Segmentación de Países mediante Indicadores de Mortalidad
Análisis de técnicas de Aprendizaje No Supervisado - Banco Mundial
Universidad del Valle - Facultad de Ingeniería
Melany Enriquez - Santiago Posada - Sofia Potosi - Valery Rivera
Resumen
Este estudio aplica técnicas de aprendizaje no supervisado para identificar patrones naturales de agrupación entre países basándose en 22 indicadores de mortalidad del Banco Mundial correspondientes al año 2019. Se empleó Análisis de Componentes Principales (ACP) para reducir la dimensionalidad del conjunto de datos, seguido de clusterización jerárquica mediante el método de Ward para identificar segmentos de países con perfiles de mortalidad similares. Los indicadores analizados incluyen expectativa de vida por sexo, mortalidad por enfermedades crónicas, mortalidad por causas externas (accidentes de tránsito, envenenamientos, suicidios), mortalidad infantil y neonatal desagregada por sexo, y supervivencia hasta los 65 años. Los resultados permitieron identificar grupos de países con características de mortalidad homogéneas internamente pero diferenciadas entre sí, proporcionando información para la formulación de políticas de salud pública basadas en evidencia.
Introducción
La mortalidad constituye uno de los indicadores fundamentales para evaluar el estado de salud de las poblaciones y la efectividad de los sistemas sanitarios a nivel global. Los patrones de mortalidad reflejan diferencias significativas entre naciones, resultado de factores como acceso a servicios de salud, nivel de desarrollo económico, infraestructura sanitaria, calidad de la atención materno-infantil y magnitud de determinantes sociales. Estas variaciones no son únicamente atribuibles a regiones geográficas o niveles de ingresos, sino que responden a dinámicas epidemiológicas complejas que estructuran la carga de enfermedad de formas distintas en cada contexto nacional.
Actualmente, la clasificación de países para fines de política sanitaria se realiza mediante categorías predefinidas basadas en criterios geográficos o económicos. Sin embargo, estas clasificaciones convencionales no necesariamente capturan las similitudes reales en los perfiles epidemiológicos entre naciones. Existe una desalineación entre las agrupaciones administrativas que utilizamos para organizar datos internacionales y la realidad de los patrones de mortalidad que los países efectivamente experimentan. Esto implica que una segmentación basada empíricamente en los propios datos de mortalidad podría revelar qué países enfrentan desafíos sanitarios comparables, independientemente de sus características tradicionales, facilitando intercambio de experiencias y estrategias relevantes entre contextos similares.
Las técnicas de aprendizaje no supervisado permiten identificar estas estructuras naturales sin imponer categorías predeterminadas. El Análisis de Componentes Principales sintetiza múltiples indicadores correlacionados en dimensiones fundamentales que explican la variabilidad en mortalidad entre países. La clusterización jerárquica subsecuente agrupa naciones según similitud en estas dimensiones, produciendo segmentaciones coherentes que reflejan realidades epidemiológicas.
El objetivo de este estudio es aplicar estas técnicas para segmentar 182 países según 22 indicadores de mortalidad del año 2019, identificando grupos de naciones con perfiles epidemiológicos similares. Se espera que los clusters resultantes revelen patrones de mortalidad que trascienden categorías convencionales, faciliten la caracterización de inequidades de género, y proporcionen una base empírica para el diseño de políticas de salud pública diferenciadas según contextos epidemiológicos reales.
Descripción de la fuente de Datos
Base de datos: World Development Indicators (WDI) - Banco Mundial
Unidad de análisis: País
Período: 2019
Acceso: https://databank.worldbank.org/source/world-development-indicators
Los datos utilizados en esta investigación provienen de la base World Development Indicators del Banco Mundial, una de las compilaciones más exhaustivas de indicadores de desarrollo compilados a partir de fuentes internacionales estandarizadas. Esta base integra información de organismos especializados reconocidos mundialmente, incluyendo la Organización Mundial de la Salud (OMS), UNICEF y agencias especializadas de las Naciones Unidas, garantizando comparabilidad metodológica entre países y confiabilidad en la medición de indicadores. El año 2019 fue seleccionado como periodo de referencia por presentar la mayor cobertura de datos disponibles para los indicadores de mortalidad incluidos en este análisis.
Metodología
La metodología se fundamenta en la aplicación secuencial de Análisis de Componentes Principales (ACP) y clusterización jerárquica mediante el método de Ward, permitiendo reducir la dimensionalidad de 22 indicadores de mortalidad e identificar grupos de países con perfiles epidemiológicos similares. El análisis se realiza sobre datos del año 2019 del Banco Mundial, con una muestra de 182 países que presentan información completa para las 22 variables seleccionadas.
3.1 Selección y Justificación de Variables
La selección del conjunto de 22 indicadores de mortalidad se fundamentó en tres criterios complementarios que aseguran relevancia analítica y robustez estadística:
- Relevancia epidemiológica documentada Relevancia en la literatura de salud global, así se garantiza que cada variable capture aspectos fundamentales del perfil de mortalidad poblacional.
- Disponibilidad sistemática de datos Disponibilidad de datos en la mayoría de países en el año 2019, minimizando problemas de valores faltantes.
- Capacidad discriminante Capacidadad de diferenciar entre perfiles de mortalidad distintos, evitando redundancia informativa que podría sesgar los resultados del análisis multivariado.
Dimensión: Expectativa de vida y longevidad
Se incluyen medidas de expectativa de vida al nacer y supervivencia acumulada hasta los 65 años, desagregadas por sexo. Estos indicadores sintéticos capturan el impacto integrado de todas las causas de muerte a lo largo del ciclo vital y constituyen medidas ampliamente reconocidas del estado general de salud y desarrollo socioeconómico de las poblaciones. La desagregación por sexo permite identificar inequidades de género en longevidad, un aspecto fundamental para políticas de equidad en salud.
expectativa_vida <- data.frame(
Variable = c(
"Expectativa de vida al nacer (mujeres)",
"Expectativa de vida al nacer (hombres)",
"Supervivencia hasta los 65 años (%) (mujeres)",
"Supervivencia hasta los 65 años (%) (hombres)"
),
Descripción = c(
"Número promedio de años que se espera que viva una mujer al nacer.",
"Número promedio de años que se espera que viva un hombre al nacer.",
"Porcentaje de mujeres que sobreviven hasta los 65 años.",
"Porcentaje de hombres que sobreviven hasta los 65 años."
),
Tipo_Variable = c("Cuantitativa continua", "Cuantitativa continua",
"Cuantitativa continua", "Cuantitativa continua")
)
kable(expectativa_vida,
caption = "Tabla 1. Dimensión: Expectativa de vida y longevidad",
align = "l",
col.names = c("Variable", "Descripción", "Tipo de Variable")) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"),
full_width = TRUE,
position = "center",
font_size = 14,
html_font = "Segoe UI") %>%
row_spec(0, background = "#488B49", color = "white", bold = TRUE) %>%
column_spec(1, bold = FALSE, width = "25%") %>%
column_spec(2, width = "55%") %>%
column_spec(3, width = "20%") %>%
footnote(general = "Fuente: Elaboración propia con base en indicadores de mortalidad global (2019).")| Variable | Descripción | Tipo de Variable |
|---|---|---|
| Expectativa de vida al nacer (mujeres) | Número promedio de años que se espera que viva una mujer al nacer. | Cuantitativa continua |
| Expectativa de vida al nacer (hombres) | Número promedio de años que se espera que viva un hombre al nacer. | Cuantitativa continua |
| Supervivencia hasta los 65 años (%) (mujeres) | Porcentaje de mujeres que sobreviven hasta los 65 años. | Cuantitativa continua |
| Supervivencia hasta los 65 años (%) (hombres) | Porcentaje de hombres que sobreviven hasta los 65 años. | Cuantitativa continua |
| Note: | ||
| Fuente: Elaboración propia con base en indicadores de mortalidad global (2019). |
Dimensión: Mortalidad por enfermedades crónicas no transmisibles
Comprende tasas de mortalidad por enfermedades cardiovasculares, cáncer y diabetes mellitus, desagregadas por sexo. Estos indicadores son particularmente relevantes en contextos de países desarrollados y en transición epidemiológica avanzada, donde las enfermedades no transmisibles representan la carga de enfermedad predominante. La inclusión de esta dimensión permite identificar países que han completado la transición epidemiológica versus aquellos que aún enfrentan cargas duales de mortalidad.
cronicas <- data.frame(
Variable = c("Mortalidad por enfermedades cardíacas, cáncer y diabetes (mujeres)",
"Mortalidad por enfermedades cardíacas, cáncer y diabetes (hombres)"),
Descripción = c("Tasa de mortalidad por enfermedades cardiovasculares, cáncer y diabetes en mujeres.",
"Tasa de mortalidad por enfermedades cardiovasculares, cáncer y diabetes en hombres."),
Tipo_Variable = c("Cuantitativa continua", "Cuantitativa continua")
)
kable(cronicas,
caption = "Tabla 2. Dimensión: Mortalidad por enfermedades crónicas no transmisibles",
align = "l",
col.names = c("Variable", "Descripción", "Tipo de Variable")) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"),
full_width = TRUE,
position = "center",
font_size = 14,
html_font = "Segoe UI") %>%
row_spec(0, background = "#488B49", color = "white", bold = TRUE) %>%
column_spec(1, bold = FALSE, width = "30%") %>%
column_spec(2, width = "50%") %>%
column_spec(3, width = "20%") %>%
footnote(general = "Fuente: Elaboración propia con base en estadísticas de mortalidad (2019).")| Variable | Descripción | Tipo de Variable |
|---|---|---|
| Mortalidad por enfermedades cardíacas, cáncer y diabetes (mujeres) | Tasa de mortalidad por enfermedades cardiovasculares, cáncer y diabetes en mujeres. | Cuantitativa continua |
| Mortalidad por enfermedades cardíacas, cáncer y diabetes (hombres) | Tasa de mortalidad por enfermedades cardiovasculares, cáncer y diabetes en hombres. | Cuantitativa continua |
| Note: | ||
| Fuente: Elaboración propia con base en estadísticas de mortalidad (2019). |
Dimensión: Mortalidad por causas externas
Agrupa mortalidad por accidentes de tránsito, envenenamientos accidentales y suicidios, con desagregación por sexo. Estos indicadores reflejan determinantes sociales de la salud incluyendo violencia interpersonal, seguridad vial, salud mental y factores de riesgo comportamentales. La mortalidad por causas externas es altamente prevenible mediante intervenciones de salud pública y políticas intersectoriales, constituyendo un área crítica de acción para sistemas de salud efectivos.
externas <- data.frame(
Variable = c("Mortalidad por accidentes de tránsito",
"Mortalidad por envenenamiento accidental (mujeres)",
"Mortalidad por envenenamiento accidental (hombres)",
"Mortalidad por suicidios (mujeres)",
"Mortalidad por suicidios (hombres)"),
Descripción = c("Tasa de mortalidad por accidentes de tránsito por 100,000 habitantes.",
"Tasa de mortalidad femenina por envenenamientos accidentales.",
"Tasa de mortalidad masculina por envenenamientos accidentales.",
"Tasa de mortalidad femenina por suicidios.",
"Tasa de mortalidad masculina por suicidios."),
Tipo_Variable = rep("Cuantitativa continua", 5)
)
kable(externas,
caption = "Tabla 3. Dimensión: Mortalidad por causas externas",
align = "l",
col.names = c("Variable", "Descripción", "Tipo de Variable")) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"),
full_width = TRUE,
position = "center",
font_size = 14,
html_font = "Segoe UI") %>%
row_spec(0, background = "#488B49", color = "white", bold = TRUE) %>%
column_spec(1, bold = FALSE, width = "30%") %>%
column_spec(2, width = "50%") %>%
column_spec(3, width = "20%") %>%
footnote(general = "Fuente: Elaboración propia con base en registros vitales y salud pública (2019).")| Variable | Descripción | Tipo de Variable |
|---|---|---|
| Mortalidad por accidentes de tránsito | Tasa de mortalidad por accidentes de tránsito por 100,000 habitantes. | Cuantitativa continua |
| Mortalidad por envenenamiento accidental (mujeres) | Tasa de mortalidad femenina por envenenamientos accidentales. | Cuantitativa continua |
| Mortalidad por envenenamiento accidental (hombres) | Tasa de mortalidad masculina por envenenamientos accidentales. | Cuantitativa continua |
| Mortalidad por suicidios (mujeres) | Tasa de mortalidad femenina por suicidios. | Cuantitativa continua |
| Mortalidad por suicidios (hombres) | Tasa de mortalidad masculina por suicidios. | Cuantitativa continua |
| Note: | ||
| Fuente: Elaboración propia con base en registros vitales y salud pública (2019). |
Dimensión: Mortalidad por factores ambientales
Incluye mortalidad atribuible a polución del aire, desagregada por sexo. Este indicador captura determinantes de salud ambiental y refleja desafíos de sostenibilidad, industrialización e infraestructura sanitaria. La creciente importancia de factores ambientales en la carga global de enfermedad justifica la inclusión de esta dimensión en el análisis.
ambiental <- data.frame(
Variable = c("Mortalidad por polución del aire (mujeres)",
"Mortalidad por polución del aire (hombres)"),
Descripción = c("Tasa de mortalidad femenina atribuible a la contaminación del aire.",
"Tasa de mortalidad masculina atribuible a la contaminación del aire."),
Tipo_Variable = c("Cuantitativa continua", "Cuantitativa continua")
)
kable(ambiental,
caption = "Tabla 4. Dimensión: Mortalidad por factores ambientales",
align = "l",
col.names = c("Variable", "Descripción", "Tipo de Variable")) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"),
full_width = TRUE,
position = "center",
font_size = 14,
html_font = "Segoe UI") %>%
row_spec(0, background = "#488B49", color = "white", bold = TRUE) %>%
column_spec(1, bold = FALSE, width = "30%") %>%
column_spec(2, width = "50%") %>%
column_spec(3, width = "20%") %>%
footnote(general = "Fuente: Elaboración propia con base en datos de mortalidad ambiental (2019).")| Variable | Descripción | Tipo de Variable |
|---|---|---|
| Mortalidad por polución del aire (mujeres) | Tasa de mortalidad femenina atribuible a la contaminación del aire. | Cuantitativa continua |
| Mortalidad por polución del aire (hombres) | Tasa de mortalidad masculina atribuible a la contaminación del aire. | Cuantitativa continua |
| Note: | ||
| Fuente: Elaboración propia con base en datos de mortalidad ambiental (2019). |
Dimensión: Mortalidad Adulta
Comprende tasas de mortalidad en población adulta (probabilidad de muerte entre 15 y 60 años) desagregadas por sexo. Estos indicadores miden la carga de mortalidad prematura y la efectividad acumulada de sistemas de salud en proteger a población en edades productivas. La mortalidad adulta elevada señala fragilidad de sistemas de salud y factores de riesgo prevenibles que afectan población económicamente activa.
mortalidad_adulta <- data.frame(
Variable = c("Tasa de mortalidad adulta (mujeres)",
"Tasa de mortalidad adulta (hombres)"),
Descripción = c("Probabilidad de morir entre los 15 y 60 años para mujeres.",
"Probabilidad de morir entre los 15 y 60 años para hombres."),
Tipo_Variable = c("Cuantitativa continua", "Cuantitativa continua")
)
kable(mortalidad_adulta,
caption = "Tabla 5. Dimensión: Mortalidad adulta",
align = "l",
col.names = c("Variable", "Descripción", "Tipo de Variable")) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"),
full_width = TRUE,
position = "center",
font_size = 14,
html_font = "Segoe UI") %>%
row_spec(0, background = "#488B49", color = "white", bold = TRUE) %>%
column_spec(1, bold = FALSE, width = "30%") %>%
column_spec(2, width = "50%") %>%
column_spec(3, width = "20%") %>%
footnote(general = "Fuente: Elaboración propia con base en indicadores de mortalidad adulta (2019).")| Variable | Descripción | Tipo de Variable |
|---|---|---|
| Tasa de mortalidad adulta (mujeres) | Probabilidad de morir entre los 15 y 60 años para mujeres. | Cuantitativa continua |
| Tasa de mortalidad adulta (hombres) | Probabilidad de morir entre los 15 y 60 años para hombres. | Cuantitativa continua |
| Note: | ||
| Fuente: Elaboración propia con base en indicadores de mortalidad adulta (2019). |
Dimensión: Mortalidad infantil, neonatal e infantil temprana
Incluye tasas de mortalidad específicas para estas etapas (por 1,000 nacidos vivos), desagregadas por sexo, además de números absolutos de muertes neonatales e infantiles. Estos indicadores actúan como trazadores de la calidad de servicios de salud materno-infantil, acceso a atención obstétrica y condiciones de vida en la primera infancia. La mortalidad infantil y neonatal son altamente sensibles a intervenciones de salud pública y constituyen metas prioritarias de los Objetivos de Desarrollo Sostenible.
mortalidad_infantil <- data.frame(
Variable = c("Tasa de mortalidad infantil (niñas)",
"Tasa de mortalidad infantil (niños)",
"Tasa de mortalidad neonatal",
"Tasa de mortalidad infantil temprana (niñas)",
"Tasa de mortalidad infantil temprana (niños)",
"Número de muertes infantiles",
"Número de muertes neonatales"),
Descripción = c("Número de muertes de niñas menores de 1 año por cada 1,000 nacidos vivos.",
"Número de muertes de niños menores de 1 año por cada 1,000 nacidos vivos.",
"Número de muertes ocurridas en los primeros 28 días de vida por cada 1,000 nacidos vivos.",
"Tasa de mortalidad de niñas menores de 5 años por cada 1,000 nacidos vivos.",
"Tasa de mortalidad de niños menores de 5 años por cada 1,000 nacidos vivos.",
"Número absoluto de muertes infantiles (menores de 1 año).",
"Número absoluto de muertes neonatales (primer mes de vida)."),
Tipo_Variable = c("Cuantitativa continua", "Cuantitativa continua",
"Cuantitativa continua", "Cuantitativa continua",
"Cuantitativa continua", "Cuantitativa discreta", "Cuantitativa discreta")
)
kable(mortalidad_infantil,
caption = "Tabla 6. Dimensión: Mortalidad infantil, neonatal e infantil temprana",
align = "l",
col.names = c("Variable", "Descripción", "Tipo de Variable")) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"),
full_width = TRUE,
position = "center",
font_size = 14,
html_font = "Segoe UI") %>%
row_spec(0, background = "#488B49", color = "white", bold = TRUE) %>%
column_spec(1, bold = FALSE, width = "30%") %>%
column_spec(2, width = "50%") %>%
column_spec(3, width = "20%") %>%
footnote(general = "Fuente: Elaboración propia con base en indicadores de mortalidad infantil (2019).")| Variable | Descripción | Tipo de Variable |
|---|---|---|
| Tasa de mortalidad infantil (niñas) | Número de muertes de niñas menores de 1 año por cada 1,000 nacidos vivos. | Cuantitativa continua |
| Tasa de mortalidad infantil (niños) | Número de muertes de niños menores de 1 año por cada 1,000 nacidos vivos. | Cuantitativa continua |
| Tasa de mortalidad neonatal | Número de muertes ocurridas en los primeros 28 días de vida por cada 1,000 nacidos vivos. | Cuantitativa continua |
| Tasa de mortalidad infantil temprana (niñas) | Tasa de mortalidad de niñas menores de 5 años por cada 1,000 nacidos vivos. | Cuantitativa continua |
| Tasa de mortalidad infantil temprana (niños) | Tasa de mortalidad de niños menores de 5 años por cada 1,000 nacidos vivos. | Cuantitativa continua |
| Número de muertes infantiles | Número absoluto de muertes infantiles (menores de 1 año). | Cuantitativa discreta |
| Número de muertes neonatales | Número absoluto de muertes neonatales (primer mes de vida). | Cuantitativa discreta |
| Note: | ||
| Fuente: Elaboración propia con base en indicadores de mortalidad infantil (2019). |
La desagregación por sexo en la mayoría de variables responde a evidencia documentada de diferencias sistemáticas de género en patrones de mortalidad, incluyendo mayor vulnerabilidad masculina en mortalidad infantil, mayor mortalidad masculina por causas externas y suicidios, y mayor longevidad femenina en prácticamente todas las sociedades. Esta desagregación permite identificar inequidades de género específicas dentro de cada cluster identificado.
3.2 Preparación y Procesamiento de Datos
El protocolo de procesamiento de datos fue diseñado para asegurar la integridad, comparabilidad y validez estadística del análisis subsecuente. La base original contenía 245 entidades, de las cuales se procedió a la eliminación sistemática de agregados regionales (observaciones 182 a 245), garantizando la homogeneidad conceptual de la unidad de análisis. Posteriormente se aplicó la función na.omit() para eliminar cualquier observación que presentara valores faltantes en alguna de las 22 variables incluidas, asegurando que el análisis multivariado posterior no esté comprometido por suposiciones implícitas sobre datos faltantes.
Este procedimiento de limpieza resultó en una muestra final de 182 países con información completa para las 22 indicadores de mortalidad, garantizando la robustez estadística del análisis posterior.
library(readr)
library(tidyverse)
library(FactoMineR)
library(factoextra)
# Leer la base
Muertes_ans <- read_csv("Muertes ans.csv", locale = locale(encoding = "UTF-8"))
Muertes <- data.frame(Muertes_ans)
# Limpieza y selección de variables
Muertes <- Muertes[-(218:245), ]
Muertes <- na.omit(Muertes)
# Renombrar columnas - CORREGIDO
colnames(Muertes) <- c("Pais", "Expectativa_de_vida_mujer", "Expectativa_de_vida_hombres", "Accidentes_de_transito",
"Enfermedades_cardiacas_cancer_diabetes_mujeres", "Enfermedades_cardiacas_cancer_diabetes_hombres",
"Polucion_del_aire_mujeres", "Polucion_del_aire_hombres", "Envenenamiento_accidental_mujeres",
"Envenenamiento_accidental_hombres", "Tasa_de_mortalidad_mujeres_adultas","Tasa_de_mortalidad_hombres_adultos",
"Tasa_de_mortalidad_infantil_mujeres", "Tasa_de_mortalidad_infantil_varones", "Tasa_de_mortalidad_neonatal",
"Tasa_de_mortalidad_infantil_temprana_mujeres", "Tasa_de_mortalidad_infantil_temprana_hombres","Numero_de_muertes_infantiles",
"Numero_de_muertes_neonatales","Tasa_de_suicidios_mujeres","Tasa_de_suicidios_hombres","Supervivencia_hasta_los_65_anos_mujeres",
"Supervivencia_hasta_los_65_anos_hombres")
# Eliminar filas con valores NA en cualquier columna
Muertes <- Muertes %>%
filter(complete.cases(.))
# Traducir nombres de países al español - USANDO "Pais" EN VEZ DE "País"
Muertes <- Muertes %>%
mutate(Pais = case_when(
Pais == "Faroe Islands" ~ "Islas Feroe",
Pais == "Fiji" ~ "Fiyi",
Pais == "Finland" ~ "Finlandia",
Pais == "France" ~ "Francia",
Pais == "French Polynesia" ~ "Polinesia Francesa",
Pais == "Gabon" ~ "Gabon",
Pais == "Gambia, The" ~ "Gambia",
Pais == "Georgia" ~ "Georgia",
Pais == "Germany" ~ "Alemania",
Pais == "Ghana" ~ "Ghana",
Pais == "Gibraltar" ~ "Gibraltar",
Pais == "Greece" ~ "Grecia",
Pais == "Greenland" ~ "Groenlandia",
Pais == "Grenada" ~ "Granada",
Pais == "Guam" ~ "Guam",
Pais == "Guatemala" ~ "Guatemala",
Pais == "Guinea" ~ "Guinea",
Pais == "Guinea-Bissau" ~ "Guinea-Bisau",
Pais == "Guyana" ~ "Guyana",
Pais == "Haiti" ~ "Haiti",
Pais == "Honduras" ~ "Honduras",
Pais == "Hong Kong SAR, China" ~ "Hong Kong",
Pais == "Hungary" ~ "Hungria",
Pais == "Iceland" ~ "Islandia",
Pais == "India" ~ "India",
Pais == "Indonesia" ~ "Indonesia",
Pais == "Iran, Islamic Rep." ~ "Iran",
Pais == "Iraq" ~ "Irak",
Pais == "Ireland" ~ "Irlanda",
Pais == "Isle of Man" ~ "Isla de Man",
Pais == "Israel" ~ "Israel",
Pais == "Italy" ~ "Italia",
Pais == "Jamaica" ~ "Jamaica",
Pais == "Japan" ~ "Japon",
Pais == "Jordan" ~ "Jordania",
Pais == "Kazakhstan" ~ "Kazajistan",
Pais == "Kenya" ~ "Kenia",
Pais == "Kiribati" ~ "Kiribati",
Pais == "Korea, Dem. People's Rep." ~ "Corea del Norte",
Pais == "Korea, Rep." ~ "Corea del Sur",
Pais == "Kosovo" ~ "Kosovo",
Pais == "Kuwait" ~ "Kuwait",
Pais == "Kyrgyz Republic" ~ "Kirguistan",
Pais == "Lao PDR" ~ "Laos",
Pais == "Latvia" ~ "Letonia",
Pais == "Lebanon" ~ "Libano",
Pais == "Lesotho" ~ "Lesoto",
Pais == "Liberia" ~ "Liberia",
Pais == "Libya" ~ "Libia",
Pais == "Liechtenstein" ~ "Liechtenstein",
Pais == "Lithuania" ~ "Lituania",
Pais == "Luxembourg" ~ "Luxemburgo",
Pais == "Macao SAR, China" ~ "Macao",
Pais == "Madagascar" ~ "Madagascar",
Pais == "Malawi" ~ "Malaui",
Pais == "Malaysia" ~ "Malasia",
Pais == "Maldives" ~ "Maldivas",
Pais == "Mali" ~ "Mali",
Pais == "Malta" ~ "Malta",
Pais == "Marshall Islands" ~ "Islas Marshall",
Pais == "Mauritania" ~ "Mauritania",
Pais == "Mauritius" ~ "Mauricio",
Pais == "Mexico" ~ "Mexico",
Pais == "Micronesia, Fed. Sts." ~ "Micronesia",
Pais == "Moldova" ~ "Moldavia",
Pais == "Monaco" ~ "Monaco",
Pais == "Mongolia" ~ "Mongolia",
Pais == "Montenegro" ~ "Montenegro",
Pais == "Morocco" ~ "Marruecos",
Pais == "Mozambique" ~ "Mozambique",
Pais == "Myanmar" ~ "Myanmar",
Pais == "Namibia" ~ "Namibia",
Pais == "Nauru" ~ "Nauru",
Pais == "Nepal" ~ "Nepal",
Pais == "Netherlands" ~ "Paises Bajos",
Pais == "New Caledonia" ~ "Nueva Caledonia",
Pais == "New Zealand" ~ "Nueva Zelanda",
Pais == "Nicaragua" ~ "Nicaragua",
Pais == "Niger" ~ "Niger",
Pais == "Nigeria" ~ "Nigeria",
Pais == "North Macedonia" ~ "Macedonia del Norte",
Pais == "Northern Mariana Islands" ~ "Islas Marianas del Norte",
Pais == "Norway" ~ "Noruega",
Pais == "Oman" ~ "Oman",
Pais == "Pakistan" ~ "Pakistan",
Pais == "Palau" ~ "Palaos",
Pais == "Panama" ~ "Panama",
Pais == "Papua New Guinea" ~ "Papua Nueva Guinea",
Pais == "Paraguay" ~ "Paraguay",
Pais == "Peru" ~ "Peru",
Pais == "Philippines" ~ "Filipinas",
Pais == "Poland" ~ "Polonia",
Pais == "Portugal" ~ "Portugal",
Pais == "Puerto Rico (US)" ~ "Puerto Rico",
Pais == "Qatar" ~ "Catar",
Pais == "Romania" ~ "Rumania",
Pais == "Russian Federation" ~ "Rusia",
Pais == "Rwanda" ~ "Ruanda",
Pais == "Samoa" ~ "Samoa",
Pais == "San Marino" ~ "San Marino",
Pais == "Sao Tome and Principe" ~ "Santo Tome y Principe",
Pais == "Saudi Arabia" ~ "Arabia Saudita",
Pais == "Senegal" ~ "Senegal",
Pais == "Serbia" ~ "Serbia",
Pais == "Seychelles" ~ "Seychelles",
Pais == "Sierra Leone" ~ "Sierra Leona",
Pais == "Singapore" ~ "Singapur",
Pais == "Sint Maarten (Dutch part)" ~ "Sint Maarten",
Pais == "Slovak Republic" ~ "Eslovaquia",
Pais == "Slovenia" ~ "Eslovenia",
Pais == "Solomon Islands" ~ "Islas Salomon",
Pais == "Somalia, Fed. Rep." ~ "Somalia",
Pais == "South Africa" ~ "Sudafrica",
Pais == "South Sudan" ~ "Sudan del Sur",
Pais == "Spain" ~ "Espana",
Pais == "Sri Lanka" ~ "Sri Lanka",
Pais == "St. Kitts and Nevis" ~ "San Cristobal y Nieves",
Pais == "St. Lucia" ~ "Santa Lucia",
Pais == "St. Martin (French part)" ~ "San Martin",
Pais == "St. Vincent and the Grenadines" ~ "San Vicente y las Granadinas",
Pais == "Sudan" ~ "Sudan",
Pais == "Suriname" ~ "Surinam",
Pais == "Sweden" ~ "Suecia",
Pais == "Switzerland" ~ "Suiza",
Pais == "Syrian Arab Republic" ~ "Siria",
Pais == "Tajikistan" ~ "Tayikistan",
Pais == "Tanzania" ~ "Tanzania",
Pais == "Thailand" ~ "Tailandia",
Pais == "Timor-Leste" ~ "Timor Oriental",
Pais == "Togo" ~ "Togo",
Pais == "Tonga" ~ "Tonga",
Pais == "Trinidad and Tobago" ~ "Trinidad y Tobago",
Pais == "Tunisia" ~ "Tunez",
Pais == "Turkiye" ~ "Turquia",
Pais == "Turkmenistan" ~ "Turkmenistan",
Pais == "Turks and Caicos Islands" ~ "Islas Turcas y Caicos",
Pais == "Tuvalu" ~ "Tuvalu",
Pais == "Uganda" ~ "Uganda",
Pais == "Ukraine" ~ "Ucrania",
Pais == "United Arab Emirates" ~ "Emiratos Arabes Unidos",
Pais == "United Kingdom" ~ "Reino Unido",
Pais == "United States" ~ "Estados Unidos",
Pais == "Uruguay" ~ "Uruguay",
Pais == "Uzbekistan" ~ "Uzbekistan",
Pais == "Vanuatu" ~ "Vanuatu",
Pais == "Venezuela, RB" ~ "Venezuela",
Pais == "Viet Nam" ~ "Vietnam",
Pais == "Virgin Islands (U.S.)" ~ "Islas Virgenes Americanas",
Pais == "West Bank and Gaza" ~ "Palestina",
Pais == "Yemen, Rep." ~ "Yemen",
Pais == "Zambia" ~ "Zambia",
Pais == "Zimbabwe" ~ "Zimbabue",
TRUE ~ as.character(Pais)
))
# Verificar la base final
View(Muertes)
library(reactable)
library(htmltools)
reactable(
Muertes,
defaultPageSize = 15,
showPageSizeOptions = TRUE,
pageSizeOptions = c(10, 15, 25, 50, 100),
filterable = TRUE,
searchable = TRUE,
sortable = TRUE,
resizable = TRUE,
striped = TRUE,
highlight = TRUE,
bordered = FALSE,
wrap = FALSE,
showSortable = TRUE,
defaultColDef = colDef(
header = function(value) {
name <- gsub("_", " ", value)
name <- gsub("([a-z])([A-Z])", "\\1 \\2", name)
tools::toTitleCase(tolower(name))
},
cell = function(value) {
if (is.numeric(value)) {
if (value == round(value)) {
format(value, big.mark = ",", scientific = FALSE)
} else {
format(round(value, 2), nsmall = 2, big.mark = ",", scientific = FALSE)
}
} else {
as.character(value)
}
},
align = "center",
minWidth = 120,
headerStyle = list(
background = "#488B49", # Cambiado a tu color verde
color = "white",
fontWeight = "600",
borderBottom = "2px solid #dee2e6",
fontSize = "12px"
),
style = list(
fontSize = "11px",
fontFamily = "Segoe UI, Arial, sans-serif" # Usar tu fuente
)
),
style = list(
fontFamily = "Segoe UI, Arial, sans-serif",
fontSize = "12px"
),
theme = reactableTheme(
stripedColor = "#f8f9fa",
highlightColor = "#e9ecef",
cellPadding = "6px 10px",
backgroundColor = "#ffffff",
borderColor = "#dee2e6",
style = list(
fontFamily = "Segoe UI, Arial, -apple-system, BlinkMacSystemFont, sans-serif"
),
searchInputStyle = list(
width = "100%",
padding = "8px 12px",
border = "1px solid #ced4da",
borderRadius = "4px",
fontSize = "14px",
marginBottom = "10px"
),
headerStyle = list(
borderBottom = "2px solid #2d5534", # Color más oscuro de tu tema
fontSize = "13px",
backgroundColor = "#488B49", # Tu color verde principal
color = "white"
)
),
columns = list(
Pais = colDef(
name = "País",
minWidth = 180,
filterable = TRUE,
align = "left",
style = list(fontWeight = "bold")
),
Expectativa_de_vida_mujer = colDef(
name = "Expectativa Vida Mujer",
format = colFormat(digits = 1)
# ELIMINADO: estilo condicional de colores
),
Expectativa_de_vida_hombres = colDef(
name = "Expectativa Vida Hombres",
format = colFormat(digits = 1)
# ELIMINADO: estilo condicional de colores
),
Tasa_de_mortalidad_infantil_mujeres = colDef(
name = "Mortalidad Infantil (Niñas)",
format = colFormat(digits = 1)
# ELIMINADO: estilo condicional de colores
),
Tasa_de_mortalidad_infantil_varones = colDef(
name = "Mortalidad Infantil (Niños)",
format = colFormat(digits = 1)
# ELIMINADO: estilo condicional de colores
),
Tasa_de_suicidios_mujeres = colDef(
name = "Suicidios (Mujeres)",
format = colFormat(digits = 1)
# ELIMINADO: estilo condicional de colores
),
Tasa_de_suicidios_hombres = colDef(
name = "Suicidios (Hombres)",
format = colFormat(digits = 1)
# ELIMINADO: estilo condicional de colores
)
)
)Estandarización de variables:
El paso crítico siguiente corresponde a la estandarización de variables mediante transformación Z-score. Dada la heterogeneidad en escalas de medición, que incluye tasas de mortalidad expresadas por 1,000 o 100,000 habitantes, años de expectativa de vida, porcentajes de supervivencia y números absolutos; la estandarización es metodológicamente esencial:
\[ z_i = \frac{x_i - \mu}{\sigma} \]
donde cada variable \(x_i\) es transformada a una distribución con media \(\mu = 0\) y desviación estándar \(\sigma = 1\). Esta normalización garantiza que todas las variables contribuyan equitativamente al análisis, independientemente de sus magnitudes originales; que las estructuras de covarianza reflejen relaciones genuinas entre variables sin sesgos por diferencias de escala; y que las distancias euclidianas capturen similitudes reales entre países.
3.3 Análisis de Componentes Principales (ACP)
El Análisis de Componentes Principales es una técnica de reducción de dimensionalidad que transforma un conjunto de variables correlacionadas en un conjunto menor de variables ortogonales no correlacionadas llamadas componentes principales. El objetivo fundamental del ACP es capturar la mayor cantidad de varianza presente en los datos originales utilizando el menor número posible de dimensiones, facilitando así la interpretación y visualización de estructuras complejas en datos de alta dimensionalidad.
En el contexto de este estudio, el ACP permite reducir las 22 variables de mortalidad a un número más manejable de componentes que capturan las dimensiones subyacentes más importantes de los perfiles de mortalidad globales. Esta reducción dimensional facilita tanto la interpretación de patrones como la posterior aplicación de algoritmos de clusterización al eliminar redundancia y ruido en los datos.
Fundamento matemático:
Sea X una matriz de datos de dimensión n × p, donde \(n = 182\) países y \(p = 22\) variables. El Análisis de Componentes Principales (ACP) busca identificar vectores propios \(v_1, v_2, \dots, v_p\) y valores propios asociados \(\lambda_1 \geq \lambda_2 \geq \dots \geq \lambda_p\) tales que:
\[ \text{Cov}(X) \cdot v_j = \lambda_j \cdot v_j \]
Cada componente principal se define como:
\[ PC_j = w_{j1} X_1 + w_{j2} X_2 + \dots + w_{j22} X_{22} \]
donde \(w_{ji}\) son los pesos (loadings) del eigenvector \(v_j\). Los componentes están ordenados según la varianza explicada. La proporción de varianza explicada por cada componente corresponde a su valor propio:
\[ \text{Proporción de varianza explicada por } PC_j = \frac{\lambda_j}{\sum_{k=1}^{22} \lambda_k} \]
Criterios de retención e interpretación:
La determinación del número óptimo de componentes se basó en dos criterios complementarios. En primer lugar, el gráfico de sedimentación (Scree plot), que representa los valores propios ordenados y permite identificar el punto de inflexión o “codo” a partir del cual los componentes adicionales aportan incrementos marginales mínimos en la varianza explicada. En segundo lugar, el criterio de varianza acumulada, mediante el cual se retuvieron los componentes necesarios para alcanzar entre un 70% y 80% de la varianza total. Este enfoque combinado garantiza un equilibrio adecuado entre la simplificación del modelo y la conservación de la información esencial contenida en los datos originales.
La interpretación de los componentes principales se fundamenta en el análisis de las cargas factoriales asociadas a cada variable. Aquellas con valores absolutos elevados se consideran las de mayor contribución a la definición del componente, reflejando su peso estructural dentro del patrón multivariado. Por ejemplo, un componente con cargas altas en mortalidad infantil y neonatal puede interpretarse como un “factor de salud materno-infantil”, mientras que otro con cargas elevadas en expectativa de vida y supervivencia puede representar un “factor de longevidad y desarrollo.
3.4 Clusterización Jerárquica: Método de Ward
La clusterización jerárquica es un método de aprendizaje no supervisado que agrupa observaciones en una estructura de árbol (dendrograma) basándose en medidas de similitud o disimilitud entre ellas. A diferencia de métodos de partición como k-means, que requieren especificar a priori el número de clusters, la clusterización jerárquica produce una jerarquía completa de agrupaciones que permite explorar soluciones con diferentes números de clusters.
Entre los diversos métodos de clusterización jerárquica aglomerativa, el método de Ward se destaca por su capacidad para crear clusters compactos y bien separados, minimizando la varianza intra-cluster. Este criterio resulta particularmente apropiado para el análisis de perfiles de mortalidad, donde se busca identificar grupos de países homogéneos en sus patrones de muerte.
Fundamento Matemático:
El método de Ward define la distancia entre dos clusters \(C_i\) y \(C_j\) como:
\[ d(C_i, C_j) = \frac{n_i n_j}{n_i + n_j} \, \lVert \bar{x}_i - \bar{x}_j \rVert^2 \]
donde \(n_i\) y \(n_j\) representan los tamaños de los clusters, \(\bar{x}_i\) y \(\bar{x}_j\) son sus respectivos centroides, y \(\lVert \cdot \rVert\) denota la distancia euclidiana. Este criterio minimiza el incremento de la suma de cuadrados dentro de los grupos en cada etapa de fusión, favoreciendo la formación de clusters compactos y homogéneos.
Procedimiento:
El proceso de agrupamiento se llevó a cabo mediante un algoritmo aglomerativo ascendente, donde inicialmente cada país se considera un cluster individual. En cada iteración, se fusionan los dos clusters con la menor distancia de Ward, y este proceso se repite hasta que todos los países se integran en un único conglomerado jerárquico. El dendrograma resultante permite visualizar las relaciones de similitud entre países y establecer puntos de corte adecuados para determinar el número óptimo de clusters.
Para optimizar la calidad del agrupamiento, las puntuaciones de los países en los componentes principales retenidos fueron utilizadas como insumo en lugar de las variables originales. Esta estrategia combinada (ACP + método de Ward) presenta ventajas sustanciales: reduce la multicolinealidad al emplear componentes ortogonales por construcción, elimina el ruido al descartar variables redundantes o de baja variabilidad, mejora la estabilidad y reproducibilidad de los resultados, y aumenta la eficiencia computacional del procedimiento.
3.5 Determinación del Número Óptimo de Clusters
El número óptimo de clusters se determinó mediante inspección visual del dendrograma resultante del método de Ward. Las alturas de fusión consecutivas en el dendrograma revelan puntos de inflexión pronunciados que identifican cortes naturales en la jerarquía, indicando números de clusters potencialmente óptimos. Se examinaron visualmente aquellas alturas donde ocurrían cambios significativos de magnitud, seleccionando el número de clusters que capturaba de forma más equilibrada la estructura subyacente en los datos de mortalidad global.
Resultados Descriptivos
El análisis descriptivo se realizó sobre 182 países, considerando 22 indicadores de mortalidad diferenciados por sexo, causa y grupo etario, lo que permitió identificar brechas, tendencias y particularidades relevantes para la formulación de políticas públicas basadas en evidencia.
Distribución Geográfica de los Indicadores de Mortalidad
El mapa geográfico representa la distribución espacial de los indicadores de mortalidad, diferenciados por sexo, causas específicas, grupos etarios y expectativa de vida en los distintos países. Los tonos más oscuros indican frecuencias de mortalidad más elevadas, mientras que los tonos claros corresponden a menores incidencias. Esta visualización facilita la identificación rápida de regiones y países con patrones extremos y resalta desigualdades geográficas relevantes para la salud pública.
# ============================================
# MAPA INTERACTIVO DE INDICADORES DE MORTALIDAD
# ============================================
library(leaflet)
library(sf)
library(rnaturalearth)
library(countrycode)
library(htmltools)
# Crear copia de trabajo
Muertes_mapa <- Muertes
# Asegurar que todas las columnas numéricas estén en formato correcto
Muertes_mapa <- Muertes_mapa %>%
mutate(across(-Pais, ~ suppressWarnings(as.numeric(as.character(.)))))
# Agregar códigos ISO3 con manejo robusto
Muertes_mapa$iso3 <- suppressWarnings(
toupper(countrycode(Muertes_mapa$Pais, "country.name", "iso3c", warn = FALSE))
)
# Correcciones manuales
correcciones <- c(
"Estados Unidos" = "USA", "Reino Unido" = "GBR", "Mexico" = "MEX",
"Espana" = "ESP", "Turquia" = "TUR", "Corea del Sur" = "KOR",
"Republica Checa" = "CZE", "Paises Bajos" = "NLD"
)
for(p in names(correcciones)) {
Muertes_mapa$iso3[Muertes_mapa$Pais == p] <- correcciones[p]
}
# Crear variables agregadas
Muertes_mapa <- Muertes_mapa %>%
mutate(
freq_expectativa = rowSums(select(., matches("Expectativa_de_vida")), na.rm = TRUE),
freq_accidentes = Accidentes_de_transito,
freq_cvd = rowSums(select(., matches("Enfermedades_cardiacas")), na.rm = TRUE),
freq_polucion = rowSums(select(., matches("Polucion_del_aire")), na.rm = TRUE),
freq_envenenamiento = rowSums(select(., matches("Envenenamiento")), na.rm = TRUE),
freq_mort_adultos = rowSums(select(., matches("mortalidad.*adult")), na.rm = TRUE),
freq_mort_infantil = rowSums(select(., matches("mortalidad_infantil")), na.rm = TRUE),
freq_mort_neonatal = Tasa_de_mortalidad_neonatal,
freq_suicidios = rowSums(select(., matches("suicidios")), na.rm = TRUE),
freq_supervivencia = rowSums(select(., matches("Supervivencia")), na.rm = TRUE)
)
# Cargar mapa mundial
world <- ne_countries(scale = "medium", returnclass = "sf")
world$iso_a3 <- toupper(world$iso_a3)
# Variables a visualizar
variables <- list(
"Expectativa de Vida" = "freq_expectativa",
"Accidentes de Tránsito" = "freq_accidentes",
"Enfermedades CVD" = "freq_cvd",
"Polución del Aire" = "freq_polucion",
"Mortalidad Adultos" = "freq_mort_adultos",
"Mortalidad Infantil" = "freq_mort_infantil",
"Tasa Suicidios" = "freq_suicidios"
)
# Crear mapa base
mapa <- leaflet(options = leafletOptions(minZoom = 1, maxZoom = 8)) %>%
addProviderTiles(providers$CartoDB.Positron) %>%
setView(lng = 0, lat = 20, zoom = 2)
# Agregar capas
for(nombre in names(variables)) {
variable <- variables[[nombre]]
# Unir datos
datos_capa <- world %>%
left_join(
Muertes_mapa %>% select(Pais, iso3, all_of(variable)),
by = c("iso_a3" = "iso3")
)
datos_capa[[variable]] <- as.numeric(datos_capa[[variable]])
# Crear paleta
vals <- datos_capa[[variable]]
if(all(is.na(vals))) {
paleta <- colorNumeric("Greens", c(0,1), na.color = "#E0E0E0")
} else {
paleta <- colorNumeric("Greens", vals, na.color = "#E0E0E0")
}
# Crear popups
popups <- paste0(
"<b>", ifelse(is.na(datos_capa$Pais), datos_capa$name, datos_capa$Pais), "</b><br>",
nombre, ": ",
ifelse(is.na(datos_capa[[variable]]), "Sin datos",
round(datos_capa[[variable]], 2))
)
# Agregar polígonos
mapa <- mapa %>%
addPolygons(
data = datos_capa,
fillColor = ~ifelse(is.na(get(variable)), "#E0E0E0", paleta(get(variable))),
fillOpacity = 0.7,
color = "white",
weight = 1,
popup = lapply(popups, HTML),
group = nombre,
highlightOptions = highlightOptions(
weight = 2,
fillOpacity = 0.9,
bringToFront = TRUE
)
)
}
# Controles
mapa <- mapa %>%
addLayersControl(
baseGroups = names(variables),
options = layersControlOptions(collapsed = FALSE)
) %>%
hideGroup(names(variables)[-1])
mapa