 3 0 0
5 2012-07-01 0 0 0 0 0 0 0
6 2012-07-01 57 0 5 0 0 4 0
7 2012-11-01 8 0 1 0 0 0 0
8 2013-06-01 33 0 28 0 0 0 0
9 2013-07-01 15 0 0 0 1 0 0
10 2014-06-01 0 0 0 0 0 0 0
11 2015-06-01 62 0 35 1 2 0 0
12 2015-06-01 301 0 10 0 0 0 0
13 2015-07-01 123 0 15 75 1 1 0
14 2015-07-01 0 0 0 0 0 0 0
15 2016-06-01 0 0 0 0 0 0 0
16 2017-06-01 7 0 3 0 0 0 0
17 2017-07-01 417 0 19 0 1 0 0
18 2017-07-01 9 0 1 0 0 0 0
19 2018-06-01 3218 0 198 35 17 0 0
20 2018-06-01 0 0 0 0 0 0 0
# ℹ 14 more variables: IMSS_OPORTUNIDADES <dbl>, SEGURO_POPULAR <dbl>,
# SEGURO_POPULAR_INSABI <dbl>, NINGUNA <dbl>, NO_ESPECIFICADO <dbl>,
# NO_APLICA <dbl>, SE_IGNORA <dbl>, OTRA <dbl>, Contributory_System <dbl>,
# Non_Contributory <dbl>, NONE_NOT_SPECIFIED <dbl>, Otra <dbl>, TOTAL <dbl>,
# ent_mun <glue>
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2011-07-01, 2011-07-01, 20…
$ Congenital_Anomaly <dbl> 5034, 2744, 738, 6966, 2207, 3856, 514, 4829, 12377…
$ None_Anomaly <dbl> 57978, 54540, 30245, 113352, 37692, 57414, 10980, 1…
$ entidad <dbl> 28, 2, 32, 11, 22, 8, 6, 30, 14, 9, 30, 12, 3, 21, …
# A tibble: 20 × 4
fecha_nacimiento Congenital_Anomaly None_Anomaly entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 5034 57978 28
2 2011-07-01 2744 54540 2
3 2011-07-01 738 30245 32
4 2011-07-01 6966 113352 11
5 2013-06-01 2207 37692 22
6 2014-06-01 3856 57414 8
7 2015-06-01 514 10980 6
8 2015-06-01 4829 121708 30
9 2015-07-01 12377 130508 14
10 2015-07-01 9141 112966 9
11 2016-06-01 7458 112356 30
12 2016-06-01 2887 59446 12
13 2017-06-01 702 11220 3
14 2017-06-01 4662 118361 21
15 2017-06-01 2981 51985 28
16 2017-06-01 1819 28354 32
17 2017-07-01 7243 109170 30
18 2018-06-01 2824 78792 16
19 2018-06-01 1184 22195 29
20 2018-07-01 2394 115759 21Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2012-07-01, 2012-07-01, 2012-07-01, 2014-06-01, 20…
$ Congenital_Anomaly <dbl> 2, 5, 4, 4, 2, 1, 0, 383, 1, 2, 36, 40, 0, 18, 267,…
$ None_Anomaly <dbl> 34, 388, 165, 267, 31, 76, 22, 4460, 4, 19, 490, 74…
$ ent_mun <glue> "20_356", "32_054", "30_090", "30_093", "16_109", …
# A tibble: 20 × 4
fecha_nacimiento Congenital_Anomaly None_Anomaly ent_mun
<date> <dbl> <dbl> <glue>
1 2012-07-01 2 34 20_356
2 2012-07-01 5 388 32_054
3 2012-07-01 4 165 30_090
4 2014-06-01 4 267 30_093
5 2014-06-01 2 31 16_109
6 2014-06-01 1 76 26_039
7 2015-06-01 0 22 20_478
8 2015-06-01 383 4460 28_038
9 2015-06-01 1 4 20_341
10 2015-06-01 2 19 26_061
11 2015-06-01 36 490 22_009
12 2017-06-01 40 746 16_110
13 2017-06-01 0 0 30_998
14 2018-06-01 18 319 29_021
15 2018-06-01 267 2969 22_011
16 2018-06-01 9 147 08_051
17 2018-06-01 10 345 16_003
18 2018-06-01 29 840 21_180
19 2018-06-01 2 79 21_123
20 2018-07-01 6 46 31_018 
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2011-07-01, 20…
$ valoracion_apgar_nac_vivo_suma <dbl> 1062478, 1363353, 273145, 554113, 74746…
$ Births_From_Apgar_Valuation <dbl> 119895, 152565, 30698, 62941, 82545, 51…
$ entidad <dbl> 11, 14, 32, 12, 19, 13, 2, 10, 27, 32, …
# A tibble: 20 × 4
fecha_nacimiento valoracion_apgar_nac_vivo_s…¹ Births_From_Apgar_Va…² entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 1062478 119895 11
2 2011-07-01 1363353 152565 14
3 2011-07-01 273145 30698 32
4 2012-01-01 554113 62941 12
5 2012-06-01 747469 82545 19
6 2012-07-01 454599 51190 13
7 2012-07-01 502842 56655 2
8 2013-06-01 319545 35918 10
9 2014-07-01 442994 50160 27
10 2015-06-01 271577 30600 32
11 2015-06-01 426492 47659 24
12 2015-07-01 475140 53279 2
13 2015-07-01 1083653 121865 9
14 2016-06-01 532219 60461 12
15 2016-07-01 280995 31642 17
16 2017-06-01 534212 60995 12
17 2017-06-01 487893 54894 28
18 2017-07-01 1015231 113954 11
19 2018-06-01 247438 27874 32
20 2018-06-01 793286 87502 19
# ℹ abbreviated names: ¹valoracion_apgar_nac_vivo_suma,
# ²Births_From_Apgar_ValuationRows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2012-07-01, 20…
$ valoracion_apgar_nac_vivo_suma <dbl> 5146, 93940, 8005, 517, 1801, 6097, 24,…
$ Births_From_Apgar_Valuation <dbl> 585, 10372, 895, 58, 199, 697, 3, 3565,…
$ ent_mun <glue> "13_008", "19_006", "14_094", "05_005"…
# A tibble: 20 × 4
fecha_nacimiento valoracion_apgar_nac_vivo_s…¹ Births_From_Apgar_Va…² ent_mun
<date> <dbl> <dbl> <glue>
1 2011-07-01 5146 585 13_008
2 2011-07-01 93940 10372 19_006
3 2012-07-01 8005 895 14_094
4 2012-07-01 517 58 05_005
5 2012-07-01 1801 199 21_036
6 2013-06-01 6097 697 21_104
7 2014-06-01 24 3 20_359
8 2014-06-01 31796 3565 15_054
9 2015-06-01 793 89 08_059
10 2015-06-01 3322 372 05_036
11 2015-06-01 170 20 20_372
12 2017-06-01 4092 476 26_036
13 2017-06-01 282 33 20_477
14 2017-06-01 189 21 20_343
15 2017-06-01 9956 1126 12_057
16 2017-07-01 1097 123 21_181
17 2017-07-01 3187 359 21_061
18 2018-06-01 672 75 20_076
19 2018-06-01 2174 270 30_194
20 2018-07-01 774 88 31_087
# ℹ abbreviated names: ¹valoracion_apgar_nac_vivo_suma,
# ²Births_From_Apgar_Valuation
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2012-07-01, 2012-07-01…
$ valoracion_silverman_nac_vivo_suma <dbl> 6196, 13598, 7626, 53328, 7432, 105…
$ Births_From_Silverman_Valuation <dbl> 30925, 129464, 58402, 297480, 51670…
$ entidad <dbl> 32, 30, 28, 15, 13, 17, 31, 31, 9, …
# A tibble: 20 × 4
fecha_nacimiento valoracion_silverman_nac_vi…¹ Births_From_Silverma…² entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 6196 30925 32
2 2012-07-01 13598 129464 30
3 2012-07-01 7626 58402 28
4 2012-07-01 53328 297480 15
5 2013-06-01 7432 51670 13
6 2013-07-01 10583 33162 17
7 2014-07-01 3882 36280 31
8 2015-07-01 3755 35738 31
9 2015-07-01 50937 121270 9
10 2016-06-01 11954 69273 20
11 2016-06-01 10875 46287 24
12 2016-06-01 15712 119556 30
13 2016-07-01 8041 31727 17
14 2017-06-01 7156 19474 18
15 2017-06-01 27571 86463 16
16 2018-06-01 9586 56999 12
17 2018-06-01 8977 38407 22
18 2018-06-01 7622 27924 32
19 2018-06-01 30569 88924 19
20 2018-07-01 30154 76484 7
# ℹ abbreviated names: ¹valoracion_silverman_nac_vivo_suma,
# ²Births_From_Silverman_ValuationRows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2011-07-01…
$ valoracion_silverman_nac_vivo_suma <dbl> 13, 0, 0, 264, 0, 448, 206, 83, 35,…
$ Births_From_Silverman_Valuation <dbl> 106, 37, 0, 2558, 0, 2056, 563, 317…
$ ent_mun <glue> "21_068", "20_410", "20_998", "13_…
# A tibble: 20 × 4
fecha_nacimiento valoracion_silverman_nac_vi…¹ Births_From_Silverma…² ent_mun
<date> <dbl> <dbl> <glue>
1 2011-07-01 13 106 21_068
2 2011-07-01 0 37 20_410
3 2011-07-01 0 0 20_998
4 2011-07-01 264 2558 13_028
5 2012-07-01 0 0 23_NA
6 2012-07-01 448 2056 05_033
7 2013-06-01 206 563 16_064
8 2013-06-01 83 317 32_052
9 2013-06-01 35 75 26_020
10 2013-06-01 4 27 08_026
11 2013-07-01 3 57 31_004
12 2014-06-01 10 69 21_201
13 2014-06-01 229 1739 21_197
14 2015-06-01 2 20 20_274
15 2016-06-01 0 12 20_257
16 2016-06-01 14 53 20_394
17 2017-07-01 5 35 07_118
18 2017-07-01 89 86 21_070
19 2018-06-01 29 77 08_006
20 2018-07-01 94 421 11_043
# ℹ abbreviated names: ¹valoracion_silverman_nac_vivo_suma,
# ²Births_From_Silverman_Valuation
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2012-06-01, 2012-07-01, 2013-0…
$ talla_nac_vivo_ajust_suma <dbl> 7461422, 606972, 2759727, 1363239, 1048674,…
$ Births_From_Talla_Ajustada <dbl> 148815, 12109, 54838, 27348, 20895, 112647,…
$ entidad <dbl> 14, 6, 2, 23, 18, 11, 23, 5, 28, 11, 28, 4,…
# A tibble: 20 × 4
fecha_nacimiento talla_nac_vivo_ajust_suma Births_From_Talla_Ajustada entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 7461422 148815 14
2 2012-06-01 606972 12109 6
3 2012-07-01 2759727 54838 2
4 2013-06-01 1363239 27348 23
5 2013-07-01 1048674 20895 18
6 2014-07-01 5608996 112647 11
7 2015-06-01 1385632 27835 23
8 2015-06-01 2876260 57234 5
9 2015-06-01 2842346 56704 28
10 2016-07-01 5562506 111933 11
11 2017-06-01 2673323 53462 28
12 2017-06-01 668175 13495 4
13 2017-06-01 1450348 29134 32
14 2017-06-01 5648595 113333 30
15 2017-06-01 2910690 57798 8
16 2018-06-01 2411631 48084 2
17 2018-06-01 567640 11212 3
18 2018-06-01 876573 17521 18
19 2018-06-01 1958894 38741 26
20 2018-07-01 1948301 39271 27Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2012-07-01, 2012-0…
$ talla_nac_vivo_ajust_suma <dbl> 4008, 8158, 27096, 1283, 5345, 21675, 76681…
$ Births_From_Talla_Ajustada <dbl> 80, 162, 550, 26, 107, 437, 1543, 29, 1026,…
$ ent_mun <glue> "21_014", "20_525", "31_038", "31_071", "1…
# A tibble: 20 × 4
fecha_nacimiento talla_nac_vivo_ajust_suma Births_From_Talla_Ajustada ent_mun
<date> <dbl> <dbl> <glue>
1 2011-07-01 4008 80 21_014
2 2011-07-01 8158 162 20_525
3 2012-07-01 27096 550 31_038
4 2012-07-01 1283 26 31_071
5 2012-11-01 5345 107 16_037
6 2013-06-01 21675 437 21_083
7 2013-06-01 76681 1543 23_001
8 2014-06-01 1440 29 26_014
9 2014-07-01 51624 1026 14_006
10 2015-06-01 0 0 12_998
11 2015-06-01 8178 163 21_176
12 2016-06-01 6627 133 30_187
13 2016-06-01 0 0 05_888
14 2017-06-01 815622 16372 05_030
15 2017-06-01 5113 103 20_202
16 2017-06-01 57102 1147 01_002
17 2017-07-01 9848 198 30_093
18 2017-07-01 85134 1713 21_174
19 2018-07-01 24047 487 17_020
20 2018-07-01 73846 1481 21_085 
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2012-07-01, 2013-06…
$ peso_nac_vivo_ajust_suma <dbl> 166336120, 77226151, 76565172, 163399565, 83…
$ Births_From_Peso_Ajustado <dbl> 50432, 24990, 24810, 49724, 273136, 33560, 6…
$ entidad <dbl> 25, 29, 29, 25, 15, 31, 20, 23, 12, 26, 30, …
# A tibble: 20 × 4
fecha_nacimiento peso_nac_vivo_ajust_suma Births_From_Peso_Ajustado entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 166336120 50432 25
2 2011-07-01 77226151 24990 29
3 2012-07-01 76565172 24810 29
4 2013-06-01 163399565 49724 25
5 2013-07-01 835102407 273136 15
6 2013-07-01 103696014 33560 31
7 2014-06-01 220193037 69669 20
8 2014-06-01 86378334 27194 23
9 2014-06-01 189834226 60359 12
10 2015-06-01 143340561 43428 26
11 2015-07-01 378980364 118948 30
12 2017-06-01 258491950 82549 16
13 2017-06-01 755467475 247528 15
14 2017-06-01 171288392 53793 5
15 2017-06-01 178857088 56988 12
16 2018-06-01 163659576 50867 28
17 2018-06-01 32590768 10012 6
18 2018-06-01 171059401 54559 12
19 2018-07-01 321987872 103285 11
20 2018-07-01 79704075 25688 17Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2011-07-01, 2012-06-01, 2012-07…
$ peso_nac_vivo_ajust_suma <dbl> 555530, 790551, 6084539, 277278, 59660, 8875…
$ Births_From_Peso_Ajustado <dbl> 171, 263, 1899, 91, 19, 273, 13, 83, 104, 10…
$ ent_mun <glue> "12_064", "15_049", "16_050", "29_060", "20…
# A tibble: 20 × 4
fecha_nacimiento peso_nac_vivo_ajust_suma Births_From_Peso_Ajustado ent_mun
<date> <dbl> <dbl> <glue>
1 2011-01-01 555530 171 12_064
2 2011-07-01 790551 263 15_049
3 2012-06-01 6084539 1899 16_050
4 2012-07-01 277278 91 29_060
5 2012-07-01 59660 19 20_547
6 2012-07-01 887550 273 30_095
7 2012-07-01 39135 13 08_042
8 2013-06-01 260750 83 20_055
9 2013-06-01 331335 104 21_079
10 2014-06-01 33930 10 20_288
11 2015-06-01 2741422 833 25_014
12 2015-07-01 504198 161 21_039
13 2015-07-01 97380 30 31_077
14 2016-06-01 1261958 407 13_010
15 2016-06-01 17571835 5430 28_041
16 2016-07-01 1163196 375 14_051
17 2018-06-01 515865 169 15_027
18 2018-06-01 4592687 1508 21_074
19 2018-06-01 699117 216 30_192
20 2018-06-01 261295 80 19_029 
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2012-06-01, 2013-06-01…
$ edad_madre_suma <dbl> 1580599, 540966, 1210881, 2304688, 1840963, 226…
$ Births_From_edad_madre <dbl> 62698, 21757, 48170, 89147, 73444, 90901, 25271…
$ entidad <dbl> 28, 18, 26, 19, 20, 7, 29, 10, 5, 19, 15, 22, 6…
# A tibble: 20 × 4
fecha_nacimiento edad_madre_suma Births_From_edad_madre entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 1580599 62698 28
2 2011-07-01 540966 21757 18
3 2012-06-01 1210881 48170 26
4 2013-06-01 2304688 89147 19
5 2013-06-01 1840963 73444 20
6 2013-07-01 2266740 90901 7
7 2014-06-01 627881 25271 29
8 2014-06-01 872337 35026 10
9 2014-06-01 1482537 60200 5
10 2014-06-01 2386575 92284 19
11 2014-06-01 7292485 289032 15
12 2015-06-01 1037442 39896 22
13 2015-06-01 296139 11509 6
14 2016-06-01 700566 27340 23
15 2016-07-01 3630447 140195 14
16 2016-07-01 882268 34456 31
17 2017-07-01 2872894 113286 30
18 2017-07-01 2918403 113955 11
19 2018-06-01 1156297 44666 25
20 2018-07-01 2984281 118141 21Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2011-07-01, 2012-06-01…
$ edad_madre_suma <dbl> 11521, 246493, 1395, 0, 3117, 6347, 481, 1336, …
$ Births_From_edad_madre <dbl> 468, 9696, 53, 0, 129, 252, 19, 51, 105, 226, 3…
$ ent_mun <glue> "21_065", "11_007", "31_081", "22_998", "30_04…
# A tibble: 20 × 4
fecha_nacimiento edad_madre_suma Births_From_edad_madre ent_mun
<date> <dbl> <dbl> <glue>
1 2011-07-01 11521 468 21_065
2 2011-07-01 246493 9696 11_007
3 2011-07-01 1395 53 31_081
4 2012-06-01 0 0 22_998
5 2012-07-01 3117 129 30_042
6 2012-07-01 6347 252 29_032
7 2012-07-01 481 19 20_563
8 2012-07-01 1336 51 14_081
9 2012-07-01 2622 105 30_056
10 2012-11-01 5727 226 16_060
11 2013-07-01 7318 301 31_098
12 2015-06-01 5504 219 12_013
13 2015-06-01 33561 1313 29_010
14 2016-06-01 1550 63 20_169
15 2017-06-01 591 20 20_528
16 2017-06-01 2620 102 28_011
17 2017-06-01 956 36 20_003
18 2017-07-01 34906 1480 21_115
19 2018-06-01 4432 177 10_009
20 2018-06-01 6617 253 13_058 
Rows: 20
Columns: 9
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2012-07-01, 2…
$ LUGAR_NAC_SECRETARIA_DE_SALUD <dbl> 10556, 36691, 30311, 50590, 14657, 329…
$ LUGAR_NAC_UNIDAD_MEDICA_PRIVADA <dbl> 900, 9958, 10227, 41577, 6489, 5487, 7…
$ LUGAR_NAC_IMSS <dbl> 3251, 5929, 16452, 12900, 3490, 6659, …
$ LUGAR_NAC_IMSS_OPORTUNIDADES <dbl> 690, 12799, 1060, 11191, 20, 8, 592, 1…
$ LUGAR_NAC_OTRA_UNIDAD_PUBLICA <dbl> 2, 747, 644, 2103, 31, 789, 19029, 857…
$ LUGAR_NAC_ISSSTE <dbl> 282, 1921, 1214, 1040, 551, 465, 3703,…
$ Births_From_lugar_nacimiento <dbl> 16315, 70496, 60970, 125884, 25551, 49…
$ entidad <dbl> 4, 20, 28, 21, 29, 27, 15, 2, 27, 32, …
# A tibble: 20 × 9
fecha_nacimiento LUGAR_NAC_SECRETARIA…¹ LUGAR_NAC_UNIDAD_MED…² LUGAR_NAC_IMSS
<date> <dbl> <dbl> <dbl>
1 2011-07-01 10556 900 3251
2 2011-07-01 36691 9958 5929
3 2012-07-01 30311 10227 16452
4 2012-07-01 50590 41577 12900
5 2013-06-01 14657 6489 3490
6 2013-07-01 32917 5487 6659
7 2013-07-01 141486 73175 50887
8 2014-07-01 22506 10656 18162
9 2014-07-01 33182 5987 6503
10 2015-06-01 16749 3383 5538
11 2015-07-01 61265 22507 21239
12 2016-07-01 60980 28745 22430
13 2016-07-01 53958 42173 10832
14 2017-06-01 25487 29784 24823
15 2017-06-01 21068 8431 8686
16 2017-06-01 14774 3368 9270
17 2017-06-01 19811 10074 8961
18 2017-07-01 53450 42916 10401
19 2018-06-01 23438 29997 25026
20 2018-06-01 23192 12745 14093
# ℹ abbreviated names: ¹LUGAR_NAC_SECRETARIA_DE_SALUD,
# ²LUGAR_NAC_UNIDAD_MEDICA_PRIVADA
# ℹ 5 more variables: LUGAR_NAC_IMSS_OPORTUNIDADES <dbl>,
# LUGAR_NAC_OTRA_UNIDAD_PUBLICA <dbl>, LUGAR_NAC_ISSSTE <dbl>,
# Births_From_lugar_nacimiento <dbl>, entidad <dbl>Rows: 20
Columns: 9
$ fecha_nacimiento <date> 2012-07-01, 2012-07-01, 2012-07-01, 2…
$ LUGAR_NAC_SECRETARIA_DE_SALUD <dbl> 52, 24, 1983, 762, 7, 5, 46, 81, 29, 3…
$ LUGAR_NAC_UNIDAD_MEDICA_PRIVADA <dbl> 17, 0, 575, 23, 5, 0, 28, 38, 205, 3, …
$ LUGAR_NAC_IMSS <dbl> 0, 0, 433, 131, 26, 1, 1, 0, 5, 3, 0, …
$ LUGAR_NAC_IMSS_OPORTUNIDADES <dbl> 108, 0, 0, 1, 26, 0, 0, 54, 624, 17, 2…
$ LUGAR_NAC_OTRA_UNIDAD_PUBLICA <dbl> 0, 0, 138, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ LUGAR_NAC_ISSSTE <dbl> 4, 1, 12, 15, 2, 0, 2, 1, 44, 0, 0, 0,…
$ Births_From_lugar_nacimiento <dbl> 182, 27, 3182, 932, 66, 6, 77, 178, 91…
$ ent_mun <glue> "30_055", "31_014", "15_042", "32_036…
# A tibble: 20 × 9
fecha_nacimiento LUGAR_NAC_SECRETARIA…¹ LUGAR_NAC_UNIDAD_MED…² LUGAR_NAC_IMSS
<date> <dbl> <dbl> <dbl>
1 2012-07-01 52 17 0
2 2012-07-01 24 0 0
3 2012-07-01 1983 575 433
4 2012-07-01 762 23 131
5 2012-07-01 7 5 26
6 2012-07-01 5 0 1
7 2013-06-01 46 28 1
8 2013-11-01 81 38 0
9 2014-06-01 29 205 5
10 2014-06-01 33 3 3
11 2015-06-01 14 1 0
12 2015-06-01 136 16 23
13 2016-06-01 164 65 17
14 2016-06-01 19 2 0
15 2016-07-01 185 4 5
16 2017-06-01 5 0 4
17 2017-07-01 571 759 170
18 2018-06-01 87 35 45
19 2018-06-01 1 0 0
20 2018-07-01 254 15 1
# ℹ abbreviated names: ¹LUGAR_NAC_SECRETARIA_DE_SALUD,
# ²LUGAR_NAC_UNIDAD_MEDICA_PRIVADA
# ℹ 5 more variables: LUGAR_NAC_IMSS_OPORTUNIDADES <dbl>,
# LUGAR_NAC_OTRA_UNIDAD_PUBLICA <dbl>, LUGAR_NAC_ISSSTE <dbl>,
# Births_From_lugar_nacimiento <dbl>, ent_mun <glue>
Rows: 20
Columns: 5
$ fecha_nacimiento <date> 2013-06-01, 2013-06-01, 2013-07-01, 2013…
$ Madre_Sobrevivio_SI <dbl> 123500, 94318, 151002, 21499, 35861, 5621…
$ Madre_Sobrevivio_NO <dbl> 11, 2, 2, 0, 1, 4, 1, 3, 2, 4, 0, 3, 1, 4…
$ Births_From_Madre_Sobrevivio <dbl> 123511, 94320, 151004, 21499, 35862, 5621…
$ entidad <dbl> 21, 16, 14, 18, 31, 2, 1, 16, 32, 26, 31,…
# A tibble: 20 × 5
fecha_nacimiento Madre_Sobrevivio_SI Madre_Sobrevivio_NO
<date> <dbl> <dbl>
1 2013-06-01 123500 11
2 2013-06-01 94318 2
3 2013-07-01 151002 2
4 2013-07-01 21499 0
5 2013-07-01 35861 1
6 2013-07-01 56214 4
7 2014-06-01 27259 1
8 2014-06-01 91161 3
9 2015-06-01 30704 2
10 2015-06-01 45568 4
11 2015-07-01 35794 0
12 2016-07-01 114536 3
13 2016-07-01 31831 1
14 2016-07-01 122838 4
15 2017-06-01 33198 0
16 2017-06-01 26572 1
17 2017-06-01 11914 0
18 2018-06-01 53225 8
19 2018-06-01 38562 0
20 2018-06-01 246921 9
# ℹ 2 more variables: Births_From_Madre_Sobrevivio <dbl>, entidad <dbl>Rows: 20
Columns: 5
$ fecha_nacimiento <date> 2013-06-01, 2013-06-01, 2013-06-01, 2013…
$ Madre_Sobrevivio_SI <dbl> 467, 25, 376, 7492, 3672, 116, 96, 30, 92…
$ Madre_Sobrevivio_NO <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0,…
$ Births_From_Madre_Sobrevivio <dbl> 467, 25, 376, 7492, 3672, 116, 96, 30, 92…
$ ent_mun <glue> "20_198", "20_127", "24_012", "28_027", …
# A tibble: 20 × 5
fecha_nacimiento Madre_Sobrevivio_SI Madre_Sobrevivio_NO
<date> <dbl> <dbl>
1 2013-06-01 467 0
2 2013-06-01 25 0
3 2013-06-01 376 0
4 2013-06-01 7492 0
5 2013-07-01 3672 0
6 2014-06-01 116 0
7 2014-06-01 96 0
8 2014-06-01 30 0
9 2015-06-01 92 0
10 2015-06-01 849 0
11 2015-06-01 417 0
12 2015-06-01 148 0
13 2016-07-01 5409 2
14 2017-06-01 26 0
15 2017-06-01 1448 0
16 2017-07-01 331 0
17 2018-06-01 169 0
18 2018-06-01 303 0
19 2018-06-01 975 0
20 2018-07-01 1643 0
# ℹ 2 more variables: Births_From_Madre_Sobrevivio <dbl>, ent_mun <glue>
Rows: 20
Columns: 5
$ fecha_nacimiento <date> 2011-07-01, 2012-07-01, 2012-07-01, 2013-06-01,…
$ SI_Recibio_Vitamin_k <dbl> 32260, 76011, 109516, 38088, 86472, 111790, 1081…
$ NO_Recibio_Vitamin_k <dbl> 2689, 9597, 8901, 3169, 5439, 9831, 7991, 9221, …
$ Births_From_Vitamin_k <dbl> 34949, 85608, 118417, 41257, 91911, 121621, 1161…
$ entidad <dbl> 10, 7, 11, 26, 16, 21, 11, 7, 28, 21, 30, 7, 29,…
# A tibble: 20 × 5
fecha_nacimiento SI_Recibio_Vitamin_k NO_Recibio_Vitamin_k
<date> <dbl> <dbl>
1 2011-07-01 32260 2689
2 2012-07-01 76011 9597
3 2012-07-01 109516 8901
4 2013-06-01 38088 3169
5 2013-06-01 86472 5439
6 2013-06-01 111790 9831
7 2013-07-01 108183 7991
8 2013-07-01 79309 9221
9 2014-06-01 53389 5125
10 2014-06-01 111337 9562
11 2015-06-01 117678 7152
12 2015-07-01 81638 8970
13 2016-06-01 23319 842
14 2016-06-01 246367 28313
15 2016-07-01 30596 1210
16 2017-06-01 117257 5255
17 2018-06-01 44343 7584
18 2018-06-01 39159 1109
19 2018-07-01 101037 7636
20 2018-07-01 110419 7437
# ℹ 2 more variables: Births_From_Vitamin_k <dbl>, entidad <dbl>Rows: 20
Columns: 5
$ fecha_nacimiento <date> 2012-06-01, 2012-07-01, 2013-06-01, 2013-06-01,…
$ SI_Recibio_Vitamin_k <dbl> 32778, 20491, 54523, 120324, 79309, 19280, 14810…
$ NO_Recibio_Vitamin_k <dbl> 45726, 4886, 5851, 10986, 9221, 1130, 1337, 2414…
$ Births_From_Vitamin_k <dbl> 78504, 25377, 60374, 131310, 88530, 20410, 16147…
$ entidad <dbl> 19, 31, 8, 30, 7, 18, 4, 29, 11, 26, 25, 21, 28,…
# A tibble: 20 × 5
fecha_nacimiento SI_Recibio_Vitamin_k NO_Recibio_Vitamin_k
<date> <dbl> <dbl>
1 2012-06-01 32778 45726
2 2012-07-01 20491 4886
3 2013-06-01 54523 5851
4 2013-06-01 120324 10986
5 2013-07-01 79309 9221
6 2014-06-01 19280 1130
7 2014-06-01 14810 1337
8 2014-06-01 22815 2414
9 2014-07-01 109823 5541
10 2015-06-01 38426 1962
11 2015-06-01 46325 2095
12 2015-06-01 110520 12322
13 2015-06-01 47186 10408
14 2015-07-01 25174 5492
15 2016-06-01 47705 8316
16 2016-06-01 43404 46947
17 2016-06-01 26650 269
18 2016-06-01 46690 1845
19 2016-07-01 107652 6678
20 2017-06-01 107794 7111
# ℹ 2 more variables: Births_From_Vitamin_k <dbl>, entidad <dbl>Rows: 20
Columns: 5
$ fecha_nacimiento <date> 2011-07-01, 2012-07-01, 2012-07-01, 2013-06-01,…
$ SI_Recibio_Vitamin_k <dbl> 18, 162, 13749, 23, 177, 1373, 862, 0, 21, 5645,…
$ NO_Recibio_Vitamin_k <dbl> 0, 1, 921, 1, 17, 170, 71, 0, 18, 798, 2131, 7, …
$ Births_From_Vitamin_k <dbl> 18, 163, 14670, 24, 194, 1543, 933, 0, 39, 6443,…
$ ent_mun <glue> "20_508", "20_513", "08_019", "21_030", "16_074…
# A tibble: 20 × 5
fecha_nacimiento SI_Recibio_Vitamin_k NO_Recibio_Vitamin_k
<date> <dbl> <dbl>
1 2011-07-01 18 0
2 2012-07-01 162 1
3 2012-07-01 13749 921
4 2013-06-01 23 1
5 2013-06-01 177 17
6 2013-07-01 1373 170
7 2014-06-01 862 71
8 2014-07-01 0 0
9 2015-06-01 21 18
10 2015-06-01 5645 798
11 2015-07-01 28933 2131
12 2016-06-01 76 7
13 2016-06-01 87 3
14 2016-06-01 12 0
15 2016-06-01 891 295
16 2017-06-01 95 0
17 2017-06-01 347 25
18 2017-06-01 10 2
19 2017-06-01 131 3
20 2017-06-01 20 1
# ℹ 2 more variables: Births_From_Vitamin_k <dbl>, ent_mun <glue>Rows: 20
Columns: 5
$ fecha_nacimiento <date> 2012-06-01, 2012-07-01, 2012-07-01, 2013-06-01,…
$ SI_Recibio_Vitamin_k <dbl> 155, 15, 1360, 247, 48, 318, 55, 408, 16, 37, 24…
$ NO_Recibio_Vitamin_k <dbl> 5, 1, 112, 7, 2, 11, 0, 97, 2, 1, 12, 0, 4, 13, …
$ Births_From_Vitamin_k <dbl> 160, 16, 1472, 254, 50, 329, 55, 505, 18, 38, 26…
$ ent_mun <glue> "24_043", "20_514", "21_053", "30_095", "21_059…
# A tibble: 20 × 5
fecha_nacimiento SI_Recibio_Vitamin_k NO_Recibio_Vitamin_k
<date> <dbl> <dbl>
1 2012-06-01 155 5
2 2012-07-01 15 1
3 2012-07-01 1360 112
4 2013-06-01 247 7
5 2014-06-01 48 2
6 2014-06-01 318 11
7 2014-06-01 55 0
8 2015-06-01 408 97
9 2015-07-01 16 2
10 2016-06-01 37 1
11 2016-06-01 249 12
12 2016-06-01 0 0
13 2017-06-01 124 4
14 2017-06-01 158 13
15 2017-06-01 2312 1961
16 2017-07-01 604 16
17 2017-07-01 848 24
18 2018-06-01 0 0
19 2018-07-01 289 24
20 2018-07-01 16 0
# ℹ 2 more variables: Births_From_Vitamin_k <dbl>, ent_mun <glue>