Trabajo Grupal - Vinculando afiliación al SIS con el material predominante en los techos de las viviendas
2 de Diciembre 2024
- Integrantes:
- Castillo Torres, Omar Sebastian
- Chavez Cuzcano, Victor Javier
- Cruz Lozano, Gianella Alejandra
- Suero Peqqueña, Eduardo Daniel
1 INTRODUCCIÓN
1.1 ENAHO
La Encuesta Nacional de Hogares-Salud (ENAHO) es una iniciativa
crucial dirigida por el Instituto Nacional de Estadística e Informática
(INEI) del Perú, destinada a recopilar información detallada y
representativa sobre diversos aspectos de la salud de la población
peruana. Este estudio se lleva a cabo periódicamente con el objetivo de
proporcionar datos precisos que sirvan como base para la formulación de
políticas públicas y la mejora de los servicios de salud en el
país.
1.2 SIS:
El Seguro Integral de Salud (SIS) en Perú es un sistema público que brinda acceso gratuito o subsidiado a servicios de salud a personas en situación de pobreza, pobreza extrema o vulnerabilidad. Fue creado en el año 2001 con el objetivo de garantizar la atención médica básica y especializada a quienes no cuentan con un seguro de salud privado o público (como EsSalud).
2 Tabla sobre el SIS y el Material del Techo
Para este análisis estaremos tomando datos de los Módulos 100 (Características de la Vivienda y del Hogar) y 400 (Salud) para saber la relación entre las personas que están afiliadas al SIS y el material predominante en los techos de sus viviendas.
#LECTURA DE ARCHIVOS-----------------------------------------------
datos01 = read.csv("Enaho01-2019-100.csv", fileEncoding = "Latin1")
datos02 = read.csv("Enaho01a-2019-400.csv", fileEncoding="Latin1")
#PREPROCESAMIENTO DE DATOS-----------------------------------------------
datos01 %>% mutate(IDHOGAR = paste0(CONGLOME, VIVIENDA, HOGAR)) %>% select(-CONGLOME,-VIVIENDA,-HOGAR) -> datos01
datos02 %>% mutate(IDHOGAR = paste0(CONGLOME, VIVIENDA, HOGAR)) %>% select(-CONGLOME,-VIVIENDA,-HOGAR) -> datos02
datos01 %>%
filter(RESULT == 1) -> datos01
datos01 %>% inner_join(datos02)->grupo5x2
grupo5x2 |> select(AÑO, MES, UBIGEO, DOMINIO, ESTRATO, PERIODO, TIPENC, FECENT, RESULT, PANEL, IDHOGAR,
CODPERSO, CODINFOR, P103A, P4195, P1121, P104, P401, P104A, P105A, P107B1, P103A) -> GRUPO5X2F
GRUPO5X2F |> select(P103A, P4195) -> eniksa
mapeo = c('1' = 'Si', '2' = 'No')
mapeo2 <- c('1' = 'Concreto' ,'2' = 'Madera', '3' = 'Tejas',
'4' = 'Calamina', '5' = 'Caña', '6' = 'Triplay',
'7' = 'Paja', '8' = 'Otros')
eniksa$P103A <- mapeo2[eniksa$P103A]
eniksa$P4195 <- mapeo[eniksa$P4195]
eniksa <- eniksa |>
rename('Material_Techo' = P103A, 'SIS' = P4195)
eniksaoficial <- eniksa |> group_by(Material_Techo) |> na.omit() |>
count(SIS) |> spread(SIS, n , fill = 0)
eniksaoficial_longer <- eniksaoficial |> pivot_longer(cols = c('No', 'Si'),
names_to = 'SIS',
values_to = 'Conteo')
eniksaoficial_longer <- eniksaoficial_longer %>%
group_by(Material_Techo) %>%
mutate(
Proporcion = Conteo / sum(Conteo)
) %>%
ungroup() %>%
mutate(
Relleno = case_when(
Material_Techo == "Paja" & SIS == "Si" ~ "Resaltado_Si",
Material_Techo == "Concreto" & SIS == "No" ~ "Resaltado_No",
SIS == "Si" ~ "Pálido_Si",
SIS == "No" ~ "Pálido_No"
),
Etiqueta = case_when(
Material_Techo == "Paja" & SIS == "Si" ~ paste0(round(Proporcion * 100, 1), "%"),
Material_Techo == "Concreto" & SIS == "No" ~ paste0(round(Proporcion * 100, 1), "%"),
TRUE ~ NA_character_
)
)
# Reordenar los niveles de Material_Techo
eniksaoficial_longer <- eniksaoficial_longer %>%
mutate(
Material_Techo = factor(Material_Techo, levels = c(
"Otros", "Tejas", "Calamina", "Triplay", "Madera", "Caña",
'Concreto', "Paja"
))
)
# Ejemplo de tabla con filas resaltadas
eniksaoficial_longer <- eniksaoficial_longer %>%
mutate(Fila_Resaltada = case_when(
Material_Techo == "Paja" ~ "Resaltar1", # Primera fila a resaltar
Material_Techo == "Concreto" ~ "Resaltar2", # Segunda fila a resaltar
TRUE ~ "Normal" # Fila normal
))
# Crear tabla con estilos
eniksaoficial_longer1 <- eniksaoficial_longer %>%
group_by(Material_Techo) %>%
mutate(
Proporcion = (Conteo / sum(Conteo))*100
) %>%
ungroup() %>%
mutate(
Relleno = case_when(
Material_Techo == "Paja" & SIS == "Si" ~ "Resaltado_Si",
Material_Techo == "Concreto" & SIS == "No" ~ "Resaltado_No",
SIS == "Si" ~ "Pálido_Si",
SIS == "No" ~ "Pálido_No"
),
Etiqueta = case_when(
Material_Techo == "Paja" & SIS == "Si" ~ paste0(round(Proporcion * 100, 1), "%"),
Material_Techo == "Concreto" & SIS == "No" ~ paste0(round(Proporcion * 100, 1), "%"),
TRUE ~ NA_character_
)
)
eniksaoficial_longer1 %>%
select(Material_Techo, SIS, Proporcion) %>% # Seleccionamos columnas relevantes
kable(format = "html", align = "c", col.names = c("Material del Techo", "SIS", "Proporción")) %>%
kable_styling(full_width = FALSE, bootstrap_options = c("striped", "hover")) %>%
row_spec(which(eniksaoficial_longer$Fila_Resaltada == "Resaltar1"), background = "#acbac8") %>% # Fila resaltada 1 en amarillo
row_spec(which(eniksaoficial_longer$Fila_Resaltada == "Resaltar2"), background = "#f1d3b2") # Fila resaltada 2 en rojo claro| Material del Techo | SIS | Proporción |
|---|---|---|
| Calamina | No | 32.6 |
| Calamina | Si | 67.4 |
| Caña | No | 53.5 |
| Caña | Si | 46.5 |
| Concreto | No | 72.1 |
| Concreto | Si | 27.9 |
| Madera | No | 50.4 |
| Madera | Si | 49.6 |
| Otros | No | 31.1 |
| Otros | Si | 68.9 |
| Paja | No | 13.4 |
| Paja | Si | 86.6 |
| Tejas | No | 22.3 |
| Tejas | Si | 77.7 |
| Triplay | No | 47.1 |
| Triplay | Si | 52.9 |
3 GRÁFICA FINAL
El gráfico ilustra cómo la afiliación al SIS está fuertemente influenciada por la calidad del material predominante en los techos, que a su vez es un indicador indirecto de la condición socioeconómica de las familias. Los materiales más precarios como la paja están vinculados con mayores tasas de afiliación al SIS, mientras que los materiales más duraderos como el concreto están asociados a menores niveles de dependencia de este sistema.
#Textos
# Texto 1
texto1_1 <- ggdraw() +
draw_grob(
grob = gTree(children = gList(
textGrob(
"Según las encuestas, las personas con techos de paja\ntienen la mayor afiliación al SIS, con un 86.6%.",
x = 0.03, y = 0.25, hjust = 0, vjust = 0.5,
gp = gpar(col = "#244379", fontsize = 10, fontface = "bold")
)
))
)
# Texto 2
texto2_1 <- ggdraw() +
draw_grob(
grob = gTree(children = gList(
textGrob(
"En contraste, solo el 72.1% de quienes tienen techos de\nconcreto están afiliados al SIS, el porcentaje más bajo.",
x = 0.03, y = 0.97, hjust = 0, vjust = 0.5,
gp = gpar(col = "#e2660e", fontsize = 10, fontface = "bold")
)
))
)
# Texto 3
texto3_1 <- ggdraw() +
draw_grob(
grob = gTree(children = gList(
textGrob(
"Los materiales de calidad intermedia muestran\nproporciones más equilibradas sin ningún\npatrón en común.",
x = 0.03, y = 1.07, hjust = 0, vjust = 0.5,
gp = gpar(col = "#acbac8", fontsize = 10, fontface = "bold")
)
))
)
# Definir los colores manualmente
colores <- c(
"Resaltado_Si" = "#244379",
"Resaltado_No" = "#e2660e",
"Pálido_Si" = "#acbac8",
"Pálido_No" = "#f1d3b2"
)
# Graficar los textos junto con el gráfico principal
ggplot(eniksaoficial_longer) +
aes(x = Material_Techo, y = Proporcion, fill = Relleno) +
geom_bar(stat = 'identity', position = 'fill', color = 'white') +
geom_text(
aes(label = Etiqueta),
position = position_fill(vjust = 0.5),
size = 3.5,
color = "white",
na.rm = TRUE
) +
scale_fill_manual(
values = colores,
breaks = c("Pálido_Si", "Pálido_No"),
labels = c("Si", "No")
) +
labs(
title = "Dos de los materiales predominantes en los techos presentan una relación desproporcional\nrespecto a su afiliación o no al SIS",
subtitle = '¿Los materiales más precarios están asociados con una mayor afiliación al SIS?',
fill = NULL,
x = NULL,
y = NULL
) +
theme_minimal() +
theme(panel.background = element_blank(),
legend.position = "top",
axis.text.x = element_blank(),
axis.ticks.x = element_blank(),
plot.title = element_text(face = "bold"),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank()
) +
coord_flip() -> sis
# Combinar texto con el gráfico
a <- plot_grid(
sis,
plot_grid(texto1_1, texto2_1, texto3_1, ncol = 1, rel_heights = c(1, 0.9, 0.9)),
ncol = 2, rel_widths = c(3, 2)
)
a
Sin embargo, los materiales de calidad intermedia muestran proporciones más equilibradas. Esto podría interpretarse como una representación de hogares en una posición económica intermedia: no tan vulnerables como para depender mayoritariamente del SIS, pero tampoco tan acomodados como para prescindir completamente de este apoyo.