Semestres 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, 2012-01-01, 2012-06-01, 20…
$ Deaths_NeoNatal_INEGI <dbl> 256, 746, 350, 274, 137, 53, 99, 64, 72…
$ Births_From_Mortality_NeoNatal <dbl> 26152, 62422, 43812, 27838, 14939, 6607…
$ entidad <dbl> 13, 21, 19, 27, 32, 3, 1, 18, 30, 21, 1…
# A tibble: 20 × 4
fecha_nacimiento Deaths_NeoNatal_INEGI Births_From_Mortality_NeoNatal entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 256 26152 13
2 2012-01-01 746 62422 21
3 2012-06-01 350 43812 19
4 2012-07-01 274 27838 27
5 2013-12-01 137 14939 32
6 2014-06-01 53 6607 3
7 2014-06-01 99 13968 1
8 2014-12-01 64 9677 18
9 2015-06-01 725 69059 30
10 2015-07-01 634 63273 21
11 2015-12-01 199 16667 10
12 2016-06-01 53 6258 3
13 2016-06-01 308 31198 5
14 2016-07-01 474 44354 7
15 2016-12-01 100 13173 1
16 2018-06-01 551 60408 21
17 2018-12-01 101 13235 32
18 2019-06-01 192 21408 13
19 2019-06-01 113 15212 23
20 2019-07-01 527 66802 14Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2011-01-01, 2011-05-01, 20…
$ Deaths_NeoNatal_INEGI <dbl> 0, 0, 2, 4, 4, 0, 0, 0, 7, 0, 0, 2, 7, …
$ Births_From_Mortality_NeoNatal <dbl> 286, 0, 221, 101, 203, 0, 62, 40, 372, …
$ ent_mun <glue> "14_055", "20_361", "16_019", "21_023"…
# A tibble: 20 × 4
fecha_nacimiento Deaths_NeoNatal_INEGI Births_From_Mortality_NeoNatal ent_mun
<date> <dbl> <dbl> <glue>
1 2011-01-01 0 286 14_055
2 2011-01-01 0 0 20_361
3 2011-05-01 2 221 16_019
4 2011-07-01 4 101 21_023
5 2012-12-01 4 203 12_059
6 2013-06-01 0 0 01_998
7 2013-12-01 0 62 19_013
8 2014-06-01 0 40 29_055
9 2014-12-01 7 372 28_040
10 2014-12-01 0 6 20_268
11 2014-12-01 0 0 19_888
12 2015-07-01 2 184 30_169
13 2016-01-01 7 1401 14_053
14 2016-06-01 0 5 20_151
15 2017-01-01 4 152 21_163
16 2017-12-01 1 238 25_007
17 2018-01-01 0 98 30_184
18 2018-07-01 0 247 14_108
19 2018-12-01 0 7 20_346
20 2018-12-01 0 17 28_031
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2011-01-01, 2011-01-01…
$ Deaths_Postneonatal_INEGI <dbl> 58, 344, 37, 90, 117, 299, 334, 126…
$ Births_From_Mortality_Postneonatal <dbl> 17164, 60630, 15129, 22161, 26152, …
$ entidad <dbl> 10, 21, 32, 26, 13, 30, 21, 5, 25, …
# A tibble: 20 × 4
fecha_nacimiento Deaths_Postneonatal_INEGI Births_From_Mortality_Po…¹ entidad
<date> <dbl> <dbl> <dbl>
1 2011-01-01 58 17164 10
2 2011-01-01 344 60630 21
3 2011-01-01 37 15129 32
4 2011-01-01 90 22161 26
5 2011-07-01 117 26152 13
6 2012-01-01 299 63784 30
7 2012-01-01 334 62422 21
8 2012-07-01 126 31310 5
9 2012-07-01 93 29357 25
10 2013-01-01 49 15638 32
11 2013-01-01 76 27780 5
12 2013-06-01 16 6367 6
13 2014-01-01 86 27503 5
14 2014-12-01 106 29450 8
15 2016-12-01 44 14683 32
16 2017-07-01 313 47430 7
17 2017-12-01 45 12536 1
18 2018-06-01 98 26407 2
19 2018-07-01 230 69202 14
20 2019-01-01 210 61077 14
# ℹ abbreviated name: ¹Births_From_Mortality_PostneonatalRows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2012-07-01, 2012-12-01…
$ Deaths_Postneonatal_INEGI <dbl> 0, 0, 0, 0, 3, 8, 3, 0, 0, 0, 0, 15…
$ Births_From_Mortality_Postneonatal <dbl> 18, 4, 176, 237, 466, 2579, 267, 20…
$ ent_mun <glue> "20_019", "20_461", "16_113", "21_…
# 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 18 20_019
2 2012-07-01 0 4 20_461
3 2012-12-01 0 176 16_113
4 2013-01-01 0 237 21_153
5 2013-06-01 3 466 28_040
6 2013-12-01 8 2579 32_010
7 2013-12-01 3 267 30_030
8 2014-06-01 0 20 20_519
9 2014-12-01 0 187 30_999
10 2014-12-01 0 19 20_180
11 2015-06-01 0 100 16_004
12 2015-07-01 15 4686 14_101
13 2016-07-01 5 1048 21_164
14 2016-07-01 0 138 14_029
15 2016-12-01 0 182 16_047
16 2016-12-01 0 101 29_032
17 2017-06-01 0 102 30_035
18 2017-07-01 0 39 21_096
19 2018-06-01 0 143 21_026
20 2018-07-01 2 139 21_064
# ℹ abbreviated name: ¹Births_From_Mortality_Postneonatal
Rows: 20
Columns: 5
$ fecha_nacimiento <date> 2011-01-01, 2012-01-01, 2014-06-01…
$ Deaths_Postneonatal_INEGI <dbl> 106, 41, 86, 56, 315, 147, 423, 93,…
$ Deaths_NeoNatal_INEGI <dbl> 219, 93, 183, 134, 587, 287, 493, 2…
$ Births_From_Mortality_Postneonatal <dbl> 39236, 7423, 26270, 15557, 68894, 3…
$ entidad <dbl> 19, 4, 25, 23, 9, 20, 7, 13, 27, 30…
# A tibble: 20 × 5
fecha_nacimiento Deaths_Postneonatal_INEGI Deaths_NeoNatal_INEGI
<date> <dbl> <dbl>
1 2011-01-01 106 219
2 2012-01-01 41 93
3 2014-06-01 86 183
4 2014-06-01 56 134
5 2014-07-01 315 587
6 2014-12-01 147 287
7 2015-01-01 423 493
8 2015-06-01 93 227
9 2016-01-01 80 224
10 2016-06-01 247 604
11 2016-06-01 126 202
12 2016-07-01 91 300
13 2017-06-01 141 297
14 2017-12-01 534 1202
15 2017-12-01 137 320
16 2018-06-01 30 41
17 2018-06-01 151 290
18 2019-06-01 22 85
19 2019-06-01 60 180
20 2019-07-01 197 527
# ℹ 2 more variables: Births_From_Mortality_Postneonatal <dbl>, entidad <dbl>Rows: 20
Columns: 5
$ fecha_nacimiento <date> 2011-01-01, 2011-07-01, 2011-07-01…
$ Deaths_Postneonatal_INEGI <dbl> 1, 0, 2, 0, 4, 0, 0, 1, 2, 1, 1, 0,…
$ Deaths_NeoNatal_INEGI <dbl> 2, 0, 3, 1, 14, 0, 0, 1, 0, 0, 4, 2…
$ Births_From_Mortality_Postneonatal <dbl> 54, 7, 322, 41, 2094, 95, 27, 132, …
$ ent_mun <glue> "21_098", "20_238", "15_084", "29_…
# A tibble: 20 × 5
fecha_nacimiento Deaths_Postneonatal_INEGI Deaths_NeoNatal_INEGI
<date> <dbl> <dbl>
1 2011-01-01 1 2
2 2011-07-01 0 0
3 2011-07-01 2 3
4 2012-01-01 0 1
5 2012-01-01 4 14
6 2012-07-01 0 0
7 2013-01-01 0 0
8 2013-07-01 1 1
9 2013-12-01 2 0
10 2014-06-01 1 0
11 2015-01-01 1 4
12 2015-12-01 0 2
13 2016-06-01 0 0
14 2016-12-01 0 2
15 2017-01-01 0 1
16 2017-06-01 1 4
17 2017-12-01 0 0
18 2018-12-01 0 0
19 2018-12-01 6 2
20 2019-07-01 0 4
# 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> 2012-01-01, 2012-01-01, 2012-07…
$ Deaths_PrimeraInfancia_INEGI <dbl> 13, 34, 117, 10, 86, 13, 36, 6, …
$ Births_From_Mortality_PrimeraInfancia <dbl> 10108, 22344, 44044, 15148, 5956…
$ entidad <dbl> 18, 26, 7, 23, 21, 18, 20, 1, 19…
# A tibble: 20 × 4
fecha_nacimiento Deaths_PrimeraInfancia_INEGI Births_From_Mortality…¹ entidad
<date> <dbl> <dbl> <dbl>
1 2012-01-01 13 10108 18
2 2012-01-01 34 22344 26
3 2012-07-01 117 44044 7
4 2013-06-01 10 15148 23
5 2013-12-01 86 59562 21
6 2014-06-01 13 11055 18
7 2014-12-01 36 35400 20
8 2014-12-01 6 13292 1
9 2015-06-01 27 50368 19
10 2015-06-01 15 20738 22
11 2015-07-01 21 28752 2
12 2015-07-01 63 62896 9
13 2015-12-01 18 19168 22
14 2016-01-01 27 20684 27
15 2016-06-01 5 6258 3
16 2016-07-01 55 73620 14
17 2016-12-01 20 25481 28
18 2017-01-01 58 66904 14
19 2017-06-01 53 64653 21
20 2017-06-01 18 26232 25
# ℹ abbreviated name: ¹Births_From_Mortality_PrimeraInfanciaRows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2011-01-01, 2011-05…
$ Deaths_PrimeraInfancia_INEGI <dbl> 0, 0, 0, 0, 0, 0, 5, 0, 0, 0, 0,…
$ Births_From_Mortality_PrimeraInfancia <dbl> 36, 71, 83, 1071, 4, 322, 1510, …
$ ent_mun <glue> "20_063", "12_070", "16_023", "…
# A tibble: 20 × 4
fecha_nacimiento Deaths_PrimeraInfancia_INEGI Births_From_Mortality…¹ ent_mun
<date> <dbl> <dbl> <glue>
1 2011-01-01 0 36 20_063
2 2011-01-01 0 71 12_070
3 2011-05-01 0 83 16_023
4 2012-01-01 0 1071 27_013
5 2012-01-01 0 4 20_276
6 2012-07-01 0 322 18_018
7 2012-07-01 5 1510 07_059
8 2013-01-01 0 250 21_109
9 2013-06-01 0 0 10_998
10 2013-12-01 0 14 20_048
11 2015-06-01 0 96 20_026
12 2015-06-01 0 28 21_042
13 2015-06-01 0 49 32_021
14 2015-07-01 0 10 21_121
15 2016-12-01 0 43 21_206
16 2016-12-01 0 228 20_401
17 2016-12-01 0 650 08_029
18 2016-12-01 0 18 20_424
19 2017-06-01 0 92 05_019
20 2017-06-01 0 20 28_024
# ℹ abbreviated name: ¹Births_From_Mortality_PrimeraInfancia
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2011-07-01, 2011-07…
$ Deaths_PrimeraInfancia_INEGI <dbl> 15, 26, 76, 6, 13, 7, 19, 136, 1…
$ Births_From_Mortality_PrimeraInfancia <dbl> 17164, 28755, 80261, 14423, 1010…
$ entidad <dbl> 10, 27, 14, 23, 18, 4, 22, 15, 2…
# A tibble: 20 × 4
fecha_nacimiento Deaths_PrimeraInfancia_INEGI Births_From_Mortality…¹ entidad
<date> <dbl> <dbl> <dbl>
1 2011-01-01 15 17164 10
2 2011-07-01 26 28755 27
3 2011-07-01 76 80261 14
4 2011-07-01 6 14423 23
5 2012-01-01 13 10108 18
6 2012-06-01 7 8811 4
7 2012-12-01 19 19414 22
8 2013-01-01 136 143419 15
9 2013-01-01 10 12687 29
10 2013-06-01 34 49250 16
11 2014-06-01 18 32521 28
12 2014-12-01 9 7758 4
13 2015-01-01 14 16656 31
14 2016-01-01 60 56455 30
15 2016-01-01 82 44654 7
16 2016-06-01 67 64952 30
17 2016-06-01 17 22058 26
18 2016-12-01 10 13060 23
19 2017-06-01 19 17781 10
20 2017-07-01 86 47430 7
# ℹ abbreviated name: ¹Births_From_Mortality_PrimeraInfanciaRows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2011-07-01, 2011-07…
$ Deaths_PrimeraInfancia_INEGI <dbl> 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 1,…
$ Births_From_Mortality_PrimeraInfancia <dbl> 7, 57, 31, 14, 50, 49, 3623, 87,…
$ ent_mun <glue> "20_056", "21_125", "20_176", "…
# A tibble: 20 × 4
fecha_nacimiento Deaths_PrimeraInfancia_INEGI Births_From_Mortality…¹ ent_mun
<date> <dbl> <dbl> <glue>
1 2011-01-01 0 7 20_056
2 2011-07-01 0 57 21_125
3 2011-07-01 0 31 20_176
4 2012-01-01 0 14 20_568
5 2012-06-01 0 50 16_054
6 2013-01-01 0 49 18_013
7 2013-01-01 3 3623 09_015
8 2013-06-01 0 87 32_006
9 2013-12-01 0 180 32_014
10 2014-01-01 0 201 11_043
11 2014-06-01 1 204 12_042
12 2015-01-01 0 22 17_999
13 2015-01-01 7 2530 27_002
14 2015-06-01 0 124 29_032
15 2015-07-01 1 714 21_010
16 2015-12-01 1 116 21_137
17 2016-06-01 0 26 20_259
18 2017-06-01 0 2221 04_002
19 2017-06-01 0 9 20_514
20 2017-07-01 0 39 21_096
# ℹ abbreviated name: ¹Births_From_Mortality_PrimeraInfancia
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2012-01-01, 2012-01-01, 2012-01-01, 201…
$ Prenatal_Checkups <dbl> 150200, 385408, 41591, 185904, 125998, 1…
$ Births_from_Prenatal_Checkups <dbl> 19310, 57379, 5891, 25330, 18016, 31638,…
$ entidad <dbl> 22, 11, 6, 26, 10, 12, 5, 2, 27, 20, 7, …
# A tibble: 20 × 4
fecha_nacimiento Prenatal_Checkups Births_from_Prenatal_Checkups entidad
<date> <dbl> <dbl> <dbl>
1 2012-01-01 150200 19310 22
2 2012-01-01 385408 57379 11
3 2012-01-01 41591 5891 6
4 2013-06-01 185904 25330 26
5 2014-06-01 125998 18016 10
6 2014-12-01 198992 31638 12
7 2015-06-01 235231 31528 5
8 2015-07-01 218253 28752 2
9 2016-01-01 125067 20684 27
10 2016-06-01 261025 37521 20
11 2016-07-01 262287 44354 7
12 2017-12-01 42242 5644 3
13 2017-12-01 104553 15419 10
14 2017-12-01 37251 5683 4
15 2018-01-01 473710 60863 14
16 2018-06-01 109139 13188 1
17 2018-06-01 105369 14957 23
18 2018-06-01 110261 14775 32
19 2018-12-01 138481 18835 26
20 2019-06-01 148277 19158 22Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2011-01-01, 2011-01-01, 201…
$ Prenatal_Checkups <dbl> 3260, 634, 295, 2572, 1056, 1439, 136, 5…
$ Births_from_Prenatal_Checkups <dbl> 465, 90, 40, 351, 150, 241, 23, 84, 322,…
$ ent_mun <glue> "17_012", "21_091", "24_019", "16_038",…
# A tibble: 20 × 4
fecha_nacimiento Prenatal_Checkups Births_from_Prenatal_Checkups ent_mun
<date> <dbl> <dbl> <glue>
1 2011-01-01 3260 465 17_012
2 2011-01-01 634 90 21_091
3 2011-01-01 295 40 24_019
4 2011-05-01 2572 351 16_038
5 2011-07-01 1056 150 30_081
6 2012-07-01 1439 241 21_065
7 2013-06-01 136 23 20_271
8 2014-01-01 527 84 14_010
9 2014-01-01 2260 322 14_082
10 2014-12-01 726 102 10_015
11 2015-12-01 818 120 21_038
12 2016-06-01 1195 184 18_007
13 2016-12-01 51 7 20_132
14 2017-06-01 681 103 18_019
15 2017-06-01 229 30 20_435
16 2017-07-01 1347 171 14_005
17 2017-12-01 59 8 20_422
18 2018-06-01 4960 611 16_107
19 2019-01-01 350 52 30_136
20 2019-01-01 21611 2922 21_156 
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2012-01-01, 2012-01-01,…
$ Births_Dont_Get_Prenatal_Atention <dbl> 155, 467, 256, 331, 414, 1149, 1398,…
$ Births_Get_Prenatal_Atention <dbl> 13856, 23027, 12367, 16343, 28755, 6…
$ entidad <dbl> 1, 25, 23, 10, 25, 9, 2, 23, 20, 12,…
# A tibble: 20 × 4
fecha_nacimiento Births_Dont_Get_Prenatal_At…¹ Births_Get_Prenatal_…² entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 155 13856 1
2 2012-01-01 467 23027 25
3 2012-01-01 256 12367 23
4 2012-01-01 331 16343 10
5 2012-07-01 414 28755 25
6 2012-07-01 1149 68993 9
7 2012-07-01 1398 29207 2
8 2013-01-01 323 12416 23
9 2013-01-01 659 34056 20
10 2013-01-01 1361 30508 12
11 2013-05-01 530 48454 16
12 2014-07-01 1520 28194 2
13 2014-12-01 593 42429 19
14 2015-01-01 1373 23639 2
15 2017-01-01 230 14908 31
16 2017-12-01 183 21540 24
17 2018-01-01 400 18289 27
18 2018-12-01 110 11871 1
19 2019-06-01 138 11129 29
20 2019-06-01 4557 114890 15
# ℹ abbreviated names: ¹Births_Dont_Get_Prenatal_Atention,
# ²Births_Get_Prenatal_AtentionRows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2013-01-01, 2013-06-01,…
$ Births_Dont_Get_Prenatal_Atention <dbl> 67, 25, 16, 0, 13, 2, 7, 1, 0, 0, 2,…
$ Births_Get_Prenatal_Atention <dbl> 1299, 127, 253, 53, 447, 495, 156, 8…
$ ent_mun <glue> "21_132", "08_008", "21_106", "19_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 67 1299 21_132
2 2013-01-01 25 127 08_008
3 2013-06-01 16 253 21_106
4 2013-06-01 0 53 19_020
5 2013-06-01 13 447 32_036
6 2014-01-01 2 495 15_092
7 2014-06-01 7 156 30_060
8 2014-12-01 1 87 20_115
9 2014-12-01 0 183 28_037
10 2015-12-01 0 2 20_191
11 2016-06-01 2 335 28_039
12 2016-06-01 1 91 20_418
13 2016-06-01 0 2 20_544
14 2016-06-01 2 113 21_036
15 2016-12-01 81 972 12_066
16 2017-01-01 0 63 31_073
17 2017-06-01 0 5 26_065
18 2018-06-01 0 170 30_062
19 2018-12-01 0 34 21_029
20 2019-06-01 0 45 20_560
# ℹ abbreviated names: ¹Births_Dont_Get_Prenatal_Atention,
# ²Births_Get_Prenatal_Atention
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2012-01-01, 2012-06-0…
$ Maternal_Mortality_Without_Med_Care <dbl> 0, 0, 0, 1, 4, 1, 0, 3, 0, 0, 1, 2…
$ Maternal_Mortality_With_Med_Care <dbl> 4, 7, 9, 18, 14, 5, 6, 21, 6, 4, 1…
$ entidad <dbl> 32, 5, 26, 11, 8, 24, 22, 30, 2, 1…
# A tibble: 20 × 4
fecha_nacimiento Maternal_Mortality_Without_…¹ Maternal_Mortality_W…² entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 0 4 32
2 2012-01-01 0 7 5
3 2012-06-01 0 9 26
4 2012-07-01 1 18 11
5 2013-01-01 4 14 8
6 2013-06-01 1 5 24
7 2014-06-01 0 6 22
8 2015-07-01 3 21 30
9 2016-01-01 0 6 2
10 2016-06-01 0 4 18
11 2016-07-01 1 17 30
12 2016-12-01 2 7 19
13 2016-12-01 1 0 3
14 2017-06-01 0 1 25
15 2017-07-01 3 16 14
16 2018-06-01 0 13 16
17 2018-06-01 1 7 2
18 2018-12-01 0 5 25
19 2018-12-01 0 1 4
20 2019-01-01 0 7 27
# ℹ abbreviated names: ¹Maternal_Mortality_Without_Med_Care,
# ²Maternal_Mortality_With_Med_CareRows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2011-07-01, 2013-01-0…
$ 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, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
$ ent_mun <glue> "15_091", "20_541", "32_045", "20…
# A tibble: 20 × 4
fecha_nacimiento Maternal_Mortality_Without_…¹ Maternal_Mortality_W…² ent_mun
<date> <dbl> <dbl> <glue>
1 2011-01-01 0 0 15_091
2 2011-07-01 0 0 20_541
3 2013-01-01 0 0 32_045
4 2013-01-01 0 0 20_284
5 2013-06-01 0 0 20_117
6 2013-06-01 0 0 16_066
7 2013-12-01 0 0 19_006
8 2014-01-01 0 0 07_085
9 2014-01-01 0 0 17_016
10 2014-06-01 0 0 25_002
11 2014-07-01 0 0 14_077
12 2015-01-01 0 0 14_042
13 2017-06-01 0 0 20_060
14 2017-07-01 0 0 27_016
15 2017-12-01 0 0 20_080
16 2017-12-01 0 0 16_039
17 2018-01-01 0 0 07_113
18 2018-12-01 0 0 26_027
19 2019-06-01 0 0 13_042
20 2019-06-01 0 0 16_009
# ℹ abbreviated names: ¹Maternal_Mortality_Without_Med_Care,
# ²Maternal_Mortality_With_Med_Care
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2012-07-01, 2013-01-01, 2013-…
$ Births_From_Weight_Adjusted <dbl> 28389, 35173, 12022, 30824, 39869, 24336, …
$ Weight_Adjusted <dbl> 93125508, 111278662, 38394117, 96930606, 1…
$ entidad <dbl> 2, 20, 23, 12, 19, 13, 25, 9, 31, 18, 26, …
# A tibble: 20 × 4
fecha_nacimiento Births_From_Weight_Adjusted Weight_Adjusted entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 28389 93125508 2
2 2012-07-01 35173 111278662 20
3 2013-01-01 12022 38394117 23
4 2013-07-01 30824 96930606 12
5 2013-12-01 39869 127703902 19
6 2014-06-01 24336 75491531 13
7 2014-06-01 25089 81918012 25
8 2015-01-01 59572 181292923 9
9 2015-01-01 15697 48569674 31
10 2015-06-01 10087 32648564 18
11 2015-12-01 19695 65136376 26
12 2016-01-01 53389 169926070 30
13 2016-07-01 57255 174411970 9
14 2016-12-01 125727 384378316 15
15 2017-12-01 20695 64946159 24
16 2018-06-01 19162 59161996 22
17 2018-12-01 21794 71105816 2
18 2019-01-01 53609 164604435 21
19 2019-06-01 27313 85086162 12
20 2019-07-01 20246 64059450 27Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2011-07-01, 2012-07-01, 2013-…
$ Births_From_Weight_Adjusted <dbl> 3081, 66, 439, 856, 1982, 44, 5, 48, 583, …
$ Weight_Adjusted <dbl> 10281795, 209970, 1418334, 2640915, 631497…
$ ent_mun <glue> "26_018", "20_185", "05_024", "16_066", "…
# A tibble: 20 × 4
fecha_nacimiento Births_From_Weight_Adjusted Weight_Adjusted ent_mun
<date> <dbl> <dbl> <glue>
1 2011-01-01 3081 10281795 26_018
2 2011-07-01 66 209970 20_185
3 2012-07-01 439 1418334 05_024
4 2013-11-01 856 2640915 16_066
5 2013-12-01 1982 6314979 04_003
6 2014-01-01 44 133080 31_049
7 2014-12-01 5 14660 19_040
8 2014-12-01 48 147930 20_539
9 2016-01-01 583 1878866 30_155
10 2016-07-01 187 556551 21_013
11 2017-01-01 180 570724 30_026
12 2017-06-01 36 109150 20_366
13 2017-06-01 218 716910 30_033
14 2017-06-01 5 17388 08_064
15 2017-07-01 956 2998633 11_002
16 2017-12-01 60 191160 20_042
17 2018-01-01 69 204356 31_011
18 2018-06-01 25 81210 21_159
19 2018-07-01 26 82191 21_027
20 2018-12-01 232 744270 30_133 
Rows: 20
Columns: 5
$ fecha_nacimiento <date> 2012-07-01, 2012…
$ Births_from_quarter_first_prenatal_PRIMER_TRIMESTRE <dbl> 9470, 4551, 45064…
$ Births_from_quarter_first_prenatal_SEGUNDO_TRIMESTRE <dbl> 1726, 1072, 13554…
$ Births_from_quarter_first_prenatal_TERCER_TRIMESTRE <dbl> 293, 180, 2822, 1…
$ entidad <dbl> 18, 3, 21, 20, 32…
# A tibble: 20 × 5
fecha_nacimiento Births_from_quarter_first_prenatal_…¹ Births_from_quarter_…²
<date> <dbl> <dbl>
1 2012-07-01 9470 1726
2 2012-12-01 4551 1072
3 2013-06-01 45064 13554
4 2013-06-01 26643 8457
5 2013-12-01 11879 2344
6 2014-01-01 14279 5290
7 2014-07-01 47389 10135
8 2014-12-01 9214 2978
9 2015-01-01 12021 3145
10 2015-06-01 16500 3583
11 2015-06-01 23697 5718
12 2015-07-01 48583 9207
13 2016-12-01 15874 3147
14 2016-12-01 19700 2464
15 2017-06-01 10743 3566
16 2017-12-01 4331 924
17 2018-01-01 38318 11347
18 2018-06-01 26078 7950
19 2018-06-01 19809 3797
20 2018-12-01 23164 6679
# 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, 2012…
$ Births_from_quarter_first_prenatal_PRIMER_TRIMESTRE <dbl> 3977, 53, 167, 25…
$ Births_from_quarter_first_prenatal_SEGUNDO_TRIMESTRE <dbl> 816, 26, 32, 110,…
$ Births_from_quarter_first_prenatal_TERCER_TRIMESTRE <dbl> 156, 2, 6, 15, 11…
$ ent_mun <glue> "11_007", "30_18…
# A tibble: 20 × 5
fecha_nacimiento Births_from_quarter_first_prenatal_…¹ Births_from_quarter_…²
<date> <dbl> <dbl>
1 2011-07-01 3977 816
2 2012-01-01 53 26
3 2012-05-01 167 32
4 2012-07-01 258 110
5 2012-12-01 2353 315
6 2013-06-01 24 5
7 2013-12-01 11 7
8 2014-12-01 41 10
9 2016-06-01 119 17
10 2016-06-01 123 81
11 2016-12-01 104 65
12 2017-06-01 134 21
13 2017-12-01 7 0
14 2017-12-01 26 5
15 2017-12-01 120 41
16 2018-06-01 50 12
17 2018-06-01 1032 193
18 2018-12-01 1261 273
19 2019-01-01 20 1
20 2019-06-01 7 1
# 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 2011-01-01 116 73069
2 2011-01-01 40 15382
3 2011-07-01 14 11684
4 2011-07-01 29 27207
5 2012-07-01 25 16232
6 2012-07-01 192 61222
7 2013-01-01 23 21217
8 2013-01-01 652 28156
9 2013-05-01 112 48591
10 2013-07-01 697 151174
11 2013-12-01 6 6084
12 2014-06-01 16 6499
13 2014-12-01 120 50047
14 2015-06-01 6 10622
15 2015-07-01 43 50287
16 2016-06-01 62 24753
17 2018-06-01 59 501
18 2018-06-01 10 3488
19 2018-06-01 2 9931
20 2019-06-01 2 1981
# 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 0 231
2 2011-07-01 1 39
3 2012-06-01 1 102
4 2013-01-01 1 610
5 2013-12-01 0 267
6 2013-12-01 0 4
7 2014-01-01 0 901
8 2014-06-01 0 36
9 2014-12-01 0 1339
10 2015-07-01 4 409
11 2015-12-01 0 17
12 2015-12-01 0 829
13 2016-06-01 0 14
14 2016-06-01 0 8
15 2016-12-01 0 157
16 2017-12-01 2 43
17 2017-12-01 1 265
18 2018-06-01 0 25
19 2019-06-01 0 12
20 2019-06-01 0 44
# 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> 2011-01-01, 2011-05-01, 2012-07-01, 201…
$ Gestational_Weeks <dbl> 1116804, 1823959, 1285710, 1012794, 2490…
$ Births_From_Gestational_Weeks <dbl> 28604, 47123, 32939, 26036, 6404, 41516,…
$ entidad <dbl> 12, 16, 12, 2, 3, 19, 29, 6, 32, 19, 30,…
# A tibble: 20 × 4
fecha_nacimiento Gestational_Weeks Births_From_Gestational_Weeks entidad
<date> <dbl> <dbl> <dbl>
1 2011-01-01 1116804 28604 12
2 2011-05-01 1823959 47123 16
3 2012-07-01 1285710 32939 12
4 2013-01-01 1012794 26036 2
5 2013-06-01 249098 6404 3
6 2013-12-01 1594703 41516 19
7 2014-12-01 479226 12377 29
8 2014-12-01 216455 5566 6
9 2015-12-01 567868 14746 32
10 2016-06-01 1928862 50286 19
11 2016-07-01 2535586 65333 30
12 2016-12-01 259462 6687 4
13 2016-12-01 644205 16663 10
14 2016-12-01 5220169 134740 15
15 2017-06-01 958611 24853 24
16 2017-06-01 928953 24026 13
17 2018-06-01 1184544 30427 12
18 2018-12-01 1241854 31924 20
19 2019-01-01 505688 13043 17
20 2019-06-01 212837 5490 6Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2012-01-01, 2012-12-01, 201…
$ Gestational_Weeks <dbl> 236, 465, 2462, 29340, 2532, 14164, 116,…
$ Births_From_Gestational_Weeks <dbl> 6, 12, 64, 757, 65, 367, 3, 50, 191, 283…
$ ent_mun <glue> "26_054", "19_050", "12_006", "14_073",…
# A tibble: 20 × 4
fecha_nacimiento Gestational_Weeks Births_From_Gestational_Weeks ent_mun
<date> <dbl> <dbl> <glue>
1 2011-07-01 236 6 26_054
2 2012-01-01 465 12 19_050
3 2012-12-01 2462 64 12_006
4 2013-01-01 29340 757 14_073
5 2013-07-01 2532 65 18_013
6 2014-12-01 14164 367 30_045
7 2014-12-01 116 3 20_365
8 2014-12-01 1953 50 29_052
9 2015-06-01 7384 191 21_144
10 2015-07-01 11019 283 30_077
11 2015-12-01 32755 837 20_043
12 2016-01-01 6508 167 14_021
13 2016-07-01 1327 34 30_098
14 2016-12-01 30357 777 20_039
15 2017-06-01 3757 98 24_006
16 2017-07-01 4991 129 30_202
17 2018-01-01 1139 29 21_005
18 2018-06-01 0 0 01_998
19 2018-12-01 4092 106 24_029
20 2019-06-01 1786 46 32_002 
Rows: 20
Columns: 7
$ fecha_nacimiento <date> 2011-07-01, 2012-12-01, 2013-12-…
$ Births_from_used_procedure_CESAREA <dbl> 9844, 7122, 11475, 10159, 12482, …
$ Births_from_used_procedure_EUTOCICO <dbl> 8873, 15997, 19825, 10707, 17164,…
$ Births_from_used_procedure_FORCEPS <dbl> 21, 356, 10, 55, 41, 234, 289, 9,…
$ Births_from_used_procedure_OTRO <dbl> 12, 22, 25, 16, 71, 99, 45, 42, 0…
$ Births_from_used_procedure_DISTOCICO <dbl> 0, 0, 0, 0, 0, 6, 191, 261, 33, 1…
$ entidad <dbl> 31, 24, 12, 22, 2, 9, 21, 21, 25,…
# A tibble: 20 × 7
fecha_nacimiento Births_from_used_procedure_CESAREA Births_from_used_proced…¹
<date> <dbl> <dbl>
1 2011-07-01 9844 8873
2 2012-12-01 7122 15997
3 2013-12-01 11475 19825
4 2014-06-01 10159 10707
5 2014-07-01 12482 17164
6 2015-01-01 32510 30430
7 2015-07-01 30629 31959
8 2016-07-01 31555 30700
9 2016-12-01 12009 11090
10 2016-12-01 5055 9364
11 2017-06-01 11110 12783
12 2017-06-01 22503 23430
13 2017-06-01 3106 5068
14 2017-07-01 15053 31233
15 2018-01-01 26210 23522
16 2018-06-01 11610 11078
17 2018-06-01 6502 5391
18 2018-07-01 28969 31032
19 2018-07-01 26823 23692
20 2018-12-01 11118 13386
# 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> 2011-01-01, 2012-07-01, 2012-11-…
$ Births_from_used_procedure_CESAREA <dbl> 49, 3, 104, 17, 10, 34, 2, 207, 2…
$ Births_from_used_procedure_EUTOCICO <dbl> 40, 9, 118, 24, 5, 18, 7, 253, 39…
$ Births_from_used_procedure_FORCEPS <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ Births_from_used_procedure_OTRO <dbl> 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ Births_from_used_procedure_DISTOCICO <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, …
$ ent_mun <glue> "20_136", "20_292", "16_047", "2…
# A tibble: 20 × 7
fecha_nacimiento Births_from_used_procedure_CESAREA Births_from_used_proced…¹
<date> <dbl> <dbl>
1 2011-01-01 49 40
2 2012-07-01 3 9
3 2012-11-01 104 118
4 2013-06-01 17 24
5 2013-06-01 10 5
6 2014-06-01 34 18
7 2015-12-01 2 7
8 2016-06-01 207 253
9 2016-07-01 21 39
10 2017-01-01 72 101
11 2017-06-01 10 19
12 2017-12-01 243 305
13 2018-01-01 359 327
14 2018-06-01 880 1118
15 2018-06-01 35 90
16 2018-12-01 3 2
17 2019-01-01 45 161
18 2019-06-01 772 628
19 2019-06-01 542 475
20 2019-07-01 614 656
# 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> 2011-01-01, 2011-0…
$ Births_from_mother_scholarity_Preparatorio_Y_Menos <dbl> 8276, 24728, 14355,…
$ Births_from_mother_scholarity_Profesional_Y_Mas <dbl> 1638, 3535, 2207, 4…
$ entidad <dbl> 18, 27, 17, 28, 8, …
# A tibble: 20 × 4
fecha_nacimiento Births_from_mother_scholari…¹ Births_from_mother_s…² entidad
<date> <dbl> <dbl> <dbl>
1 2011-01-01 8276 1638 18
2 2011-07-01 24728 3535 27
3 2012-01-01 14355 2207 17
4 2012-01-01 22595 4374 28
5 2013-01-01 25319 3508 8
6 2013-06-01 16393 2446 10
7 2013-07-01 14688 2433 17
8 2014-12-01 27364 3651 12
9 2014-12-01 9941 1618 1
10 2015-06-01 40540 8707 19
11 2016-01-01 17672 2882 27
12 2016-06-01 39588 4932 16
13 2016-07-01 15867 2819 31
14 2016-12-01 17623 5243 25
15 2017-06-01 50614 8823 30
16 2017-07-01 13027 2332 17
17 2017-12-01 36110 4776 16
18 2018-06-01 23066 3092 2
19 2018-12-01 20034 2755 2
20 2019-01-01 44500 5887 11
# ℹ abbreviated names: ¹Births_from_mother_scholarity_Preparatorio_Y_Menos,
# ²Births_from_mother_scholarity_Profesional_Y_MasRows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2012-0…
$ Births_from_mother_scholarity_Preparatorio_Y_Menos <dbl> 8, 18, 12, 232, 770…
$ Births_from_mother_scholarity_Profesional_Y_Mas <dbl> 0, 1, 0, 16, 97, 1,…
$ ent_mun <glue> "20_203", "20_487"…
# A tibble: 20 × 4
fecha_nacimiento Births_from_mother_scholari…¹ Births_from_mother_s…² ent_mun
<date> <dbl> <dbl> <glue>
1 2011-01-01 8 0 20_203
2 2012-01-01 18 1 20_487
3 2012-01-01 12 0 20_255
4 2012-06-01 232 16 12_023
5 2012-07-01 770 97 31_102
6 2013-01-01 67 1 30_187
7 2014-05-01 1588 290 16_052
8 2014-12-01 421 24 25_008
9 2014-12-01 2 0 20_365
10 2015-07-01 260 12 11_012
11 2015-12-01 19 0 08_028
12 2016-06-01 107 9 21_157
13 2016-07-01 133 3 21_148
14 2016-12-01 19 0 20_220
15 2016-12-01 3 0 20_493
16 2017-06-01 145 16 20_364
17 2017-07-01 7 0 21_131
18 2017-07-01 33 4 21_141
19 2018-12-01 102 16 08_002
20 2019-01-01 1700 288 11_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> 2011-01-01, 2011-01-01, 2011-01-01, 2013-01-0…
$ Enrolled_health_service <dbl> 24762, 13193, 11759, 28710, 9828, 38380, 18824…
$ Not_Enrolled <dbl> 2745, 1192, 3842, 3143, 3344, 19240, 6772, 369…
$ entidad <dbl> 28, 31, 17, 12, 29, 21, 2, 5, 16, 19, 4, 23, 1…
# A tibble: 20 × 4
fecha_nacimiento Enrolled_health_service Not_Enrolled entidad
<date> <dbl> <dbl> <dbl>
1 2011-01-01 24762 2745 28
2 2011-01-01 13193 1192 31
3 2011-01-01 11759 3842 17
4 2013-01-01 28710 3143 12
5 2013-06-01 9828 3344 29
6 2013-12-01 38380 19240 21
7 2014-01-01 18824 6772 2
8 2015-06-01 27623 3690 5
9 2015-06-01 35497 10301 16
10 2015-12-01 38915 3953 19
11 2016-06-01 7937 414 4
12 2016-12-01 11105 890 23
13 2017-01-01 55630 10362 14
14 2017-06-01 4110 1669 6
15 2017-06-01 22176 1337 26
16 2017-12-01 14202 999 10
17 2018-01-01 37618 11860 9
18 2018-06-01 22656 3613 2
19 2019-06-01 31300 10898 16
20 2019-07-01 35299 4809 7Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2011-01-01, 2011-07-01, 2011-07-0…
$ Enrolled_health_service <dbl> 124, 13, 46, 40, 673, 162, 25, 340, 75, 24, 80…
$ Not_Enrolled <dbl> 28, 0, 9, 2, 122, 10, 1, 19, 13, 1, 25, 113, 1…
$ ent_mun <glue> "07_081", "08_015", "13_043", "20_378", "25_0…
# A tibble: 20 × 4
fecha_nacimiento Enrolled_health_service Not_Enrolled ent_mun
<date> <dbl> <dbl> <glue>
1 2011-01-01 124 28 07_081
2 2011-01-01 13 0 08_015
3 2011-07-01 46 9 13_043
4 2011-07-01 40 2 20_378
5 2013-01-01 673 122 25_010
6 2013-06-01 162 10 12_039
7 2014-01-01 25 1 14_117
8 2014-12-01 340 19 20_413
9 2015-06-01 75 13 32_009
10 2015-07-01 24 1 21_028
11 2016-06-01 80 25 16_014
12 2016-06-01 3157 113 26_018
13 2016-06-01 518 121 29_010
14 2016-12-01 241 10 25_002
15 2017-06-01 803 103 30_160
16 2017-06-01 57 4 20_090
17 2017-12-01 164 50 30_130
18 2018-01-01 216 42 14_046
19 2018-06-01 61 14 30_165
20 2018-07-01 129 38 30_043 
Rows: 20
Columns: 22
$ fecha_nacimiento <date> 2011-01-01, 2012-01-01, 2012-07-01, 2013-01-01,…
$ IMSS_2 <int> 3358, 3331, 6011, 9290, 3637, 10818, 7967, 3018,…
$ ISSFAM <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ ISSSTE_2 <int> 1269, 1318, 488, 315, 1316, 1092, 1300, 518, 410…
$ PEMEX <int> 140, 112, 31, 13, 137, 351, 19, 2, 31, 9, 1, 42,…
$ SEDENA <int> 234, 192, 107, 95, 240, 98, 101, 19, 73, 88, 114…
$ SEMAR <int> 105, 88, 10, 43, 89, 92, 65, 19, 12, 72, 4, 0, 5…
$ IMSS_BIENESTAR <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ IMSS_OPORTUNIDADES <int> 16, 604, 307, 48, 360, 26, 769, 106, 621, 775, 5…
$ SEGURO_POPULAR <int> 20234, 21108, 9594, 9370, 24927, 15744, 25222, 5…
$ SEGURO_POPULAR_INSABI <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ NINGUNA <int> 6410, 6594, 1610, 6132, 6076, 3262, 10301, 779, …
$ NO_ESPECIFICADO <int> 9, 33, 13, 10, 37, 22, 0, 1, 0, 0, 1, 0, 14, 16,…
$ NO_APLICA <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ SE_IGNORA <int> 1098, 869, 1035, 61, 931, 497, 674, 272, 233, 45…
$ OTRA <int> 70, 56, 74, 666, 83, 519, 54, 35, 56, 679, 36, 6…
$ Contributory_System <int> 5106, 5041, 6647, 9756, 5419, 12451, 9452, 3576,…
$ Non_Contributory <int> 20250, 21712, 9901, 9418, 25287, 15770, 25991, 5…
$ NONE_NOT_SPECIFIED <int> 7517, 7496, 2658, 6203, 7044, 3781, 10975, 1052,…
$ Otra <int> 70, 56, 74, 666, 83, 519, 54, 35, 56, 679, 36, 6…
$ TOTAL <int> 32943, 34305, 19280, 26043, 37833, 32521, 46472,…
$ entidad <dbl> 20, 20, 31, 2, 20, 28, 16, 18, 31, 2, 17, 21, 6,…
# 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 2011-01-01 3358 0 1269 140 234 105 0
2 2012-01-01 3331 0 1318 112 192 88 0
3 2012-07-01 6011 0 488 31 107 10 0
4 2013-01-01 9290 0 315 13 95 43 0
5 2013-06-01 3637 0 1316 137 240 89 0
6 2014-06-01 10818 0 1092 351 98 92 0
7 2015-06-01 7967 0 1300 19 101 65 0
8 2015-06-01 3018 0 518 2 19 19 0
9 2016-01-01 4947 0 410 31 73 12 0
10 2016-06-01 10745 0 411 9 88 72 0
11 2016-07-01 3634 0 652 1 114 4 0
12 2017-07-01 7499 0 853 42 213 0 0
13 2017-12-01 2028 0 181 1 6 58 0
14 2018-06-01 21278 0 869 92 134 1 0
15 2018-07-01 16904 0 2865 335 98 138 0
16 2018-12-01 5954 0 337 3 24 5 0
17 2019-01-01 15962 0 2686 353 102 95 0
18 2019-06-01 2276 0 195 9 2 96 0
19 2019-07-01 14370 0 1248 135 98 38 0
20 2019-07-01 25869 0 707 104 20 14 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> 2011-01-01, 2012-01-01, 2013-01-01, 2013-06-01,…
$ IMSS_2 <dbl> 1, 4, 1, 0, 1, 42, 28, 183, 0, 32, 226, 0, 1, 3,…
$ ISSFAM <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ ISSSTE_2 <dbl> 0, 2, 7, 1, 1, 9, 3, 13, 0, 0, 22, 0, 0, 0, 4, 3…
$ PEMEX <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 71, 0, 0, 0, 0, 4,…
$ SEDENA <dbl> 0, 0, 2, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1, …
$ SEMAR <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, …
$ IMSS_BIENESTAR <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ IMSS_OPORTUNIDADES <dbl> 0, 0, 0, 1, 0, 26, 2, 0, 0, 0, 0, 0, 1, 0, 3, 1,…
$ SEGURO_POPULAR <dbl> 19, 75, 100, 65, 113, 234, 196, 251, 5, 10, 2034…
$ SEGURO_POPULAR_INSABI <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ NINGUNA <dbl> 0, 3, 13, 50, 6, 42, 25, 8, 3, 0, 263, 0, 1, 4, …
$ NO_ESPECIFICADO <dbl> 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 7, 3, …
$ NO_APLICA <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ SE_IGNORA <dbl> 0, 1, 3, 13, 6, 4, 1, 1, 0, 6, 5, 0, 0, 0, 11, 0…
$ OTRA <dbl> 0, 0, 0, 0, 0, 2, 0, 0, 0, 0, 41, 0, 0, 0, 6, 1,…
$ Contributory_System <dbl> 1, 6, 10, 1, 2, 51, 32, 196, 0, 32, 320, 0, 1, 3…
$ Non_Contributory <dbl> 19, 75, 100, 66, 113, 260, 198, 251, 5, 10, 2034…
$ NONE_NOT_SPECIFIED <dbl> 0, 4, 16, 63, 13, 46, 26, 9, 3, 6, 268, 0, 1, 4,…
$ Otra <dbl> 0, 0, 0, 0, 0, 2, 0, 0, 0, 0, 41, 0, 0, 0, 6, 1,…
$ TOTAL <dbl> 20, 85, 126, 130, 128, 359, 256, 456, 8, 48, 266…
$ ent_mun <glue> "20_102", "10_035", "12_013", "20_242", "30_095…
# 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 2011-01-01 1 0 0 0 0 0 0
2 2012-01-01 4 0 2 0 0 0 0
3 2013-01-01 1 0 7 0 2 0 0
4 2013-06-01 0 0 1 0 0 0 0
5 2013-12-01 1 0 1 0 0 0 0
6 2014-06-01 42 0 9 0 0 0 0
7 2014-06-01 28 0 3 0 1 0 0
8 2014-12-01 183 0 13 0 0 0 0
9 2015-06-01 0 0 0 0 0 0 0
10 2015-06-01 32 0 0 0 0 0 0
11 2015-07-01 226 0 22 71 1 0 0
12 2016-12-01 0 0 0 0 0 0 0
13 2016-12-01 1 0 0 0 0 0 0
14 2017-01-01 3 0 0 0 0 0 0
15 2018-01-01 29 0 4 0 0 0 0
16 2018-01-01 86 0 3 4 1 1 0
17 2018-06-01 0 0 0 0 0 0 0
18 2018-12-01 75 0 39 0 3 0 0
19 2019-06-01 29 0 21 1 2 0 0
20 2019-07-01 0 0 2 1 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> 2011-01-01, 2012-01-01, 2012-07-01, 2013-01-01, 20…
$ Congenital_Anomaly <dbl> 5066, 1329, 1283, 8189, 3008, 5886, 1450, 1306, 140…
$ None_Anomaly <dbl> 27842, 11660, 29365, 135079, 22558, 41739, 31024, 1…
$ entidad <dbl> 20, 1, 2, 15, 24, 19, 8, 1, 27, 21, 21, 32, 12, 11,…
# A tibble: 20 × 4
fecha_nacimiento Congenital_Anomaly None_Anomaly entidad
<date> <dbl> <dbl> <dbl>
1 2011-01-01 5066 27842 20
2 2012-01-01 1329 11660 1
3 2012-07-01 1283 29365 2
4 2013-01-01 8189 135079 15
5 2013-06-01 3008 22558 24
6 2013-06-01 5886 41739 19
7 2013-06-01 1450 31024 8
8 2013-12-01 1306 11780 1
9 2014-01-01 1403 19886 27
10 2015-06-01 2056 61094 21
11 2016-01-01 1870 57927 21
12 2016-06-01 666 15221 32
13 2016-06-01 1339 31554 12
14 2016-07-01 3586 56244 11
15 2017-07-01 7449 66597 14
16 2018-06-01 1803 27530 28
17 2018-06-01 1723 11444 1
18 2018-06-01 592 14180 32
19 2018-06-01 1238 25169 2
20 2018-12-01 569 20895 25Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2011-07-01, 2011-07-01, 2012-01-01, 20…
$ Congenital_Anomaly <dbl> 0, 1, 23, 0, 10, 2, 1, 3, 10, 3, 5, 2, 0, 11, 8, 2,…
$ None_Anomaly <dbl> 0, 15, 1508, 7, 314, 123, 60, 368, 340, 7, 122, 108…
$ ent_mun <glue> "17_035", "20_499", "10_012", "20_228", "30_138", …
# A tibble: 20 × 4
fecha_nacimiento Congenital_Anomaly None_Anomaly ent_mun
<date> <dbl> <dbl> <glue>
1 2011-01-01 0 0 17_035
2 2011-07-01 1 15 20_499
3 2011-07-01 23 1508 10_012
4 2012-01-01 0 7 20_228
5 2012-07-01 10 314 30_138
6 2013-12-01 2 123 12_078
7 2013-12-01 1 60 29_009
8 2013-12-01 3 368 12_052
9 2014-06-01 10 340 18_012
10 2015-12-01 3 7 20_329
11 2016-06-01 5 122 30_036
12 2016-06-01 2 108 30_167
13 2016-06-01 0 3 20_322
14 2017-06-01 11 278 16_068
15 2017-07-01 8 113 21_152
16 2018-06-01 2 45 29_011
17 2018-12-01 2 16 08_053
18 2018-12-01 0 185 21_169
19 2018-12-01 13 531 08_029
20 2019-06-01 53 1471 06_007 
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2011-01-01, 2011-01-01, 20…
$ valoracion_apgar_nac_vivo_suma <dbl> 1271477, 214805, 85938, 415503, 708735,…
$ Births_From_Apgar_Valuation <dbl> 143853, 24106, 9636, 47027, 79313, 2977…
$ entidad <dbl> 15, 25, 18, 16, 14, 8, 30, 8, 13, 30, 2…
# A tibble: 20 × 4
fecha_nacimiento valoracion_apgar_nac_vivo_s…¹ Births_From_Apgar_Va…² entidad
<date> <dbl> <dbl> <dbl>
1 2011-01-01 1271477 143853 15
2 2011-01-01 214805 24106 25
3 2011-01-01 85938 9636 18
4 2011-05-01 415503 47027 16
5 2011-07-01 708735 79313 14
6 2012-01-01 264193 29776 8
7 2012-07-01 596604 67385 30
8 2013-01-01 258763 29168 8
9 2013-06-01 238776 26854 13
10 2013-06-01 625595 70690 30
11 2014-12-01 239885 26950 28
12 2015-01-01 561737 63192 9
13 2015-12-01 65327 7392 4
14 2016-06-01 279980 31769 12
15 2017-12-01 174120 19674 26
16 2018-06-01 1131503 127420 15
17 2018-06-01 130939 14730 32
18 2018-07-01 309182 35338 7
19 2019-06-01 249820 28016 28
20 2019-06-01 112627 12661 1
# ℹ abbreviated names: ¹valoracion_apgar_nac_vivo_suma,
# ²Births_From_Apgar_ValuationRows: 20
Columns: 4
$ fecha_nacimiento <date> 2012-01-01, 2012-01-01, 2012-01-01, 20…
$ valoracion_apgar_nac_vivo_suma <dbl> 12741, 4114, 965, 3238, 1307, 27782, 96…
$ Births_From_Apgar_Valuation <dbl> 1488, 469, 111, 361, 144, 3116, 1100, 1…
$ ent_mun <glue> "06_007", "11_019", "24_018", "14_078"…
# A tibble: 20 × 4
fecha_nacimiento valoracion_apgar_nac_vivo_s…¹ Births_From_Apgar_Va…² ent_mun
<date> <dbl> <dbl> <glue>
1 2012-01-01 12741 1488 06_007
2 2012-01-01 4114 469 11_019
3 2012-01-01 965 111 24_018
4 2012-07-01 3238 361 14_078
5 2012-12-01 1307 144 16_029
6 2013-01-01 27782 3116 21_156
7 2014-06-01 9607 1100 16_069
8 2014-06-01 1631 185 30_121
9 2014-12-01 344 38 20_178
10 2015-06-01 5488 618 08_027
11 2015-12-01 54 6 26_064
12 2015-12-01 736 82 22_015
13 2015-12-01 755 84 19_005
14 2016-01-01 430 49 30_037
15 2016-06-01 8092 912 24_020
16 2016-12-01 51 6 20_290
17 2017-06-01 168 20 30_018
18 2017-06-01 420 47 20_484
19 2017-07-01 3163 352 11_018
20 2017-07-01 134219 15085 21_114
# ℹ abbreviated names: ¹valoracion_apgar_nac_vivo_suma,
# ²Births_From_Apgar_Valuation
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2011-07-01, 2012-01-01…
$ valoracion_silverman_nac_vivo_suma <dbl> 5890, 602, 26407, 15319, 3913, 1271…
$ Births_From_Silverman_Valuation <dbl> 26718, 8692, 149106, 56319, 25988, …
$ entidad <dbl> 2, 4, 15, 11, 13, 3, 8, 2, 16, 11, …
# A tibble: 20 × 4
fecha_nacimiento valoracion_silverman_nac_vi…¹ Births_From_Silverma…² entidad
<date> <dbl> <dbl> <dbl>
1 2011-01-01 5890 26718 2
2 2011-07-01 602 8692 4
3 2012-01-01 26407 149106 15
4 2012-01-01 15319 56319 11
5 2012-07-01 3913 25988 13
6 2012-12-01 1271 6030 3
7 2013-06-01 6523 32268 8
8 2013-07-01 4777 30641 2
9 2013-12-01 7280 44624 16
10 2014-01-01 13270 54518 11
11 2014-07-01 3977 27688 27
12 2014-12-01 3291 25535 28
13 2015-06-01 2357 9249 4
14 2016-06-01 10779 44463 16
15 2016-06-01 7026 50227 19
16 2016-07-01 8693 65339 30
17 2018-06-01 3041 9406 18
18 2018-06-01 3464 14734 32
19 2018-07-01 14121 35291 7
20 2019-06-01 4193 21381 13
# ℹ abbreviated names: ¹valoracion_silverman_nac_vivo_suma,
# ²Births_From_Silverman_ValuationRows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2011-01-01, 2011-01-01…
$ valoracion_silverman_nac_vivo_suma <dbl> 202, 28, 20, 3, 35, 18, 8, 0, 17, 2…
$ Births_From_Silverman_Valuation <dbl> 884, 239, 303, 48, 129, 171, 74, 6,…
$ ent_mun <glue> "02_003", "32_054", "10_008", "20_…
# A tibble: 20 × 4
fecha_nacimiento valoracion_silverman_nac_vi…¹ Births_From_Silverma…² ent_mun
<date> <dbl> <dbl> <glue>
1 2011-01-01 202 884 02_003
2 2011-01-01 28 239 32_054
3 2011-01-01 20 303 10_008
4 2011-07-01 3 48 20_326
5 2012-01-01 35 129 11_010
6 2012-07-01 18 171 30_172
7 2013-01-01 8 74 20_540
8 2013-01-01 0 6 20_290
9 2013-06-01 17 265 21_172
10 2014-06-01 2 9 20_290
11 2014-07-01 7 38 07_025
12 2014-12-01 18 147 30_168
13 2015-06-01 48 225 32_019
14 2015-06-01 3 22 19_030
15 2015-06-01 14 195 13_049
16 2015-12-01 0 20 20_254
17 2017-06-01 0 14 20_315
18 2018-01-01 1 75 21_057
19 2018-12-01 18 81 08_055
20 2018-12-01 46 350 13_013
# ℹ abbreviated names: ¹valoracion_silverman_nac_vivo_suma,
# ²Births_From_Silverman_Valuation
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2012-01-01, 2012-01-01, 2012-0…
$ talla_nac_vivo_ajust_suma <dbl> 1572182, 1326412, 1336992, 1257978, 730115,…
$ Births_From_Talla_Ajustada <dbl> 31633, 26386, 26458, 25249, 14618, 54143, 2…
$ entidad <dbl> 20, 28, 2, 13, 23, 11, 8, 2, 26, 15, 6, 28,…
# A tibble: 20 × 4
fecha_nacimiento talla_nac_vivo_ajust_suma Births_From_Talla_Ajustada entidad
<date> <dbl> <dbl> <dbl>
1 2011-01-01 1572182 31633 20
2 2012-01-01 1326412 26386 28
3 2012-01-01 1336992 26458 2
4 2012-07-01 1257978 25249 13
5 2012-07-01 730115 14618 23
6 2013-01-01 2702268 54143 11
7 2013-01-01 1402871 27730 8
8 2013-07-01 1493996 29785 2
9 2014-06-01 1219356 24097 26
10 2014-12-01 6758227 136144 15
11 2014-12-01 268028 5344 6
12 2015-06-01 1570025 31308 28
13 2016-06-01 2184099 43779 16
14 2016-12-01 259193 5176 6
15 2017-12-01 1057910 21183 24
16 2017-12-01 749196 14890 10
17 2019-06-01 1309963 26140 5
18 2019-06-01 1339587 26677 8
19 2019-06-01 1030912 20402 26
20 2019-07-01 658733 13282 17Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2012-01-01, 2012-0…
$ talla_nac_vivo_ajust_suma <dbl> 799, 13759, 8917, 409, 1844, 5657, 13251, 5…
$ Births_From_Talla_Ajustada <dbl> 16, 271, 179, 8, 37, 114, 263, 1060, 151, 4…
$ ent_mun <glue> "20_167", "25_004", "20_190", "08_024", "3…
# A tibble: 20 × 4
fecha_nacimiento talla_nac_vivo_ajust_suma Births_From_Talla_Ajustada ent_mun
<date> <dbl> <dbl> <glue>
1 2011-07-01 799 16 20_167
2 2011-07-01 13759 271 25_004
3 2012-01-01 8917 179 20_190
4 2012-01-01 409 8 08_024
5 2012-01-01 1844 37 32_001
6 2012-01-01 5657 114 12_015
7 2013-06-01 13251 263 32_049
8 2013-12-01 53296 1060 06_010
9 2013-12-01 7558 151 12_069
10 2014-01-01 218085 4313 02_001
11 2014-06-01 5489 112 13_075
12 2015-06-01 1389 28 20_330
13 2015-06-01 593 12 20_110
14 2015-06-01 2295 47 20_249
15 2017-01-01 5177 105 07_085
16 2018-01-01 15581 313 21_094
17 2018-01-01 13666 273 07_037
18 2018-01-01 687 14 31_046
19 2018-12-01 1922 39 30_156
20 2019-06-01 872 18 20_201 
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2011-07-01, 2011-08…
$ peso_nac_vivo_ajust_suma <dbl> 36207365, 75985448, 38747714, 21173655, 8469…
$ Births_From_Peso_Ajustado <dbl> 11087, 24481, 12529, 6459, 26044, 54662, 207…
$ entidad <dbl> 18, 13, 29, 3, 28, 11, 27, 3, 23, 3, 16, 31,…
# A tibble: 20 × 4
fecha_nacimiento peso_nac_vivo_ajust_suma Births_From_Peso_Ajustado entidad
<date> <dbl> <dbl> <dbl>
1 2011-07-01 36207365 11087 18
2 2011-07-01 75985448 24481 13
3 2011-07-01 38747714 12529 29
4 2011-08-01 21173655 6459 3
5 2012-01-01 84694918 26044 28
6 2012-01-01 171739935 54662 11
7 2012-01-01 66610012 20775 27
8 2012-12-01 19112843 5769 3
9 2013-01-01 38394117 12022 23
10 2013-02-01 17680871 5360 3
11 2013-05-01 145024332 46149 16
12 2014-01-01 48258021 15572 31
13 2014-01-01 29899562 9155 18
14 2016-06-01 54972706 17370 10
15 2016-12-01 173870624 56455 21
16 2017-06-01 69875404 22629 13
17 2017-07-01 55245010 17982 31
18 2017-12-01 64946159 20695 24
19 2018-06-01 86487414 27227 5
20 2018-07-01 41312485 13330 17Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2011-01-01, 2011-07-01, 2012-07…
$ peso_nac_vivo_ajust_suma <dbl> 3429964, 312380, 731233, 240910, 136055, 365…
$ Births_From_Peso_Ajustado <dbl> 1042, 96, 228, 79, 42, 1179, 12, 6, 238, 98,…
$ ent_mun <glue> "12_038", "19_022", "14_047", "20_205", "21…
# 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 3429964 1042 12_038
2 2011-01-01 312380 96 19_022
3 2011-07-01 731233 228 14_047
4 2012-07-01 240910 79 20_205
5 2013-06-01 136055 42 21_200
6 2014-01-01 3659365 1179 11_042
7 2014-06-01 37670 12 20_405
8 2015-06-01 19600 6 26_054
9 2015-06-01 792077 238 08_045
10 2016-06-01 310495 98 20_483
11 2016-06-01 59140 18 20_007
12 2016-12-01 441430 138 30_158
13 2017-06-01 339139 108 13_021
14 2017-07-01 2113889 664 14_018
15 2017-07-01 803965 256 21_172
16 2018-06-01 5660 2 20_355
17 2018-06-01 25645 8 20_245
18 2018-12-01 235988 77 21_999
19 2019-06-01 44725 14 20_081
20 2019-06-01 1965068 598 25_015 
Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2011-01-01, 2011-07-01, 2011-07-01…
$ edad_madre_suma <dbl> 143809, 824786, 332513, 907864, 1239552, 812734…
$ Births_From_edad_madre <dbl> 5738, 32866, 13276, 36072, 49343, 33021, 16134,…
$ entidad <dbl> 6, 20, 29, 20, 16, 8, 31, 24, 2, 4, 30, 2, 30, …
# A tibble: 20 × 4
fecha_nacimiento edad_madre_suma Births_From_edad_madre entidad
<date> <dbl> <dbl> <dbl>
1 2011-01-01 143809 5738 6
2 2011-01-01 824786 32866 20
3 2011-07-01 332513 13276 29
4 2011-07-01 907864 36072 20
5 2012-06-01 1239552 49343 16
6 2012-07-01 812734 33021 8
7 2013-01-01 409967 16134 31
8 2013-12-01 595785 23414 24
9 2014-01-01 640102 25612 2
10 2014-06-01 225066 9072 4
11 2014-06-01 1798962 71735 30
12 2015-01-01 628683 25046 2
13 2015-07-01 1746252 69202 30
14 2015-12-01 1512627 60397 21
15 2016-12-01 240614 9468 18
16 2016-12-01 1495904 59756 21
17 2017-06-01 532755 20305 22
18 2017-12-01 291113 11615 29
19 2018-06-01 675619 26402 2
20 2018-07-01 487358 18780 31Rows: 20
Columns: 4
$ fecha_nacimiento <date> 2011-01-01, 2012-01-01, 2012-06-01, 2012-06-01…
$ edad_madre_suma <dbl> 334, 7478, 3056, 3044, 7238, 0, 12631, 2813, 92…
$ Births_From_edad_madre <dbl> 14, 303, 120, 130, 289, 0, 532, 114, 373, 39, 7…
$ ent_mun <glue> "20_075", "13_083", "22_003", "26_070", "07_07…
# A tibble: 20 × 4
fecha_nacimiento edad_madre_suma Births_From_edad_madre ent_mun
<date> <dbl> <dbl> <glue>
1 2011-01-01 334 14 20_075
2 2012-01-01 7478 303 13_083
3 2012-06-01 3056 120 22_003
4 2012-06-01 3044 130 26_070
5 2014-01-01 7238 289 07_072
6 2014-07-01 0 0 02_006
7 2014-07-01 12631 532 07_069
8 2014-12-01 2813 114 13_039
9 2015-06-01 9235 373 16_097
10 2015-12-01 962 39 21_171
11 2016-12-01 17707 727 04_004
12 2016-12-01 446 17 20_487
13 2016-12-01 4719 187 16_058
14 2017-06-01 25453 1005 19_009
15 2017-07-01 35661 1395 07_065
16 2017-07-01 12620 511 21_207
17 2017-12-01 158 7 20_569
18 2018-12-01 2204 87 30_145
19 2018-12-01 2038 83 30_184
20 2018-12-01 1945 77 13_007 
Rows: 20
Columns: 9
$ fecha_nacimiento <date> 2011-01-01, 2011-07-01, 2012-07-01, 2…
$ LUGAR_NAC_SECRETARIA_DE_SALUD <dbl> 9051, 10334, 7812, 10455, 24026, 10942…
$ LUGAR_NAC_UNIDAD_MEDICA_PRIVADA <dbl> 3021, 3589, 3525, 3612, 4366, 5213, 51…
$ LUGAR_NAC_IMSS <dbl> 10372, 11616, 1839, 13106, 3309, 8306,…
$ LUGAR_NAC_IMSS_OPORTUNIDADES <dbl> 1077, 1199, 8, 1297, 8057, 762, 3875, …
$ LUGAR_NAC_OTRA_UNIDAD_PUBLICA <dbl> 2072, 1945, 24, 2007, 341, 437, 42, 1,…
$ LUGAR_NAC_ISSSTE <dbl> 599, 665, 273, 758, 520, 209, 488, 348…
$ Births_From_lugar_nacimiento <dbl> 26271, 29434, 13675, 31310, 45605, 260…
$ entidad <dbl> 5, 5, 29, 5, 7, 2, 13, 3, 23, 9, 13, 7…
# A tibble: 20 × 9
fecha_nacimiento LUGAR_NAC_SECRETARIA…¹ LUGAR_NAC_UNIDAD_MED…² LUGAR_NAC_IMSS
<date> <dbl> <dbl> <dbl>
1 2011-01-01 9051 3021 10372
2 2011-07-01 10334 3589 11616
3 2012-07-01 7812 3525 1839
4 2012-07-01 10455 3612 13106
5 2013-01-01 24026 4366 3309
6 2013-01-01 10942 5213 8306
7 2013-01-01 11926 5134 3161
8 2013-12-01 2848 474 2305
9 2013-12-01 6804 1248 4502
10 2015-01-01 27983 17162 14676
11 2015-12-01 10533 5207 2895
12 2016-01-01 23717 3790 2830
13 2016-01-01 26971 10266 9441
14 2016-06-01 5575 684 1414
15 2018-06-01 12978 6838 7625
16 2018-06-01 4377 1418 2703
17 2018-07-01 29689 15372 11044
18 2018-12-01 24457 9821 8210
19 2019-06-01 12503 16108 13546
20 2019-07-01 25878 20101 4277
# 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> 2011-01-01, 2011-01-01, 2012-01-01, 2…
$ LUGAR_NAC_SECRETARIA_DE_SALUD <dbl> 69, 171, 57, 652, 5, 249, 199, 273, 77…
$ LUGAR_NAC_UNIDAD_MEDICA_PRIVADA <dbl> 3, 45, 8, 90, 1, 87, 24, 161, 3, 6, 7,…
$ LUGAR_NAC_IMSS <dbl> 13, 10, 0, 31, 1, 19, 114, 25, 5, 16, …
$ LUGAR_NAC_IMSS_OPORTUNIDADES <dbl> 2, 11, 6, 0, 26, 0, 1, 15, 0, 0, 0, 11…
$ LUGAR_NAC_OTRA_UNIDAD_PUBLICA <dbl> 1, 1, 0, 0, 0, 2, 0, 0, 0, 4, 0, 0, 0,…
$ LUGAR_NAC_ISSSTE <dbl> 0, 4, 1, 2, 1, 3, 13, 7, 7, 2, 0, 1, 0…
$ Births_From_lugar_nacimiento <dbl> 91, 242, 73, 777, 34, 363, 352, 484, 9…
$ ent_mun <glue> "30_099", "32_029", "07_028", "22_004…
# A tibble: 20 × 9
fecha_nacimiento LUGAR_NAC_SECRETARIA…¹ LUGAR_NAC_UNIDAD_MED…² LUGAR_NAC_IMSS
<date> <dbl> <dbl> <dbl>
1 2011-01-01 69 3 13
2 2011-01-01 171 45 10
3 2012-01-01 57 8 0
4 2013-06-01 652 90 31
5 2013-06-01 5 1 1
6 2013-07-01 249 87 19
7 2014-07-01 199 24 114
8 2014-12-01 273 161 25
9 2015-06-01 77 3 5
10 2015-06-01 62 6 16
11 2015-06-01 61 7 0
12 2017-01-01 28 10 42
13 2017-06-01 0 0 0
14 2017-06-01 2 0 0
15 2018-06-01 2 0 0
16 2018-12-01 22 2 6
17 2018-12-01 6 21 1
18 2018-12-01 3 0 0
19 2019-01-01 123 5 3
20 2019-06-01 90 70 9
# 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> 2013-01-01, 2013-07-01, 2013-12-01, 2014…
$ Madre_Sobrevivio_SI <dbl> 66416, 61624, 45071, 15732, 22058, 9358, …
$ Madre_Sobrevivio_NO <dbl> 3, 4, 1, 0, 1, 1, 0, 0, 0, 0, 0, 2, 2, 5,…
$ Births_From_Madre_Sobrevivio <dbl> 66419, 61628, 45072, 15732, 22059, 9359, …
$ entidad <dbl> 9, 11, 16, 32, 26, 4, 27, 22, 32, 24, 4, …
# A tibble: 20 × 5
fecha_nacimiento Madre_Sobrevivio_SI Madre_Sobrevivio_NO
<date> <dbl> <dbl>
1 2013-01-01 66416 3
2 2013-07-01 61624 4
3 2013-12-01 45071 1
4 2014-06-01 15732 0
5 2014-12-01 22058 1
6 2015-06-01 9358 1
7 2015-07-01 27810 0
8 2015-12-01 19168 0
9 2015-12-01 14795 0
10 2015-12-01 22564 0
11 2015-12-01 7500 0
12 2016-12-01 42621 2
13 2017-01-01 60184 2
14 2017-06-01 24028 5
15 2017-06-01 14038 1
16 2018-01-01 50393 3
17 2018-01-01 52976 2
18 2018-06-01 14907 4
19 2018-12-01 18407 0
20 2019-06-01 23381 0
# ℹ 2 more variables: Births_From_Madre_Sobrevivio <dbl>, entidad <dbl>Rows: 20
Columns: 5
$ fecha_nacimiento <date> 2013-01-01, 2013-01-01, 2013-01-01, 2013…
$ Madre_Sobrevivio_SI <dbl> 241, 91, 400, 54, 93, 0, 78, 70, 85, 268,…
$ Madre_Sobrevivio_NO <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,…
$ Births_From_Madre_Sobrevivio <dbl> 241, 91, 400, 54, 93, 0, 78, 70, 85, 268,…
$ ent_mun <glue> "21_076", "11_038", "27_015", "12_037", …
# A tibble: 20 × 5
fecha_nacimiento Madre_Sobrevivio_SI Madre_Sobrevivio_NO
<date> <dbl> <dbl>
1 2013-01-01 241 0
2 2013-01-01 91 0
3 2013-01-01 400 0
4 2013-06-01 54 0
5 2013-06-01 93 0
6 2013-12-01 0 0
7 2013-12-01 78 0
8 2014-06-01 70 0
9 2014-12-01 85 0
10 2015-07-01 268 0
11 2015-07-01 292 0
12 2016-06-01 1695 0
13 2017-06-01 2 0
14 2017-07-01 99 0
15 2017-12-01 307 0
16 2017-12-01 775 0
17 2018-01-01 158 0
18 2018-06-01 78 0
19 2018-12-01 130 0
20 2019-07-01 74 0
# ℹ 2 more variables: Births_From_Madre_Sobrevivio <dbl>, ent_mun <glue>
Rows: 20
Columns: 5
$ fecha_nacimiento <date> 2012-01-01, 2012-07-01, 2012-07-01, 2012-12-01,…
$ SI_Recibio_Vitamin_k <dbl> 23358, 29372, 57505, 5766, 5358, 12674, 16317, 4…
$ NO_Recibio_Vitamin_k <dbl> 3357, 1192, 5356, 193, 196, 508, 6252, 2084, 879…
$ Births_From_Vitamin_k <dbl> 26715, 30564, 62861, 5959, 5554, 13182, 22569, 4…
$ entidad <dbl> 28, 2, 11, 3, 3, 29, 5, 16, 17, 11, 16, 26, 19, …
# A tibble: 20 × 5
fecha_nacimiento SI_Recibio_Vitamin_k NO_Recibio_Vitamin_k
<date> <dbl> <dbl>
1 2012-01-01 23358 3357
2 2012-07-01 29372 1192
3 2012-07-01 57505 5356
4 2012-12-01 5766 193
5 2013-02-01 5358 196
6 2013-06-01 12674 508
7 2014-01-01 16317 6252
8 2014-05-01 44100 2084
9 2015-01-01 15367 879
10 2015-01-01 52403 2631
11 2015-06-01 42705 2421
12 2016-06-01 18699 1121
13 2016-06-01 24268 24504
14 2016-07-01 23646 2313
15 2016-12-01 21656 1080
16 2017-01-01 18334 1583
17 2018-06-01 25681 702
18 2018-12-01 11403 956
19 2019-07-01 51397 3082
20 2019-07-01 64268 2094
# ℹ 2 more variables: Births_From_Vitamin_k <dbl>, entidad <dbl>Rows: 20
Columns: 5
$ fecha_nacimiento <date> 2012-01-01, 2012-01-01, 2013-01-01, 2013-01-01,…
$ SI_Recibio_Vitamin_k <dbl> 4906, 19579, 21789, 54870, 52011, 19285, 23951, …
$ NO_Recibio_Vitamin_k <dbl> 468, 1611, 2338, 5653, 3545, 1603, 1771, 23265, …
$ Births_From_Vitamin_k <dbl> 5374, 21190, 24127, 60523, 55556, 20888, 25722, …
$ entidad <dbl> 6, 27, 13, 30, 11, 27, 13, 19, 30, 4, 5, 27, 21,…
# A tibble: 20 × 5
fecha_nacimiento SI_Recibio_Vitamin_k NO_Recibio_Vitamin_k
<date> <dbl> <dbl>
1 2012-01-01 4906 468
2 2012-01-01 19579 1611
3 2013-01-01 21789 2338
4 2013-01-01 54870 5653
5 2013-01-01 52011 3545
6 2014-01-01 19285 1603
7 2014-06-01 23951 1771
8 2014-12-01 18224 23265
9 2015-07-01 64490 3761
10 2016-06-01 7109 1144
11 2016-06-01 24082 5774
12 2016-07-01 23646 2313
13 2016-12-01 57081 2631
14 2017-06-01 13846 161
15 2017-07-01 22933 1550
16 2017-12-01 23100 1230
17 2019-01-01 58154 2450
18 2019-06-01 32723 1270
19 2019-06-01 14276 823
20 2019-07-01 12768 776
# ℹ 2 more variables: Births_From_Vitamin_k <dbl>, entidad <dbl>Rows: 20
Columns: 5
$ fecha_nacimiento <date> 2011-07-01, 2011-07-01, 2012-01-01, 2012-01-01,…
$ SI_Recibio_Vitamin_k <dbl> 50, 6, 49, 8, 10, 312, 36, 5, 175, 359, 108, 147…
$ NO_Recibio_Vitamin_k <dbl> 1, 0, 0, 0, 0, 34, 1, 1, 58, 38, 9, 56, 24, 33, …
$ Births_From_Vitamin_k <dbl> 51, 6, 49, 8, 10, 346, 37, 6, 233, 397, 117, 203…
$ ent_mun <glue> "07_999", "08_041", "29_045", "20_382", "20_264…
# A tibble: 20 × 5
fecha_nacimiento SI_Recibio_Vitamin_k NO_Recibio_Vitamin_k
<date> <dbl> <dbl>
1 2011-07-01 50 1
2 2011-07-01 6 0
3 2012-01-01 49 0
4 2012-01-01 8 0
5 2012-01-01 10 0
6 2012-07-01 312 34
7 2012-07-01 36 1
8 2012-12-01 5 1
9 2013-06-01 175 58
10 2013-07-01 359 38
11 2013-11-01 108 9
12 2013-12-01 147 56
13 2013-12-01 245 24
14 2014-06-01 54 33
15 2015-06-01 78 0
16 2015-07-01 85 1
17 2015-07-01 42 2
18 2017-06-01 276 8
19 2017-12-01 2 0
20 2019-07-01 17 1
# ℹ 2 more variables: Births_From_Vitamin_k <dbl>, ent_mun <glue>Rows: 20
Columns: 5
$ fecha_nacimiento <date> 2013-07-01, 2013-07-01, 2013-07-01, 2013-12-01,…
$ SI_Recibio_Vitamin_k <dbl> 335, 4484, 86, 0, 182, 0, 432, 8, 4, 13, 27, 229…
$ NO_Recibio_Vitamin_k <dbl> 36, 2544, 21, 0, 4, 0, 11, 9, 0, 0, 1, 8, 0, 62,…
$ Births_From_Vitamin_k <dbl> 371, 7028, 107, 0, 186, 0, 443, 17, 4, 13, 28, 2…
$ ent_mun <glue> "12_032", "05_030", "12_072", "26_998", "21_035…
# A tibble: 20 × 5
fecha_nacimiento SI_Recibio_Vitamin_k NO_Recibio_Vitamin_k
<date> <dbl> <dbl>
1 2013-07-01 335 36
2 2013-07-01 4484 2544
3 2013-07-01 86 21
4 2013-12-01 0 0
5 2014-06-01 182 4
6 2014-12-01 0 0
7 2015-06-01 432 11
8 2016-01-01 8 9
9 2016-06-01 4 0
10 2016-06-01 13 0
11 2016-07-01 27 1
12 2016-12-01 229 8
13 2016-12-01 8 0
14 2017-01-01 1216 62
15 2017-06-01 199 2
16 2017-07-01 171 8
17 2017-07-01 241 30
18 2017-12-01 9 0
19 2018-06-01 81 15
20 2019-06-01 53 0
# ℹ 2 more variables: Births_From_Vitamin_k <dbl>, ent_mun <glue>