---
title: "Violencia de género e intrafamiliar en Bucaramanga"
author: ""
date: "2025-06-04"
output:
flexdashboard::flex_dashboard:
orientation: rows
social: menu
source_code: embed
---
```{r}
library(readr)
Datos_de_estadistica_Hoja_1 <- read_csv("Datos de estadistica - Hoja 1.csv")
```
DG barras
===============================================
Row
--------------------------------
```{r}
library(dplyr)
library(ggplot2)
Datos <- Datos_de_estadistica_Hoja_1 %>%
filter(parentezco_vict %in% c("Padre", "Madre")) %>%
count(sexo_agre, parentezco_vict)
ggplot(Datos, aes(x = sexo_agre, y = n, fill = parentezco_vict)) +
geom_bar(stat = "identity", position = "dodge") +
scale_fill_manual(values = c("pink", "blue"), name = NULL) +
labs(title = "Comparación entre casos de abuso por los padres", y = "Conteo", x = "Sexo") +
theme_minimal()
```
```{r}
library(dplyr)
library(ggplot2)
Datos <- Datos_de_estadistica_Hoja_1 %>%
filter(parentezco_vict %in% c("Padre", "Madre")) %>%
count(parentezco_vict, def_naturaleza)
ggplot(Datos, aes(x = parentezco_vict, y = n, fill = def_naturaleza)) +
geom_bar(stat = "identity", position = "dodge") +
scale_fill_manual(values = c("red", "pink","orange","blue"), name = NULL) +
labs(title = "Comparación entre tipos de abuso por los padres", y = "Conteo", x = "Parentezco") +
theme_minimal()
```
DG barras
===============================
Row
--------------------------
```{r}
library(ggplot2)
tabla1 = table(Datos_de_estadistica_Hoja_1$sexo_agre)
tabla1
df <- data.frame(
Sexo_agredido = c("F", "M", "SD"),
Conteo = c(570, 412, 19)
)
ggplot(df, aes(x=reorder(Sexo_agredido,Conteo), y=Conteo, fill = Sexo_agredido)) +
geom_bar(stat = "identity") +
scale_fill_manual(values = c("pink", "lightblue", "gray"), name = NULL)+
theme_minimal()+
labs(title = "Sexo del agredido")+
xlab("Sexo")
```
```{r}
library(ggplot2)
ggplot(data = Datos_de_estadistica_Hoja_1, mapping = aes(x=parentezco_vict, fill = parentezco_vict))+
geom_bar(position = "dodge")+
labs(title = "Parentezco del agresor de la victima", y = "Conteo", x = "Parentezco")+
scale_fill_discrete(name = NULL) +
theme_minimal()+
theme(axis.text.x = element_blank())
```
DG barras
===============================
Row {data-height=700}
--------------------------
```{r, fig.width=12, fig.height=6}
library(ggplot2)
datos <- Datos_de_estadistica_Hoja_1 %>%
filter(edad_agre >= 0 & edad_agre <= 84) %>%
mutate(grupo_edad = cut(edad_agre,
breaks = seq(0, 84, by = 4),
include.lowest = TRUE,
right = FALSE,
labels = paste(seq(0, 80, 4), seq(4, 84, 4), sep = "-")))
ggplot(datos, aes(x = grupo_edad)) +
geom_bar(fill = "steelblue") +
labs(title = "Distribución por edad de las victimas",
x = "Edades",
y = "Conteo") +
theme_minimal()
```
DG pastel
===========================
Row {data-height=700}
----------------------
```{r, fig.width=12, fig.height=6}
library(tidyverse)
porcentaje_grupo = Datos_de_estadistica_Hoja_1 %>%
group_by(`Ciclo de vida`) %>%
count() %>%
ungroup() %>%
mutate(porcentaje = n/sum(n)*100)
ggplot(data = porcentaje_grupo,
aes(x =1, y = porcentaje, fill = `Ciclo de vida`))+
geom_bar(stat = "identity")+
geom_text(aes(label = paste0(round(porcentaje,1),"%")),
position = position_stack(vjust = .5))+
coord_polar(theta = "y")+
theme_void()+
scale_fill_brewer(palette = "Blues", name = NULL)+
labs(title = "Ciclo de vida del agredido")
```
DG Caja
=======================================
Row
---------------
```{r}
library(ggplot2)
ggplot(Datos_de_estadistica_Hoja_1, aes(x=`Tipo de Seguridad Social`, y= edad_agre, fill=`Tipo de Seguridad Social`))+
geom_boxplot()+ theme(axis.text.x = element_text(angle = 45, hjust = 1))+
labs(y = "Edad del agredido", fill="")
```
```{r}
ggplot(Datos_de_estadistica_Hoja_1, aes(x=def_naturaleza, y= edad_agre, fill=def_naturaleza))+
geom_boxplot()+ theme(axis.text.x = element_text(angle = 45, hjust = 1))+
labs(y = "Edad del agredido", x= "Naturaleza del hecho", fill="")
```
DG caja
=================
Row {data-height=700}
-------------
```{r grafico, fig.width=12, fig.height=6}
ggplot(Datos_de_estadistica_Hoja_1, aes(x=sexo_agre, y= edad_agre, fill=sexo_agre))+
geom_boxplot()+
labs(y = "Edad del agredido", x= "Sexo del agredido", fill="")
```
DG caja
=================
Row {data-height=700}
-------------
```{r grafico-boxplot, fig.width=12, fig.height=6}
ggplot(Datos_de_estadistica_Hoja_1, aes(x=parentezco_vict, y= edad_agre, fill=parentezco_vict))+
geom_boxplot()+ theme(axis.text.x = element_text(angle = 45, hjust = 1))+
labs(y = "Edad del agredido", x= "Parentezco de la victima", fill="")
```
DG barras apiladas
=================
Row
--------------------------------------------
```{r}
ggplot(Datos_de_estadistica_Hoja_1, aes(x=sexo_agre, fill=`Ciclo de vida`))+
geom_bar()+ labs(y = "Conteo", x= "Sexo del agredido", fill="Ciclo de vida")
```
```{r}
ggplot(Datos_de_estadistica_Hoja_1, aes(x=sexo_agre, fill=nom_actividad))+
geom_bar()+ labs(y = "Conteo", x= "Sexo del agredido", fill="Actividad de la victima")
```
DG barras apiladas
=================
Row {data-height=700}
--------------------------------------------
```{r graico-boxplot, fig.width=12, fig.height=6}
ggplot(Datos_de_estadistica_Hoja_1, aes(x=`Tipo de Seguridad Social`, fill=Comuna))+
geom_bar()+ labs(y = "Conteo", x= "Tipo de seguridad social", fill="Comuna")
```
Conclusiones
====================
Row
------------------------
### Hallazgos Clave
**Patrones de violencia**
Los datos revelan que el abuso sexual y la negligencia son las formas más comunes de violencia en este grupo poblacional, con especial énfasis en niñas y adolescentes.
**Edad vulnerable**
La edad promedio más baja en casos de abuso sexual y negligencia revela la urgencia de fortalecer la protección a la infancia más temprana.
<br>
### Dinámicas Familiares
La madre aparece como principal agresora en negligencia y violencia psicológica, lo cual sugiere dinámicas familiares complejas que deben ser abordadas con programas de crianza positiva y apoyo psicosocial.
**Relaciones afectivas**
El abuso intrafamiliar y en relaciones afectivas juveniles (novios) es evidente en los datos, mostrando una necesidad de educación afectiva y sexual con enfoque de derechos desde edades tempranas.
<br>
### Intervención Focalizada
**Áreas críticas**
Las comunas más afectadas pueden requerir intervención institucional focalizada, incluyendo programas comunitarios, fortalecimiento de redes de apoyo y sistemas de vigilancia y respuesta.
**Factores de riesgo**
La inseguridad social y económica es un factor de riesgo clave, indicando que muchas víctimas provienen de contextos en donde el acceso a servicios de protección y salud es limitado.
<br>
### Recomendaciones
**Mejora en categorización**
Se debería especificar en algunas secciones catalogadas como "otros", de esta manera se puede tener un panorama mucho más amplio de las situaciones y de las medidas preventivas que pueden adoptar las entidades correspondientes.
**Enfoque comunitario**
Se deben priorizar las comunidades vulnerables que en muchas ocasiones son incapaces de realizar algo por su propia cuenta, así mismo priorizar las situaciones como la vulnerabilidad económica y bajo esos criterios crear regulaciones o sistemas que permitan una disminución de casos.
**Comunicación estratégica**
Se hace necesario que se maneje una comunicación asertiva entre los diferentes grupos que conforman estos datos, de esta manera se puede lograr una mejor propagación de información de los puntos/líneas de ayuda para personas involucradas en ámbitos de violencia intrafamiliar y de género.
