2.1 2.1.1

# Cargar la biblioteca ggplot2
library(ggplot2)

# Crear la base de datos con los pacientes
historias_clinicas <- data.frame(
  cedula = c(2001, 2002, 2003, 2004, 2005, 2006, 2007, 2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020),
  nombres = c("Juan Martinez", "María Gómez", "Carlos López", "Ana Rodríguez", "Pedro Martínez", "Isabel González", "David Sánchez", "Laura Fernández", "Miguel Ramírez", "Sandra García", "José Torres", "Carolina Ortiz", "Luis Jiménez", "Andrea López", "Cristian Gómez", "Diana Hernández", "Juan Carlos Sánchez", "Mariana Gutiérrez", "Diego López", "Alejandra Martínez"),
  apellidos = c("García", "Martínez", "Fernández", "Blanco", "López", "Pérez", "Gómez", "Ramírez", "Sánchez", "Torres", "Ortiz", "Jiménez", "Hernández", "García", "Martínez", "López", "Gómez", "Ramírez", "Sánchez", "Torres"),
  edad = c(35, 30, 52, 58, 36, 45, 39, 50, 47, 29, 34, 60, 31, 48, 55, 27, 40, 43, 52, 48),
  sexo = c("M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F"),
  domicilio = c("Calle 123", "Carrera 456", "Avenida 789", "Barrio 1011", "Calle 456", "Avenida 789", "Carrera 123", "Barrio 1011", "Calle 789", "Avenida 456", "Barrio 123", "Carrera 789", "Calle 456", "Avenida 123", "Barrio 789", "Carrera 456", "Calle 789", "Avenida 123", "Barrio 456", "Carrera 789"),
  ciudad = c("Medellín", "Cali", "Bogotá", "Barranquilla", "Medellín", "Cali", "Bogotá", "Barranquilla", "Medellín", "Cali", "Bogotá", "Barranquilla", "Medellín", "Cali", "Bogotá", "Barranquilla", "Medellín", "Cali", "Bogotá", "Barranquilla"),
  departamento = c("Antioquia", "Valle del Cauca", "Cundinamarca", "Atlántico", "Antioquia", "Valle del Cauca", "Cundinamarca", "Atlántico", "Antioquia", "Valle del Cauca", "Cundinamarca", "Atlántico", "Antioquia", "Valle del Cauca", "Cundinamarca", "Atlántico", "Antioquia", "Valle del Cauca", "Cundinamarca", "Atlántico"),
  telefono = c(1234567890, 9876543210, 0123456789, 9087654321, 1234567890, 9876543210, 0123456789, 9087654321, 1234567890, 9876543210, 0123456789, 9087654321, 1234567890, 9876543210, 0123456789, 9087654321, 1234567890, 9876543210, 0123456789, 9087654321),
  historia_clinica = 1:20,
  fumante = c("S", "N", "S", "N", "S", "N", "S", "N", "S", "N", "S", "N", "S", "N", "S", "N", "S", "N", "S", "N"),
  procedencia = c("Remisión externa", "Hospitalización", "Urgencias", "Consulta externa", "Hospitalización", "Urgencias", "Consulta externa", "Remisión externa", "Urgencias", "Consulta externa", "Remisión externa", "Hospitalización", "Urgencias", "Consulta externa", "Remisión externa", "Hospitalización", "Urgencias", "Consulta externa", "Remisión externa", "Hospitalización")
)

2.1.2

# Crear una tabla con los datos de la imagen
datos_ingreso <- data.frame(
  Procedencia = c("Remisión médica", "Urgencias", "Consulta externa", "Hospitalización", "Urgencias"),
  Fecha_Ingreso = c("2024-04-11", "2024-04-12", "2024-04-13", "2024-04-14", "2024-04-15"),
  Piso = c(5, 3, 2, 1, 4),
  Cama = c(10, 15, 20, 25, 30),
  Causa_Ingreso = c("Neumonía", "Fractura de pierna", "Infarto agudo de miocardio", "Apendicitis", "Diabetes mellitus")
)

# Visualizar la tabla
View(datos_ingreso)

# Contar el número de pacientes por procedencia
pacientes_por_procedencia <- table(datos_ingreso$Procedencia)
View(pacientes_por_procedencia)


# Agregar la columna de edad a la tabla
datos_ingreso$Edad <- c(30, 25, 40, 55, 65)

# Calcular el promedio de edad por piso
promedio_edad_por_piso <- aggregate(Edad ~ Piso, data = datos_ingreso, mean)
View(promedio_edad_por_piso)

2.2

library(ggplot2)
ggplot(data = historias_clinicas, aes(x = sexo, fill = sexo)) + geom_bar()

2.2 B

ggplot(data = historias_clinicas, aes(x = edad, fill = fumante)) + geom_bar()

2.2 C

# Ejemplo de datos (reemplaza con tus datos reales)
pacientes <- data.frame(
  ID = 1:200,
  Piso = sample(1:5, 200, replace = TRUE),
  Genero = sample(c("Mujer", "Hombre"), 200, replace = TRUE)
)

# Gráfico de barras agrupado
ggplot(pacientes, aes(x = factor(Piso), fill = Genero)) +
  geom_bar(position = "dodge") +
  labs(title = "Distribución de Pacientes por Piso y Género", x = "Piso", y = "Cantidad")

2.2 D

# Ejemplo de datos (reemplaza con tus datos reales)
pacientes <- data.frame(
  ID = 1:150,
  Edad = sample(20:90, 150, replace = TRUE),
  CausaIngreso = sample(c("Accidente", "Enfermedad", "Otro"), 150, replace = TRUE)
)

# Gráfico de violín
ggplot(pacientes, aes(x = CausaIngreso, y = Edad)) +
  geom_violin() +
  labs(title = "Distribución de Edad por Causa de Ingreso", x = "Causa de Ingreso", y = "Edad")

2.2 E

# Ejemplo de datos (reemplaza con tus datos reales)
pacientes <- data.frame(
  ID = 1:200,
  Genero = sample(c("Mujer", "Hombre"), 200, replace = TRUE),
  Edad = sample(18:80, 200, replace = TRUE)
)

# Cálculo del promedio de edad por género
promedio_edad_mujeres <- mean(pacientes$Edad[pacientes$Genero == "Mujer"])
promedio_edad_hombres <- mean(pacientes$Edad[pacientes$Genero == "Hombre"])

cat("Promedio de edad para mujeres:", round(promedio_edad_mujeres, 2), "años\n")
## Promedio de edad para mujeres: 51.23 años
cat("Promedio de edad para hombres:", round(promedio_edad_hombres, 2), "años\n")
## Promedio de edad para hombres: 49.2 años

2.2 f

# Supongamos que tenemos un dataframe "pacientes" con información de varios pacientes
# Seleccionamos aleatoriamente 3 filas para obtener datos independientes de 3 pacientes
datos_pacientes_independientes <- pacientes[sample(nrow(pacientes), 3), ]
print(datos_pacientes_independientes)
##      ID Genero Edad
## 102 102  Mujer   50
## 197 197  Mujer   37
## 176 176  Mujer   45

2.2 G

# Ejemplo de datos (reemplaza con tus datos reales)
pacientes <- data.frame(
  ID = 1:3,
  Nombre = c("Paciente1", "Paciente2", "Paciente3"),
  Edad = c(30, 45, 22),
  Genero = c("Mujer", "Hombre", "Mujer"),
  Fumante = c("No", "Sí", "No"),
  CausaIngreso = c("Accidente", "Enfermedad", "Otro")
)

# Visualización de datos
print("Datos de 3 pacientes por identidad:")
## [1] "Datos de 3 pacientes por identidad:"
print(pacientes)
##   ID    Nombre Edad Genero Fumante CausaIngreso
## 1  1 Paciente1   30  Mujer      No    Accidente
## 2  2 Paciente2   45 Hombre      Sí   Enfermedad
## 3  3 Paciente3   22  Mujer      No         Otro

2.2 H

# Supongamos que tenemos una columna "causa_ingreso" en el dataframe "pacientes"
# Crear una lista de causas de ingreso
causas_ingreso <- c("Accidente", "Enfermedad", "Otro")

# Visualización de la lista de causas de ingreso
print("\nLista de causas de ingreso:")
## [1] "\nLista de causas de ingreso:"
print(causas_ingreso)
## [1] "Accidente"  "Enfermedad" "Otro"
#install.packages("openxlsx")
library(openxlsx)

# Especifica el nombre del archivo de Excel
nombre_archivo <- "historias_clinicas.xlsx"

# Exporta la base de datos a un archivo de Excel
write.xlsx(historias_clinicas, nombre_archivo)
## Warning in file.create(to[okay]): cannot create file 'historias_clinicas.xlsx',
## reason 'Permission denied'
historias_clinicas <- data.frame(
  cedula = c(2001, 2002, 2003, 2004, 2005, 2006, 2007, 2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020),
  nombres = c("Juan Martinez", "María Gómez", "Carlos López", "Ana Rodríguez", "Pedro Martínez", "Isabel González", "David Sánchez", "Laura Fernández", "Miguel Ramírez", "Sandra García", "José Torres", "Carolina Ortiz", "Luis Jiménez", "Andrea López", "Cristian Gómez", "Diana Hernández", "Juan Carlos Sánchez", "Mariana Gutiérrez", "Diego López", "Alejandra Martínez"),
  apellidos = c("García", "Martínez", "Fernández", "Blanco", "López", "Pérez", "Gómez", "Ramírez", "Sánchez", "Torres", "Ortiz", "Jiménez", "Hernández", "García", "Martínez", "López", "Gómez", "Ramírez", "Sánchez", "Torres"),
  edad = c(35, 30, 52, 58, 36, 45, 39, 50, 47, 29, 34, 60, 31, 48, 55, 27, 40, 43, 52, 48),
  sexo = c("M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F"),
  domicilio = c("Calle 123", "Carrera 456", "Avenida 789", "Barrio 1011", "Calle 456", "Avenida 789", "Carrera 123", "Barrio 1011", "Calle 789", "Avenida 456", "Barrio 123", "Carrera 789", "Calle 456", "Avenida 123", "Barrio 789", "Carrera 456", "Calle 789", "Avenida 123", "Barrio 456", "Carrera 789"),
  ciudad = c("Medellín", "Cali", "Bogotá", "Barranquilla", "Medellín", "Cali", "Bogotá", "Barranquilla", "Medellín", "Cali", "Bogotá", "Barranquilla", "Medellín", "Cali", "Bogotá", "Barranquilla", "Medellín", "Cali", "Bogotá", "Barranquilla"),
  departamento = c("Antioquia", "Valle del Cauca", "Cundinamarca", "Atlántico", "Antioquia", "Valle del Cauca", "Cundinamarca", "Atlántico", "Antioquia", "Valle del Cauca", "Cundinamarca", "Atlántico", "Antioquia", "Valle del Cauca", "Cundinamarca", "Atlántico", "Antioquia", "Valle del Cauca", "Cundinamarca", "Atlántico"),
  telefono = c(1234567890, 9876543210, 0123456789, 9087654321, 1234567890, 9876543210, 0123456789, 9087654321, 1234567890, 9876543210, 0123456789, 9087654321, 1234567890, 9876543210, 0123456789, 9087654321, 1234567890, 9876543210, 0123456789, 9087654321),
  historia_clinica = 1:20,
  fumante = c("S", "N", "S", "N", "S", "N", "S", "N", "S", "N", "S", "N", "S", "N", "S", "N", "S", "N", "S", "N"),
  procedencia = c("Remisión externa", "Hospitalización", "Urgencias", "Consulta externa", "Hospitalización", "Urgencias", "Consulta externa", "Remisión externa", "Urgencias", "Consulta externa", "Remisión externa", "Hospitalización", "Urgencias", "Consulta externa", "Remisión externa", "Hospitalización", "Urgencias", "Consulta externa", "Remisión externa", "Hospitalización")
)
# Obtener el directorio de trabajo actual
directorio <- getwd()

# Imprimir la ubicación del directorio de trabajo actual
print(directorio)
## [1] "C:/Users/Yidwar/Downloads/TRABAJOS R- ESTUDIO"