COVID-19 en México

Población de México según INEGI
ENTIDAD_UM	POBLACIÓN
ESTADOS UNIDOS MEXICANOS	126014024
AGUASCALIENTES	1425607
BAJA CALIFORNIA	3769020
BAJA CALIFORNIA SUR	798447
CAMPECHE	928363
COAHUILA	3146771
COLIMA	731391
CHIAPAS	5543828
CHIHUAHUA	3741869
CIUDAD DE MÉXICO	9209944
DURANGO	1832650
GUANAJUATO	6166934
GUERRERO	3540685
HIDALGO	3082841
JALISCO	8348151
MÉXICO	16992418
MICHOACÁN	4748846
MORELOS	1971520
NAYARIT	1235456
NUEVO LEÓN	5784442
OAXACA	4132148
PUEBLA	6583278
QUERÉTERO	2368467
QUINTANO ROO	1857985
SAN LUIS POTOSÍ	2822255
SINALOA	3026943
SONORA	2944840
TABASCO	2402598
TAMAULIPAS	3527735
TLAXCALA	1342977
VERACRUZ	8062579
YUCATÁN	2320898
ZACATECAS	1622138
Morbilidad de COVID-19 en México por Regiones de Movilidad Social
Year-Month	NORTE	NORTE_OCCIDENTE	CENTRO_NORTE	CENTRO	SUR	CDMX	CENTRO+CDMX
2020-03	3.41	3.68	1.63	2.37	2.17	16.89	5.17
2020-04	26.42	23.60	7.61	19.36	18.69	140.24	42.69
2020-05	68.47	65.67	37.63	60.78	68.10	348.61	116.33
2020-06	157.86	122.37	85.18	98.89	123.31	323.17	142.18
2020-07	217.32	155.17	133.92	112.01	153.36	347.14	157.39
2020-08	165.42	154.05	130.07	89.43	91.18	362.21	142.08
2020-09	130.71	123.40	106.85	64.06	70.21	361.76	121.52
2020-10	211.62	197.16	120.04	63.08	53.40	487.93	145.08
2020-11	202.05	206.97	129.96	97.79	51.39	783.19	230.08
2020-12	218.26	156.98	143.42	151.95	85.89	1618.92	435.09
2021-01	244.53	229.24	228.96	225.35	129.09	1770.47	523.57
2021-02	81.09	104.48	81.68	102.92	64.96	802.02	237.85
2021-03	62.21	79.57	52.32	71.24	51.43	566.81	166.89
2021-04	62.41	68.93	40.93	43.66	47.92	323.79	97.73
2021-05	55.71	63.17	25.93	22.84	61.90	182.67	53.69
2021-06	80.73	180.36	26.18	25.25	113.71	380.14	93.74
2021-07	215.95	481.20	249.58	161.10	295.61	1437.76	407.50
2021-08	353.35	363.07	398.15	230.24	363.18	1244.89	426.07
2021-09	174.49	128.63	189.04	157.18	173.16	527.06	228.57
2021-10	134.74	59.93	65.87	80.86	61.47	209.52	105.69
2021-11	143.12	49.45	35.16	45.76	19.73	136.33	63.24
2021-12	179.66	185.85	77.18	58.71	44.52	379.92	120.71
2022-01	1202.89	1450.12	1026.55	560.05	666.40	3883.53	1201.51
2022-02	129.28	210.66	163.16	149.58	148.88	648.79	245.93
2022-03	23.44	38.20	28.35	23.68	26.95	132.69	44.72
2022-04	7.64	15.25	11.04	7.15	10.49	61.24	17.59
2022-05	24.72	69.54	29.01	11.54	20.59	172.67	42.64
2022-06	245.34	425.15	151.26	139.67	191.00	1317.81	367.06
2022-07	598.61	638.67	440.54	425.11	342.29	2029.01	734.67
2022-08	146.99	163.65	120.85	101.07	66.48	374.20	153.78
2022-09	32.51	33.87	24.41	15.19	15.25	98.21	31.22
2022-10	12.67	9.96	7.36	5.32	6.36	44.35	12.85
2022-11	31.49	11.73	12.64	10.18	25.98	89.99	25.58
2022-12	71.58	62.94	55.55	57.09	70.83	473.14	137.39
2023-01	68.50	88.88	82.67	76.99	45.15	369.21	133.39
2023-02	62.19	47.95	45.19	51.47	17.08	272.41	94.11
2023-03	54.37	45.14	33.97	50.81	17.27	292.98	97.55
2023-04	38.19	30.81	16.99	20.73	17.10	107.26	37.43
2023-05	25.21	26.03	15.13	13.25	21.21	74.10	25.00
2023-06	5.81	5.80	5.15	2.87	8.69	19.71	6.12
Mortalidad de COVID-19 en México por Regiones de Movilidad Social
Year-Month	NORTE	NORTE_OCCIDENTE	CENTRO_NORTE	CENTRO	SUR	CDMX	CENTRO+CDMX
2020-03	0.05	0.11	0.01	0.05	0.03	0.23	0.08
2020-04	4.77	2.92	0.55	3.08	2.03	15.11	5.40
2020-05	9.68	8.49	2.40	12.91	9.97	52.14	20.48
2020-06	15.13	16.52	7.87	15.36	15.10	41.66	20.43
2020-07	23.55	19.75	11.73	15.64	19.85	28.01	18.02
2020-08	17.26	18.57	15.06	11.76	13.08	22.55	13.84
2020-09	11.12	12.84	12.03	7.43	6.75	21.21	10.09
2020-10	15.92	12.79	10.94	6.41	4.72	21.91	9.41
2020-11	22.62	16.35	11.74	8.81	3.44	29.07	12.72
2020-12	22.62	14.00	15.47	17.78	5.02	59.39	25.81
2021-01	27.17	22.42	31.93	31.65	11.53	95.32	43.94
2021-02	13.22	15.55	19.26	18.73	9.41	56.53	26.03
2021-03	5.89	8.58	8.46	10.45	6.11	35.19	15.22
2021-04	4.75	5.59	4.79	5.69	4.04	17.50	7.97
2021-05	3.55	3.84	2.36	2.34	3.10	6.05	3.06
2021-06	2.96	4.73	1.19	1.03	3.91	3.37	1.48
2021-07	4.89	18.72	5.17	3.02	8.50	15.15	5.36
2021-08	14.55	25.19	21.23	11.93	19.00	31.55	15.72
2021-09	12.39	11.32	15.98	10.30	13.21	17.82	11.75
2021-10	7.47	5.46	7.75	5.26	5.56	7.49	5.69
2021-11	7.43	3.02	2.89	2.31	1.92	2.90	2.42
2021-12	8.92	2.87	2.14	1.60	0.80	2.01	1.68
2022-01	14.38	11.13	8.79	4.35	3.54	13.49	6.12
2022-02	10.48	9.07	9.35	5.36	5.15	13.69	6.97
2022-03	1.46	1.27	1.43	0.97	1.10	2.54	1.27
2022-04	0.31	0.22	0.21	0.18	0.14	0.46	0.23
2022-05	0.14	0.11	0.09	0.05	0.08	0.18	0.08
2022-06	0.41	0.54	0.20	0.10	0.22	1.09	0.29
2022-07	2.40	1.75	1.24	1.25	1.44	4.88	1.95
2022-08	1.42	1.27	1.13	0.86	0.75	2.78	1.23
2022-09	0.34	0.35	0.27	0.19	0.12	0.63	0.27
2022-10	0.11	0.08	0.07	0.04	0.05	0.21	0.07
2022-11	0.19	0.13	0.06	0.04	0.09	0.18	0.07
2022-12	0.68	0.35	0.34	0.22	0.39	1.49	0.47
2023-01	0.86	1.00	0.85	0.72	0.46	3.12	1.18
2023-02	0.44	0.52	0.55	0.42	0.15	1.02	0.53
2023-03	0.42	0.35	0.32	0.25	0.13	0.92	0.38
2023-04	0.25	0.18	0.20	0.19	0.14	0.63	0.27
2023-05	0.19	0.23	0.10	0.08	0.10	0.33	0.13
2023-06	0.03	0.04	0.03	0.01	0.04	0.03	0.01
Letalidad de COVID-19 en México por Regiones de Movilidad Social
Year-Month	NORTE	NORTE_OCCIDENTE	CENTRO_NORTE	CENTRO	SUR	CDMX	CENTRO+CDMX
2020-03	1.54	2.88	0.68	1.97	1.44	1.35	1.58
2020-04	18.07	12.39	7.27	15.91	10.86	10.78	12.65
2020-05	14.14	12.93	6.38	21.24	14.63	14.96	17.60
2020-06	9.58	13.50	9.24	15.53	12.24	12.89	14.37
2020-07	10.84	12.73	8.76	13.96	12.94	8.07	11.45
2020-08	10.43	12.05	11.58	13.15	14.35	6.23	9.74
2020-09	8.50	10.40	11.26	11.59	9.61	5.86	8.30
2020-10	7.52	6.49	9.12	10.17	8.83	4.49	6.48
2020-11	11.20	7.90	9.04	9.00	6.70	3.71	5.53
2020-12	10.36	8.92	10.78	11.70	5.84	3.67	5.93
2021-01	11.11	9.78	13.94	14.05	8.93	5.38	8.39
2021-02	16.31	14.88	23.58	18.20	14.49	7.05	10.94
2021-03	9.47	10.79	16.18	14.66	11.88	6.21	9.12
2021-04	7.61	8.11	11.70	13.03	8.43	5.41	8.15
2021-05	6.38	6.08	9.11	10.26	5.01	3.31	5.69
2021-06	3.67	2.62	4.54	4.06	3.44	0.89	1.58
2021-07	2.27	3.89	2.07	1.87	2.87	1.05	1.31
2021-08	4.12	6.94	5.33	5.18	5.23	2.53	3.69
2021-09	7.10	8.80	8.45	6.55	7.63	3.38	5.14
2021-10	5.54	9.11	11.77	6.50	9.04	3.58	5.38
2021-11	5.19	6.10	8.23	5.04	9.75	2.13	3.83
2021-12	4.97	1.54	2.77	2.73	1.79	0.53	1.39
2022-01	1.20	0.77	0.86	0.78	0.53	0.35	0.51
2022-02	8.10	4.30	5.73	3.58	3.46	2.11	2.83
2022-03	6.22	3.32	5.03	4.09	4.07	1.91	2.84
2022-04	4.00	1.46	1.90	2.54	1.29	0.74	1.33
2022-05	0.58	0.15	0.32	0.43	0.40	0.11	0.18
2022-06	0.17	0.13	0.14	0.07	0.12	0.08	0.08
2022-07	0.40	0.27	0.28	0.30	0.42	0.24	0.27
2022-08	0.96	0.77	0.93	0.85	1.13	0.74	0.80
2022-09	1.05	1.04	1.11	1.25	0.80	0.64	0.88
2022-10	0.86	0.83	0.90	0.78	0.71	0.47	0.57
2022-11	0.60	1.10	0.48	0.38	0.33	0.21	0.26
2022-12	0.94	0.56	0.62	0.39	0.55	0.31	0.34
2023-01	1.26	1.12	1.03	0.93	1.01	0.84	0.89
2023-02	0.71	1.08	1.21	0.81	0.87	0.37	0.57
2023-03	0.77	0.78	0.93	0.49	0.74	0.32	0.39
2023-04	0.65	0.57	1.20	0.90	0.79	0.59	0.73
2023-05	0.76	0.90	0.66	0.61	0.49	0.44	0.51
2023-06	0.53	0.61	0.64	0.36	0.44	0.17	0.24
	NamesCat	Count	Card	Mode	ModeFrec	ModePerc	Mode2	Mode2Frec	Mode2Perc
3	ORIGEN	10000	2	NO USMER	7664	76.64%	USMER	2336	23.36%
4	SECTOR	10000	12	SSA	5168	51.68%	IMSS	3688	36.88%
5	ENTIDAD_UM	10000	32	CIUDAD DE MÉXICO	3559	35.59%	MÉXICO	629	6.29%
6	SEXO	10000	2	MUJER	5437	54.37%	HOMBRE	4563	45.63%
7	ENTIDAD_NAC	10000	33	CIUDAD DE MÉXICO	3044	30.44%	MÉXICO	1043	10.43%
8	ENTIDAD_RES	10000	32	CIUDAD DE MÉXICO	3106	31.06%	MÉXICO	1047	10.47%
9	TIPO_PACIENTE	10000	2	AMBULATORIO	9289	92.89%	HOSPITALIZADO	711	7.11%
10	FECHA_INGRESO	10000	1140	2022-01-11	72	0.72%	2022-01-12	64	0.64%
11	FECHA_SINTOMAS	10000	1170	2022-01-10	89	0.89%	2022-01-17	56	0.56%
12	FECHA_DEF	10000	189	9999-99-99	9785	97.85%	2021-08-13	4	0.04%
13	INTUBADO	10000	4	NO APLICA	9289	92.89%	NO	656	6.56%
14	NEUMONIA	10000	3	NO	9498	94.98%	SI	403	4.03%
15	NACIONALIDAD	10000	2	MEXICANA	9936	99.36%	EXTRANJERA	64	0.64%
16	EMBARAZO	10000	4	NO	5267	52.67%	NO APLICA	4563	45.63%
17	HABLA_LENGUA_INDIG	10000	3	NO	9292	92.92%	NO ESPECIFICADO	653	6.53%
18	INDIGENA	10000	3	NO	9279	92.79%	NO ESPECIFICADO	644	6.44%
19	DIABETES	10000	3	NO	9177	91.77%	SI	762	7.62%
20	EPOC	10000	3	NO	9875	98.75%	SI	65	0.65%
21	ASMA	10000	3	NO	9721	97.21%	SI	221	2.21%
22	INMUSUPR	10000	3	NO	9902	99.02%	SE IGNORA	58	0.58%
23	HIPERTENSION	10000	3	NO	8916	89.16%	SI	1025	10.25%
24	OTRA_COM	10000	3	NO	9699	96.99%	SE IGNORA	162	1.62%
25	CARDIOVASCULAR	10000	3	NO	9834	98.34%	SI	106	1.06%
26	OBESIDAD	10000	3	NO	9117	91.17%	SI	823	8.23%
27	RENAL_CRONICA	10000	3	NO	9860	98.6%	SI	80	0.8%
28	TABAQUISMO	10000	3	NO	9360	93.6%	SI	579	5.79%
29	OTRO_CASO	10000	3	NO	6514	65.14%	SI	3152	31.52%
30	TOMA_MUESTRA_LAB	10000	2	NO	6869	68.69%	SI	3131	31.31%
31	RESULTADO_LAB	10000	5	NO APLICA	6869	68.69%	NO POSITIVO	1774	17.74%
32	TOMA_MUESTRA_ANTIGENO	10000	2	SI	7062	70.62%	NO	2938	29.38%
33	RESULTADO_ANTIGENO	10000	3	NEGATIVO	4626	46.26%	NO APLICA	2938	29.38%
34	CLASIFICACION_FINAL	10000	7	NEGATIVO	5828	58.28%	PRUEBA	3548	35.48%
35	MIGRANTE	10000	3	NO ESPECIFICADO	9941	99.41%	2	46	0.46%
36	PAIS_NACIONALIDAD	10000	24	MEXICANA	9936	99.36%	Estados Unidos de América	25	0.25%
37	PAIS_ORIGEN	10000	11	NO APLICA	9987	99.87%	China	2	0.02%
38	UCI	10000	4	NO APLICA	9289	92.89%	NO	667	6.67%
	Count	Miss	Card	Min	Qrt1	Median	Qrt3	Max	Mean	Sdev
MUNICIPIO_RES	10000	0	187	1	7	15	39	999	36.46	81.14
EDAD	10000	0	102	0	26	36	50	120	38.28	17.30
VARIABLE	N	HOMBRE, N = 4,563¹	MUJER, N = 5,437¹	p-value²
EDAD	10,000	36 (26, 50)	37 (26, 50)	0.11
ORIGEN	10,000			0.3
NO USMER		3,517 (77%)	4,147 (76%)
USMER		1,046 (23%)	1,290 (24%)
SECTOR	10,000
CRUZ ROJA		1 (<0.1%)	0 (0%)
ESTATAL		61 (1.3%)	40 (0.7%)
IMSS		1,674 (37%)	2,014 (37%)
IMSS-BIENESTAR		19 (0.4%)	33 (0.6%)
ISSSTE		107 (2.3%)	126 (2.3%)
MUNICIPAL		1 (<0.1%)	7 (0.1%)
PEMEX		17 (0.4%)	26 (0.5%)
PRIVADA		336 (7.4%)	327 (6.0%)
SEDENA		12 (0.3%)	13 (0.2%)
SEMAR		11 (0.2%)	4 (<0.1%)
SSA		2,323 (51%)	2,845 (52%)
UNIVERSITARIO		1 (<0.1%)	2 (<0.1%)
TIPO_PACIENTE	10,000			<0.001
AMBULATORIO		4,181 (92%)	5,108 (94%)
HOSPITALIZADO		382 (8.4%)	329 (6.1%)
INTUBADO	10,000			<0.001
NO		356 (7.8%)	300 (5.5%)
NO APLICA		4,181 (92%)	5,108 (94%)
NO ESPECIFICADO		1 (<0.1%)	5 (<0.1%)
SI		25 (0.5%)	24 (0.4%)
NEUMONIA	10,000			<0.001
NO		4,306 (94%)	5,192 (95%)
NO ESPECIFICADO		36 (0.8%)	63 (1.2%)
SI		221 (4.8%)	182 (3.3%)
NACIONALIDAD	10,000			0.050
EXTRANJERA		37 (0.8%)	27 (0.5%)
MEXICANA		4,526 (99%)	5,410 (100%)
EMBARAZO	10,000			<0.001
NO		0 (0%)	5,267 (97%)
NO APLICA		4,563 (100%)	0 (0%)
SE IGNORA		0 (0%)	47 (0.9%)
SI		0 (0%)	123 (2.3%)
HABLA_LENGUA_INDIG	10,000			0.9
NO		4,242 (93%)	5,050 (93%)
NO ESPECIFICADO		298 (6.5%)	355 (6.5%)
SI		23 (0.5%)	32 (0.6%)
INDIGENA	10,000			0.7
NO		4,233 (93%)	5,046 (93%)
NO ESPECIFICADO		298 (6.5%)	346 (6.4%)
SI		32 (0.7%)	45 (0.8%)
DIABETES	10,000			<0.001
NO		4,148 (91%)	5,029 (92%)
SE IGNORA		43 (0.9%)	18 (0.3%)
SI		372 (8.2%)	390 (7.2%)
EPOC	10,000			<0.001
NO		4,488 (98%)	5,387 (99%)
SE IGNORA		42 (0.9%)	18 (0.3%)
SI		33 (0.7%)	32 (0.6%)
ASMA	10,000			<0.001
NO		4,448 (97%)	5,273 (97%)
SE IGNORA		41 (0.9%)	17 (0.3%)
SI		74 (1.6%)	147 (2.7%)
INMUSUPR	10,000			<0.001
NO		4,502 (99%)	5,400 (99%)
SE IGNORA		41 (0.9%)	17 (0.3%)
SI		20 (0.4%)	20 (0.4%)
HIPERTENSION	10,000			<0.001
NO		4,071 (89%)	4,845 (89%)
SE IGNORA		43 (0.9%)	16 (0.3%)
SI		449 (9.8%)	576 (11%)
CARDIOVASCULAR	10,000			<0.001
NO		4,467 (98%)	5,367 (99%)
SE IGNORA		43 (0.9%)	17 (0.3%)
SI		53 (1.2%)	53 (1.0%)
OBESIDAD	10,000			<0.001
NO		4,172 (91%)	4,945 (91%)
SE IGNORA		41 (0.9%)	19 (0.3%)
SI		350 (7.7%)	473 (8.7%)
RENAL_CRONICA	10,000			<0.001
NO		4,480 (98%)	5,380 (99%)
SE IGNORA		42 (0.9%)	18 (0.3%)
SI		41 (0.9%)	39 (0.7%)
TABAQUISMO	10,000			<0.001
NO		4,162 (91%)	5,198 (96%)
SE IGNORA		42 (0.9%)	19 (0.3%)
SI		359 (7.9%)	220 (4.0%)
OTRO_CASO	10,000			0.011
NO		3,010 (66%)	3,504 (64%)
NO ESPECIFICADO		171 (3.7%)	163 (3.0%)
SI		1,382 (30%)	1,770 (33%)
TOMA_MUESTRA_LAB	10,000			0.9
NO		3,131 (69%)	3,738 (69%)
SI		1,432 (31%)	1,699 (31%)
RESULTADO_LAB	10,000			0.3
NO ADECUADO		80 (1.8%)	81 (1.5%)
NO APLICA		3,131 (69%)	3,738 (69%)
NO POSITIVO		782 (17%)	992 (18%)
PENDIENTE		1 (<0.1%)	1 (<0.1%)
POSITIVO		569 (12%)	625 (11%)
TOMA_MUESTRA_ANTIGENO	10,000			0.3
NO		1,364 (30%)	1,574 (29%)
SI		3,199 (70%)	3,863 (71%)
RESULTADO_ANTIGENO	10,000			0.2
NEGATIVO		2,067 (45%)	2,559 (47%)
NO APLICA		1,364 (30%)	1,574 (29%)
POSITIVO		1,132 (25%)	1,304 (24%)
MIGRANTE	10,000			0.003
1		12 (0.3%)	1 (<0.1%)
2		21 (0.5%)	25 (0.5%)
NO ESPECIFICADO		4,530 (99%)	5,411 (100%)
UCI	10,000			<0.001
NO		364 (8.0%)	303 (5.6%)
NO APLICA		4,181 (92%)	5,108 (94%)
NO ESPECIFICADO		1 (<0.1%)	5 (<0.1%)
SI		17 (0.4%)	21 (0.4%)
CLASIFICACION_FINAL	10,000
CLINICA		80 (1.8%)	89 (1.6%)
COMITE		3 (<0.1%)	3 (<0.1%)
INVALIDO		4 (<0.1%)	2 (<0.1%)
NEGATIVO		2,601 (57%)	3,227 (59%)
NO REALIZADO		37 (0.8%)	30 (0.6%)
PRUEBA		1,660 (36%)	1,888 (35%)
SOSPECHOSO		178 (3.9%)	198 (3.6%)
¹ Median (IQR); n (%)
² Wilcoxon rank sum test; Pearson’s Chi-squared test; Fisher’s exact test
---
title: "COVID-19 en México"
author: "Emerald Branson Francis"
date: "2020-01-01 a 2023-06-27"
output: 
  flexdashboard::flex_dashboard:
    orientation: rows
    theme: flatly
    vertical: scroll
    source_code: embed
---

```{r Modules, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
library(rmarkdown)
library(flexdashboard)
library(dplyr)
library(data.table)
library(tidyverse)
library(zoo)
library(plotly)
library(kableExtra)
library(gtsummary)
library(lubridate)
library(openxlsx)
library(deSolve)
```

```{r Primary Database, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov2020 <- fread("~/Documents/Covid Data/Crudos/COVID19MEXICO2020.csv",header = TRUE)
cov2021 <- fread("~/Documents/Covid Data/Crudos/COVID19MEXICO2021.csv",header = TRUE)
cov2022 <- fread("~/Documents/Covid Data/Crudos/COVID19MEXICO2022.csv",header = TRUE)
cov2023 <- fread("~/Documents/Covid Data/Crudos/COVID19MEXICO20230627.csv",header = TRUE)
covraw <- rbind(cov2020,cov2021,cov2022,cov2023)
```

```{r Data Processing, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_processed <- covraw %>% 
  mutate(ORIGEN=replace(ORIGEN,ORIGEN==1,"USMER"), 
         ORIGEN=replace(ORIGEN,ORIGEN==2,"NO USMER"),
         SECTOR=replace(SECTOR,SECTOR==1,"CRUZ ROJA"),
         SECTOR=replace(SECTOR,SECTOR==2,"DIF"),
         SECTOR=replace(SECTOR,SECTOR==3,"ESTATAL"),
         SECTOR=replace(SECTOR,SECTOR==4,"IMSS"),
         SECTOR=replace(SECTOR,SECTOR==5,"IMSS-BIENESTAR"),
         SECTOR=replace(SECTOR,SECTOR==6,"ISSSTE"),
         SECTOR=replace(SECTOR,SECTOR==7,"MUNICIPAL"),
         SECTOR=replace(SECTOR,SECTOR==8,"PEMEX"),
         SECTOR=replace(SECTOR,SECTOR==9,"PRIVADA"),
         SECTOR=replace(SECTOR,SECTOR==10,"SEDENA"),
         SECTOR=replace(SECTOR,SECTOR==11,"SEMAR"),
         SECTOR=replace(SECTOR,SECTOR==12,"SSA"),
         SECTOR=replace(SECTOR,SECTOR==13,"UNIVERSITARIO"),
         SECTOR=replace(SECTOR,SECTOR==99,"NO ESPECIFICADO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==1,"AGUASCALIENTES"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==2,"BAJA CALIFORNIA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==3,"BAJA CALIFORNIA SUR"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==4,"CAMPECHE"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==5,"COAHUILA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==6,"COLIMA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==7,"CHIAPAS"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==8,"CHIHUAHUA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==9,"CIUDAD DE MÉXICO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==10,"DURANGO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==11,"GUANAJUATO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==12,"GUERRERO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==13,"HIDALGO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==14,"JALISCO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==15,"MÉXICO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==16,"MICHOACÁN"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==17,"MORELOS"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==18,"NAYARIT"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==19,"NUEVO LEÓN"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==20,"OAXACA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==21,"PUEBLA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==22,"QUERÉTARO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==23,"QUINTANO ROO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==24,"SAN LUIS POTOSÍ"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==25,"SINALOA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==26,"SONORA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==27,"TABASCO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==28,"TAMAULIPAS"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==29,"TLAXCALA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==30,"VERACRUZ"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==31,"YUCATÁN"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==32,"ZACATECAS"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==36,"ESTADOS UNIDOS MEXICANOS"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==97,"NO APLICA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==98,"SE IGNORA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==99,"NO ESPECIFICADO"),
         SEXO=replace(SEXO,SEXO==1,"MUJER"),
         SEXO=replace(SEXO,SEXO==2,"HOMBRE"),
         SEXO=replace(SEXO,SEXO==99,"NO ESPECIFICADO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==1,"AGUASCALIENTES"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==2,"BAJA CALIFORNIA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==3,"BAJA CALIFORNIA SUR"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==4,"CAMPECHE"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==5,"COAHUILA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==6,"COLIMA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==7,"CHIAPAS"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==8,"CHIHUAHUA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==9,"CIUDAD DE MÉXICO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==10,"DURANGO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==11,"GUANAJUATO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==12,"GUERRERO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==13,"HIDALGO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==14,"JALISCO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==15,"MÉXICO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==16,"MICHOACÁN"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==17,"MORELOS"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==18,"NAYARIT"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==19,"NUEVO LEÓN"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==20,"OAXACA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==21,"PUEBLA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==22,"QUERÉTARO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==23,"QUINTANO ROO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==24,"SAN LUIS POTOSÍ"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==25,"SINALOA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==26,"SONORA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==27,"TABASCO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==28,"TAMAULIPAS"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==29,"TLAXCALA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==30,"VERACRUZ"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==31,"YUCATÁN"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==32,"ZACATECAS"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==36,"ESTADOS UNIDOS MEXICANOS"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==97,"NO APLICA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==98,"SE IGNORA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==99,"NO ESPECIFICADO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==1,"AGUASCALIENTES"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==2,"BAJA CALIFORNIA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==3,"BAJA CALIFORNIA SUR"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==4,"CAMPECHE"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==5,"COAHUILA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==6,"COLIMA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==7,"CHIAPAS"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==8,"CHIHUAHUA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==9,"CIUDAD DE MÉXICO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==10,"DURANGO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==11,"GUANAJUATO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==12,"GUERRERO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==13,"HIDALGO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==14,"JALISCO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==15,"MÉXICO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==16,"MICHOACÁN"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==17,"MORELOS"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==18,"NAYARIT"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==19,"NUEVO LEÓN"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==20,"OAXACA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==21,"PUEBLA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==22,"QUERÉTARO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==23,"QUINTANO ROO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==24,"SAN LUIS POTOSÍ"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==25,"SINALOA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==26,"SONORA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==27,"TABASCO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==28,"TAMAULIPAS"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==29,"TLAXCALA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==30,"VERACRUZ"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==31,"YUCATÁN"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==32,"ZACATECAS"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==36,"ESTADOS UNIDOS MEXICANOS"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==97,"NO APLICA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==98,"SE IGNORA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==99,"NO ESPECIFICADO"),
         TIPO_PACIENTE=replace(TIPO_PACIENTE,TIPO_PACIENTE==1,"AMBULATORIO"),
         TIPO_PACIENTE=replace(TIPO_PACIENTE,TIPO_PACIENTE==2,"HOSPITALIZADO"),
         TIPO_PACIENTE=replace(TIPO_PACIENTE,TIPO_PACIENTE==99,"NO ESPECIFICADO"),
         INTUBADO=replace(INTUBADO,INTUBADO==1,"SI"),
         INTUBADO=replace(INTUBADO,INTUBADO==2,"NO"),
         INTUBADO=replace(INTUBADO,INTUBADO==97,"NO APLICA"),
         INTUBADO=replace(INTUBADO,INTUBADO==98,"SE IGNORA"),
         INTUBADO=replace(INTUBADO,INTUBADO==99,"NO ESPECIFICADO"),
         NEUMONIA=replace(NEUMONIA,NEUMONIA==1,"SI"),
         NEUMONIA=replace(NEUMONIA,NEUMONIA==2,"NO"),
         NEUMONIA=replace(NEUMONIA,NEUMONIA==97,"NO APLICA"),
         NEUMONIA=replace(NEUMONIA,NEUMONIA==98,"SE IGNORA"),
         NEUMONIA=replace(NEUMONIA,NEUMONIA==99,"NO ESPECIFICADO"),
         NACIONALIDAD=replace(NACIONALIDAD,NACIONALIDAD==1,"MEXICANA"),
         NACIONALIDAD=replace(NACIONALIDAD,NACIONALIDAD==2,"EXTRANJERA"),
         NACIONALIDAD=replace(NACIONALIDAD,NACIONALIDAD==99,"NO ESPECIFICADO"),
         EMBARAZO=replace(EMBARAZO,EMBARAZO==1,"SI"),
         EMBARAZO=replace(EMBARAZO,EMBARAZO==2,"NO"),
         EMBARAZO=replace(EMBARAZO,EMBARAZO==97,"NO APLICA"),
         EMBARAZO=replace(EMBARAZO,EMBARAZO==98,"SE IGNORA"),
         EMBARAZO=replace(EMBARAZO,EMBARAZO==99,"NO ESPECIFICADO"),
         HABLA_LENGUA_INDIG=replace(HABLA_LENGUA_INDIG,HABLA_LENGUA_INDIG==1,"SI"),
         HABLA_LENGUA_INDIG=replace(HABLA_LENGUA_INDIG,HABLA_LENGUA_INDIG==2,"NO"),
         HABLA_LENGUA_INDIG=replace(HABLA_LENGUA_INDIG,HABLA_LENGUA_INDIG==97,"NO APLICA"),
         HABLA_LENGUA_INDIG=replace(HABLA_LENGUA_INDIG,HABLA_LENGUA_INDIG==98,"SE IGNORA"),
         HABLA_LENGUA_INDIG=replace(HABLA_LENGUA_INDIG,HABLA_LENGUA_INDIG==99,"NO ESPECIFICADO"),
         INDIGENA=replace(INDIGENA,INDIGENA==1,"SI"),
         INDIGENA=replace(INDIGENA,INDIGENA==2,"NO"),
         INDIGENA=replace(INDIGENA,INDIGENA==97,"NO APLICA"),
         INDIGENA=replace(INDIGENA,INDIGENA==98,"SE IGNORA"),
         INDIGENA=replace(INDIGENA,INDIGENA==99,"NO ESPECIFICADO"),
         DIABETES=replace(DIABETES,DIABETES==1,"SI"),
         DIABETES=replace(DIABETES,DIABETES==2,"NO"),
         DIABETES=replace(DIABETES,DIABETES==97,"NO APLICA"),
         DIABETES=replace(DIABETES,DIABETES==98,"SE IGNORA"),
         DIABETES=replace(DIABETES,DIABETES==99,"NO ESPECIFICADO"),
         EPOC=replace(EPOC,EPOC==1,"SI"),
         EPOC=replace(EPOC,EPOC==2,"NO"),
         EPOC=replace(EPOC,EPOC==97,"NO APLICA"),
         EPOC=replace(EPOC,EPOC==98,"SE IGNORA"),
         EPOC=replace(EPOC,EPOC==99,"NO ESPECIFICADO"),
         ASMA=replace(ASMA,ASMA==1,"SI"),
         ASMA=replace(ASMA,ASMA==2,"NO"),
         ASMA=replace(ASMA,ASMA==97,"NO APLICA"),
         ASMA=replace(ASMA,ASMA==98,"SE IGNORA"),
         ASMA=replace(ASMA,ASMA==99,"NO ESPECIFICADO"),
         INMUSUPR=replace(INMUSUPR,INMUSUPR==1,"SI"),
         INMUSUPR=replace(INMUSUPR,INMUSUPR==2,"NO"),
         INMUSUPR=replace(INMUSUPR,INMUSUPR==97,"NO APLICA"),
         INMUSUPR=replace(INMUSUPR,INMUSUPR==98,"SE IGNORA"),
         INMUSUPR=replace(INMUSUPR,INMUSUPR==99,"NO ESPECIFICADO"),
         HIPERTENSION=replace(HIPERTENSION,HIPERTENSION==1,"SI"),
         HIPERTENSION=replace(HIPERTENSION,HIPERTENSION==2,"NO"),
         HIPERTENSION=replace(HIPERTENSION,HIPERTENSION==97,"NO APLICA"),
         HIPERTENSION=replace(HIPERTENSION,HIPERTENSION==98,"SE IGNORA"),
         HIPERTENSION=replace(HIPERTENSION,HIPERTENSION==99,"NO ESPECIFICADO"),
         OTRA_COM=replace(OTRA_COM,OTRA_COM==1,"SI"),
         OTRA_COM=replace(OTRA_COM,OTRA_COM==2,"NO"),
         OTRA_COM=replace(OTRA_COM,OTRA_COM==97,"NO APLICA"),
         OTRA_COM=replace(OTRA_COM,OTRA_COM==98,"SE IGNORA"),
         OTRA_COM=replace(OTRA_COM,OTRA_COM==99,"NO ESPECIFICADO"),
         CARDIOVASCULAR=replace(CARDIOVASCULAR,CARDIOVASCULAR==1,"SI"),
         CARDIOVASCULAR=replace(CARDIOVASCULAR,CARDIOVASCULAR==2,"NO"),
         CARDIOVASCULAR=replace(CARDIOVASCULAR,CARDIOVASCULAR==97,"NO APLICA"),
         CARDIOVASCULAR=replace(CARDIOVASCULAR,CARDIOVASCULAR==98,"SE IGNORA"),
         CARDIOVASCULAR=replace(CARDIOVASCULAR,CARDIOVASCULAR==99,"NO ESPECIFICADO"),
         OBESIDAD=replace(OBESIDAD,OBESIDAD==1,"SI"),
         OBESIDAD=replace(OBESIDAD,OBESIDAD==2,"NO"),
         OBESIDAD=replace(OBESIDAD,OBESIDAD==97,"NO APLICA"),
         OBESIDAD=replace(OBESIDAD,OBESIDAD==98,"SE IGNORA"),
         OBESIDAD=replace(OBESIDAD,OBESIDAD==99,"NO ESPECIFICADO"),
         RENAL_CRONICA=replace(RENAL_CRONICA,RENAL_CRONICA==1,"SI"),
         RENAL_CRONICA=replace(RENAL_CRONICA,RENAL_CRONICA==2,"NO"),
         RENAL_CRONICA=replace(RENAL_CRONICA,RENAL_CRONICA==97,"NO APLICA"),
         RENAL_CRONICA=replace(RENAL_CRONICA,RENAL_CRONICA==98,"SE IGNORA"),
         RENAL_CRONICA=replace(RENAL_CRONICA,RENAL_CRONICA==99,"NO ESPECIFICADO"),
         TABAQUISMO=replace(TABAQUISMO,TABAQUISMO==1,"SI"),
         TABAQUISMO=replace(TABAQUISMO,TABAQUISMO==2,"NO"),
         TABAQUISMO=replace(TABAQUISMO,TABAQUISMO==97,"NO APLICA"),
         TABAQUISMO=replace(TABAQUISMO,TABAQUISMO==98,"SE IGNORA"),
         TABAQUISMO=replace(TABAQUISMO,TABAQUISMO==99,"NO ESPECIFICADO"),
         OTRO_CASO=replace(OTRO_CASO,OTRO_CASO==1,"SI"),
         OTRO_CASO=replace(OTRO_CASO,OTRO_CASO==2,"NO"),
         OTRO_CASO=replace(OTRO_CASO,OTRO_CASO==97,"NO APLICA"),
         OTRO_CASO=replace(OTRO_CASO,OTRO_CASO==98,"SE IGNORA"),
         OTRO_CASO=replace(OTRO_CASO,OTRO_CASO==99,"NO ESPECIFICADO"),
         TOMA_MUESTRA_LAB=replace(TOMA_MUESTRA_LAB,TOMA_MUESTRA_LAB==1,"SI"),
         TOMA_MUESTRA_LAB=replace(TOMA_MUESTRA_LAB,TOMA_MUESTRA_LAB==2,"NO"),
         TOMA_MUESTRA_LAB=replace(TOMA_MUESTRA_LAB,TOMA_MUESTRA_LAB==97,"NO APLICA"),
         TOMA_MUESTRA_LAB=replace(TOMA_MUESTRA_LAB,TOMA_MUESTRA_LAB==98,"SE IGNORA"),
         TOMA_MUESTRA_LAB=replace(TOMA_MUESTRA_LAB,TOMA_MUESTRA_LAB==99,"NO ESPECIFICADO"),
         RESULTADO_LAB=replace(RESULTADO_LAB,RESULTADO_LAB==1,"POSITIVO"),
         RESULTADO_LAB=replace(RESULTADO_LAB,RESULTADO_LAB==2,"NO POSITIVO"),
         RESULTADO_LAB=replace(RESULTADO_LAB,RESULTADO_LAB==3,"PENDIENTE"),
         RESULTADO_LAB=replace(RESULTADO_LAB,RESULTADO_LAB==4,"NO ADECUADO"),
         RESULTADO_LAB=replace(RESULTADO_LAB,RESULTADO_LAB==97,"NO APLICA"),
         TOMA_MUESTRA_ANTIGENO=replace(TOMA_MUESTRA_ANTIGENO,TOMA_MUESTRA_ANTIGENO==1,"SI"),
         TOMA_MUESTRA_ANTIGENO=replace(TOMA_MUESTRA_ANTIGENO,TOMA_MUESTRA_ANTIGENO==2,"NO"),
         TOMA_MUESTRA_ANTIGENO=replace(TOMA_MUESTRA_ANTIGENO,TOMA_MUESTRA_ANTIGENO==97,"NO APLICA"),
         TOMA_MUESTRA_ANTIGENO=replace(TOMA_MUESTRA_ANTIGENO,TOMA_MUESTRA_ANTIGENO==98,"SE IGNORA"),
         TOMA_MUESTRA_ANTIGENO=replace(TOMA_MUESTRA_ANTIGENO,TOMA_MUESTRA_ANTIGENO==99,"NO ESPECIFICADO"),
         RESULTADO_ANTIGENO=replace(RESULTADO_ANTIGENO,RESULTADO_ANTIGENO==1,"POSITIVO"),
         RESULTADO_ANTIGENO=replace(RESULTADO_ANTIGENO,RESULTADO_ANTIGENO==2,"NEGATIVO"),
         RESULTADO_ANTIGENO=replace(RESULTADO_ANTIGENO,RESULTADO_ANTIGENO==97,"NO APLICA"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==1,"CLINICA"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==2,"COMITE"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==3,"PRUEBA"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==4,"INVALIDO"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==5,"NO REALIZADO"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==6,"SOSPECHOSO"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==7,"NEGATIVO"),
         MIGRANTE=replace(MIGRANTE,MIGRANTE==99,"NO ESPECIFICADO"),
         PAIS_NACIONALIDAD=replace(PAIS_NACIONALIDAD,PAIS_NACIONALIDAD=="México","MEXICANA"),
         PAIS_ORIGEN=replace(PAIS_ORIGEN,PAIS_ORIGEN==97,"NO APLICA"),
         UCI=replace(UCI,UCI==1,"SI"),
         UCI=replace(UCI,UCI==2,"NO"),
         UCI=replace(UCI,UCI==97,"NO APLICA"),
         UCI=replace(UCI,UCI==99,"NO ESPECIFICADO"))
```

```{r Remove Data Frames, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
rm(cov2020,cov2021,cov2022,cov2023,covraw)
```

# Valores Epidemiológicos {data-navmenu="Valores"}

```{r Database valores, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_valores <- cov_processed %>% 
  select(CLASIFICACION_FINAL,TIPO_PACIENTE,
         FECHA_SINTOMAS,FECHA_DEF,
         ENTIDAD_UM,MUNICIPIO_RES,FECHA_ACTUALIZACION) %>% 
  as.data.frame()
Fecha_Activos <- ymd(max(cov_valores$FECHA_ACTUALIZACION)) - 14
Fecha_Max <- max(cov_processed$FECHA_ACTUALIZACION)
```

## Estadísticos

### Confirmados
```{r Positivos Valor, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Confirmados <- function(dataset){
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA") %>%
    nrow()     ## Exitoso - 17/05/2022
  return(confirm)
}
Confirmados <- Confirmados(cov_valores)
Confirmados_Num <- format(Confirmados,
                          big.mark = ",",scientific = FALSE)
valueBox(Confirmados_Num, 
         icon = "fa-plus", 
         color = "#EF553B")
```

### Negativos
```{r Negativos Valor, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Negativos <- function(dataset){
  negativo <- dataset %>%
    filter(CLASIFICACION_FINAL == "NEGATIVO") %>%
    nrow()
  return(negativo)   ## Exitoso - 17/05/2022
}
Negativos <- Negativos(cov_valores)
Negativos_Num <- format(Negativos,big.mark = ",",scientific = FALSE)
valueBox(Negativos_Num,
         icon = "fa-minus",
         color = "#B6E880")
```

### Sospechosos
```{r Sospechosos Valor, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Sospechosos <- function(dataset){
  sospech <- dataset %>%
    filter(CLASIFICACION_FINAL == "INVALIDO"
           | CLASIFICACION_FINAL == "NO REALIZADO"
           | CLASIFICACION_FINAL == "SOSPECHOSO") %>%
    nrow()
  return(sospech)   ## Exitoso - 17/05/2022
}
Sospechosos <- Sospechosos(cov_valores)
Sospechosos_Num <- format(Sospechosos,big.mark = ",",scientific = FALSE)
valueBox(Sospechosos_Num,
         icon = "fa-question",
         color = "#FECB52")
```

## Epidemiológicos

### Defunciones
```{r Defunciones Valor, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunciones <- function(dataset){   ## No importa hospitalizado o Ambu
  confirm <- dataset %>% 
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  defunc <- confirm %>%
    filter(FECHA_DEF!= "9999-99-99") %>%
    nrow()
  return(defunc)          ## (Exitoso 29/06/22)
}
Defunciones <- Defunciones(cov_valores)
Defunciones_Num <- format(Defunciones,big.mark = ",",scientific = FALSE)
valueBox(Defunciones_Num,
         icon = "fa-ribbon",
         color = "#222A2A")
```

### Recuperados
```{r Recuperados, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Recuperados <- function(dataset){
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  ambulat <- confirm %>% 
    filter(TIPO_PACIENTE == "AMBULATORIO")
  sin_defunc <- ambulat %>% 
    filter(FECHA_DEF == "9999-99-99")
  defunc <- ambulat %>% 
    filter(FECHA_DEF!="9999-99-99")
  activos <- defunc %>% 
    filter(FECHA_SINTOMAS > Fecha_Activos)
  ambulat <- nrow(ambulat)
  activos <- nrow(activos)
  defunc <- nrow(defunc)
  sin_defunc <- nrow(sin_defunc)
  recup <- ((sin_defunc)-(activos+defunc))
  return(recup)   ## Exitoso - 29/06/2022 (con desviacion de 6 casos)
}
Recuperados <- Recuperados(cov_valores)    ## Revisar bien este codigo
Recuperados_Num <- format(Recuperados,big.mark = ",",scientific = FALSE)
valueBox(Recuperados_Num,
         icon = "fa-walking",
         color = "#00CC96")
```

### Activos
```{r Activos, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Activos <- function(dataset){
  confirm <- dataset %>% 
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  activos <- confirm %>% 
    filter(FECHA_SINTOMAS > Fecha_Activos) %>% 
    nrow()
  return(activos)   ### Finally Exitoso - 14/09/2022
}
Activos <- Activos(cov_valores)
Activos_Num <- format(Activos,big.mark = ",",scientific = FALSE)
valueBox(Activos_Num,
         icon = "fa-bed",
         color = "#636EFA")
```

## Estimados

### Positivos Estimados
```{r Positivos Estimados, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Indice_Positiv = (Confirmados)/(Confirmados+Negativos)  ### Less Codes
Positivos_Estimados <- round((Confirmados) + (Sospechosos  * Indice_Positiv),
                   digits = 0)  ### Exitoso - 29/06/22
Positivos_Estimados_Num <- format(Positivos_Estimados,big.mark = ",",scientific = FALSE)
valueBox(Positivos_Estimados_Num,
         icon = "fa-plus-circle",
         color = "#FFA15A")
```

### Defunciones Estimados
```{r Defunciones Estimados, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Indice_de_Defunc <- Defunciones/(Defunciones+Negativos)
Defunciones_Estimados <- round(Defunciones + 
                      (Sospechosos*Indice_de_Defunc),
                    digits = 0)   ## Exitoso = 29/06/22
Defunciones_Estimados_Num <- format(Defunciones_Estimados,big.mark = ",",scientific = FALSE)
valueBox(Defunciones_Estimados_Num,
         icon = "fa-times-circle",
         color = "#565656")
```

### Activos Estimados
```{r Activos Estimados, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Indice_de_Activos <- Activos/(Activos+Negativos)
Activos_Estimados <- round(Activos + 
                             (Sospechosos * Indice_de_Activos),
                           digits = 0)  ## Exitoso 29/06/22
Activos_Estimados_Num <- format(Activos_Estimados,big.mark = ",",scientific = FALSE)
valueBox(Activos_Estimados_Num,
         icon = "fa-procedures",
         color = "#19D3F3")
```

## Porcentajes
```{r Database Género, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_sexo <- cov_processed %>% 
  select(SEXO,CLASIFICACION_FINAL) %>% 
  as.data.frame()
```

### Hombres(%)
```{r Hombre, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Hombres <- function(dataset){     ## Exitoso con ayuda
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  sexo <- confirm %>%
    filter(SEXO == "HOMBRE") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((sexo/tot)*100,2)
  return(percent)
}
Hombres <- Hombres(cov_sexo)
valueBox(Hombres, 
         icon = "fa-male",
         color = "#3366CC")
```

### Mujeres(%)
```{r Mujeres, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Mujeres <- function(dataset){     ## Exitoso con ayuda
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  sexo <- confirm %>%
    filter(SEXO == "MUJER") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((sexo/tot)*100,2)
  return(percent)
}
Mujeres <- Mujeres(cov_sexo)
valueBox(Mujeres, 
         icon = "fa-female",
         color = "#DD4477")
```

```{r Database Atención Médica, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_hosp <- cov_processed %>% 
  select(TIPO_PACIENTE,CLASIFICACION_FINAL) %>% 
  as.data.frame()
```

### Ambulatorios(%)
```{r Ambulatorios, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Ambu <- function(dataset){     ## Exitoso con ayuda
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  ambu <- confirm %>%
    filter(TIPO_PACIENTE == "AMBULATORIO") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((ambu/tot)*100,2)
  return(percent)
}
Ambu <- Ambu(cov_hosp)
valueBox(Ambu, 
         icon = "fa-home",
         color = "#109618")
```

### Hospitalizados(%)
```{r Hospitalizados, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Hosp <- function(dataset){     ## Exitoso con ayuda
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  hosp <- confirm %>%
    filter(TIPO_PACIENTE == "HOSPITALIZADO") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((hosp/tot)*100,2)
  return(percent)
}
Hosp <- Hosp(cov_hosp)
valueBox(Hosp, 
         icon = "fa-hospital",
         color = "#B82E2E")
```

# Valores de Comorbilidades {data-navmenu="Valores"}
```{r Database Comorbilidades, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_comorb <- cov_processed %>% 
  select(DIABETES,HIPERTENSION,OBESIDAD,CARDIOVASCULAR,RENAL_CRONICA,OTRA_COM,CLASIFICACION_FINAL) %>% 
  as.data.frame()
```

## Crónicos-Degenerativos
### Diabetes Mellitus(%)
```{r Diabetes, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
DM2 <- function(dataset){## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  dm2 <- confirm %>%
    filter(DIABETES == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((dm2/tot)*100,2)
  return(percent)
}
DM2 <- DM2(cov_comorb)
gauge(DM2, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

### Hipertensión(%)
```{r Hipertensión, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
HAS <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  has <- confirm %>%
    filter(HIPERTENSION == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((has/tot)*100,2)
  return(percent)
}
HAS <- HAS(cov_comorb)
gauge(HAS, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)
))
```

### Obesidad(%)
```{r Obesidad, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
OBES <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  obes <- confirm %>%
    filter(OBESIDAD == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((obes/tot)*100,2)
  return(percent)
}
OBES <- OBES(cov_comorb)
gauge(OBES, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

## Patológicos
### Cardiovasculares(%)
```{r Cardiovascular, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
CARDIO <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  cardio <- confirm %>%
    filter(CARDIOVASCULAR == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((cardio/tot)*100,2)
  return(percent)
}
CARDIO <- CARDIO(cov_comorb)
gauge(CARDIO, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

### Renales(%)
```{r Renal, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
RENAL <- function(dataset,categoria){ ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  renal <- confirm %>%
    filter(RENAL_CRONICA == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((renal/tot)*100,2)
  return(percent)
}
RENAL <- RENAL(cov_comorb)
gauge(RENAL, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

### Otras Condiciones(%)
```{r Otras, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
OTRAS <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  otra <- confirm %>%
    filter(OTRA_COM == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((otra/tot)*100,2)
  return(percent)
}
OTRAS <- OTRAS(cov_comorb)
gauge(OTRAS, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

## Factores Influyentes
```{r Database Patologías, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_pato <- cov_processed %>% 
  select(TABAQUISMO,EPOC,ASMA,CLASIFICACION_FINAL) %>% 
  as.data.frame()
```

### Tabaquismo(%)
```{r Tabaco, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
TABAQ <- function(dataset,categoria){ ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  tabaco <- confirm %>%
    filter(TABAQUISMO == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((tabaco/tot)*100,2)
  return(percent)
}
TABAQ <- TABAQ(cov_pato)
gauge(TABAQ, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)
))
```

### EPOC(%)
```{r EPOC, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
EPOC <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  epoc <- confirm %>%
    filter(EPOC == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((epoc/tot)*100,2)
  return(percent)
}
EPOC <- EPOC(cov_pato)
gauge(EPOC, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)
))
```

### ASMA(%)
```{r ASMA, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
ASMA <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  asma <- confirm %>%
    filter(ASMA == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((asma/tot)*100,2)
  return(percent)
}
ASMA <- ASMA(cov_pato)
gauge(ASMA, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

## Complicaciones
```{r Database Complicaciones, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_complic <- cov_processed %>% 
  select(NEUMONIA,INTUBADO,UCI,CLASIFICACION_FINAL) %>% 
  as.data.frame()
```

### Neumonia(%)
```{r Neumonia, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
NEUMO <- function(dataset){ ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  neumo <- confirm %>%
    filter(NEUMONIA == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((neumo/tot)*100,2)
  return(percent)
}
NEUMO <- NEUMO(cov_complic)
gauge(NEUMO, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)
))
```

### Intubado(%)
```{r Intubado, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
INTUB <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  intub <- confirm %>%
    filter(INTUBADO == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((intub/tot)*100,2)
  return(percent)
}
INTUB <- INTUB(cov_complic)
gauge(INTUB, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

### UCI(%)
```{r UCI, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
UCI <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  uci <- confirm %>%
    filter(UCI == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((uci/tot)*100,2)
  return(percent)
}
UCI <- UCI(cov_complic)
gauge(UCI, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

# Demográficos {data-navmenu="Series de Tiempo"}

## Casos Diarios {.tabset .tabset-fade}
```{r Database for Análisis, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_analisis <- cov_processed %>% 
  select(FECHA_SINTOMAS,FECHA_DEF,
         EDAD,SEXO,ENTIDAD_UM,MUNICIPIO_RES,CLASIFICACION_FINAL)%>%
  filter(CLASIFICACION_FINAL == "CLINICA"
         | CLASIFICACION_FINAL == "COMITE"
         | CLASIFICACION_FINAL == "PRUEBA") %>% 
  as.data.frame()
```

### Por Total
```{r Casos por Dia, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Dia <- function(dataset){
  # Hacer función para filtrar un "vector" de las fechas de sintomas
  casos <- dataset %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(casos_conteo = n())
  # Calcular medias de casos por fechas para linea ajustado
  casos_mean <- rollmean(casos$casos_conteo,7)
  casos_media_movil <- append(casos_mean,c(0,0,0,0,0,0),0)
  casos_media_movil <- round(casos_media_movil, digits = 1)
  casos$casos_media_movil <- casos_media_movil
  # Demostrar en Gráfica con leyendas adecuadas
  plot_ly(x = casos$FECHA_SINTOMAS, mode = 'line') %>% 
    add_trace(y = casos$casos_conteo, 
              name = "Casos Diarios", 
              line = list(color = "#7f7f7f")) %>% 
    add_trace(y = casos$casos_media_movil, 
              name = "Media Móvil de Casos Diarios", 
              line = list(color = "#FF0000")) %>% 
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 en México",
           xaxis = list(rangeslider = list(visible = T),
           legend = list,title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Dia(cov_analisis)
```

### Por Género
```{r Casos por Género, echo=FALSE, fig.width=10, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Genero <- function(dataset){
  generos_separado <- dataset %>% 
    group_by(FECHA_SINTOMAS) %>% 
    summarise(generos_conteo = n())
  hombres <- dataset %>% 
    filter(SEXO == "HOMBRE") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    summarise(hombres_conteo = n())
  mujeres <- dataset %>% 
    filter(SEXO == "MUJER") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    summarise(mujeres_conteo = n())
  generos_merged <- merge(generos_separado,hombres,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  generos_merged <- merge(generos_merged,mujeres,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  hombres_porcent <- round(
    (generos_merged$hombres_conteo/
       generos_merged$generos_conteo)*100,2)
  generos_merged$hombres_porcent <- hombres_porcent
  hombres_mean <- rollmean(generos_merged$hombres_porcent,7)
  hombres_media_movil <- append(hombres_mean,c(0,0,0,0,0,0),0)
  hombres_media_movil <- round(hombres_media_movil,digits = 1)
  generos_merged$hombres_media_movil <- hombres_media_movil
  mujeres_porcent <- round(
    (generos_merged$mujeres_conteo/
       generos_merged$generos_conteo)*100,2)      ### round off decimals
  generos_merged$mujeres_porcent <- mujeres_porcent
  mujeres_mean <- rollmean(generos_merged$mujeres_porcent,7)
  mujeres_media_movil <- append(mujeres_mean,c(0,0,0,0,0,0),0)
  mujeres_media_movil <- round(mujeres_media_movil,digits = 1) ### rounding off at hover
  generos_merged$mujeres_media_movil <- mujeres_media_movil
  plot_ly(x = generos_merged$FECHA_SINTOMAS
          [10:nrow(generos_merged)],
          mode = 'line') %>%
    add_trace(y = generos_merged$hombres_media_movil
              [10:nrow(generos_merged)], 
              name = "Hombres", 
              line = list(color = "#7f7f7f")) %>% 
    add_trace(y = generos_merged$mujeres_media_movil
              [10:nrow(generos_merged)], 
              name = "Mujeres", 
              line = list(color = "#FF0000")) %>% 
    layout(title = "Distribución por Género de Casos Confirmados de COVID-19 en Mexico",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Genero(cov_analisis)
```

### Por Edad
```{r Edad, echo=FALSE, fig.width=10, message=FALSE, warning=FALSE, paged.print=FALSE}
cov_analisis <- cov_analisis %>% 
  mutate(
    # Create categories o grupos
    grupos_edad = dplyr::case_when(
      EDAD <= 9            ~ "0-9",
      EDAD > 9 & EDAD <= 19 ~ "10-19",
      EDAD > 19 & EDAD <= 29 ~ "20-29",
      EDAD > 29 & EDAD <= 39 ~ "30-39",
      EDAD > 39 & EDAD <= 49 ~ "40-49",
      EDAD > 49 & EDAD <= 59 ~ "50-59",
      EDAD > 59 & EDAD <= 69 ~ "60-69",
      EDAD > 69 & EDAD <= 79 ~ "70-79",
      EDAD >= 80             ~ ">=80"
    ),
    # Convert to factor
    grupos_edad = factor(
      grupos_edad,
      level = c("0-9", "10-19", "20-29", "30-39", "40-49",
                "50-59", "60-69", "70-79", ">=80")
    )
  )
Casos_Edad <- function(dataset){
  edad_0_9 <- dataset %>% 
    filter(grupos_edad == "0-9") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_0_9 = n())
  edad_0_9_mean <- rollmean(edad_0_9$conteo_0_9,7)
  media_movil <- append(edad_0_9_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_0_9$media_movil_0_9 <- media_movil
  edad_10_19 <- dataset %>% 
    filter(grupos_edad == "10-19") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_10_19 = n())
  edad_10_19_mean <- rollmean(edad_10_19$conteo_10_19,7)
  media_movil <- append(edad_10_19_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_10_19$media_movil_10_19 <- media_movil
  edad_20_29 <- dataset %>% 
    filter(grupos_edad == "20-29") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_20_29 = n())
  edad_20_29_mean <- rollmean(edad_20_29$conteo_20_29,7)
  media_movil <- append(edad_20_29_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_20_29$media_movil_20_29 <- media_movil
  edad_30_39 <- dataset %>% 
    filter(grupos_edad == "30-39") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_30_39 = n())
  edad_30_39_mean <- rollmean(edad_30_39$conteo_30_39,7)
  media_movil <- append(edad_30_39_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_30_39$media_movil_30_39 <- media_movil
  edad_40_49 <- dataset %>% 
    filter(grupos_edad == "40-49") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_40_49 = n())
  edad_40_49_mean <- rollmean(edad_40_49$conteo_40_49,7)
  media_movil <- append(edad_40_49_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_40_49$media_movil_40_49 <- media_movil
  edad_50_59 <- dataset %>% 
    filter(grupos_edad == "50-59") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_50_59 = n())
  edad_50_59_mean <- rollmean(edad_50_59$conteo_50_59,7)
  media_movil <- append(edad_50_59_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_50_59$media_movil_50_59 <- media_movil
  edad_60_69 <- dataset %>% 
    filter(grupos_edad == "60-69") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_60_69 = n())
  edad_60_69_mean <- rollmean(edad_60_69$conteo_60_69,7)
  media_movil <- append(edad_60_69_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_60_69$media_movil_60_69 <- media_movil
  edad_70_79 <- dataset %>% 
    filter(grupos_edad == "70-79") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_70_79 = n())
  edad_70_79_mean <- rollmean(edad_70_79$conteo_70_79,7)
  media_movil <- append(edad_70_79_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_70_79$media_movil_70_79 <- media_movil
  edad_mas80 <- dataset %>% 
    filter(grupos_edad == ">=80") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_mas80 = n())
  edad_mas80_mean <- rollmean(edad_mas80$conteo_mas80,7)
  media_movil <- append(edad_mas80_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_mas80$media_movil_mas80 <- media_movil
  edad_merged <- merge(edad_0_9,edad_10_19,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_20_29,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_30_39,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_40_49,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_50_59,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_60_69,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_70_79,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_mas80,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  plot_ly(x = edad_merged$FECHA_SINTOMAS, mode = 'line') %>% 
    add_trace(y = edad_merged$media_movil_0_9, name = "0 a 9 años", line = list(color = "#7f7f7f")) %>% 
    add_trace(y = edad_merged$media_movil_10_19, name = "10 a 19 años", line = list(color = "#0000ff")) %>%
    add_trace(y = edad_merged$media_movil_20_29, name = "20 a 29 años", line = list(color = "196F0A")) %>% 
    add_trace(y = edad_merged$media_movil_30_39, name = "30 a 39 años", line = list(color = "#800080")) %>% 
    add_trace(y = edad_merged$media_movil_40_49, name = "40 a 49 años", line = list(color = "#696966")) %>% 
    add_trace(y = edad_merged$media_movil_50_59, name = "50 a 59 años", line = list(color = "#800000")) %>% 
    add_trace(y = edad_merged$media_movil_60_69, name = "60 a 69 años", line = list(color = "#00ff00")) %>% 
    add_trace(y = edad_merged$media_movil_70_79, name = "70 a 79 años", line = list(color = "#ff6666")) %>% 
    add_trace(y = edad_merged$media_movil_mas80, name = ">=80 años", line = list(color = "#FF0000")) %>% 
    layout(title = "Distribución de Casos Confirmados de COVID-19 por cada década de vida en México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Edad(cov_analisis)  ## Exitoso
```

## Defunciones {.tabset .tabset-fade}

### En Total
```{r Defunciones, echo=FALSE, fig.width=10, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_Dia <- function(dataset){
  defunc <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99") %>% 
    ## '!' mark means NOT what follows
    select(FECHA_DEF) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(defunc_conteo = n())
  ## Medias moviles
  defunc_mean <- rollmean(defunc$defunc_conteo,7)
  # adding values
  defunc_media_movil <- append(defunc_mean,c(0,0,0,0,0,0),0)
  defunc_media_movil <- round(defunc_media_movil, digits = 1)
  defunc$defunc_media_movil <- defunc_media_movil
  # Visualización de Defunciones por dia por COVID
  plot_ly(x = as.Date(defunc$FECHA_DEF),
          mode = 'line') %>% 
    add_trace(y = defunc$defunc_conteo,
              name = "Defunciones Diarios",
              line = list(color = "#7f7f7f")) %>% 
    add_trace(y = defunc$defunc_media_movil,
              name = "Media Móvil",
              line = list(color = "#FF0000")) %>% 
    layout(title = "Distribución de Defunciones por COVID-19 en México",
           xaxis  = list(rangeslider = list(visible = T),
                         title = "El periodo se puede desplazar con el uso de la barra",legend = list))
}
Defunc_Dia(cov_analisis)
```

### Por Género
```{r Defunc Genero, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_Genero <- function(dataset){
  defunc_generos <- dataset %>%
    filter(FECHA_DEF!="9999-99-99") %>%
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(defunc_generos_conteo = n())
  defunc_hombres <- dataset %>% 
    filter(SEXO == "HOMBRE") %>% 
    group_by(FECHA_DEF) %>% 
    summarise(defunc_hombres_conteo = n())
  defunc_mujeres <- dataset %>% 
    filter(SEXO == "MUJER") %>% 
    group_by(FECHA_DEF) %>% 
    summarise(defunc_mujeres_conteo = n())
  defunc_generos <- merge(defunc_generos,defunc_hombres, 
                          by = "FECHA_DEF", all.x = TRUE)
  defunc_generos <- merge(defunc_generos,defunc_mujeres,
                          by = "FECHA_DEF", all.x = TRUE)
  defunc_hombres_porcent <- round(
    (defunc_generos$defunc_hombres_conteo/
       defunc_generos$defunc_generos_conteo)*100,2)
  defunc_generos$defunc_hombres_porcent <- defunc_hombres_porcent
  defunc_hombres_mean <- rollmean(defunc_generos$defunc_hombres_porcent,7)
  defunc_hombres_media_movil <- append(defunc_hombres_mean,c(0,0,0,0,0,0),0)
  defunc_hombres_media_movil <- round(defunc_hombres_media_movil, digits = 1)
  defunc_generos$defunc_hombres_media_movil <- defunc_hombres_media_movil
  defunc_mujeres_porcent <- round(
    (defunc_generos$defunc_mujeres_conteo/
       defunc_generos$defunc_generos_conteo)*100,2)      ### round off decimals
  defunc_generos$defunc_mujeres_porcent <- defunc_mujeres_porcent
  defunc_mujeres_mean <- rollmean(defunc_generos$defunc_mujeres_porcent,7)
  defunc_mujeres_media_movil <- append(defunc_mujeres_mean,c(0,0,0,0,0,0),0)
  defunc_mujeres_media_movil <- round(defunc_mujeres_media_movil, digits = 1)
  defunc_generos$defunc_mujeres_media_movil <- defunc_mujeres_media_movil
  defunc_generos_merged <- merge(defunc_generos,defunc_hombres,
                                 by = "FECHA_DEF",
                                 all.x = "TRUE")
  defunc_generos_merged <- merge(defunc_generos_merged,defunc_mujeres,
                                 by = "FECHA_DEF",
                                 all.x = "TRUE")
  plot_ly(x = as.Date(defunc_generos$FECHA_DEF[7:nrow(defunc_generos_merged)],
                      mode = 'lines')) %>%
    add_trace(y = defunc_generos$defunc_hombres_media_movil[7:nrow(defunc_generos_merged)]
              , name = "Hombres", mode = 'lines', line = list(color = "#696966")) %>% 
    add_trace(y = defunc_generos$defunc_mujeres_media_movil[7:nrow(defunc_generos_merged)]
              , name = "Mujeres", mode = 'lines', line = list(color = "#ff6666")) %>% 
    layout(title = "Distribución por Género de Defunciones por COVID-19 en México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Defunc_Genero(cov_analisis)
```

### Por Edad
```{r Defunc Edad, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_Edad <- function(dataset){
  edad_0_9 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99"
           & grupos_edad == "0-9") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_0_9_conteo = n())
  edad_10_19 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "10-19") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_10_19_conteo = n())
  edad_20_29 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "20-29") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_20_29_conteo = n())
  edad_30_39 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "30-39") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_30_39_conteo = n())
  edad_40_49 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "40-49") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_40_49_conteo = n())
  edad_50_59 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "50-59") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_50_59_conteo = n())
  edad_60_69 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "60-69") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_60_69_conteo = n())
  edad_70_79 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "70-79") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_70_79_conteo = n())
  edad_mas80 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == ">=80") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_mas80_conteo = n())
  defunc_edad <- merge(edad_0_9,edad_10_19, by = "FECHA_DEF", all = TRUE)
  ### all = TRUE sirve para no omitir observaciones
  defunc_edad <- merge(defunc_edad,edad_20_29, by = "FECHA_DEF", all = TRUE)
  defunc_edad <- merge(defunc_edad,edad_30_39, by = "FECHA_DEF", all = TRUE)
  defunc_edad <- merge(defunc_edad,edad_40_49, by = "FECHA_DEF", all = TRUE)
  defunc_edad <- merge(defunc_edad,edad_50_59, by = "FECHA_DEF", all = TRUE)
  defunc_edad <- merge(defunc_edad,edad_60_69, by = "FECHA_DEF", all = TRUE)
  defunc_edad <- merge(defunc_edad,edad_70_79, by = "FECHA_DEF", all = TRUE)
  defunc_edad <- merge(defunc_edad,edad_mas80, by = "FECHA_DEF", all = TRUE)
  defunc_edad[is.na(defunc_edad)] <- 0   ## Para poner 0 donde no aparece valores
  edad_0_9_mean <- rollmean(defunc_edad$edad_0_9_conteo,7)
  media_movil <- append(edad_0_9_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_0_9_media_movil <- media_movil
  edad_10_19_mean <- rollmean(defunc_edad$edad_10_19_conteo,7)
  media_movil <- append(edad_10_19_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_10_19_media_movil <- media_movil
  edad_20_29_mean <- rollmean(defunc_edad$edad_20_29_conteo,7)
  media_movil <- append(edad_20_29_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_20_29_media_movil <- media_movil
  edad_30_39_mean <- rollmean(defunc_edad$edad_30_39_conteo,7)
  media_movil <- append(edad_30_39_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_30_39_media_movil <- media_movil
  edad_40_49_mean <- rollmean(defunc_edad$edad_40_49_conteo,7)
  media_movil <- append(edad_40_49_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_40_49_media_movil <- media_movil
  edad_50_59_mean <- rollmean(defunc_edad$edad_50_59_conteo,7)
  media_movil <- append(edad_50_59_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_50_59_media_movil <- media_movil
  edad_60_69_mean <- rollmean(defunc_edad$edad_60_69_conteo,7)
  media_movil <- append(edad_60_69_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_60_69_media_movil <- media_movil
  edad_70_79_mean <- rollmean(defunc_edad$edad_70_79_conteo,7)
  media_movil <- append(edad_70_79_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_70_79_media_movil <- media_movil
  edad_mas80_mean <- rollmean(defunc_edad$edad_mas80_conteo,7)
  media_movil <- append(edad_mas80_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_mas80_media_movil <- media_movil
  plot_ly(x = as.Date(defunc_edad$FECHA_DEF), mode = 'line') %>% 
    add_trace(y = defunc_edad$edad_0_9_media_movil, name = "0 a 9 años", line = list(color = "#7f7f7f")) %>% 
    add_trace(y = defunc_edad$edad_10_19_media_movil, name = "10 a 19 años", line = list(color = "#0000ff")) %>%
    add_trace(y = defunc_edad$edad_20_29_media_movil, name = "20 a 29 años", line = list(color = "196F0A")) %>% 
    add_trace(y = defunc_edad$edad_30_39_media_movil, name = "30 a 39 años", line = list(color = "#800080")) %>% 
    add_trace(y = defunc_edad$edad_40_49_media_movil, name = "40 a 49 años", line = list(color = "#696966")) %>% 
    add_trace(y = defunc_edad$edad_50_59_media_movil, name = "50 a 59 años", line = list(color = "#800000")) %>% 
    add_trace(y = defunc_edad$edad_60_69_media_movil, name = "60 a 69 años", line = list(color = "#00ff00")) %>% 
    add_trace(y = defunc_edad$edad_70_79_media_movil, name = "70 a 79 años", line = list(color = "#ff6666")) %>% 
    add_trace(y = defunc_edad$edad_mas80_media_movil, name = ">=80 años", line = list(color = "#FF0000")) %>% 
    layout(title = "Distribución por cada década de vida de Defunciones por COVID-19 en México",
           xaxis = list(rangeslider = list(visible =T),
                        title = "El periodo se puede desplazar con el uso de la barra")) ## agregado 10 de mayo 2022
}
Defunc_Edad(cov_analisis)  ## EXITOSOOOOO - Emerald - 4/nov/21
```

# Geográficos {data-navmenu="Series de Tiempo"}

## Casos Diarios {.tabset .tabset-fade}

### Por Regiones
```{r Casos por Regiones, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Regiones <- function(dataset){
  reg_norte <- dataset %>% 
    filter(ENTIDAD_UM == "BAJA CALIFORNIA" 
           | ENTIDAD_UM == "CHIHUAHUA"
           | ENTIDAD_UM == "SONORA"
           | ENTIDAD_UM == "COAHUILA"
           | ENTIDAD_UM == "NUEVO LEÓN"
           | ENTIDAD_UM == "TAMAULIPAS") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(norte_conteo = n())
  reg_norte_mean <- rollmean(reg_norte$norte_conteo,7)
  norte_media_movil <- append(reg_norte_mean,c(0,0,0,0,0,0),0)
  norte_media_movil <- round(norte_media_movil, digits = 1)
  reg_norte$norte_media_movil <- norte_media_movil
  reg_norte_occid <- dataset %>% 
    filter(ENTIDAD_UM == "BAJA CALIFORNIA SUR" 
           | ENTIDAD_UM == "SINALOA"
           | ENTIDAD_UM == "NAYARIT"
           | ENTIDAD_UM == "DURANGO"
           | ENTIDAD_UM == "ZACATECAS") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(norte_occid_conteo = n())
  reg_norte_occid_mean <- rollmean(reg_norte_occid$norte_occid_conteo,7)
  norte_occid_media_movil <- append(reg_norte_occid_mean,c(0,0,0,0,0,0),0)
  norte_occid_media_movil <- round(norte_occid_media_movil,digits = 1)
  reg_norte_occid$norte_occid_media_movil <- norte_occid_media_movil
  reg_centro_norte <- dataset %>% 
    filter(ENTIDAD_UM == "JALISCO" 
           | ENTIDAD_UM == "AGUASCALIENTES"
           | ENTIDAD_UM == "COLIMA"
           | ENTIDAD_UM == "MICHOACÁN"
           | ENTIDAD_UM == "SAN LUIS POTOSÍ") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_norte_conteo = n())
  reg_centro_norte_mean <- rollmean(reg_centro_norte$centro_norte_conteo,7)
  centro_norte_media_movil <- append(reg_centro_norte_mean,c(0,0,0,0,0,0),0)
  centro_norte_media_movil <- round(centro_norte_media_movil,digits = 1)
  reg_centro_norte$centro_norte_media_movil <- centro_norte_media_movil
  reg_centro <- dataset %>% 
    filter(ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_conteo = n())
  reg_centro_mean <- rollmean(reg_centro$centro_conteo,7)
  centro_media_movil <- append(reg_centro_mean,c(0,0,0,0,0,0),0)
  centro_media_movil <- round(centro_media_movil,digits = 1)
  reg_centro$centro_media_movil <- centro_media_movil
  reg_sur <- dataset %>% 
    filter(ENTIDAD_UM == "GUERRERO" 
           | ENTIDAD_UM == "OAXACA"
           | ENTIDAD_UM == "CHIAPAS"
           | ENTIDAD_UM == "VERACRUZ"
           | ENTIDAD_UM == "TABASCO"
           | ENTIDAD_UM == "CAMPECHE"
           | ENTIDAD_UM == "YUCATÁN"
           | ENTIDAD_UM == "QUINTANO ROO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(sur_conteo = n())
  reg_sur_mean <- rollmean(reg_sur$sur_conteo,7)
  sur_media_movil <- append(reg_sur_mean,c(0,0,0,0,0,0),0)
  sur_media_movil <- round(sur_media_movil,digits = 1)
  reg_sur$sur_media_movil <- sur_media_movil
  reg_cdmx <- dataset %>% 
    filter(ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(cdmx_conteo = n())
  reg_cdmx_mean <- rollmean(reg_cdmx$cdmx_conteo,7)
  cdmx_media_movil <- append(reg_cdmx_mean,c(0,0,0,0,0,0),0)
  cdmx_media_movil <- round(cdmx_media_movil,digits = 1)
  reg_cdmx$cdmx_media_movil <- cdmx_media_movil
  reg_merged <- merge(reg_norte,reg_norte_occid,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro_norte,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_sur,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_cdmx,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  plot_ly(x = reg_merged$FECHA_SINTOMAS, mode = 'line') %>% 
    add_trace(y = reg_merged$norte_media_movil, 
              name = "NORTE", 
              line = list(color = "#065535")) %>%
    add_trace(y = reg_merged$norte_occid_media_movil, 
              name = "NORTE-OCCIDENTE", 
              line = list(color = "#003366")) %>% 
    add_trace(y = reg_merged$centro_norte_media_movil, 
              name = "CENTRO-NORTE", 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = reg_merged$centro_media_movil, 
              name = "CENTRO", 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = reg_merged$sur_media_movil, 
              name = "SUR", 
              line = list(color = "#576675")) %>%
    add_trace(y = reg_merged$cdmx_media_movil, 
              name = "CD. DE MÉXICO", 
              line = list(color = "#ff0000")) %>%
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 por Regiones de Movilidad y Cd. de México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Regiones(cov_analisis)       ### Exitoso
```

### Por Norte
```{r Norte, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Norte <- function(dataset,
                        entidad1,entidad2,
                        entidad3,entidad4,
                        entidad5,entidad6){
  ent_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,
                              c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,
                             digits = 1) ##(rounding off at hover fixed 10/05/2022)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,
                              c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,
                             digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,
                              c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,
                             digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,
                              c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,
                             digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,
                              c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,
                             digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  ent_6 <- dataset %>% 
    filter(ENTIDAD_UM == entidad6) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_6_conteo = n())
  ent_6_mean <- rollmean(ent_6$ent_6_conteo,7)
  ent_6_media_movil <- append(ent_6_mean,
                              c(0,0,0,0,0,0),0)
  ent_6_media_movil <- round(ent_6_media_movil,
                             digits = 1)
  ent_6$ent_6_media_movil <- ent_6_media_movil
  norte_merged <- merge(ent_1,ent_2,
                        by = "FECHA_SINTOMAS",
                        all.x = "TRUE")
  norte_merged <- merge(norte_merged,ent_3,
                        by = "FECHA_SINTOMAS",
                        all.x = "TRUE")
  norte_merged <- merge(norte_merged,ent_4,
                        by = "FECHA_SINTOMAS",
                        all.x = "TRUE")
  norte_merged <- merge(norte_merged,ent_5,
                        by = "FECHA_SINTOMAS",
                        all.x = "TRUE")
  norte_merged <- merge(norte_merged,ent_6,
                        by = "FECHA_SINTOMAS",
                        all.x = "TRUE")
  plot_ly(x = norte_merged$FECHA_SINTOMAS,
          mode = 'line') %>% 
    add_trace(y = norte_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = norte_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = norte_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = norte_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = norte_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    add_trace(y = norte_merged$ent_6_media_movil, 
              name = entidad6, 
              line = list(color = "#FF7F50")) %>%
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 en las Entidades del NORTE",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
## POR FRONTERA NORTE### - Baja California, Chihuahua, Sonora, Coahuila, Nuevo León, Tamaulipas
Casos_Norte(cov_analisis,
            entidad1 = "BAJA CALIFORNIA", entidad2 = "CHIHUAHUA",
            entidad3 = "SONORA", entidad4 = "COAHUILA",
            entidad5 = "NUEVO LEÓN", entidad6 = "TAMAULIPAS")  
```

### Por Norte-Occidente
```{r Norte-Occidente, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_NorteOccidente <- function(dataset,
                                 entidad1,entidad2,
                                 entidad3,entidad4,
                                 entidad5){
  ent_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,
                              c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,
                             digits = 1) ##(rounding off at hover fixed 10/05/2022)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,
                              c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,
                             digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,
                              c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,
                             digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,
                              c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,
                             digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,
                              c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,
                             digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  norteoccident_merged <- merge(ent_1,ent_2,
                                by = "FECHA_SINTOMAS",
                                all.x = "TRUE")
  norteoccident_merged <- merge(norteoccident_merged,ent_3,
                                by = "FECHA_SINTOMAS",
                                all.x = "TRUE")
  norteoccident_merged <- merge(norteoccident_merged,ent_4,
                                by = "FECHA_SINTOMAS",
                                all.x = "TRUE")
  norteoccident_merged <- merge(norteoccident_merged,ent_5,
                                by = "FECHA_SINTOMAS",
                                all.x = "TRUE")
  plot_ly(x = norteoccident_merged$FECHA_SINTOMAS,
          mode = 'line') %>% 
    add_trace(y = norteoccident_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = norteoccident_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = norteoccident_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = norteoccident_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = norteoccident_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 en las Entidades del NORTE-OCCIDENTE",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
## POR FRONTERA NORTE-OCCIDENTE### - Baja California Sur, Sinaloa, Nayarit, Durango y Zacatecas
Casos_NorteOccidente(cov_analisis,
                     entidad1 = "BAJA CALIFORNIA SUR", entidad2 = "SINALOA",
                     entidad3 = "NAYARIT", entidad4 = "DURANGO",
                     entidad5 = "ZACATECAS")       ### Exitoso
```

### Por Centro-Norte
```{r Centro-Norte, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_CentroNorte <- function(dataset,
                              entidad1,entidad2,entidad3,entidad4,
                              entidad5){
  ent_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,
                              c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,
                             digits = 1) ##(rounding off at hover fixed 10/05/2022)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,
                              c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,
                             digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,
                              c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,
                             digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,
                              c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,
                             digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,
                              c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,
                             digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  centronorte_merged <- merge(ent_1,ent_2,
                              by = "FECHA_SINTOMAS",
                              all.x = "TRUE")
  centronorte_merged <- merge(centronorte_merged,ent_3,
                              by = "FECHA_SINTOMAS",
                              all.x = "TRUE")
  centronorte_merged <- merge(centronorte_merged,ent_4,
                              by = "FECHA_SINTOMAS",
                              all.x = "TRUE")
  centronorte_merged <- merge(centronorte_merged,ent_5,
                              by = "FECHA_SINTOMAS",
                              all.x = "TRUE")
  plot_ly(x = centronorte_merged$FECHA_SINTOMAS,
          mode = 'line') %>% 
    add_trace(y = centronorte_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = centronorte_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = centronorte_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = centronorte_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = centronorte_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 en las Entidades del CENTRO-NORTE",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA CENTRO-NORTE### - Jalisco, Aguascalientes, Colima, Michoacán y San Luis Potosí
Casos_CentroNorte(cov_analisis,
                  entidad1 = "JALISCO", entidad2 = "AGUASCALIENTES",
                  entidad3 = "COLIMA", entidad4 = "MICHOACÁN",
                  entidad5 = "SAN LUIS POTOSÍ")       ### Exitoso  
```

### Por Centro
```{r Centro, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Centro <- function(dataset,
                         entidad1,entidad2,entidad3,entidad4,
                         entidad5,entidad6,entidad7,entidad8){
  ent_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,
                              c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,
                             digits = 1) ##(rounding off at hover fixed 10/05/2022)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,
                              c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,
                             digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,
                              c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,
                             digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,
                              c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,
                             digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,
                              c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,
                             digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  ent_6 <- dataset %>% 
    filter(ENTIDAD_UM == entidad6) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_6_conteo = n())
  ent_6_mean <- rollmean(ent_6$ent_6_conteo,7)
  ent_6_media_movil <- append(ent_6_mean,
                              c(0,0,0,0,0,0),0)
  ent_6_media_movil <- round(ent_6_media_movil,
                             digits = 1)
  ent_6$ent_6_media_movil <- ent_6_media_movil
  ent_7 <- dataset %>% 
    filter(ENTIDAD_UM == entidad7) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_7_conteo = n())
  ent_7_mean <- rollmean(ent_7$ent_7_conteo,7)
  ent_7_media_movil <- append(ent_7_mean,
                              c(0,0,0,0,0,0),0)
  ent_7_media_movil <- round(ent_7_media_movil,
                             digits = 1)
  ent_7$ent_7_media_movil <- ent_7_media_movil
  ent_8 <- dataset %>% 
    filter(ENTIDAD_UM == entidad8) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_8_conteo = n())
  ent_8_mean <- rollmean(ent_8$ent_8_conteo,7)
  ent_8_media_movil <- append(ent_8_mean,
                              c(0,0,0,0,0,0),0)
  ent_8_media_movil <- round(ent_8_media_movil,
                             digits = 1)
  ent_8$ent_8_media_movil <- ent_8_media_movil
  centro_merged <- merge(ent_1,ent_2,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  centro_merged <- merge(centro_merged,ent_3,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  centro_merged <- merge(centro_merged,ent_4,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  centro_merged <- merge(centro_merged,ent_5,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  centro_merged <- merge(centro_merged,ent_6,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  centro_merged <- merge(centro_merged,ent_7,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  centro_merged <- merge(centro_merged,ent_8,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  plot_ly(x = centro_merged$FECHA_SINTOMAS,
          mode = 'line') %>% 
    add_trace(y = centro_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = centro_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = centro_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = centro_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = centro_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "##576675")) %>%
    add_trace(y = centro_merged$ent_6_media_movil, 
              name = entidad6, 
              line = list(color = "#ff0000")) %>%
    #add_trace(y = centro_merged$ent_7_media_movil, 
    #name = entidad7, 
    #line = list(color = "#0000ff")) %>%
    add_trace(y = centro_merged$ent_8_media_movil, 
              name = entidad8, 
              line = list(color = "##8AD2D8")) %>%
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 en las Entidades del CENTRO",
           xaxis = list(rangeslider = list(visible = T),
                        title = "Excluyendo la Cd. de México por cifras sumamente altas y El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA CENTRO### - EXITOSO
## Guanajuato, Querétaro, Hidalgo,   
## Estado de México, Ciudad de México, Morelos, Tlaxcala y Puebla.
Casos_Centro(cov_analisis,
             entidad1 = "GUANAJUATO", entidad2 = "QUERÉTARO",
             entidad3 = "HIDALGO", entidad4 = "MÉXICO",
             entidad5 = "MORELOS", entidad6 = "TLAXCALA",
             entidad7 = "CIUDAD DE MÉXICO",
             entidad8 = "PUEBLA")       ### Exitoso
```

### Por Sur
```{r Sur, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Sur <- function(dataset,
                      entidad1,entidad2,entidad3,entidad4,
                      entidad5,entidad6,entidad7,entidad8){
  ent_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,
                              c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,
                             digits = 1) ##(rounding off at hover fixed 10/05/2022)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,
                              c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,
                             digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,
                              c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,
                             digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,
                              c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,
                             digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,
                              c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,
                             digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  ent_6 <- dataset %>% 
    filter(ENTIDAD_UM == entidad6) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_6_conteo = n())
  ent_6_mean <- rollmean(ent_6$ent_6_conteo,7)
  ent_6_media_movil <- append(ent_6_mean,
                              c(0,0,0,0,0,0),0)
  ent_6_media_movil <- round(ent_6_media_movil,
                             digits = 1)
  ent_6$ent_6_media_movil <- ent_6_media_movil
  ent_7 <- dataset %>% 
    filter(ENTIDAD_UM == entidad7) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_7_conteo = n())
  ent_7_mean <- rollmean(ent_7$ent_7_conteo,7)
  ent_7_media_movil <- append(ent_7_mean,
                              c(0,0,0,0,0,0),0)
  ent_7_media_movil <- round(ent_7_media_movil,
                             digits = 1)
  ent_7$ent_7_media_movil <- ent_7_media_movil
  ent_8 <- dataset %>% 
    filter(ENTIDAD_UM == entidad8) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_8_conteo = n())
  ent_8_mean <- rollmean(ent_8$ent_8_conteo,7)
  ent_8_media_movil <- append(ent_8_mean,
                              c(0,0,0,0,0,0),0)
  ent_8_media_movil <- round(ent_8_media_movil,
                             digits = 1)
  ent_8$ent_8_media_movil <- ent_8_media_movil
  sur_merged <- merge(ent_1,ent_2,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  sur_merged <- merge(sur_merged,ent_3,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  sur_merged <- merge(sur_merged,ent_4,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  sur_merged <- merge(sur_merged,ent_5,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  sur_merged <- merge(sur_merged,ent_6,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  sur_merged <- merge(sur_merged,ent_7,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  sur_merged <- merge(sur_merged,ent_8,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  plot_ly(x = sur_merged$FECHA_SINTOMAS,
          mode = 'line') %>% 
    add_trace(y = sur_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = sur_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = sur_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = sur_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = sur_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    add_trace(y = sur_merged$ent_6_media_movil, 
              name = entidad6, 
              line = list(color = "#576675")) %>%
    add_trace(y = sur_merged$ent_7_media_movil, 
              name = entidad7, 
              line = list(color = "#0000ff")) %>%
    add_trace(y = sur_merged$ent_8_media_movil, 
              name = entidad8, 
              line = list(color = "#8AD2D8")) %>%
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 en las Entidades del SUR",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA SUR ### - EXITOSO
## Sur: Guerrero, Oaxaca, Chiapas, Veracruz, Tabasco, 
## Campeche, Yucatán y Quintana Roo.
Casos_Sur(cov_analisis,
          entidad1 = "GUERRERO", entidad2 = "OAXACA",
          entidad3 = "CHIAPAS", entidad4 = "VERACRUZ",
          entidad5 = "TABASCO", entidad6 = "CAMPECHE",
          entidad7 = "YUCATÁN", entidad8 = "QUINTANO ROO")       ### Exitoso

 
```

## Defunciones {.tabset .tabset-fade}

### Por Regiones
```{r Defunc Regiones, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_Regiones <- function(dataset){
  reg_norte <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "BAJA CALIFORNIA" 
           | ENTIDAD_UM == "CHIHUAHUA"
           | ENTIDAD_UM == "SONORA"
           | ENTIDAD_UM == "COAHUILA"
           | ENTIDAD_UM == "NUEVO LEÓN"
           | ENTIDAD_UM == "TAMAULIPAS") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(norte_conteo = n())
  reg_norte_mean <- rollmean(reg_norte$norte_conteo,7)
  norte_media_movil <- append(reg_norte_mean,c(0,0,0,0,0,0),0)
  norte_media_movil <- round(norte_media_movil,digits = 1)
  reg_norte$norte_media_movil <- norte_media_movil
  reg_norte_occid <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "BAJA CALIFORNIA SUR" 
           | ENTIDAD_UM == "SINALOA"
           | ENTIDAD_UM == "NAYARIT"
           | ENTIDAD_UM == "DURANGO"
           | ENTIDAD_UM == "ZACATECAS") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(norte_occid_conteo = n())
  reg_norte_occid_mean <- rollmean(reg_norte_occid$norte_occid_conteo,7)
  norte_occid_media_movil <- append(reg_norte_occid_mean,c(0,0,0,0,0,0),0)
  norte_occid_media_movil <- round(norte_occid_media_movil, digits = 1)
  reg_norte_occid$norte_occid_media_movil <- norte_occid_media_movil
  reg_centro_norte <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "JALISCO" 
           | ENTIDAD_UM == "AGUASCALIENTES"
           | ENTIDAD_UM == "COLIMA"
           | ENTIDAD_UM == "MICHOACÁN"
           | ENTIDAD_UM == "SAN LUIS POTOSÍ") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(centro_norte_conteo = n())
  reg_centro_norte_mean <- rollmean(reg_centro_norte$centro_norte_conteo,7)
  centro_norte_media_movil <- append(reg_centro_norte_mean,c(0,0,0,0,0,0),0)
  centro_norte_media_movil <- round(centro_norte_media_movil,digits = 1)
  reg_centro_norte$centro_norte_media_movil <- centro_norte_media_movil
  reg_centro <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(centro_conteo = n())
  reg_centro_mean <- rollmean(reg_centro$centro_conteo,7)
  centro_media_movil <- append(reg_centro_mean,c(0,0,0,0,0,0),0)
  centro_media_movil <- round(centro_media_movil,digits = 1)
  reg_centro$centro_media_movil <- centro_media_movil
  reg_sur <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "GUERRERO" 
           | ENTIDAD_UM == "OAXACA"
           | ENTIDAD_UM == "CHIAPAS"
           | ENTIDAD_UM == "VERACRUZ"
           | ENTIDAD_UM == "TABASCO"
           | ENTIDAD_UM == "CAMPECHE"
           | ENTIDAD_UM == "YUCATÁN"
           | ENTIDAD_UM == "QUINTANO ROO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(sur_conteo = n())
  reg_sur_mean <- rollmean(reg_sur$sur_conteo,7)
  sur_media_movil <- append(reg_sur_mean,c(0,0,0,0,0,0),0)
  sur_media_movil <- round(sur_media_movil,digits = 1)
  reg_sur$sur_media_movil <- sur_media_movil
  reg_cdmx <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(cdmx_conteo = n())
  reg_cdmx_mean <- rollmean(reg_cdmx$cdmx_conteo,7)
  cdmx_media_movil <- append(reg_cdmx_mean,c(0,0,0,0,0,0),0)
  cdmx_media_movil <- round(cdmx_media_movil,digits = 1)
  reg_cdmx$cdmx_media_movil <- cdmx_media_movil
  def_reg_merged <- merge(reg_norte,reg_norte_occid,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_centro_norte,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_centro,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_sur,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_cdmx,
                          by = "FECHA_DEF", all.x = TRUE)
  plot_ly(x = as.Date(def_reg_merged$FECHA_DEF), 
          mode = 'line') %>% 
    add_trace(y = def_reg_merged$norte_media_movil, 
              name = "NORTE", 
              line = list(color = "#065535")) %>%
    add_trace(y = def_reg_merged$norte_occid_media_movil, 
              name = "NORTE-OCCIDENTE", 
              line = list(color = "#003366")) %>% 
    add_trace(y = def_reg_merged$centro_norte_media_movil, 
              name = "CENTRO-NORTE", 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = def_reg_merged$centro_media_movil, 
              name = "CENTRO", 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = def_reg_merged$sur_media_movil, 
              name = "SUR", 
              line = list(color = "#576675")) %>%
    add_trace(y = def_reg_merged$cdmx_media_movil, 
              name = "CD. DE MÉXICO", 
              line = list(color = "#ff0000")) %>%
    layout(title = "Media Móvil de Defunciones por COVID-19 por Regiones de Movilidad y Cd. de México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Defunc_Regiones(cov_analisis)       ### Exitoso
```

### Por Norte
```{r Defunc Norte, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_Norte <- function(dataset,
                         entidad1,entidad2,
                         entidad3,entidad4,
                         entidad5,entidad6){
  ent_1 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,digits = 1)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  ent_6 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad6) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_6_conteo = n())
  ent_6_mean <- rollmean(ent_6$ent_6_conteo,7)
  ent_6_media_movil <- append(ent_6_mean,c(0,0,0,0,0,0),0)
  ent_6_media_movil <- round(ent_6_media_movil,digits = 1)
  ent_6$ent_6_media_movil <- ent_6_media_movil
  def_norte_merged <- merge(ent_1,ent_2,
                            by = "FECHA_DEF",
                            all.x = TRUE)
  def_norte_merged <- merge(def_norte_merged,ent_3,
                            by = "FECHA_DEF")
  def_norte_merged <- merge(def_norte_merged,ent_4,
                            by = "FECHA_DEF")
  def_norte_merged <- merge(def_norte_merged,ent_5,
                            by = "FECHA_DEF")
  def_norte_merged <- merge(def_norte_merged,ent_6,
                            by = "FECHA_DEF")
  plot_ly(x = as.Date(def_norte_merged$FECHA_DEF),
          mode = 'line') %>% 
    add_trace(y = def_norte_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = def_norte_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = def_norte_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = def_norte_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = def_norte_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    add_trace(y = def_norte_merged$ent_6_media_movil, 
              name = entidad6, 
              line = list(color = "#FF7F50")) %>%
    layout(title = "Media Móvil de Defunciones por COVID-19 en las Entidades del NORTE",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA NORTE### - Baja California, Chihuahua, Sonora, Coahuila, Nuevo León, Tamaulipas
Defunc_Norte(cov_analisis,
             entidad1 = "BAJA CALIFORNIA", entidad2 = "CHIHUAHUA",
             entidad3 = "SONORA", entidad4 = "COAHUILA",
             entidad5 = "NUEVO LEÓN", entidad6 = "TAMAULIPAS")    
```

### Por Norte-Occidente
```{r Defunc Norte Occidente, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_NorteOccidente <- function(dataset,
                                  entidad1,entidad2,
                                  entidad3,entidad4,
                                  entidad5){
  ent_1 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,digits = 1)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  def_norte_occid_merged <- merge(ent_1,ent_2,
                                  by = "FECHA_DEF",
                                  all.x = TRUE)
  def_norte_occid_merged <- merge(def_norte_occid_merged,ent_3,
                                  by = "FECHA_DEF")
  def_norte_occid_merged <- merge(def_norte_occid_merged,ent_4,
                                  by = "FECHA_DEF")
  def_norte_occid_merged <- merge(def_norte_occid_merged,ent_5,
                                  by = "FECHA_DEF")
  plot_ly(x = as.Date(def_norte_occid_merged$FECHA_DEF),
          mode = 'line') %>% 
    add_trace(y = def_norte_occid_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = def_norte_occid_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = def_norte_occid_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = def_norte_occid_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = def_norte_occid_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    layout(title = "Media Móvil de Defunciones por COVID-19 en las Entidades del NORTE-OCCIDENTE",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA NORTE-OCCIDENTE### - Baja California Sur, Sinaloa, Nayarit, Durango y Zacatecas
Defunc_NorteOccidente(cov_analisis,
                      entidad1 = "BAJA CALIFORNIA SUR", entidad2 = "SINALOA",
                      entidad3 = "NAYARIT", entidad4 = "DURANGO",
                      entidad5 = "ZACATECAS")       ### Exitoso
```

### Por Centro-Norte
```{r Defunc Centro-Norte, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_CentroNorte <- function(dataset,
                               entidad1,entidad2,
                               entidad3,entidad4,
                               entidad5){
  ent_1 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,digits = 1)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  def_centro_norte_merged <- merge(ent_1,ent_2,
                                   by = "FECHA_DEF",
                                   all.x = TRUE)
  def_centro_norte_merged <- merge(def_centro_norte_merged,ent_3,
                                   by = "FECHA_DEF")
  def_centro_norte_merged <- merge(def_centro_norte_merged,ent_4,
                                   by = "FECHA_DEF")
  def_centro_norte_merged <- merge(def_centro_norte_merged,ent_5,
                                   by = "FECHA_DEF")
  plot_ly(x = as.Date(def_centro_norte_merged$FECHA_DEF),
          mode = 'line') %>% 
    add_trace(y = def_centro_norte_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = def_centro_norte_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = def_centro_norte_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = def_centro_norte_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = def_centro_norte_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    layout(title = "Media Móvil de Defunciones por COVID-19 en las Entidades del CENTRO-NORTE",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA CENTRO-NORTE### - Jalisco, Aguascalientes, Colima, Michoacán y San Luis Potosí
Defunc_CentroNorte(cov_analisis,
                   entidad1 = "JALISCO", entidad2 = "AGUASCALIENTES",
                   entidad3 = "COLIMA", entidad4 = "MICHOACÁN",
                   entidad5 = "SAN LUIS POTOSÍ")       ### Exitoso
```

### Por Centro
```{r Defunc Centro, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
## Centro: Guanajuato, Querétaro, Hidalgo, Estado de México, Ciudad de México, Morelos, Tlaxcala y Puebla.
Defunc_Centro <- function(dataset,
                          entidad1,entidad2,
                          entidad3,entidad4,
                          entidad5,entidad6,
                          entidad7,entidad8){
  ent_1 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,digits = 1)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  ent_6 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad6) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_6_conteo = n())
  ent_6_mean <- rollmean(ent_6$ent_6_conteo,7)
  ent_6_media_movil <- append(ent_6_mean,c(0,0,0,0,0,0),0)
  ent_6_media_movil <- round(ent_6_media_movil,digits = 1)
  ent_6$ent_6_media_movil <- ent_6_media_movil
  ent_7 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad7) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_7_conteo = n())
  ent_7_mean <- rollmean(ent_7$ent_7_conteo,7)
  ent_7_media_movil <- append(ent_7_mean,c(0,0,0,0,0,0),0)
  ent_7_media_movil <- round(ent_7_media_movil,digits = 1)
  ent_7$ent_7_media_movil <- ent_7_media_movil
  ent_8 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad8) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_8_conteo = n())
  ent_8_mean <- rollmean(ent_8$ent_8_conteo,7)
  ent_8_media_movil <- append(ent_8_mean,c(0,0,0,0,0,0),0)
  ent_8_media_movil <- round(ent_8_media_movil,digits = 1)
  ent_8$ent_8_media_movil <- ent_8_media_movil
  def_centro_merged <- merge(ent_1,ent_2,
                             by = "FECHA_DEF",
                             all.x = TRUE)
  def_centro_merged <- merge(def_centro_merged,ent_3,
                             by = "FECHA_DEF")
  def_centro_merged <- merge(def_centro_merged,ent_4,
                             by = "FECHA_DEF")
  def_centro_merged <- merge(def_centro_merged,ent_5,
                             by = "FECHA_DEF")
  def_centro_merged <- merge(def_centro_merged,ent_6,
                             by = "FECHA_DEF")
  def_centro_merged <- merge(def_centro_merged,ent_7,
                             by = "FECHA_DEF")
  def_centro_merged <- merge(def_centro_merged,ent_8,
                             by = "FECHA_DEF")
  plot_ly(x = as.Date(def_centro_merged$FECHA_DEF),
          mode = 'line') %>% 
    add_trace(y = def_centro_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = def_centro_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = def_centro_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = def_centro_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = def_centro_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    add_trace(y = def_centro_merged$ent_6_media_movil, 
              name = entidad6, 
              line = list(color = "#576675")) %>%
    ##add_trace(y = def_centro_merged$ent_7_media_movil, 
              ##name = entidad7, 
              ##line = list(color = "#0000ff")) %>%
    add_trace(y = def_centro_merged$ent_8_media_movil, 
              name = entidad8, 
              line = list(color = "#8AD2D8")) %>%
    layout(title = "Media Móvil de Defunciones de COVID-19 en las Entidades del CENTRO",
           xaxis = list(rangeslider = list(visible = T),
                        title = "Excluyendo la Cd. de México por cifras sumamente altas y El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA CENTRO### - EXITOSO
## Guanajuato, Querétaro, Hidalgo,   
## Estado de México, Ciudad de México, Morelos, Tlaxcala y Puebla.
Defunc_Centro(cov_analisis,
              entidad1 = "GUANAJUATO", entidad2 = "QUERÉTARO",
              entidad3 = "HIDALGO", entidad4 = "MÉXICO",
              entidad5 = "MORELOS", entidad6 = "TLAXCALA",
              entidad7 = "CIUDAD DE MÉXICO",
              entidad8 = "PUEBLA")       ### Exitoso

```

### Por Sur
```{r Defunc Sur, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
## Sur: Guerrero, Oaxaca, Chiapas, Veracruz, Tabasco, 
## Campeche, Yucatán y Quintana Roo.

Defunc_Sur <- function(dataset,
                       entidad1,entidad2,
                       entidad3,entidad4,
                       entidad5,entidad6,
                       entidad7,entidad8){
  ent_1 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,digits = 1)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  ent_6 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad6) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_6_conteo = n())
  ent_6_mean <- rollmean(ent_6$ent_6_conteo,7)
  ent_6_media_movil <- append(ent_6_mean,c(0,0,0,0,0,0),0)
  ent_6_media_movil <- round(ent_6_media_movil,digits = 1)
  ent_6$ent_6_media_movil <- ent_6_media_movil
  ent_7 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad7) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_7_conteo = n())
  ent_7_mean <- rollmean(ent_7$ent_7_conteo,7)
  ent_7_media_movil <- append(ent_7_mean,c(0,0,0,0,0,0),0)
  ent_7_media_movil <- round(ent_7_media_movil,digits = 1)
  ent_7$ent_7_media_movil <- ent_7_media_movil
  ent_8 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad8) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_8_conteo = n())
  ent_8_mean <- rollmean(ent_8$ent_8_conteo,7)
  ent_8_media_movil <- append(ent_8_mean,c(0,0,0,0,0,0),0)
  ent_8_media_movil <- round(ent_8_media_movil,digits = 1)
  ent_8$ent_8_media_movil <- ent_8_media_movil
  def_sur_merged <- merge(ent_1,ent_2,
                          by = "FECHA_DEF",
                          all.x = TRUE)
  def_sur_merged <- merge(def_sur_merged,ent_3,
                          by = "FECHA_DEF")
  def_sur_merged <- merge(def_sur_merged,ent_4,
                          by = "FECHA_DEF")
  def_sur_merged <- merge(def_sur_merged,ent_5,
                          by = "FECHA_DEF")
  def_sur_merged <- merge(def_sur_merged,ent_6,
                          by = "FECHA_DEF")
  def_sur_merged <- merge(def_sur_merged,ent_7,
                          by = "FECHA_DEF")
  def_sur_merged <- merge(def_sur_merged,ent_8,
                          by = "FECHA_DEF")
  plot_ly(x = as.Date(def_sur_merged$FECHA_DEF),
          mode = 'line') %>% 
    add_trace(y = def_sur_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = def_sur_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = def_sur_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = def_sur_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = def_sur_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    add_trace(y = def_sur_merged$ent_6_media_movil, 
              name = entidad6, 
              line = list(color = "#576675")) %>%
    add_trace(y = def_sur_merged$ent_7_media_movil, 
              name = entidad7, 
              line = list(color = "#0000ff")) %>%
    add_trace(y = def_sur_merged$ent_8_media_movil, 
              name = entidad8, 
              line = list(color = "#8AD2D8")) %>%
    layout(title = "Media Móvil de Defunciones por COVID-19 en las Entidades del SUR",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA SUR ### - EXITOSO
## Sur: Guerrero, Oaxaca, Chiapas, Veracruz, Tabasco, 
## Campeche, Yucatán y Quintana Roo.
Defunc_Sur(cov_analisis,
           entidad1 = "GUERRERO", entidad2 = "OAXACA",
           entidad3 = "CHIAPAS", entidad4 = "VERACRUZ",
           entidad5 = "TABASCO", entidad6 = "CAMPECHE",
           entidad7 = "YUCATÁN", entidad8 = "QUINTANO ROO")       ### Exitoso


```

# Municipios Selectos {data-navmenu="Series de Tiempo"}

## Casos Diarios {.tabset .tabset-fade}

### Región Citrícola
```{r Casos Citricola, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Citric <- function(dataset,entidad1,
                         municipio1,municipio2,
                         municipio3,municipio4,
                         municipio5,municipio6){
  munic_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_1_conteo = n())
  munic_1_mean <- rollmean(munic_1$munic_1_conteo,7)
  munic_1_media_movil <- append(munic_1_mean,c(0,0,0,0,0,0),0)
  munic_1_media_movil <- round(munic_1_media_movil,digits = 1)
  munic_1$munic_1_media_movil <- munic_1_media_movil
  munic_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_2_conteo = n())
  munic_2_mean <- rollmean(munic_2$munic_2_conteo,7)
  munic_2_media_movil <- append(munic_2_mean,c(0,0,0,0,0,0),0)
  munic_2_media_movil <- round(munic_2_media_movil,digits = 1)
  munic_2$munic_2_media_movil <- munic_2_media_movil
  munic_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_3_conteo = n())
  munic_3_mean <- rollmean(munic_3$munic_3_conteo,7)
  munic_3_media_movil <- append(munic_3_mean,c(0,0,0,0,0,0),0)
  munic_3_media_movil <- round(munic_3_media_movil)
  munic_3$munic_3_media_movil <- munic_3_media_movil
  munic_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_4_conteo = n())
  munic_4_mean <- rollmean(munic_4$munic_4_conteo,7)
  munic_4_media_movil <- append(munic_4_mean,c(0,0,0,0,0,0),0)
  munic_4_media_movil <- round(munic_4_media_movil)
  munic_4$munic_4_media_movil <- munic_4_media_movil
  munic_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_5_conteo = n())
  munic_5_mean <- rollmean(munic_5$munic_5_conteo,7)
  munic_5_media_movil <- append(munic_5_mean,c(0,0,0,0,0,0),0)
  munic_5_media_movil <- round(munic_5_media_movil,digits = 1)
  munic_5$munic_5_media_movil <- munic_5_media_movil
  munic_6 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio6) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_6_conteo = n())
  munic_6_mean <- rollmean(munic_6$munic_6_conteo,7)
  munic_6_media_movil <- append(munic_6_mean,c(0,0,0,0,0,0),0)
  munic_6_media_movil <- round(munic_6_media_movil,digits = 1)
  munic_6$munic_6_media_movil <- munic_6_media_movil
  munic_citric_merged <- merge(munic_1,munic_2,
                               by = "FECHA_SINTOMAS", all.x = TRUE)
  munic_citric_merged <- merge(munic_citric_merged,munic_3,
                               by = "FECHA_SINTOMAS", all.x = TRUE)
  munic_citric_merged <- merge(munic_citric_merged,munic_4,
                               by = "FECHA_SINTOMAS", all.x = TRUE)
  munic_citric_merged <- merge(munic_citric_merged,munic_5,
                               by = "FECHA_SINTOMAS", all.x = TRUE)
  munic_citric_merged <- merge(munic_citric_merged,munic_6,
                               by = "FECHA_SINTOMAS", all.x = TRUE)
  plot_ly(x = munic_citric_merged$FECHA_SINTOMAS, mode = 'line') %>%  #### Seleccionar los vectores de fechas mas cortos
    add_trace(y = munic_citric_merged$munic_1_media_movil, 
              name = "ALLENDE", 
              line = list(color = "#19D3F3")) %>% 
    add_trace(y = munic_citric_merged$munic_2_media_movil, 
              name = "HUALAHUISES", 
              line = list(color = "#FFA15A")) %>% 
    add_trace(y = munic_citric_merged$munic_3_media_movil, 
              name = "GENERAL TERÁN", 
              line = list(color = "#AB63FA")) %>%
    add_trace(y = munic_citric_merged$munic_4_media_movil, 
              name = "LINARES", 
              line = list(color = "#00CC96")) %>%
    add_trace(y = munic_citric_merged$munic_5_media_movil, 
              name = "MONTEMORELOS", 
              line = list(color = "#EF553B")) %>%
    add_trace(y = munic_citric_merged$munic_6_media_movil, 
              name = "RAYONES", 
              line = list(color = "#636EFA")) %>%
    layout(title = "Media Movil de Casos Confirmados por Municipios de Región Citrícola de Nuevo León",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Citric(cov_analisis,entidad1 = "NUEVO LEÓN",      ## EXITOSO
             municipio1 = 004,municipio2 = 029,
             municipio3 = 022,municipio4 = 033,
             municipio5 = 038,municipio6 = 043)
```

### Región Baja California
```{r Casos Baja California, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Baja_Calif <- function(dataset,entidad1,
                             municipio1,municipio2,
                             municipio3,municipio4,
                             municipio5,municipio6){
  munic_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_1_conteo = n())
  munic_1_mean <- rollmean(munic_1$munic_1_conteo,7)
  munic_1_media_movil <- append(munic_1_mean,c(0,0,0,0,0,0),0)
  munic_1_media_movil <- round(munic_1_media_movil,digits = 1)
  munic_1$munic_1_media_movil <- munic_1_media_movil
  munic_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_2_conteo = n())
  munic_2_mean <- rollmean(munic_2$munic_2_conteo,7)
  munic_2_media_movil <- append(munic_2_mean,c(0,0,0,0,0,0),0)
  munic_2_media_movil <- round(munic_2_media_movil)
  munic_2$munic_2_media_movil <- munic_2_media_movil
  munic_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_3_conteo = n())
  munic_3_mean <- rollmean(munic_3$munic_3_conteo,7)
  munic_3_media_movil <- append(munic_3_mean,c(0,0,0,0,0,0),0)
  munic_3_media_movil <- round(munic_3_media_movil,digits = 1)
  munic_3$munic_3_media_movil <- munic_3_media_movil
  munic_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_4_conteo = n())
  munic_4_mean <- rollmean(munic_4$munic_4_conteo,7)
  munic_4_media_movil <- append(munic_4_mean,c(0,0,0,0,0,0),0)
  munic_4_media_movil <- round(munic_4_media_movil,digits = 1)
  munic_4$munic_4_media_movil <- munic_4_media_movil
  munic_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_5_conteo = n())
  munic_5_mean <- rollmean(munic_5$munic_5_conteo,7)
  munic_5_media_movil <- append(munic_5_mean,c(0,0,0,0,0,0),0)
  munic_5_media_movil <- munic_5_media_movil
  munic_5$munic_5_media_movil <- munic_5_media_movil
  munic_6 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio6) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_6_conteo = n())
  munic_6_mean <- rollmean(munic_6$munic_6_conteo,7)
  munic_6_media_movil <- append(munic_6_mean,c(0,0,0,0,0,0),0)
  munic_6_media_movil <- round(munic_6_media_movil,digits = 1)
  munic_6$munic_6_media_movil <- munic_6_media_movil
  BC_merged <- merge(munic_1,munic_2,
                     by = "FECHA_SINTOMAS", all.x = TRUE)
  BC_merged <- merge(BC_merged,munic_3,
                     by = "FECHA_SINTOMAS", all.x = TRUE)
  BC_merged <- merge(BC_merged,munic_4,
                     by = "FECHA_SINTOMAS", all.x = TRUE)
  BC_merged <- merge(BC_merged,munic_5,
                     by = "FECHA_SINTOMAS", all.x = TRUE)
  BC_merged <- merge(BC_merged,munic_6,
                     by = "FECHA_SINTOMAS", all.x = TRUE)
  plot_ly(x = BC_merged$FECHA_SINTOMAS, mode = 'line') %>%  
    #### Seleccionar los vectores de fechas mas cortos
    add_trace(y = BC_merged$munic_1_media_movil, 
              name = "ENSENADA", 
              line = list(color = "#19D3F3")) %>% 
    add_trace(y = BC_merged$munic_2_media_movil, 
              name = "MEXICALI", 
              line = list(color = "#FFA15A")) %>% 
    add_trace(y = BC_merged$munic_3_media_movil, 
              name = "TECATE", 
              line = list(color = "#AB63FA")) %>%
    add_trace(y = BC_merged$munic_4_media_movil, 
              name = "TIJUANA", 
              line = list(color = "#00CC96")) %>%
    add_trace(y = BC_merged$munic_5_media_movil, 
              name = "PLAYAS DE ROSARITO", 
              line = list(color = "#EF553B")) %>%
    add_trace(y = BC_merged$munic_6_media_movil, 
              name = "NO ESPECIFICADO", 
              line = list(color = "#636EFA")) %>%
    layout(title = "Media Movil de Casos Confirmados por Municipios de Región Ensenada de Baja California",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Baja_Calif(cov_analisis,entidad1 = "BAJA CALIFORNIA",   ## EXITOSO
                 municipio1 = 001,municipio2 = 002,
                 municipio3 = 003,municipio4 = 004,
                 municipio5 = 005,municipio6 = 999)
```

# Análisis Combinados {data-navmenu="Series de Tiempo"}

## Row {.tabset .tabset-fade}

### Casos y Defunciones
```{r Casos y Defunciones, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Y_Def <- function(dataset){
  # Hacer función para filtrar un "vector" de las fechas de sintomas
  sintom <- dataset %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo = n())
  # Calcular medias de casos por fechas para linea ajustado
  sintom_mean <- rollmean(sintom$conteo,7)
  media_movil <- append(sintom_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil,digits = 1)
  sintom$media_movil <- media_movil
  defunciones <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99") %>% 
    ## '!' mark means NOT what follows
    select(FECHA_DEF) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>%
    summarise(conteo = n())
  defunciones <- defunciones[-1,] ### Para eliminar rows of observaciones
  def_mean <- rollmean(defunciones$conteo,7)
  media_movil <- append(def_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil,digits = 1)
  defunciones$media_movil <- media_movil
  # Demostrar en Gráfica con leyendas adecuadas
  plot_ly(x = sintom$FECHA_SINTOMAS[7:nrow(defunciones)], mode = 'line') %>% 
    add_trace(y = defunciones$media_movil[7:nrow(defunciones)], 
              name = "Defunciones", 
              line = list(color = "#FF0000")) %>% 
    add_trace(y = sintom$media_movil[7:nrow(defunciones)], 
              name = "Casos Confirmados", 
              line = list(color = "#7f7f7f")) %>% 
    layout(title = "Casos Confirmados y Defunciones por COVID-19 en México",
           yaxis = list(type = "log"),
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Y_Def(cov_analisis)
```

### Rural vs Ciudad (Un Ejemplo)
```{r Rural vs Ciudad, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
RurVsCiu <- function(dataset,entidad1,
                     municipio1,municipio2){
  munic_1 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99"
           & ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio1) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(munic_1_conteo = n())
  munic_1_mean <- rollmean(munic_1$munic_1_conteo,7)
  munic_1_media_movil <- append(munic_1_mean,c(0,0,0,0,0,0),0)
  munic_1_media_movil <- round(munic_1_media_movil,digits = 1)
  munic_1$munic_1_media_movil <- munic_1_media_movil
  munic_2 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio2) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(munic_2_conteo = n())
  munic_2_mean <- rollmean(munic_2$munic_2_conteo,7)
  munic_2_media_movil <- append(munic_2_mean,c(0,0,0,0,0,0),0)
  munic_2_media_movil <- round(munic_2_media_movil,digits = 1)
  munic_2$munic_2_media_movil <- munic_2_media_movil
  RVsC_merged <- merge(munic_1,munic_2,
                       by = "FECHA_DEF", all.x = TRUE)
  plot_ly(x = as.Date(RVsC_merged$FECHA_DEF, mode = 'line')) %>%  
    add_trace(y = RVsC_merged$munic_1_media_movil, 
              name = "MONTEMORELOS", 
              line = list(color = "#FF0000"),
              mode = 'lines') %>% 
    add_trace(y = RVsC_merged$munic_2_media_movil, 
              name = "MONTERREY", 
              line = list(color = "#7f7f7f"),
              mode = 'lines') %>% 
    layout(title = "Media moviles de Defunciones por COVID-19 entre un Área Rural y Área Urbana en México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
RurVsCiu(cov_analisis,entidad1 = "NUEVO LEÓN",
         municipio1 = 038,municipio2 = 039)
```

### Cambios de Casos en Porcentajes
```{r Delta Casos, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Compar <- function(dataset){      ### Exitoso 19/05/2022
  sintomas <- dataset %>% 
    select(FECHA_SINTOMAS) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(casos_conteo = n())
  sintomas_porcent <- sintomas %>% 
    mutate(pct_change = (casos_conteo/lag(casos_conteo) - 1) * 100)
  ### Lag fx using https://stackoverflow.com/questions/48196552/calculate-percentage-change-in-r-using-dplyr
  sintomas$pct_change <- round(sintomas_porcent$pct_change,digits = 1)
  plot_ly(x = sintomas$FECHA_SINTOMAS,
          mode = 'line') %>%
    add_trace(y = sintomas$pct_change, 
              name = "Casos", 
              line = list(color = "#7f7f7f")) %>% 
    layout(title = "Cambios de Porcentajes de Casos Confirmados por COVID-19 en México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Compar(cov_analisis)
```

### Cambios de Defunciones en Porcentajes
```{r Delta Defunciones, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_Compar <- function(dataset){
  defunc <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99") %>%
    select(FECHA_DEF) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(defunc_conteo = n())
  defunc_porcent <- defunc %>% 
    mutate(pct_change = (defunc_conteo/lag(defunc_conteo) - 1) * 100) 
  defunc$pct_change <- round(defunc_porcent$pct_change,digits = 1)
  plot_ly(x = as.Date(defunc$FECHA_DEF[3:nrow(defunc)]),
          mode = 'line') %>%
    add_trace(y = defunc$pct_change[3:nrow(defunc)], 
              name = "Defunciones",
              line = list(color = "#7f7f7f")) %>% 
    layout(title = "Cambios de Porcentajes de Defunciones por COVID-19 en México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Defunc_Compar(cov_analisis)
```


```{r Poblaciones, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
TOT = 126014024
CDMX = 9209944
BC = 3769020
NL = 5784442
TIJ = 1922523
ENS = 443807
MTM = 67428
MTY = 1142994
```


```{r Definición de Parametros, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}

Susceptibles_Fase1 <- TOT-(Recuperados+Defunciones+Activos)
Infectados_Fase1 <- Activos
Removidos_Fase1 <- Recuperados+Defunciones
Beta_Fase1 = 0.241
Gamma_Fase1 = 0.100
```

# Población Total {data-navmenu="Modelos SIRs"}

## Columns

### Fase 1

```{r SIR Fase1, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Beta_Fase1 = 0.241
Gamma_Fase1 = 0.100
sir <- function(time, state, parameters) {
  with(as.list(c(state, parameters)), {
    dS <- -beta * S * I
    dI <-  beta * S * I - gamma * I
    dR <-                 gamma * I
    return(list(c(dS, dI, dR)))
  })
}
### Set parameters
## Proportion in each compartment: Susceptible 0.999999, Infected 0.000001, Recovered 0
init       <- c(S = 1-1e-6, I = 1e-6, R = 0.0)
## beta: infection parameter; gamma: recovery parameter
parameters <- c(beta = Beta_Fase1, gamma = Gamma_Fase1)
## Time frame
times      <- seq(0, 500, by = 1)

## Solve using ode (General Solver for Ordinary Differential Equations)
out <- ode(y = init, times = times, func = sir, parms = parameters)
## change to data frame
out <- as.data.frame(out)
## Delete time variable
out$time <- NULL

## Plot
matplot(x = times, y = out, type = "l",
        xlab = "Time", ylab = "Susceptible and Recovered", main = "Fase 1",
        lwd = 2, lty = 1, bty = "l",col = 2:4)

## Add legend
legend(250, 0.6, c("Susceptible", "Infected", "Recovered"), pch = 1, col = 2:4, bty = "n")  
```

## Columns
### Fase 2 {data-width=400}
```{r SIR Fase2 Total, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Beta_Fase2 = 0.170
Gamma_Fase2 = 0.100
## Create an SIR function
sir <- function(time, state, parameters) {
  with(as.list(c(state, parameters)), {
    dS <- -beta * S * I
    dI <-  beta * S * I - gamma * I
    dR <-                 gamma * I
    return(list(c(dS, dI, dR)))
  })
}
init       <- c(S = 1-1e-6, I = 1e-6, R = 0.0)
parameters <- c(beta = Beta_Fase2, gamma = Gamma_Fase2)
times      <- seq(0, 500, by = 1)

out <- ode(y = init, times = times, func = sir, parms = parameters)
out <- as.data.frame(out)
out$time <- NULL

matplot(x = times, y = out, type = "l",
        xlab = "Time", ylab = "Susceptible and Recovered", main = "Fase 2",
        lwd = 2, lty = 1, bty = "l", col = 2:4)

legend(25, 0.6, c("Susceptible", "Infected", "Recovered"), pch = 1, col = 2:4, bty = "n")  

```

### Fase 3 {data-width=400}
```{r SIR Fase3 Total, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Beta_Fase3 = 0.139
Gamma_Fase3 = 0.099

sir <- function(time, state, parameters) {
  with(as.list(c(state, parameters)), {
    dS <- -beta * S * I
    dI <-  beta * S * I - gamma * I
    dR <-                 gamma * I
    return(list(c(dS, dI, dR)))
  })
}

init       <- c(S = 1-1e-6, I = 1e-6, R = 0.0)
parameters <- c(beta = Beta_Fase3, gamma = Gamma_Fase3)
times      <- seq(0, 500, by = 1)

out <- ode(y = init, times = times, func = sir, parms = parameters)
out <- as.data.frame(out)
out$time <- NULL

matplot(x = times, y = out, type = "l",
        xlab = "Time", ylab = "Susceptible and Recovered", main = "Fase 3",
        lwd = 2, lty = 1, bty = "l", col = 2:4)

legend(50, 0.6, c("Susceptible", "Infected", "Recovered"), pch = 1, col = 2:4, bty = "n")  

```

# Entidades  {data-navmenu="Modelos SIRs"}
## Columns

### Ciudad de México

## Columns
### Nuevo León

### Baja California

# Urbana vs Rural {data-navmenu="Modelos SIRs"}
## Columns

### Monterrey

### Montemorelos

## Columns
### Tijuana

### Ensenada


# Población INEGI {data-navmenu="INEGI"}

```{r Mexican Population, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Mex_Pop <- read.xlsx("~/Library/CloudStorage/OneDrive-Personal/Documents/UM-MSP/Investigacion/CovidData/Mex_Pop_2020_INEGI.xlsx", startRow = 1)

Population <- function(dataset){
  Data <- as.data.frame(t(dataset))                 # Transpose the data frame
  colnames(Data) <- Data[1, ]                       # Set the first row as column names
  Data <- Data[-1, ]                                # Remove the first row (original column names)
  Data <- Data %>%                                  # Reclassify row names as a column
    tibble::rownames_to_column(var = "ENTIDAD_UM")
  Data[, -1] <- apply(Data[, -1], 1, as.numeric)    # as.numeric
  Data <- Data[, -c(1)]                             # remove first column in a data frame
  return(Data)
}

Population <- Population(Mex_Pop)

#### Calculate Population by Regions
Population$NORTE <- 
    (Population$`BAJA CALIFORNIA` + 
    Population$CHIHUAHUA + 
    Population$SONORA + 
    Population$COAHUILA + 
    Population$`NUEVO LEÓN` + 
    Population$TAMAULIPAS)

Population$NORTE_OCCIDENTE <- 
    (Population$`BAJA CALIFORNIA SUR` + 
    Population$SINALOA + 
    Population$NAYARIT + 
    Population$DURANGO + 
    Population$ZACATECAS)
  
Population$CENTRO_NORTE <- 
    (Population$JALISCO +
    Population$AGUASCALIENTES +
    Population$COLIMA +
    Population$MICHOACÁN +
    Population$`SAN LUIS POTOSÍ`)
  
Population$CENTRO <-
    (Population$QUERÉTERO +
    Population$GUANAJUATO +
    Population$HIDALGO +
    Population$MÉXICO +
    Population$MORELOS +
    Population$TLAXCALA +
    Population$PUEBLA)

Population$SUR <-
    (Population$GUERRERO +
    Population$OAXACA +
    Population$CHIAPAS +
    Population$VERACRUZ +
    Population$TABASCO +
    Population$CAMPECHE +
    Population$`QUINTANO ROO` +
    Population$YUCATÁN)

Population$CENTRO_CDMX <-
  (Population$QUERÉTERO + 
     Population$GUANAJUATO + 
     Population$HIDALGO +
     Population$MÉXICO +
     Population$MORELOS +
     Population$TLAXCALA +
     Population$PUEBLA +
     Population$`CIUDAD DE MÉXICO`)

kable(Mex_Pop, "html",
        caption = "Población de México según INEGI") %>%
        kable_styling(bootstrap_options = c("striped", "hover",
                                            "condensed", "responsive"))
```

```{r Morbidity Database, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_morbilidad <- cov_processed %>% 
  select(CLASIFICACION_FINAL,TIPO_PACIENTE,FECHA_SINTOMAS,FECHA_DEF,
         ENTIDAD_UM,MUNICIPIO_RES,FECHA_ACTUALIZACION) %>% 
  filter(CLASIFICACION_FINAL == "CLINICA"
         | CLASIFICACION_FINAL == "COMITE"
         | CLASIFICACION_FINAL == "PRUEBA") %>% 
  as.data.frame()
```

# Gráficas {data-navmenu="Movilidad Social"}

## Row {.tabset .tabset-fade}

### Morbilidad

```{r Morbilidad por COVID, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Morbilidad_Regiones <- function(dataset){
  reg_norte <- dataset %>% 
    filter(ENTIDAD_UM == "BAJA CALIFORNIA" 
           | ENTIDAD_UM == "CHIHUAHUA"
           | ENTIDAD_UM == "SONORA"
           | ENTIDAD_UM == "COAHUILA"
           | ENTIDAD_UM == "NUEVO LEÓN"
           | ENTIDAD_UM == "TAMAULIPAS") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(norte_conteo = n())
  reg_norte_occid <- dataset %>% 
    filter(ENTIDAD_UM == "BAJA CALIFORNIA SUR" 
           | ENTIDAD_UM == "SINALOA"
           | ENTIDAD_UM == "NAYARIT"
           | ENTIDAD_UM == "DURANGO"
           | ENTIDAD_UM == "ZACATECAS") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(norte_occid_conteo = n())
  reg_centro_norte <- dataset %>% 
    filter(ENTIDAD_UM == "JALISCO" 
           | ENTIDAD_UM == "AGUASCALIENTES"
           | ENTIDAD_UM == "COLIMA"
           | ENTIDAD_UM == "MICHOACÁN"
           | ENTIDAD_UM == "SAN LUIS POTOSÍ") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_norte_conteo = n())
  reg_centro <- dataset %>% 
    filter(ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_conteo = n())
  reg_sur <- dataset %>% 
    filter(ENTIDAD_UM == "GUERRERO" 
           | ENTIDAD_UM == "OAXACA"
           | ENTIDAD_UM == "CHIAPAS"
           | ENTIDAD_UM == "VERACRUZ"
           | ENTIDAD_UM == "TABASCO"
           | ENTIDAD_UM == "CAMPECHE"
           | ENTIDAD_UM == "YUCATÁN"
           | ENTIDAD_UM == "QUINTANO ROO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(sur_conteo = n())
  reg_cdmx <- dataset %>% 
    filter(ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(cdmx_conteo = n())
  reg_centro_cdmx <- dataset %>% 
    filter(ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA"
           | ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_cdmx_conteo = n())
  reg_merged <- merge(reg_norte,reg_norte_occid,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro_norte,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_sur,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_cdmx,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro_cdmx,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged$Date <- format(reg_merged$FECHA_SINTOMAS, "%Y-%m")
  reg_agregado <- aggregate(. ~ Date, data = reg_merged, sum) %>% 
    subset(select = -FECHA_SINTOMAS)
  names(reg_agregado) <- c("Month-Year","Casos_NORTE","Casos_NORTE_OCCIDENTE",
                             "Casos_CENTRO_NORTE","Casos_CENTRO",
                             "Casos_SUR","Casos_CDMX","Casos_CENTRO_CDMX")
  reg_calculado <- reg_agregado
  reg_calculado$Morbilidad_NORTE <- 
    round((reg_calculado$Casos_NORTE / 
             Population$NORTE * 100000),2)
  reg_calculado$Morbilidad_NORTE_OCCIDENTE <- 
    round((reg_calculado$Casos_NORTE_OCCIDENTE / 
             Population$NORTE_OCCIDENTE * 100000),2)
  reg_calculado$Morbilidad_CENTRO_NORTE <- 
    round((reg_calculado$Casos_CENTRO_NORTE / 
             Population$CENTRO_NORTE * 100000),2)
  reg_calculado$Morbilidad_CENTRO <- 
    round((reg_calculado$Casos_CENTRO / 
             Population$CENTRO * 100000),2)
  reg_calculado$Morbilidad_SUR <- 
    round((reg_calculado$Casos_SUR /
             Population$SUR * 100000),2)
  reg_calculado$Morbilidad_CDMX <- 
    round((reg_calculado$Casos_CDMX /
            Population$`CIUDAD DE MÉXICO` * 100000),2)
  reg_calculado$Morbilidad_CENTRO_CDMX <-
    round((reg_calculado$Casos_CENTRO_CDMX /
             Population$CENTRO_CDMX * 100000),2)
  
  empty_plot <- plot_ly(x = NULL, y = NULL, type = 'scatter',mode = 'none')
  
  morb_plot <- empty_plot %>%
    add_trace(data = reg_calculado, x = ~`Month-Year`, 
              y = ~Morbilidad_NORTE, type = 'scatter',
              mode = 'lines+markers', name = 'NORTE') %>%
    add_trace(data = reg_calculado, x = ~`Month-Year`,
              y = ~Morbilidad_NORTE_OCCIDENTE, type = 'scatter',
              mode = 'lines+markers', name = 'NORTE_OCCIDENTE') %>%
    add_trace(data = reg_calculado, x = ~`Month-Year`,
              y = ~Morbilidad_CENTRO_NORTE, type = 'scatter',
              mode = 'lines+markers', name = 'CENTRO_NORTE') %>%
    add_trace(data = reg_calculado, x = ~`Month-Year`,
              y = ~Morbilidad_CENTRO, type = 'scatter',
              mode = 'lines+markers', name = 'CENTRO') %>%
    add_trace(data = reg_calculado, x = ~`Month-Year`,
              y = ~Morbilidad_SUR, type = 'scatter',
              mode = 'lines+markers', name = 'SUR') %>%
    add_trace(data = reg_calculado, x = ~`Month-Year`,
              y = ~Morbilidad_CDMX, type = 'scatter',
              mode = 'lines+markers', name = 'CIUDAD DE MÉXICO') %>%
    add_trace(data = reg_calculado, x = ~`Month-Year`,
              y = ~Morbilidad_CENTRO_CDMX, type = 'scatter',
              mode = 'lines+markers', name = 'CENTRO y CDMX') %>%
    layout(title = "Morbilidad de COVID-19 en México según las regiones de la Movilidad Social",
           xaxis = list(title = "Selecciona el periodo para examinar más y doble clic para regresar"),
           yaxis = list(title = "Morbilidad por 100,000 habitantes"),
           legend = list(x = 0.80, y = 0.90, traceorder = 'normal', 
                         bgcolor = 'rgba(255, 255, 255, 0.5)', 
                         bordercolor = 'rgba(0, 0, 0, 0.5)', 
                         borderwidth = 2))
  
  morb_plot                 ### Exitoso finalmente 03/mayo/2024
}
Morbilidad_Regiones(cov_morbilidad)       ### Exitoso
```

### Morbilidad

```{r Mortalidad Regiones, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Mortalidad_Regiones <- function(dataset){
  reg_norte <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "BAJA CALIFORNIA" 
           | ENTIDAD_UM == "CHIHUAHUA"
           | ENTIDAD_UM == "SONORA"
           | ENTIDAD_UM == "COAHUILA"
           | ENTIDAD_UM == "NUEVO LEÓN"
           | ENTIDAD_UM == "TAMAULIPAS") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(norte_conteo = n())
  reg_norte_occid <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "BAJA CALIFORNIA SUR" 
           | ENTIDAD_UM == "SINALOA"
           | ENTIDAD_UM == "NAYARIT"
           | ENTIDAD_UM == "DURANGO"
           | ENTIDAD_UM == "ZACATECAS") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(norte_occid_conteo = n())
  reg_centro_norte <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "JALISCO" 
           | ENTIDAD_UM == "AGUASCALIENTES"
           | ENTIDAD_UM == "COLIMA"
           | ENTIDAD_UM == "MICHOACÁN"
           | ENTIDAD_UM == "SAN LUIS POTOSÍ") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(centro_norte_conteo = n())
  reg_centro <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(centro_conteo = n())
  reg_sur <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "GUERRERO" 
           | ENTIDAD_UM == "OAXACA"
           | ENTIDAD_UM == "CHIAPAS"
           | ENTIDAD_UM == "VERACRUZ"
           | ENTIDAD_UM == "TABASCO"
           | ENTIDAD_UM == "CAMPECHE"
           | ENTIDAD_UM == "YUCATÁN"
           | ENTIDAD_UM == "QUINTANO ROO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(sur_conteo = n())
  reg_cdmx <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(cdmx_conteo = n())
  reg_centro_cdmx <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99"
           & ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA"
           | ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(centro_cdmx_conteo = n())
  def_reg_merged <- merge(reg_norte,reg_norte_occid,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_centro_norte,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_centro,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_sur,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_cdmx,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_centro_cdmx,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged$Date <- as.Date(def_reg_merged$FECHA_DEF) 
  def_reg_merged[is.na(def_reg_merged)] <- 0
  def_reg_merged$Fecha <- format(def_reg_merged$Date, "%Y-%m")
  def_reg_merged <- def_reg_merged %>%
    select(Fecha, everything())
  def_reg_removido <- def_reg_merged %>% 
    select(-FECHA_DEF, -Date)
  def_reg_agregado <- aggregate(. ~ Fecha, data = def_reg_removido, sum)
  names(def_reg_agregado) <- 
    c("Month-Year",
      "Defunc_NORTE","Defunc_NORTE_OCCIDENTE",
      "Defunc_CENTRO_NORTE","Defunc_CENTRO",                 
      "Defunc_SUR","Defunc_CDMX","Defunc_CENTRO_CDMX")
  mort_reg_calculado <- def_reg_agregado
  mort_reg_calculado <- slice(mort_reg_calculado, -1)
  mort_reg_calculado$Mortalidad_NORTE <- 
    round((mort_reg_calculado$Defunc_NORTE / 
             Population$NORTE * 100000),2)
  mort_reg_calculado$Mortalidad_NORTE_OCCIDENTE <- 
    round((mort_reg_calculado$Defunc_NORTE_OCCIDENTE / 
             Population$NORTE_OCCIDENTE * 100000),2)
  mort_reg_calculado$Mortalidad_CENTRO_NORTE <- 
    round((mort_reg_calculado$Defunc_CENTRO_NORTE / 
             Population$CENTRO_NORTE * 100000),2)
  mort_reg_calculado$Mortalidad_CENTRO <- 
    round((mort_reg_calculado$Defunc_CENTRO / 
             Population$CENTRO * 100000),2)
  mort_reg_calculado$Mortalidad_SUR <- 
    round((mort_reg_calculado$Defunc_SUR /
             Population$SUR * 100000),2)
  mort_reg_calculado$Mortalidad_CDMX <- 
    round((mort_reg_calculado$Defunc_CDMX /
            Population$`CIUDAD DE MÉXICO` * 100000),2)
  mort_reg_calculado$Mortalidad_CENTRO_CDMX <- 
    round((mort_reg_calculado$Defunc_CENTRO_CDMX /
             Population$CENTRO_CDMX * 100000),2)
  
  empty_plot <- plot_ly(x = NULL, y = NULL, type = 'scatter',mode = 'none')

  mort_plot <- empty_plot %>%
    add_trace(data = mort_reg_calculado, x = ~`Month-Year`, 
              y = ~Mortalidad_NORTE, type = 'scatter',
              mode = 'lines+markers', name = 'NORTE') %>%
    add_trace(data = mort_reg_calculado, x = ~`Month-Year`,
              y = ~Mortalidad_NORTE_OCCIDENTE, type = 'scatter',
              mode = 'lines+markers', name = 'NORTE_OCCIDENTE') %>%
    add_trace(data = mort_reg_calculado, x = ~`Month-Year`,
              y = ~Mortalidad_CENTRO_NORTE, type = 'scatter',
              mode = 'lines+markers', name = 'CENTRO_NORTE') %>%
    add_trace(data = mort_reg_calculado, x = ~`Month-Year`,
              y = ~Mortalidad_CENTRO, type = 'scatter',
              mode = 'lines+markers', name = 'CENTRO') %>%
    add_trace(data = mort_reg_calculado, x = ~`Month-Year`,
              y = ~Mortalidad_SUR, type = 'scatter',
              mode = 'lines+markers', name = 'SUR') %>%
    add_trace(data = mort_reg_calculado, x = ~`Month-Year`,
              y = ~Mortalidad_CDMX, type = 'scatter',
              mode = 'lines+markers', name = 'CIUDAD DE MÉXICO') %>%
    add_trace(data = mort_reg_calculado, x = ~`Month-Year`,
              y = ~Mortalidad_CENTRO_CDMX, type = 'scatter',
              mode = 'lines+markers', name = 'CENTRO y CDMX') %>%
    layout(title = "Mortalidad de COVID-19 en México según las regiones de la Movilidad Social",
           xaxis = list(title = "Selecciona el periodo para examinar más y doble clic para regresar"),
           yaxis = list(title = "Mortalidad por 100,000 habitantes"),
           legend = list(x = 0.80, y = 0.90, traceorder = 'normal', 
                         bgcolor = 'rgba(255, 255, 255, 0.5)', 
                         bordercolor = 'rgba(0, 0, 0, 0.5)', 
                         borderwidth = 2))
  mort_plot                 ### Exitoso finalmente 03/mayo/2024

}
Mortalidad_Regiones(cov_morbilidad)    
```

### Letalidad

```{r Letalidad Regiones, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Letalidad_Regiones <- function(dataset){
  def_reg_norte <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "BAJA CALIFORNIA" 
           | ENTIDAD_UM == "CHIHUAHUA"
           | ENTIDAD_UM == "SONORA"
           | ENTIDAD_UM == "COAHUILA"
           | ENTIDAD_UM == "NUEVO LEÓN"
           | ENTIDAD_UM == "TAMAULIPAS") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_norte_conteo = n())
  def_reg_norte_occid <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "BAJA CALIFORNIA SUR" 
           | ENTIDAD_UM == "SINALOA"
           | ENTIDAD_UM == "NAYARIT"
           | ENTIDAD_UM == "DURANGO"
           | ENTIDAD_UM == "ZACATECAS") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_norte_occid_conteo = n())
  def_reg_centro_norte <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "JALISCO" 
           | ENTIDAD_UM == "AGUASCALIENTES"
           | ENTIDAD_UM == "COLIMA"
           | ENTIDAD_UM == "MICHOACÁN"
           | ENTIDAD_UM == "SAN LUIS POTOSÍ") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_centro_norte_conteo = n())
  def_reg_centro <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_centro_conteo = n())
  def_reg_sur <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "GUERRERO" 
           | ENTIDAD_UM == "OAXACA"
           | ENTIDAD_UM == "CHIAPAS"
           | ENTIDAD_UM == "VERACRUZ"
           | ENTIDAD_UM == "TABASCO"
           | ENTIDAD_UM == "CAMPECHE"
           | ENTIDAD_UM == "YUCATÁN"
           | ENTIDAD_UM == "QUINTANO ROO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_sur_conteo = n())
  def_reg_cdmx <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_cdmx_conteo = n())
  def_reg_centro_cdmx <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99"
           & ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA"
           | ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_centro_cdmx_conteo = n())
  def_reg_merged <- merge(def_reg_norte,def_reg_norte_occid,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,def_reg_centro_norte,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,def_reg_centro,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,def_reg_sur,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,def_reg_cdmx,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,def_reg_centro_cdmx,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged$Date <- as.Date(def_reg_merged$FECHA_DEF) 
  def_reg_merged[is.na(def_reg_merged)] <- 0
  def_reg_merged$Fecha <- format(def_reg_merged$Date, "%Y-%m")
  def_reg_merged <- def_reg_merged %>%
    select(Fecha, everything())
  def_reg_removido <- def_reg_merged %>% 
    select(-FECHA_DEF, -Date)
  def_reg_agregado <- aggregate(. ~ Fecha, data = def_reg_removido, sum)
  names(def_reg_agregado) <- 
    c("Month-Year",
      "Defunc_NORTE","Defunc_NORTE_OCCIDENTE",
      "Defunc_CENTRO_NORTE","Defunc_CENTRO",                 
      "Defunc_SUR","Defunc_CDMX","Defunc_CENTRO_CDMX")
  mort_reg_calculado <- def_reg_agregado
  mort_reg_calculado <- slice(mort_reg_calculado, -1)
  reg_norte <- dataset %>% 
    filter(ENTIDAD_UM == "BAJA CALIFORNIA" 
           | ENTIDAD_UM == "CHIHUAHUA"
           | ENTIDAD_UM == "SONORA"
           | ENTIDAD_UM == "COAHUILA"
           | ENTIDAD_UM == "NUEVO LEÓN"
           | ENTIDAD_UM == "TAMAULIPAS") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(norte_conteo = n())
  reg_norte_occid <- dataset %>% 
    filter(ENTIDAD_UM == "BAJA CALIFORNIA SUR" 
           | ENTIDAD_UM == "SINALOA"
           | ENTIDAD_UM == "NAYARIT"
           | ENTIDAD_UM == "DURANGO"
           | ENTIDAD_UM == "ZACATECAS") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(norte_occid_conteo = n())
  reg_centro_norte <- dataset %>% 
    filter(ENTIDAD_UM == "JALISCO" 
           | ENTIDAD_UM == "AGUASCALIENTES"
           | ENTIDAD_UM == "COLIMA"
           | ENTIDAD_UM == "MICHOACÁN"
           | ENTIDAD_UM == "SAN LUIS POTOSÍ") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_norte_conteo = n())
  reg_centro <- dataset %>% 
    filter(ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_conteo = n())
  reg_sur <- dataset %>% 
    filter(ENTIDAD_UM == "GUERRERO" 
           | ENTIDAD_UM == "OAXACA"
           | ENTIDAD_UM == "CHIAPAS"
           | ENTIDAD_UM == "VERACRUZ"
           | ENTIDAD_UM == "TABASCO"
           | ENTIDAD_UM == "CAMPECHE"
           | ENTIDAD_UM == "YUCATÁN"
           | ENTIDAD_UM == "QUINTANO ROO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(sur_conteo = n())
  reg_cdmx <- dataset %>% 
    filter(ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(cdmx_conteo = n())
  reg_centro_cdmx <- dataset %>% 
    filter(ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA"
           | ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_cdmx_conteo = n())
  reg_merged <- merge(reg_norte,reg_norte_occid,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro_norte,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_sur,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_cdmx,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro_cdmx,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged$Date <- format(reg_merged$FECHA_SINTOMAS, "%Y-%m")
  reg_agregado <- aggregate(. ~ Date, data = reg_merged, sum) %>% 
    subset(select = -FECHA_SINTOMAS)
  names(reg_agregado) <- c("Month-Year","Casos_NORTE","Casos_NORTE_OCCIDENTE",
                           "Casos_CENTRO_NORTE","Casos_CENTRO",
                           "Casos_SUR","Casos_CDMX","Casos_CENTRO_CDMX")
  reg_calculado <- reg_agregado
  letal_merged <- merge(mort_reg_calculado,reg_calculado,
                           by = "Month-Year",
                           all.x = TRUE)
  letal_calculado <- letal_merged
  letal_calculado$Letal_NORTE <- 
    round((letal_merged$Defunc_NORTE/
             letal_merged$Casos_NORTE * 100),2)
  letal_calculado$Letal_NORTE_OCCIDENTE <- 
    round((letal_merged$Defunc_NORTE_OCCIDENTE/
             letal_merged$Casos_NORTE_OCCIDENTE * 100),2)
  letal_calculado$Letal_CENTRO_NORTE <- 
    round((letal_merged$Defunc_CENTRO_NORTE/
             letal_merged$Casos_CENTRO_NORTE * 100),2)
  letal_calculado$Letal_CENTRO <- 
    round((letal_merged$Defunc_CENTRO/
             letal_merged$Casos_CENTRO * 100),2)
  letal_calculado$Letal_SUR <- 
    round((letal_merged$Defunc_SUR/
             letal_merged$Casos_SUR * 100),2)
  letal_calculado$Letal_CDMX <- 
    round((letal_merged$Defunc_CDMX/
             letal_merged$Casos_CDMX * 100),2)
  letal_calculado$Letal_CENTRO_CDMX <- 
    round((letal_merged$Defunc_CENTRO_CDMX/
             letal_merged$Casos_CENTRO_CDMX * 100),2)
  
  empty_plot <- plot_ly(x = NULL, y = NULL, type = 'scatter',mode = 'none')

  letal_plot <- empty_plot %>%
    add_trace(data = letal_calculado, x = ~`Month-Year`, 
              y = ~Letal_NORTE, type = 'scatter',
              mode = 'lines+markers', name = 'NORTE') %>%
    add_trace(data = letal_calculado, x = ~`Month-Year`,
              y = ~Letal_NORTE_OCCIDENTE, type = 'scatter',
              mode = 'lines+markers', name = 'NORTE_OCCIDENTE') %>%
    add_trace(data = letal_calculado, x = ~`Month-Year`,
              y = ~Letal_CENTRO_NORTE, type = 'scatter',
              mode = 'lines+markers', name = 'CENTRO_NORTE') %>%
    add_trace(data = letal_calculado, x = ~`Month-Year`,
              y = ~Letal_CENTRO, type = 'scatter',
              mode = 'lines+markers', name = 'CENTRO') %>%
    add_trace(data = letal_calculado, x = ~`Month-Year`,
              y = ~Letal_SUR, type = 'scatter',
              mode = 'lines+markers', name = 'SUR') %>%
    add_trace(data = letal_calculado, x = ~`Month-Year`,
              y = ~Letal_CDMX, type = 'scatter',
              mode = 'lines+markers', name = 'CIUDAD DE MÉXICO') %>%
    add_trace(data = letal_calculado, x = ~`Month-Year`,
              y = ~Letal_CENTRO_CDMX, type = 'scatter',
              mode = 'lines+markers', name = 'CENTRO y CDMX') %>%
    layout(title = "Letalidad de COVID-19 en México según las regiones de la Movilidad Social",
           xaxis = list(title = "Selecciona el periodo para examinar más y doble clic para regresar"),
           yaxis = list(title = "Letalidad por 100,000 habitantes"),
           legend = list(x = 0.80, y = 0.90, traceorder = 'normal', 
                         bgcolor = 'rgba(255, 255, 255, 0.5)', 
                         bordercolor = 'rgba(0, 0, 0, 0.5)', 
                         borderwidth = 2))
  letal_plot                 ### Exitoso 07/mayo/2024
  
}

Letalidad_Regiones(cov_morbilidad)
  
```

# Tablas {data-navmenu="Movilidad Social"}

## Row {.tabset .tabset-fade}

### Morbilidad {data-height=800}

```{r Tabla de Morbilidad, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Tabla_Morbilidad_Regiones <- function(dataset){
  reg_norte <- dataset %>% 
    filter(ENTIDAD_UM == "BAJA CALIFORNIA" 
           | ENTIDAD_UM == "CHIHUAHUA"
           | ENTIDAD_UM == "SONORA"
           | ENTIDAD_UM == "COAHUILA"
           | ENTIDAD_UM == "NUEVO LEÓN"
           | ENTIDAD_UM == "TAMAULIPAS") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(norte_conteo = n())
  reg_norte_occid <- dataset %>% 
    filter(ENTIDAD_UM == "BAJA CALIFORNIA SUR" 
           | ENTIDAD_UM == "SINALOA"
           | ENTIDAD_UM == "NAYARIT"
           | ENTIDAD_UM == "DURANGO"
           | ENTIDAD_UM == "ZACATECAS") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(norte_occid_conteo = n())
  reg_centro_norte <- dataset %>% 
    filter(ENTIDAD_UM == "JALISCO" 
           | ENTIDAD_UM == "AGUASCALIENTES"
           | ENTIDAD_UM == "COLIMA"
           | ENTIDAD_UM == "MICHOACÁN"
           | ENTIDAD_UM == "SAN LUIS POTOSÍ") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_norte_conteo = n())
  reg_centro <- dataset %>% 
    filter(ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_conteo = n())
  reg_sur <- dataset %>% 
    filter(ENTIDAD_UM == "GUERRERO" 
           | ENTIDAD_UM == "OAXACA"
           | ENTIDAD_UM == "CHIAPAS"
           | ENTIDAD_UM == "VERACRUZ"
           | ENTIDAD_UM == "TABASCO"
           | ENTIDAD_UM == "CAMPECHE"
           | ENTIDAD_UM == "YUCATÁN"
           | ENTIDAD_UM == "QUINTANO ROO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(sur_conteo = n())
  reg_cdmx <- dataset %>% 
    filter(ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(cdmx_conteo = n())
  reg_centro_cdmx <- dataset %>% 
    filter(ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA"
           | ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_cdmx_conteo = n())
  reg_merged <- merge(reg_norte,reg_norte_occid,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro_norte,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_sur,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_cdmx,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro_cdmx,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged$Date <- format(reg_merged$FECHA_SINTOMAS, "%Y-%m")
  reg_agregado <- aggregate(. ~ Date, data = reg_merged, sum) %>% 
    subset(select = -FECHA_SINTOMAS)
  names(reg_agregado) <- c("Month-Year","Casos_NORTE","Casos_NORTE_OCCIDENTE",
                             "Casos_CENTRO_NORTE","Casos_CENTRO",
                             "Casos_SUR","Casos_CDMX","Casos_CENTRO_CDMX")
  reg_calculado <- reg_agregado
  reg_calculado$Morbilidad_NORTE <- 
    round((reg_calculado$Casos_NORTE / 
             Population$NORTE * 100000),2)
  reg_calculado$Morbilidad_NORTE_OCCIDENTE <- 
    round((reg_calculado$Casos_NORTE_OCCIDENTE / 
             Population$NORTE_OCCIDENTE * 100000),2)
  reg_calculado$Morbilidad_CENTRO_NORTE <- 
    round((reg_calculado$Casos_CENTRO_NORTE / 
             Population$CENTRO_NORTE * 100000),2)
  reg_calculado$Morbilidad_CENTRO <- 
    round((reg_calculado$Casos_CENTRO / 
             Population$CENTRO * 100000),2)
  reg_calculado$Morbilidad_SUR <- 
    round((reg_calculado$Casos_SUR /
             Population$SUR * 100000),2)
  reg_calculado$Morbilidad_CDMX <- 
    round((reg_calculado$Casos_CDMX /
            Population$`CIUDAD DE MÉXICO` * 100000),2)
  reg_calculado$Morbilidad_CENTRO_CDMX <-
    round((reg_calculado$Casos_CENTRO_CDMX /
             Population$CENTRO_CDMX * 100000),2)
  
  reg_calculado_selected <- reg_calculado %>%
  select("Month-Year", "Morbilidad_NORTE",                    
             "Morbilidad_NORTE_OCCIDENTE",                    
             "Morbilidad_CENTRO_NORTE", "Morbilidad_CENTRO", "Morbilidad_SUR",
             "Morbilidad_CDMX", "Morbilidad_CENTRO_CDMX")
  
  reg_calculado_renamed <- reg_calculado_selected
  names(reg_calculado_renamed) <- c("Year-Month", "NORTE", "NORTE_OCCIDENTE", 
         "CENTRO_NORTE", "CENTRO", "SUR", "CDMX", "CENTRO+CDMX")

  kable(reg_calculado_renamed, "html",
        caption = "Morbilidad de COVID-19 en México por Regiones de Movilidad Social") %>%
  kable_styling(bootstrap_options = c("striped", "hover",                         
                                      "condensed", "responsive"))
}
  
Tabla_Morbilidad_Regiones(cov_morbilidad)   
```

### Mortalidad {data-height=800}

```{r Tabla de Mortalidad, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Tabla_Mortalidad_Regiones <- function(dataset){
  reg_norte <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "BAJA CALIFORNIA" 
           | ENTIDAD_UM == "CHIHUAHUA"
           | ENTIDAD_UM == "SONORA"
           | ENTIDAD_UM == "COAHUILA"
           | ENTIDAD_UM == "NUEVO LEÓN"
           | ENTIDAD_UM == "TAMAULIPAS") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(norte_conteo = n())
  reg_norte_occid <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "BAJA CALIFORNIA SUR" 
           | ENTIDAD_UM == "SINALOA"
           | ENTIDAD_UM == "NAYARIT"
           | ENTIDAD_UM == "DURANGO"
           | ENTIDAD_UM == "ZACATECAS") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(norte_occid_conteo = n())
  reg_centro_norte <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "JALISCO" 
           | ENTIDAD_UM == "AGUASCALIENTES"
           | ENTIDAD_UM == "COLIMA"
           | ENTIDAD_UM == "MICHOACÁN"
           | ENTIDAD_UM == "SAN LUIS POTOSÍ") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(centro_norte_conteo = n())
  reg_centro <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(centro_conteo = n())
  reg_sur <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "GUERRERO" 
           | ENTIDAD_UM == "OAXACA"
           | ENTIDAD_UM == "CHIAPAS"
           | ENTIDAD_UM == "VERACRUZ"
           | ENTIDAD_UM == "TABASCO"
           | ENTIDAD_UM == "CAMPECHE"
           | ENTIDAD_UM == "YUCATÁN"
           | ENTIDAD_UM == "QUINTANO ROO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(sur_conteo = n())
  reg_cdmx <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(cdmx_conteo = n())
  reg_centro_cdmx <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99"
           & ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA"
           | ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(centro_cdmx_conteo = n())
  def_reg_merged <- merge(reg_norte,reg_norte_occid,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_centro_norte,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_centro,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_sur,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_cdmx,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_centro_cdmx,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged$Date <- as.Date(def_reg_merged$FECHA_DEF) 
  def_reg_merged[is.na(def_reg_merged)] <- 0
  def_reg_merged$Fecha <- format(def_reg_merged$Date, "%Y-%m")
  def_reg_merged <- def_reg_merged %>%
    select(Fecha, everything())
  def_reg_removido <- def_reg_merged %>% 
    select(-FECHA_DEF, -Date)
  def_reg_agregado <- aggregate(. ~ Fecha, data = def_reg_removido, sum)
  names(def_reg_agregado) <- 
    c("Month-Year",
      "Defunc_NORTE","Defunc_NORTE_OCCIDENTE",
      "Defunc_CENTRO_NORTE","Defunc_CENTRO",                 
      "Defunc_SUR","Defunc_CDMX","Defunc_CENTRO_CDMX")
  mort_reg_calculado <- def_reg_agregado
  mort_reg_calculado <- slice(mort_reg_calculado, -1)
  mort_reg_calculado$Mortalidad_NORTE <- 
    round((mort_reg_calculado$Defunc_NORTE / 
             Population$NORTE * 100000),2)
  mort_reg_calculado$Mortalidad_NORTE_OCCIDENTE <- 
    round((mort_reg_calculado$Defunc_NORTE_OCCIDENTE / 
             Population$NORTE_OCCIDENTE * 100000),2)
  mort_reg_calculado$Mortalidad_CENTRO_NORTE <- 
    round((mort_reg_calculado$Defunc_CENTRO_NORTE / 
             Population$CENTRO_NORTE * 100000),2)
  mort_reg_calculado$Mortalidad_CENTRO <- 
    round((mort_reg_calculado$Defunc_CENTRO / 
             Population$CENTRO * 100000),2)
  mort_reg_calculado$Mortalidad_SUR <- 
    round((mort_reg_calculado$Defunc_SUR /
             Population$SUR * 100000),2)
  mort_reg_calculado$Mortalidad_CDMX <- 
    round((mort_reg_calculado$Defunc_CDMX /
            Population$`CIUDAD DE MÉXICO` * 100000),2)
  mort_reg_calculado$Mortalidad_CENTRO_CDMX <- 
    round((mort_reg_calculado$Defunc_CENTRO_CDMX /
             Population$CENTRO_CDMX * 100000),2)

  mort_reg_calculado_selected <- mort_reg_calculado %>%
  select("Month-Year", "Mortalidad_NORTE",                    
             "Mortalidad_NORTE_OCCIDENTE",                    
             "Mortalidad_CENTRO_NORTE", "Mortalidad_CENTRO", "Mortalidad_SUR",
             "Mortalidad_CDMX", "Mortalidad_CENTRO_CDMX")
  
  mort_reg_calculado_renamed <- mort_reg_calculado_selected
  names(mort_reg_calculado_renamed) <- 
    c("Year-Month", "NORTE", "NORTE_OCCIDENTE",
      "CENTRO_NORTE", "CENTRO", "SUR", "CDMX", "CENTRO+CDMX")
  
  kable(mort_reg_calculado_renamed, "html",
      caption = "Mortalidad de COVID-19 en México por Regiones de Movilidad Social") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"))
}

Tabla_Mortalidad_Regiones(cov_morbilidad)
```

### Letalidad {data-height=800}

```{r Tabla de Letalidad, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Tabla_Letalidad_Regiones <- function(dataset){
  def_reg_norte <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "BAJA CALIFORNIA" 
           | ENTIDAD_UM == "CHIHUAHUA"
           | ENTIDAD_UM == "SONORA"
           | ENTIDAD_UM == "COAHUILA"
           | ENTIDAD_UM == "NUEVO LEÓN"
           | ENTIDAD_UM == "TAMAULIPAS") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_norte_conteo = n())
  def_reg_norte_occid <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "BAJA CALIFORNIA SUR" 
           | ENTIDAD_UM == "SINALOA"
           | ENTIDAD_UM == "NAYARIT"
           | ENTIDAD_UM == "DURANGO"
           | ENTIDAD_UM == "ZACATECAS") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_norte_occid_conteo = n())
  def_reg_centro_norte <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "JALISCO" 
           | ENTIDAD_UM == "AGUASCALIENTES"
           | ENTIDAD_UM == "COLIMA"
           | ENTIDAD_UM == "MICHOACÁN"
           | ENTIDAD_UM == "SAN LUIS POTOSÍ") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_centro_norte_conteo = n())
  def_reg_centro <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_centro_conteo = n())
  def_reg_sur <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "GUERRERO" 
           | ENTIDAD_UM == "OAXACA"
           | ENTIDAD_UM == "CHIAPAS"
           | ENTIDAD_UM == "VERACRUZ"
           | ENTIDAD_UM == "TABASCO"
           | ENTIDAD_UM == "CAMPECHE"
           | ENTIDAD_UM == "YUCATÁN"
           | ENTIDAD_UM == "QUINTANO ROO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_sur_conteo = n())
  def_reg_cdmx <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_cdmx_conteo = n())
  def_reg_centro_cdmx <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99"
           & ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA"
           | ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_centro_cdmx_conteo = n())
  def_reg_merged <- merge(def_reg_norte,def_reg_norte_occid,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,def_reg_centro_norte,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,def_reg_centro,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,def_reg_sur,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,def_reg_cdmx,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,def_reg_centro_cdmx,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged$Date <- as.Date(def_reg_merged$FECHA_DEF) 
  def_reg_merged[is.na(def_reg_merged)] <- 0
  def_reg_merged$Fecha <- format(def_reg_merged$Date, "%Y-%m")
  def_reg_merged <- def_reg_merged %>%
    select(Fecha, everything())
  def_reg_removido <- def_reg_merged %>% 
    select(-FECHA_DEF, -Date)
  def_reg_agregado <- aggregate(. ~ Fecha, data = def_reg_removido, sum)
  names(def_reg_agregado) <- 
    c("Month-Year",
      "Defunc_NORTE","Defunc_NORTE_OCCIDENTE",
      "Defunc_CENTRO_NORTE","Defunc_CENTRO",                 
      "Defunc_SUR","Defunc_CDMX","Defunc_CENTRO_CDMX")
  mort_reg_calculado <- def_reg_agregado
  mort_reg_calculado <- slice(mort_reg_calculado, -1)
  reg_norte <- dataset %>% 
    filter(ENTIDAD_UM == "BAJA CALIFORNIA" 
           | ENTIDAD_UM == "CHIHUAHUA"
           | ENTIDAD_UM == "SONORA"
           | ENTIDAD_UM == "COAHUILA"
           | ENTIDAD_UM == "NUEVO LEÓN"
           | ENTIDAD_UM == "TAMAULIPAS") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(norte_conteo = n())
  reg_norte_occid <- dataset %>% 
    filter(ENTIDAD_UM == "BAJA CALIFORNIA SUR" 
           | ENTIDAD_UM == "SINALOA"
           | ENTIDAD_UM == "NAYARIT"
           | ENTIDAD_UM == "DURANGO"
           | ENTIDAD_UM == "ZACATECAS") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(norte_occid_conteo = n())
  reg_centro_norte <- dataset %>% 
    filter(ENTIDAD_UM == "JALISCO" 
           | ENTIDAD_UM == "AGUASCALIENTES"
           | ENTIDAD_UM == "COLIMA"
           | ENTIDAD_UM == "MICHOACÁN"
           | ENTIDAD_UM == "SAN LUIS POTOSÍ") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_norte_conteo = n())
  reg_centro <- dataset %>% 
    filter(ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_conteo = n())
  reg_sur <- dataset %>% 
    filter(ENTIDAD_UM == "GUERRERO" 
           | ENTIDAD_UM == "OAXACA"
           | ENTIDAD_UM == "CHIAPAS"
           | ENTIDAD_UM == "VERACRUZ"
           | ENTIDAD_UM == "TABASCO"
           | ENTIDAD_UM == "CAMPECHE"
           | ENTIDAD_UM == "YUCATÁN"
           | ENTIDAD_UM == "QUINTANO ROO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(sur_conteo = n())
  reg_cdmx <- dataset %>% 
    filter(ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(cdmx_conteo = n())
  reg_centro_cdmx <- dataset %>% 
    filter(ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA"
           | ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_cdmx_conteo = n())
  reg_merged <- merge(reg_norte,reg_norte_occid,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro_norte,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_sur,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_cdmx,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro_cdmx,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged$Date <- format(reg_merged$FECHA_SINTOMAS, "%Y-%m")
  reg_agregado <- aggregate(. ~ Date, data = reg_merged, sum) %>% 
    subset(select = -FECHA_SINTOMAS)
  names(reg_agregado) <- c("Month-Year","Casos_NORTE","Casos_NORTE_OCCIDENTE",
                           "Casos_CENTRO_NORTE","Casos_CENTRO",
                           "Casos_SUR","Casos_CDMX","Casos_CENTRO_CDMX")
  reg_calculado <- reg_agregado
  letal_merged <- merge(mort_reg_calculado,reg_calculado,
                           by = "Month-Year",
                           all.x = TRUE)
  letal_calculado <- letal_merged
  letal_calculado$Letal_NORTE <- 
    round((letal_merged$Defunc_NORTE/
             letal_merged$Casos_NORTE * 100),2)
  letal_calculado$Letal_NORTE_OCCIDENTE <- 
    round((letal_merged$Defunc_NORTE_OCCIDENTE/
             letal_merged$Casos_NORTE_OCCIDENTE * 100),2)
  letal_calculado$Letal_CENTRO_NORTE <- 
    round((letal_merged$Defunc_CENTRO_NORTE/
             letal_merged$Casos_CENTRO_NORTE * 100),2)
  letal_calculado$Letal_CENTRO <- 
    round((letal_merged$Defunc_CENTRO/
             letal_merged$Casos_CENTRO * 100),2)
  letal_calculado$Letal_SUR <- 
    round((letal_merged$Defunc_SUR/
             letal_merged$Casos_SUR * 100),2)
  letal_calculado$Letal_CDMX <- 
    round((letal_merged$Defunc_CDMX/
             letal_merged$Casos_CDMX * 100),2)
  letal_calculado$Letal_CENTRO_CDMX <- 
    round((letal_merged$Defunc_CENTRO_CDMX/
             letal_merged$Casos_CENTRO_CDMX * 100),2)

  letal_calculado_selected <- letal_calculado %>%
    select("Month-Year", "Letal_NORTE",                    
           "Letal_NORTE_OCCIDENTE",                    
           "Letal_CENTRO_NORTE", "Letal_CENTRO", "Letal_SUR",
           "Letal_CDMX", "Letal_CENTRO_CDMX")
  
  letal_calculado_renamed <- letal_calculado_selected
  names(letal_calculado_renamed) <- 
    c("Year-Month", "NORTE", "NORTE_OCCIDENTE",
      "CENTRO_NORTE", "CENTRO", "SUR", "CDMX", "CENTRO+CDMX")
  
  kable(letal_calculado_renamed, "html",
        caption = "Letalidad de COVID-19 en México por Regiones de Movilidad Social") %>%
  kable_styling(bootstrap_options = c("striped", "hover",                         
                                      "condensed", "responsive"))
}

Tabla_Letalidad_Regiones(cov_morbilidad)
```

# ANOVA {data-navmenu="Movilidad Social"}

## Row {.tabset .tabset-fade}

### Morbilidad {data-height=2000}

```{r ANOVA Morbilidad, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
ANOVA_T_Test_Morbilidad_Regiones <- function(dataset){
  reg_norte <- dataset %>% 
    filter(ENTIDAD_UM == "BAJA CALIFORNIA" 
           | ENTIDAD_UM == "CHIHUAHUA"
           | ENTIDAD_UM == "SONORA"
           | ENTIDAD_UM == "COAHUILA"
           | ENTIDAD_UM == "NUEVO LEÓN"
           | ENTIDAD_UM == "TAMAULIPAS") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(norte_conteo = n())
  reg_norte_occid <- dataset %>% 
    filter(ENTIDAD_UM == "BAJA CALIFORNIA SUR" 
           | ENTIDAD_UM == "SINALOA"
           | ENTIDAD_UM == "NAYARIT"
           | ENTIDAD_UM == "DURANGO"
           | ENTIDAD_UM == "ZACATECAS") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(norte_occid_conteo = n())
  reg_centro_norte <- dataset %>% 
    filter(ENTIDAD_UM == "JALISCO" 
           | ENTIDAD_UM == "AGUASCALIENTES"
           | ENTIDAD_UM == "COLIMA"
           | ENTIDAD_UM == "MICHOACÁN"
           | ENTIDAD_UM == "SAN LUIS POTOSÍ") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_norte_conteo = n())
  reg_centro <- dataset %>% 
    filter(ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_conteo = n())
  reg_sur <- dataset %>% 
    filter(ENTIDAD_UM == "GUERRERO" 
           | ENTIDAD_UM == "OAXACA"
           | ENTIDAD_UM == "CHIAPAS"
           | ENTIDAD_UM == "VERACRUZ"
           | ENTIDAD_UM == "TABASCO"
           | ENTIDAD_UM == "CAMPECHE"
           | ENTIDAD_UM == "YUCATÁN"
           | ENTIDAD_UM == "QUINTANO ROO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(sur_conteo = n())
  reg_cdmx <- dataset %>% 
    filter(ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(cdmx_conteo = n())
  reg_centro_cdmx <- dataset %>% 
    filter(ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA"
           | ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_cdmx_conteo = n())
  reg_merged <- merge(reg_norte,reg_norte_occid,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro_norte,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_sur,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_cdmx,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro_cdmx,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged$Date <- format(reg_merged$FECHA_SINTOMAS, "%Y-%m")
  reg_agregado <- aggregate(. ~ Date, data = reg_merged, sum) %>% 
    subset(select = -FECHA_SINTOMAS)
  names(reg_agregado) <- c("Month-Year","Casos_NORTE","Casos_NORTE_OCCIDENTE",
                             "Casos_CENTRO_NORTE","Casos_CENTRO",
                             "Casos_SUR","Casos_CDMX","Casos_CENTRO_CDMX")
  
  # Add a column for total cases
  reg_agregado$Total_Casos <- rowSums(select(reg_agregado, starts_with("Casos")))
  
  # Reshape data for ANOVA
  reg_long <- reg_agregado %>%
    pivot_longer(cols = starts_with("Casos"),
                 names_to = "Region", 
                 values_to = "Casos") %>%
    separate(Region, into = c("variable", "Region"), sep = "_", remove = FALSE)
  
  # ANOVA
  anova_result <- aov(Casos ~ Region, data = reg_long)
  anova_summary <- summary(anova_result)
  
  # List to store t-test results
  t_test_results <- list()
  
  # Perform t-test between each pair of regions
  regions <- unique(reg_long$Region)
  for (i in 1:(length(regions)-1)) {
    for (j in (i+1):length(regions)) {
      region1 <- regions[i]
      region2 <- regions[j]
      
      t_test_result <- t.test(reg_long$Casos[reg_long$Region == region1],
                              reg_long$Casos[reg_long$Region == region2],
                              var.equal = TRUE)  # Assuming equal variances
      
      # Store t-test result
      t_test_results[[paste(region1, region2, sep = "_vs_")]] <- t_test_result
    }
  }
  
  # Return relevant results
  return(list(ANOVA_Summary = anova_summary,
              T_Test_Results = t_test_results))
}

### Exitoso     (07/05/2024)

ANOVA_T_Test_Morbilidad_Regiones(cov_morbilidad)
```

### Mortalidad {data-height=2000}

```{r ANOVA Mortalidad, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
ANOVA_T_Test_Mortalidad_Regiones <- function(dataset){
  reg_norte <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "BAJA CALIFORNIA" 
           | ENTIDAD_UM == "CHIHUAHUA"
           | ENTIDAD_UM == "SONORA"
           | ENTIDAD_UM == "COAHUILA"
           | ENTIDAD_UM == "NUEVO LEÓN"
           | ENTIDAD_UM == "TAMAULIPAS") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(norte_conteo = n())
  reg_norte_occid <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "BAJA CALIFORNIA SUR" 
           | ENTIDAD_UM == "SINALOA"
           | ENTIDAD_UM == "NAYARIT"
           | ENTIDAD_UM == "DURANGO"
           | ENTIDAD_UM == "ZACATECAS") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(norte_occid_conteo = n())
  reg_centro_norte <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "JALISCO" 
           | ENTIDAD_UM == "AGUASCALIENTES"
           | ENTIDAD_UM == "COLIMA"
           | ENTIDAD_UM == "MICHOACÁN"
           | ENTIDAD_UM == "SAN LUIS POTOSÍ") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(centro_norte_conteo = n())
  reg_centro <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(centro_conteo = n())
  reg_sur <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "GUERRERO" 
           | ENTIDAD_UM == "OAXACA"
           | ENTIDAD_UM == "CHIAPAS"
           | ENTIDAD_UM == "VERACRUZ"
           | ENTIDAD_UM == "TABASCO"
           | ENTIDAD_UM == "CAMPECHE"
           | ENTIDAD_UM == "YUCATÁN"
           | ENTIDAD_UM == "QUINTANO ROO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(sur_conteo = n())
  reg_cdmx <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(cdmx_conteo = n())
  reg_centro_cdmx <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99"
           & ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA"
           | ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(centro_cdmx_conteo = n())
  def_reg_merged <- merge(reg_norte,reg_norte_occid,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_centro_norte,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_centro,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_sur,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_cdmx,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_centro_cdmx,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged$Date <- as.Date(def_reg_merged$FECHA_DEF) 
  def_reg_merged[is.na(def_reg_merged)] <- 0
  def_reg_merged$Fecha <- format(def_reg_merged$Date, "%Y-%m")
  def_reg_merged <- def_reg_merged %>%
    select(Fecha, everything())
  def_reg_removido <- def_reg_merged %>% 
    select(-FECHA_DEF, -Date)
  def_reg_agregado <- aggregate(. ~ Fecha, data = def_reg_removido, sum)
  names(def_reg_agregado) <- 
    c("Month-Year",
      "Defunc_NORTE","Defunc_NORTE_OCCIDENTE",
      "Defunc_CENTRO_NORTE","Defunc_CENTRO",                 
      "Defunc_SUR","Defunc_CDMX","Defunc_CENTRO_CDMX")
  mort_reg_calculado <- def_reg_agregado
  mort_reg_calculado <- slice(mort_reg_calculado, -1)
  
  # Add a column for total cases
  mort_reg_calculado$Total_Defuncs <- rowSums(select(mort_reg_calculado, starts_with("Defunc")))
  
  # Reshape data for ANOVA
  reg_long <- mort_reg_calculado %>%
    pivot_longer(cols = starts_with("Defunc"),
                 names_to = "Region", 
                 values_to = "Defunc") %>%
    separate(Region, into = c("variable", "Region"), sep = "_", remove = FALSE)
  
  # ANOVA
  anova_result <- aov(Defunc ~ Region, data = reg_long)
  anova_summary <- summary(anova_result)
  
  # List to store t-test results
  t_test_results <- list()
  
  # Perform t-test between each pair of regions
  regions <- unique(reg_long$Region)
  for (i in 1:(length(regions)-1)) {
    for (j in (i+1):length(regions)) {
      region1 <- regions[i]
      region2 <- regions[j]
      
      t_test_result <- t.test(reg_long$Defunc[reg_long$Region == region1],
                              reg_long$Defunc[reg_long$Region == region2],
                              var.equal = TRUE)  # Assuming equal variances
      
      # Store t-test result
      t_test_results[[paste(region1, region2, sep = "_vs_")]] <- t_test_result
    }
  }
  
  # Return relevant results
  return(list(ANOVA_Summary = anova_summary,
              T_Test_Results = t_test_results))
}

ANOVA_T_Test_Mortalidad_Regiones(cov_morbilidad)
```

### Letalidad {data-height=2000}

```{r Letalidad ANOVA, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
ANOVA_T_Test_Letalidad_Regiones <- function(dataset){
  def_reg_norte <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "BAJA CALIFORNIA" 
           | ENTIDAD_UM == "CHIHUAHUA"
           | ENTIDAD_UM == "SONORA"
           | ENTIDAD_UM == "COAHUILA"
           | ENTIDAD_UM == "NUEVO LEÓN"
           | ENTIDAD_UM == "TAMAULIPAS") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_norte_conteo = n())
  def_reg_norte_occid <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "BAJA CALIFORNIA SUR" 
           | ENTIDAD_UM == "SINALOA"
           | ENTIDAD_UM == "NAYARIT"
           | ENTIDAD_UM == "DURANGO"
           | ENTIDAD_UM == "ZACATECAS") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_norte_occid_conteo = n())
  def_reg_centro_norte <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "JALISCO" 
           | ENTIDAD_UM == "AGUASCALIENTES"
           | ENTIDAD_UM == "COLIMA"
           | ENTIDAD_UM == "MICHOACÁN"
           | ENTIDAD_UM == "SAN LUIS POTOSÍ") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_centro_norte_conteo = n())
  def_reg_centro <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_centro_conteo = n())
  def_reg_sur <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "GUERRERO" 
           | ENTIDAD_UM == "OAXACA"
           | ENTIDAD_UM == "CHIAPAS"
           | ENTIDAD_UM == "VERACRUZ"
           | ENTIDAD_UM == "TABASCO"
           | ENTIDAD_UM == "CAMPECHE"
           | ENTIDAD_UM == "YUCATÁN"
           | ENTIDAD_UM == "QUINTANO ROO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_sur_conteo = n())
  def_reg_cdmx <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_cdmx_conteo = n())
  def_reg_centro_cdmx <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99"
           & ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA"
           | ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(def_centro_cdmx_conteo = n())
  def_reg_merged <- merge(def_reg_norte,def_reg_norte_occid,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,def_reg_centro_norte,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,def_reg_centro,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,def_reg_sur,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,def_reg_cdmx,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,def_reg_centro_cdmx,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged$Date <- as.Date(def_reg_merged$FECHA_DEF) 
  def_reg_merged[is.na(def_reg_merged)] <- 0
  def_reg_merged$Fecha <- format(def_reg_merged$Date, "%Y-%m")
  def_reg_merged <- def_reg_merged %>%
    select(Fecha, everything())
  def_reg_removido <- def_reg_merged %>% 
    select(-FECHA_DEF, -Date)
  def_reg_agregado <- aggregate(. ~ Fecha, data = def_reg_removido, sum)
  names(def_reg_agregado) <- 
    c("Month-Year",
      "Defunc_NORTE","Defunc_NORTE_OCCIDENTE",
      "Defunc_CENTRO_NORTE","Defunc_CENTRO",                 
      "Defunc_SUR","Defunc_CDMX","Defunc_CENTRO_CDMX")
  mort_reg_calculado <- def_reg_agregado
  mort_reg_calculado <- slice(mort_reg_calculado, -1)
  reg_norte <- dataset %>% 
    filter(ENTIDAD_UM == "BAJA CALIFORNIA" 
           | ENTIDAD_UM == "CHIHUAHUA"
           | ENTIDAD_UM == "SONORA"
           | ENTIDAD_UM == "COAHUILA"
           | ENTIDAD_UM == "NUEVO LEÓN"
           | ENTIDAD_UM == "TAMAULIPAS") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(norte_conteo = n())
  reg_norte_occid <- dataset %>% 
    filter(ENTIDAD_UM == "BAJA CALIFORNIA SUR" 
           | ENTIDAD_UM == "SINALOA"
           | ENTIDAD_UM == "NAYARIT"
           | ENTIDAD_UM == "DURANGO"
           | ENTIDAD_UM == "ZACATECAS") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(norte_occid_conteo = n())
  reg_centro_norte <- dataset %>% 
    filter(ENTIDAD_UM == "JALISCO" 
           | ENTIDAD_UM == "AGUASCALIENTES"
           | ENTIDAD_UM == "COLIMA"
           | ENTIDAD_UM == "MICHOACÁN"
           | ENTIDAD_UM == "SAN LUIS POTOSÍ") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_norte_conteo = n())
  reg_centro <- dataset %>% 
    filter(ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_conteo = n())
  reg_sur <- dataset %>% 
    filter(ENTIDAD_UM == "GUERRERO" 
           | ENTIDAD_UM == "OAXACA"
           | ENTIDAD_UM == "CHIAPAS"
           | ENTIDAD_UM == "VERACRUZ"
           | ENTIDAD_UM == "TABASCO"
           | ENTIDAD_UM == "CAMPECHE"
           | ENTIDAD_UM == "YUCATÁN"
           | ENTIDAD_UM == "QUINTANO ROO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(sur_conteo = n())
  reg_cdmx <- dataset %>% 
    filter(ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(cdmx_conteo = n())
  reg_centro_cdmx <- dataset %>% 
    filter(ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA"
           | ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_cdmx_conteo = n())
  reg_merged <- merge(reg_norte,reg_norte_occid,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro_norte,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_sur,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_cdmx,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro_cdmx,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged$Date <- format(reg_merged$FECHA_SINTOMAS, "%Y-%m")
  reg_agregado <- aggregate(. ~ Date, data = reg_merged, sum) %>% 
    subset(select = -FECHA_SINTOMAS)
  names(reg_agregado) <- c("Month-Year","Casos_NORTE","Casos_NORTE_OCCIDENTE",
                           "Casos_CENTRO_NORTE","Casos_CENTRO",
                           "Casos_SUR","Casos_CDMX","Casos_CENTRO_CDMX")
  reg_calculado <- reg_agregado
  letal_merged <- merge(mort_reg_calculado,reg_calculado,
                           by = "Month-Year",
                           all.x = TRUE)
  letal_calculado <- letal_merged
  letal_calculado$Letal_NORTE <- 
    round((letal_merged$Defunc_NORTE/
             letal_merged$Casos_NORTE * 100),2)
  letal_calculado$Letal_NORTE_OCCIDENTE <- 
    round((letal_merged$Defunc_NORTE_OCCIDENTE/
             letal_merged$Casos_NORTE_OCCIDENTE * 100),2)
  letal_calculado$Letal_CENTRO_NORTE <- 
    round((letal_merged$Defunc_CENTRO_NORTE/
             letal_merged$Casos_CENTRO_NORTE * 100),2)
  letal_calculado$Letal_CENTRO <- 
    round((letal_merged$Defunc_CENTRO/
             letal_merged$Casos_CENTRO * 100),2)
  letal_calculado$Letal_SUR <- 
    round((letal_merged$Defunc_SUR/
             letal_merged$Casos_SUR * 100),2)
  letal_calculado$Letal_CDMX <- 
    round((letal_merged$Defunc_CDMX/
             letal_merged$Casos_CDMX * 100),2)
  letal_calculado$Letal_CENTRO_CDMX <- 
    round((letal_merged$Defunc_CENTRO_CDMX/
             letal_merged$Casos_CENTRO_CDMX * 100),2)

  letal_calculado_selected <- letal_calculado %>%
    select("Month-Year", "Letal_NORTE",                    
           "Letal_NORTE_OCCIDENTE",                    
           "Letal_CENTRO_NORTE", "Letal_CENTRO", "Letal_SUR",
           "Letal_CDMX", "Letal_CENTRO_CDMX")
  
  # Add a column for total cases
  letal_calculado_selected$Total_Letales <- rowSums(select(letal_calculado_selected, starts_with("Letal")))
  
  # Reshape data for ANOVA
  reg_long <- letal_calculado_selected %>%
    pivot_longer(cols = starts_with("Letal"),
                 names_to = "Region", 
                 values_to = "Letal") %>%
    separate(Region, into = c("variable", "Region"), sep = "_", remove = FALSE)
  
  # ANOVA
  anova_result <- aov(Letal ~ Region, data = reg_long)
  anova_summary <- summary(anova_result)
  
  # List to store t-test results
  t_test_results <- list()
  
  # Perform t-test between each pair of regions
  regions <- unique(reg_long$Region)
  for (i in 1:(length(regions)-1)) {
    for (j in (i+1):length(regions)) {
      region1 <- regions[i]
      region2 <- regions[j]
      
      t_test_result <- t.test(reg_long$Letal[reg_long$Region == region1],
                              reg_long$Letal[reg_long$Region == region2],
                              var.equal = TRUE)  # Assuming equal variances
      
      # Store t-test result
      t_test_results[[paste(region1, region2, sep = "_vs_")]] <- t_test_result
    }
  }
  
  # Return relevant results
  return(list(ANOVA_Summary = anova_summary,
              T_Test_Results = t_test_results))
}

ANOVA_T_Test_Letalidad_Regiones(cov_morbilidad)
```

# Calidad de Datos
Los siguientes análisis demuestran la calidad y la normalidad de los datos usando un muestreo de 10 mil de 20.3 millones de observaciones registrados en la base de datos. 
El análisis para la calidad de datos usa un poder computacional significante cuál no está disponible en una computadora personal. 
Por lo tanto un muestreo seleccionado al azar es usado para simular la calidad y la normalidad de datos.

## Row {.tabset .tabset-fade}
### Variables Categóricas

```{r Data Quality Fx Code Source, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
## FUNCION DE DQR ESPECIAL CON SCRIPT EXTERNO - FUNCIONS DE SOURCE
source("~/Library/CloudStorage/OneDrive-Personal/Documents/UM-MSP/Investigacion/CovidMex/R Scripts/dqr.R")
## 10K Sample for Descriptives
cov_sample <- cov_processed %>% 
  sample_n(10000,replace = TRUE)
```


```{r Calidad Categórica, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Calidad_Cat <- function(dataset){
  DQRcat <- dataset %>%
    select_if(Negate(is.integer)) %>%
    QOfCategoricalF()
  NamesCat <- dataset %>% 
    select_if(Negate(is.integer)) %>% 
    names()
  DQRcat$NamesCat <- NamesCat
  DQRcat <- DQRcat[c(10,1,2,3,4,5,6,7,8,9)]
  DQRcat <- DQRcat[c(-1,-2),]
  ## Code for running the table (Categorical QoD)
  DQRcat %>% 
    kbl() %>% 
    kable_paper("hover",full_width=F)
}
Calidad_Cat(cov_sample)
```

### Variables Numéricas {data-height=1000}
```{r Calidad Númerica, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
## Numerical - CALIDAD DE DATOS
Calidad_Num <- function(dataset){
  DQRnum <- dataset %>% 
    select_if(is.integer) %>% 
    QOfContinuousF()
  NamesNum <- dataset %>% 
    select_if(is.integer) %>% 
    names()
  ## Code for running the table (Numerical QoD)
  DQRnum %>% 
    kbl () %>% 
    kable_paper(c("striped","hover"),full_width=F)
}
Calidad_Num(cov_sample)
```

### Normalidad de Datos {data-height=5000}
```{r Normalidad Selectas, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
## Tabla de Variables y la Normalidad organizado por género## - Important
Normalidad_Selectas <- function(dataset){
  dataset %>%
    select(EDAD,ORIGEN,SECTOR,SEXO,TIPO_PACIENTE,
           INTUBADO,NEUMONIA,NACIONALIDAD,EMBARAZO,
           HABLA_LENGUA_INDIG,INDIGENA,DIABETES,
           EPOC,ASMA,INMUSUPR,HIPERTENSION,CARDIOVASCULAR,
           OBESIDAD,RENAL_CRONICA,TABAQUISMO,OTRO_CASO,
           TOMA_MUESTRA_LAB,RESULTADO_LAB,TOMA_MUESTRA_ANTIGENO,
           RESULTADO_ANTIGENO,MIGRANTE,
           UCI,CLASIFICACION_FINAL) %>%
    tbl_summary(by="SEXO") %>% 
    modify_header(label="**VARIABLE**") %>% 
    bold_labels() %>% 
    add_p() %>% 
    add_n()
}
Normalidad_Selectas(cov_sample)
```