El objetivo del presente documento es analizar los datos relacionados a la propagación del Dengue en Perú durante el siglo XXI. A partir de estos resultados se podra realizar una identificación de las zonas y grupos humanos vulnerables de manera mucho más sencilla.

1. Datos previos al análisis:

Se decidió trabajar con archivos de extensión csv, en tanto se experimento varios problemas con la ejecución a mediante data de tipo pkl.

2. Primer dataset: año de contagio, tipo de caso y edad

library(rio)
Dengue1 = import("C:/Users/LENOVO/OneDrive/Documentos/ByYear_LongStats.csv")

datatable(Dengue1)

2.1. Visualización de la datos por tipo de caso:

2.1.1. Primera forma:

library(ggplot2)

facets = ggplot(data=Dengue1,
               aes(x=ano,y=statsValue,color=enfermedad)) + theme_light() +
    scale_y_log10(labels=scales::comma) 
facets +    
    geom_smooth()  + 
    facet_grid(statsName~.,scales = 'free_y')

## `geom_smooth()` using method = 'loess' and formula = 'y ~ x'

2.1.2. Segunda forma:

facets +
    geom_line() + 
    facet_grid(statsName~.,scales = 'free_y')

3. Segundo dataset: cantidad de casos de alarma por departamento y provincia

library(rio)
Dengue2 = import("C:/Users/LENOVO/OneDrive/Documentos/worst_ProvYear_alarma_Frequency.csv")

datatable(Dengue2)

3.1. Añadiendo variable de análisis: región geográfica

Dengue2$regiongeo[Dengue2$departamento=="CALLAO"] <- "COSTA"
Dengue2$regiongeo[Dengue2$departamento=="ICA"] <- "COSTA"
Dengue2$regiongeo[Dengue2$departamento=="LA LIBERTAD"] <- "COSTA"
Dengue2$regiongeo[Dengue2$departamento=="LAMBAYEQUE"] <- "COSTA"
Dengue2$regiongeo[Dengue2$departamento=="LIMA"] <- "COSTA"
Dengue2$regiongeo[Dengue2$departamento=="PIURA"] <- "COSTA"
Dengue2$regiongeo[Dengue2$departamento=="TUMBES"] <- "COSTA"
Dengue2$regiongeo[Dengue2$departamento=="ANCASH"] <- "SIERRA"
Dengue2$regiongeo[Dengue2$departamento=="APURIMAC"] <- "SIERRA"
Dengue2$regiongeo[Dengue2$departamento=="AREQUIPA"] <- "SIERRA"
Dengue2$regiongeo[Dengue2$departamento=="AYACUCHO"] <- "SIERRA"
Dengue2$regiongeo[Dengue2$departamento=="CAJAMARCA"] <- "SIERRA"
Dengue2$regiongeo[Dengue2$departamento=="CUSCO"] <- "SIERRA"
Dengue2$regiongeo[Dengue2$departamento=="HUANCAVELICA"] <- "SIERRA"
Dengue2$regiongeo[Dengue2$departamento=="JUNIN"] <- "SIERRA"
Dengue2$regiongeo[Dengue2$departamento=="PASCO"] <- "SIERRA"
Dengue2$regiongeo[Dengue2$departamento=="PUNO"] <- "SIERRA"
Dengue2$regiongeo[Dengue2$departamento=="AMAZONAS"] <- "SELVA"
Dengue2$regiongeo[Dengue2$departamento=="HUANUCO"] <- "SELVA"
Dengue2$regiongeo[Dengue2$departamento=="LORETO"] <- "SELVA"
Dengue2$regiongeo[Dengue2$departamento=="MADRE DE DIOS"] <- "SELVA"
Dengue2$regiongeo[Dengue2$departamento=="SAN MARTIN"] <- "SELVA"
Dengue2$regiongeo[Dengue2$departamento=="UCAYALI"] <- "SELVA"
Dengue2$regiongeo <- as.factor(Dengue2$regiongeo)
datatable(Dengue2)

3.2. Ordenamiento descendente de los casos:

Dengue2[order(-Dengue2$case),]

3.3. Visualización gráfica: cantidad de casos de alarma por departamento y provincia

baseHeat  = ggplot(Dengue2, aes(x = reorder(departamento,case), y = reorder(provincia,case), fill=case)) + theme_classic()
heatDefault = baseHeat +  geom_tile() #here

heatBetter=heatDefault +scale_fill_gradient(low = 'yellow',high = 'orange')
heatBetter + theme(axis.text.x = element_text(angle = 60,vjust = 1,hjust = 1),
                   axis.text.y = element_text(size=4)) +
                   geom_text(aes(label=ifelse(case>=10,case,"")),
                             size=6,fontface='bold', color='white')

3.3. Visualización gráfica: cantidad de casos de alarma por región geográfica y provincia

baseHeat  = ggplot(Dengue2, aes(x = reorder(regiongeo,case), y = reorder(departamento,case), fill=case)) + theme_classic()
heatDefault = baseHeat +  geom_tile() #here

heatBetter=heatDefault +scale_fill_gradient(low = 'yellow',high = 'orange')
heatBetter + theme(axis.text.x = element_text(angle = 60,vjust = 1,hjust = 1),
                   axis.text.y = element_text(size=4)) +
                   geom_text(aes(label=ifelse(case>=10,case,"")),
                             size=6,fontface='bold', color='white')

4. Tercer dataset: ratio de alarma y porcentaje de ciudadanos afectados por año y departamento

library(rio)
Dengue3 = import("C:/Users/LENOVO/OneDrive/Documentos/ByYearPlace.csv")

datatable(Dengue3)

4.1. Agregando variable de análisis: región geográfica

Dengue3$regiongeo[Dengue3$departamento=="CALLAO"] <- "COSTA"
Dengue3$regiongeo[Dengue3$departamento=="ICA"] <- "COSTA"
Dengue3$regiongeo[Dengue3$departamento=="LA LIBERTAD"] <- "COSTA"
Dengue3$regiongeo[Dengue3$departamento=="LAMBAYEQUE"] <- "COSTA"
Dengue3$regiongeo[Dengue3$departamento=="LIMA"] <- "COSTA"
Dengue3$regiongeo[Dengue3$departamento=="PIURA"] <- "COSTA"
Dengue3$regiongeo[Dengue3$departamento=="TUMBES"] <- "COSTA"
Dengue3$regiongeo[Dengue3$departamento=="ANCASH"] <- "SIERRA"
Dengue3$regiongeo[Dengue3$departamento=="APURIMAC"] <- "SIERRA"
Dengue3$regiongeo[Dengue3$departamento=="AREQUIPA"] <- "SIERRA"
Dengue3$regiongeo[Dengue3$departamento=="AYACUCHO"] <- "SIERRA"
Dengue3$regiongeo[Dengue3$departamento=="CAJAMARCA"] <- "SIERRA"
Dengue3$regiongeo[Dengue3$departamento=="CUSCO"] <- "SIERRA"
Dengue3$regiongeo[Dengue3$departamento=="HUANCAVELICA"] <- "SIERRA"
Dengue3$regiongeo[Dengue3$departamento=="JUNIN"] <- "SIERRA"
Dengue3$regiongeo[Dengue3$departamento=="MOQUEGUA"] <- "SIERRA"
Dengue3$regiongeo[Dengue3$departamento=="PASCO"] <- "SIERRA"
Dengue3$regiongeo[Dengue3$departamento=="PUNO"] <- "SIERRA"
Dengue3$regiongeo[Dengue3$departamento=="AMAZONAS"] <- "SELVA"
Dengue3$regiongeo[Dengue3$departamento=="HUANUCO"] <- "SELVA"
Dengue3$regiongeo[Dengue3$departamento=="LORETO"] <- "SELVA"
Dengue3$regiongeo[Dengue3$departamento=="MADRE DE DIOS"] <- "SELVA"
Dengue3$regiongeo[Dengue3$departamento=="SAN MARTIN"] <- "SELVA"
Dengue3$regiongeo[Dengue3$departamento=="UCAYALI"] <- "SELVA"
Dengue3$regiongeo <- as.factor(Dengue3$regiongeo)
datatable(Dengue3)

4.2. Visualización gráfica: porcentaje de ciudadanos afectados por año y departamento

# default 

baseHeat  = ggplot(Dengue3, aes(x = as.factor(ano),
                                       y =reorder(departamento,
                                                  rateAlarma), 
                                       fill=rateAlarma.cut)) + theme_classic()
heatDefault = baseHeat +  geom_tile(show.legend = T) #here

heatBetter=heatDefault +scale_fill_brewer(palette = "Reds")
heatBetter + theme(axis.text.x = element_text(angle = 60,vjust = 1,hjust = 1),
                   axis.text.y = element_text(size=4))

4.3. Visualización gráfica: porcentaje de ciudadanos afectados por año y región geográfica

# default 

baseHeat  = ggplot(Dengue3, aes(x = as.factor(ano),
                                       y =reorder(regiongeo,
                                                  rateAlarma), 
                                       fill=rateAlarma.cut)) + theme_classic()
heatDefault = baseHeat +  geom_tile(show.legend = T) #here

heatBetter=heatDefault +scale_fill_brewer(palette = "Reds")
heatBetter + theme(axis.text.x = element_text(angle = 60,vjust = 1,hjust = 1),
                   axis.text.y = element_text(size=4))

Análisis de la propagación del Dengue en el Perú en siglo XXI

Santiago Maldonado Vizcarra

10 de marzo de 2024