Introducción a R y Aplicaciones en Epidemiología
Dr. Osuna-Ramos Curso Epidemiología MCBM-UAS Gen 9
1 ¿Qué es R?
R es un lenguaje de programación y un entorno de trabajo orientado a:
- Análisis estadístico.
- Manipulación y gestión de datos.
- Creación de gráficos científicos avanzados.
- Reproducibilidad de análisis mediante scripts y documentos dinámicos.
1.1 Ventajas de R
- Gratuito y de código abierto: disponible sin costo y con desarrollo comunitario.
- Altamente extensible: dispone de miles de paquetes especializados (epidemiología, bioestadística, visualización, aprendizaje automático, etc.).
- Comunidad activa: existe abundante documentación, cursos en línea, foros y ejemplos reproducibles.
1.2 Usos principales en ciencias de la salud
- Análisis de datos clínicos y epidemiológicos.
- Estadística descriptiva e inferencial.
- Visualización de datos (gráficos de barras, líneas, boxplots, mapas, etc.).
- Modelado estadístico (regresión, modelos de supervivencia, series de tiempo).
- Ciencia de datos y aprendizaje automático aplicado a salud pública y biomedicina.
2 Primeros pasos prácticos en R
2.1 Ejemplo básico en la consola de R
# Operaciones aritméticas simples
2 + 2## [1] 45 * 3## [1] 1510 / 4## [1] 2.5# Asignación de objetos
x <- 10
y <- 3
x + y## [1] 13x^2## [1] 1002.2 Vectores y operaciones elementales
# Crear un vector numérico
edades <- c(23, 35, 41, 29, 50, 60)
# Resumen rápido
summary(edades)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 23.00 30.50 38.00 39.67 47.75 60.00# Operaciones sobre vectores
edades + 1 # agrega 1 a cada edad## [1] 24 36 42 30 51 61edades[edades >= 40] # filtra edades ≥ 40## [1] 41 50 603 Data frames, tablas y resúmenes
3.1 Creación de un pequeño conjunto de datos
# Crear un data frame sencillo
pacientes <- data.frame(
id = 1:6,
sexo = c("Mujer", "Hombre", "Mujer", "Hombre", "Mujer", "Hombre"),
edad = c(23, 35, 41, 29, 50, 60),
hipertenso = c(0, 1, 1, 0, 1, 1) # 0 = No, 1 = Sí
)
pacientes## id sexo edad hipertenso
## 1 1 Mujer 23 0
## 2 2 Hombre 35 1
## 3 3 Mujer 41 1
## 4 4 Hombre 29 0
## 5 5 Mujer 50 1
## 6 6 Hombre 60 13.2 Mostrar tabla en formato presentable
knitr::kable(
pacientes,
caption = "Ejemplo de base de datos clínica mínima (pacientes simulados)."
)| id | sexo | edad | hipertenso |
|---|---|---|---|
| 1 | Mujer | 23 | 0 |
| 2 | Hombre | 35 | 1 |
| 3 | Mujer | 41 | 1 |
| 4 | Hombre | 29 | 0 |
| 5 | Mujer | 50 | 1 |
| 6 | Hombre | 60 | 1 |
3.3 Resumen rápido por sexo
library(dplyr)
pacientes_resumen <- pacientes |>
group_by(sexo) |>
summarise(
n = n(),
edad_prom = mean(edad),
prop_hta = mean(hipertenso) # proporción con hipertensión
)
pacientes_resumen## # A tibble: 2 × 4
## sexo n edad_prom prop_hta
## <chr> <int> <dbl> <dbl>
## 1 Hombre 3 41.3 0.667
## 2 Mujer 3 38 0.667knitr::kable(
pacientes_resumen,
digits = 2,
caption = "Resumen de pacientes por sexo: tamaño de muestra, edad promedio y proporción de hipertensos."
)| sexo | n | edad_prom | prop_hta |
|---|---|---|---|
| Hombre | 3 | 41.33 | 0.67 |
| Mujer | 3 | 38.00 | 0.67 |
4 Visualización básica con ggplot2
4.1 Histograma de edades
library(ggplot2)
ggplot(pacientes, aes(x = edad)) +
geom_histogram(binwidth = 10, boundary = 0) +
labs(
title = "Distribución de edades en la muestra simulada",
x = "Edad (años)",
y = "Frecuencia"
)
4.2 Proporción de hipertensión por sexo (gráfico de barras)
pacientes |>
mutate(hta_factor = ifelse(hipertenso == 1, "Hipertenso", "No hipertenso")) |>
ggplot(aes(x = sexo, fill = hta_factor)) +
geom_bar(position = "fill") +
scale_y_continuous(labels = scales::percent) +
labs(
title = "Proporción de hipertensión por sexo (datos simulados)",
x = "Sexo",
y = "Proporción",
fill = "Condición"
)
5 Configuración inicial del entorno
5.1 Instalar R y RStudio
- Descargar R desde CRAN: https://cran.r-project.org/
- Descargar RStudio (entorno de desarrollo): https://posit.co/download/rstudio-desktop/
5.2 Configuración de paquetes
Los paquetes son bibliotecas que extienden las capacidades de R.
install.packages(c("tidyverse", "ggplot2", "readxl"))library(tidyverse)
library(ggplot2)
library(readxl)6 Consola, Script y R Markdown
- Consola: espacio donde se ejecutan instrucciones puntuales. Ideal para pruebas rápidas.
- Script (
.R): archivo de texto donde se guarda código organizado. Permite reproducir análisis. - Documento R Markdown (
.Rmd): integra texto, código y resultados (tablas, gráficas) en un mismo documento reproducible (HTML, PDF, presentación, RPubs).
7 Introducción a la Epidemiología
7.1 Definición
La epidemiología es la disciplina que estudia la distribución y los determinantes de los eventos relacionados con la salud en poblaciones humanas, y la aplicación de este conocimiento al control de problemas de salud.
7.2 Conceptos básicos
Incidencia: mide cuántos casos nuevos de una enfermedad ocurren en un período específico en una población en riesgo.
Prevalencia: mide cuántas personas presentan la enfermedad en un momento determinado (o período), independientemente de cuándo inició.
7.2.1 Ejemplo conceptual
- Si en un hospital se registran 10 casos nuevos de dengue en una semana entre 100 personas en riesgo, la incidencia acumulada en ese periodo es 10/100 = 10%.
- Si en ese mismo momento 20 personas tienen dengue (casos nuevos + existentes), la prevalencia puntual es 20/100 = 20%.
7.3 Importancia en biomedicina y salud pública
- Identificación de factores de riesgo.
- Evaluación de intervenciones preventivas y terapéuticas.
- Orientación de políticas de salud basadas en evidencia.
- Planificación y evaluación de servicios de salud.
8 Metodología de la clase
8.1 Objetivos
- Cargar datos en R a partir de archivos externos.
- Calcular incidencia y prevalencia en bases de datos simples.
- Crear visualizaciones básicas para interpretar datos epidemiológicos.
9 Preparar el entorno para epidemiología
9.1 Carga (opcional) del paquete epirhandbook
Este paquete proporciona datos y ejemplos del Epidemiologist R Handbook. El documento está diseñado para no fallar aunque no esté instalado; en ese caso, solo se mostrará un mensaje.
# Intentar cargar epirhandbook si está disponible
if (requireNamespace("epirhandbook", quietly = TRUE)) {
library(epirhandbook)
} else {
message(
"El paquete 'epirhandbook' no está instalado.\n",
"Si desea usar los datos del Epidemiologist R Handbook, ejecute en la consola:\n",
" install.packages('remotes')\n",
" remotes::install_github('appliedepi/epirhandbook')\n"
)
}
# Paquetes de trabajo general
paquetes_basicos <- c("tidyverse", "ggplot2", "readxl", "dplyr")
instalar_si_falta <- function(pk) {
if (!requireNamespace(pk, quietly = TRUE)) {
install.packages(pk)
}
library(pk, character.only = TRUE)
}
invisible(lapply(paquetes_basicos, instalar_si_falta))9.2 Descarga de datos de ejemplo (para ejecutar solo una vez, opcional)
Este bloque se deja como ejemplo y está desactivado
(eval=FALSE) para que el documento HTML se pueda compilar
sin depender de interacción con RStudio ni de archivos locales. Úselo
manualmente en su sesión si desea descargar los datos.
# Ejecutar manualmente en una sesión interactiva de RStudio para descargar los datos:
# (creará una carpeta y descargará los archivos de ejemplo)
library(epirhandbook)
epirhandbook::get_data("all")
# Ejemplo: lectura desde Excel (ajustar ruta según la carpeta donde descargó los datos)
#en una carpeta "EPIDATA/linelist_cleaned.xlsx"10 Ejemplo de linelist (estructura de datos de vigilancia)
Si previamente descargó los datos del Handbook y los almacenó en una
carpeta, por ejemplo EPIDATA/, puede usar el siguiente
código para leer la base linelist_cleaned.xlsx. Este bloque
asume que el archivo existe en esa ruta; si no, ajusta
la ruta o desactiva el chunk.
11 Análisis descriptivo de la base linelist_cleaned
En esta sección se utilizará una base de datos tipo linelist, donde cada fila representa un caso y cada columna corresponde a una variable epidemiológica o clínica (edad, sexo, fecha de inicio de síntomas, desenlace, etc.).
Nota: este bloque asume que ya descargó los datos del Epidemiologist R Handbook y que el archivo
linelist_cleaned.xlsxse encuentra en una carpeta accesible (por ejemplo,EPIDATA/). Ajuste la ruta según su organización local.
11.1 Carga de la base linelist
# Ajustar la ruta si es necesario
ruta_linelist <- "C:/Users/fidel/OneDrive/Documentos/EPIDATA/linelist_cleaned.xlsx" #esto lo tienes que personalizar a tu path
if (!file.exists(ruta_linelist)) {
stop(
paste0(
"No se encontró el archivo ", ruta_linelist, ".\n",
"Verifique la ruta o descargue la base con epirhandbook::get_data('all')."
)
)
}
linelist <- readxl::read_excel(ruta_linelist)
# Vista general de las primeras filas
head(linelist)## # A tibble: 6 × 30
## case_id generation date_infection date_onset
## <chr> <dbl> <dttm> <dttm>
## 1 5fe599 4 2014-05-08 00:00:00 2014-05-13 00:00:00
## 2 8689b7 4 NA 2014-05-13 00:00:00
## 3 11f8ea 2 NA 2014-05-16 00:00:00
## 4 b8812a 3 2014-05-04 00:00:00 2014-05-18 00:00:00
## 5 893f25 3 2014-05-18 00:00:00 2014-05-21 00:00:00
## 6 be99c8 3 2014-05-03 00:00:00 2014-05-22 00:00:00
## # ℹ 26 more variables: date_hospitalisation <dttm>, date_outcome <dttm>,
## # outcome <chr>, gender <chr>, age <dbl>, age_unit <chr>, age_years <dbl>,
## # age_cat <chr>, age_cat5 <chr>, hospital <chr>, lon <dbl>, lat <dbl>,
## # infector <chr>, source <chr>, wt_kg <dbl>, ht_cm <dbl>, ct_blood <dbl>,
## # fever <chr>, chills <chr>, cough <chr>, aches <chr>, vomit <chr>,
## # temp <dbl>, time_admission <chr>, bmi <dbl>, days_onset_hosp <dbl>11.2 Exploración de la estructura de la base
# Dimensiones de la base (número de filas y columnas)
dim(linelist)## [1] 5888 30# Nombres de las variables
names(linelist)## [1] "case_id" "generation" "date_infection"
## [4] "date_onset" "date_hospitalisation" "date_outcome"
## [7] "outcome" "gender" "age"
## [10] "age_unit" "age_years" "age_cat"
## [13] "age_cat5" "hospital" "lon"
## [16] "lat" "infector" "source"
## [19] "wt_kg" "ht_cm" "ct_blood"
## [22] "fever" "chills" "cough"
## [25] "aches" "vomit" "temp"
## [28] "time_admission" "bmi" "days_onset_hosp"# Resumen general de las variables
summary(linelist)## case_id generation date_infection
## Length:5888 Min. : 0.00 Min. :2014-03-19 00:00:00.0
## Class :character 1st Qu.:13.00 1st Qu.:2014-09-06 00:00:00.0
## Mode :character Median :16.00 Median :2014-10-11 00:00:00.0
## Mean :16.56 Mean :2014-10-22 21:47:24.2
## 3rd Qu.:20.00 3rd Qu.:2014-12-05 00:00:00.0
## Max. :37.00 Max. :2015-04-27 00:00:00.0
## NA's :2087
## date_onset date_hospitalisation
## Min. :2014-04-07 00:00:00.00 Min. :2014-04-17 00:00:00.00
## 1st Qu.:2014-09-16 00:00:00.00 1st Qu.:2014-09-19 00:00:00.00
## Median :2014-10-23 00:00:00.00 Median :2014-10-23 00:00:00.00
## Mean :2014-11-03 01:16:26.93 Mean :2014-11-03 14:33:49.89
## 3rd Qu.:2014-12-19 00:00:00.00 3rd Qu.:2014-12-17 00:00:00.00
## Max. :2015-04-30 00:00:00.00 Max. :2015-04-30 00:00:00.00
## NA's :256
## date_outcome outcome gender
## Min. :2014-04-19 00:00:00.00 Length:5888 Length:5888
## 1st Qu.:2014-09-26 00:00:00.00 Class :character Class :character
## Median :2014-11-01 00:00:00.00 Mode :character Mode :character
## Mean :2014-11-12 21:21:48.55
## 3rd Qu.:2014-12-28 00:00:00.00
## Max. :2015-06-04 00:00:00.00
## NA's :936
## age age_unit age_years age_cat
## Min. : 0.00 Length:5888 Min. : 0.00 Length:5888
## 1st Qu.: 6.00 Class :character 1st Qu.: 6.00 Class :character
## Median :13.00 Mode :character Median :13.00 Mode :character
## Mean :16.07 Mean :16.02
## 3rd Qu.:23.00 3rd Qu.:23.00
## Max. :84.00 Max. :84.00
## NA's :86 NA's :86
## age_cat5 hospital lon lat
## Length:5888 Length:5888 Min. :-13.27 Min. :8.446
## Class :character Class :character 1st Qu.:-13.25 1st Qu.:8.461
## Mode :character Mode :character Median :-13.23 Median :8.469
## Mean :-13.23 Mean :8.470
## 3rd Qu.:-13.22 3rd Qu.:8.480
## Max. :-13.21 Max. :8.492
##
## infector source wt_kg ht_cm
## Length:5888 Length:5888 Min. :-11.00 Min. : 4
## Class :character Class :character 1st Qu.: 41.00 1st Qu.: 91
## Mode :character Mode :character Median : 54.00 Median :129
## Mean : 52.64 Mean :125
## 3rd Qu.: 66.00 3rd Qu.:159
## Max. :111.00 Max. :295
##
## ct_blood fever chills cough
## Min. :16.00 Length:5888 Length:5888 Length:5888
## 1st Qu.:20.00 Class :character Class :character Class :character
## Median :22.00 Mode :character Mode :character Mode :character
## Mean :21.21
## 3rd Qu.:22.00
## Max. :26.00
##
## aches vomit temp time_admission
## Length:5888 Length:5888 Min. :35.20 Length:5888
## Class :character Class :character 1st Qu.:38.20 Class :character
## Mode :character Mode :character Median :38.80 Mode :character
## Mean :38.56
## 3rd Qu.:39.20
## Max. :40.80
## NA's :149
## bmi days_onset_hosp
## Min. :-1200.00 Min. : 0.000
## 1st Qu.: 24.56 1st Qu.: 1.000
## Median : 32.12 Median : 1.000
## Mean : 46.89 Mean : 2.059
## 3rd Qu.: 50.01 3rd Qu.: 3.000
## Max. : 1250.00 Max. :22.000
## NA's :256variables_resumen <- tibble(
variable = names(linelist),
tipo = sapply(linelist, class)
)
knitr::kable(
variables_resumen,
caption = "Resumen de variables en la base linelist_cleaned: nombre y tipo de dato.",
longtable = TRUE
)| variable | tipo |
|---|---|
| case_id | character |
| generation | numeric |
| date_infection | POSIXct, POSIXt |
| date_onset | POSIXct, POSIXt |
| date_hospitalisation | POSIXct, POSIXt |
| date_outcome | POSIXct, POSIXt |
| outcome | character |
| gender | character |
| age | numeric |
| age_unit | character |
| age_years | numeric |
| age_cat | character |
| age_cat5 | character |
| hospital | character |
| lon | numeric |
| lat | numeric |
| infector | character |
| source | character |
| wt_kg | numeric |
| ht_cm | numeric |
| ct_blood | numeric |
| fever | character |
| chills | character |
| cough | character |
| aches | character |
| vomit | character |
| temp | numeric |
| time_admission | character |
| bmi | numeric |
| days_onset_hosp | numeric |
11.3 Selección de variables clave para la descripción inicial
Para la descripción epidemiológica básica, es útil identificar variables clave como:
- Edad del caso.
- Sexo.
- Fecha de inicio de síntomas.
- Fecha de consulta u hospitalización.
- Estado al final del seguimiento (por ejemplo, vivo/fallecido).
Estas variables pueden tener nombres distintos según el diseño de la base. A modo de ejemplo, asumiremos que existen los siguientes campos (ajustar según el dataset real):
age(edad en años).sex(“male”/“female” u otras codificaciones).date_onset(fecha de inicio de síntomas).date_reportodate_hospitalisation.outcome(estado final del paciente).
# Ejemplo de selección de variables (ajustar nombres a la base real)
vars_clave <- c("id", "age", "gender", "date_onset", "date_report", "outcome")
vars_clave[!vars_clave %in% names(linelist)]## [1] "id" "date_report"# Crear una versión reducida con las variables que sí existen
linelist_reducida <- linelist |>
dplyr::select(any_of(vars_clave))
head(linelist_reducida)## # A tibble: 6 × 4
## age gender date_onset outcome
## <dbl> <chr> <dttm> <chr>
## 1 2 m 2014-05-13 00:00:00 <NA>
## 2 3 f 2014-05-13 00:00:00 Recover
## 3 56 m 2014-05-16 00:00:00 Recover
## 4 18 f 2014-05-18 00:00:00 <NA>
## 5 3 m 2014-05-21 00:00:00 Recover
## 6 16 f 2014-05-22 00:00:00 Recovernames(linelist_reducida)## [1] "age" "gender" "date_onset" "outcome"12 Descripción de variables demográficas
12.1 Distribución de edad
linelist_reducida |>
summarise(
n_casos = sum(!is.na(age)),
edad_min = min(age, na.rm = TRUE),
edad_max = max(age, na.rm = TRUE),
edad_media = mean(age, na.rm = TRUE),
edad_mediana = median(age, na.rm = TRUE)
) |>
knitr::kable(
digits = 1,
caption = "Resumen descriptivo de la edad en la base linelist."
)| n_casos | edad_min | edad_max | edad_media | edad_mediana |
|---|---|---|---|---|
| 5802 | 0 | 84 | 16.1 | 13 |
linelist_reducida |>
ggplot(aes(x = age)) +
geom_histogram(binwidth = 5, boundary = 0, closed = "left") +
labs(
title = "Distribución de la edad en casos registrados (linelist)",
x = "Edad (años)",
y = "Frecuencia"
)
12.2 Distribución por sexo
linelist_reducida |>
count(gender) |>
mutate(prop = n / sum(n)) |>
knitr::kable(
digits = 3,
caption = "Distribución de casos por sexo (frecuencia y proporción)."
)| gender | n | prop |
|---|---|---|
| f | 2807 | 0.477 |
| m | 2803 | 0.476 |
| NA | 278 | 0.047 |
linelist_reducida |>
count(gender) |>
mutate(prop = n / sum(n)) |>
ggplot(aes(x = gender, y = prop)) +
geom_col() +
scale_y_continuous(labels = scales::percent) +
labs(
title = "Proporción de casos por sexo (linelist)",
x = "Sexo",
y = "Proporción de casos"
)
12.3 Edad por sexo (distribución conjunta)
linelist_reducida |>
ggplot(aes(x = gender, y = age)) +
geom_boxplot() +
labs(
title = "Distribución de la edad por sexo",
x = "Sexo",
y = "Edad (años)"
)
13 Curva epidémica (epicurva) a partir de la fecha de inicio de síntomas
Para la caracterización temporal del brote o evento, se construye una curva epidémica, agrupando los casos por fecha (o semana) de inicio de síntomas.
13.1 Preparación de fechas
library(lubridate)
linelist_fechas <- linelist_reducida |>
mutate(
date_onset = as.Date(date_onset),
semana_onset = floor_date(date_onset, unit = "week", week_start = 1)
)
# Vista rápida para comprobar la transformación
linelist_fechas |>
dplyr::select(date_onset, semana_onset) |>
head()## # A tibble: 6 × 2
## date_onset semana_onset
## <date> <date>
## 1 2014-05-13 2014-05-12
## 2 2014-05-13 2014-05-12
## 3 2014-05-16 2014-05-12
## 4 2014-05-18 2014-05-12
## 5 2014-05-21 2014-05-19
## 6 2014-05-22 2014-05-1913.2 Curva epidémica semanal
linelist_fechas |>
count(semana_onset) |>
ggplot(aes(x = semana_onset, y = n)) +
geom_col() +
labs(
title = "Curva epidémica semanal según fecha de inicio de síntomas",
x = "Semana de inicio de síntomas",
y = "Número de casos"
)
13.3 Curva epidémica estratificada por sexo
linelist_fechas |>
filter(!is.na(gender)) |>
count(semana_onset, gender) |>
ggplot(aes(x = semana_onset, y = n, fill = gender)) +
geom_col(position = "stack") +
labs(
title = "Curva epidémica semanal estratificada por sexo",
x = "Semana de inicio de síntomas",
y = "Número de casos",
fill = "Sexo"
)
14 Desenlace clínico y letalidad (si la variable está disponible)
Si la base incluye una variable de desenlace (por ejemplo,
outcome con categorías como “Died” / “Recovered”), es
posible estimar proporciones de letalidad y explorar diferencias por
edad o sexo.
if ("outcome" %in% names(linelist_reducida)) {
linelist_reducida |>
count(outcome) |>
mutate(prop = n / sum(n)) |>
knitr::kable(
digits = 3,
caption = "Distribución de desenlaces clínicos (outcome) en la base linelist."
)
}| outcome | n | prop |
|---|---|---|
| Death | 2582 | 0.439 |
| Recover | 1983 | 0.337 |
| NA | 1323 | 0.225 |
if (all(c("outcome", "sex") %in% names(linelist_reducida))) {
linelist_reducida |>
mutate(muerto = ifelse(outcome %in% c("Died", "Dead", "Fallecido"), 1, 0)) |>
group_by(sex) |>
summarise(
n = n(),
muertes = sum(muerto, na.rm = TRUE),
letalidad = muertes / n
) |>
knitr::kable(
digits = 3,
caption = "Letalidad (proporción de fallecidos) por sexo, según variable outcome."
)
}| 14 Desenlace clínico y letalidad (si la variable está disponible) =============================================================== |
Si la base incluye una variable de desenlace (por ejemplo,
outcome con categorías como "Death" /
"Recover"), es posible estimar proporciones de letalidad y
explorar diferencias por edad o sexo/género. |
| 14.1 Tabla de desenlaces (outcome) |
if ("outcome" %in% names(linelist_reducida)) {
linelist_reducida |>
count(outcome) |>
mutate(prop = n / sum(n)) |>
knitr::kable(
digits = 3,
caption = "Distribución de desenlaces clínicos (outcome) en la base linelist."
)
}| outcome | n | prop |
|---|---|---|
| Death | 2582 | 0.439 |
| Recover | 1983 | 0.337 |
| NA | 1323 | 0.225 |
14.1 14.2 Letalidad por género (versión básica)
En la base linelist_cleaned, la variable disponible es
gender (y no sex), por lo que conviene usarla
como estrato.
if (all(c("outcome", "gender") %in% names(linelist_reducida))) {
linelist_reducida |>
mutate(muerto = ifelse(outcome %in% c("Death", "Died", "Dead", "Fallecido"), 1, 0)) |>
group_by(gender) |>
summarise(
n = n(),
muertes = sum(muerto, na.rm = TRUE),
letalidad = muertes / n
) |>
knitr::kable(
digits = 3,
caption = "Letalidad (proporción de fallecidos) por género, según la variable outcome."
)
}| gender | n | muertes | letalidad |
|---|---|---|---|
| f | 2807 | 1227 | 0.437 |
| m | 2803 | 1228 | 0.438 |
| NA | 278 | 127 | 0.457 |
14.2 14.3 Incorporando gtsummary para tablas clínicas
El paquete gtsummary facilita la
construcción de tablas descriptivas y de resultados de modelos, con
formato adecuado para informes y manuscritos.
if (!requireNamespace("gtsummary", quietly = TRUE)) {
install.packages("gtsummary")
}
library(gtsummary)14.2.1 14.3.1 Tabla de resumen con gtsummary (edad y género)
if (all(c("age", "gender") %in% names(linelist_reducida))) {
linelist_reducida |>
select(age, gender) |>
tbl_summary(
by = gender,
statistic = list(
all_continuous() ~ "{mean} ({sd})",
all_categorical() ~ "{n} ({p}%)"
),
missing = "no"
) |>
add_n() |>
modify_header(label ~ "Variable") |>
modify_caption("**Resumen descriptivo de edad por género (gtsummary)**")
}| Variable | N | f N = 2,8071 |
m N = 2,8031 |
|---|---|---|---|
| age | 5,610 | 13 (10) | 20 (14) |
| 1 Mean (SD) | |||
14.2.2 14.3.2 Tabla de desenlace (muerto / no muerto) por género con gtsummary
Primero se crea una variable binaria de fallecimiento
(muerto), luego se resume su distribución por género:
if (all(c("outcome", "gender") %in% names(linelist_reducida))) {
linelist_tab_out <- linelist_reducida |>
mutate(
genero = gender,
muerto = dplyr::if_else(
outcome %in% c("Death", "Died", "Dead", "Fallecido"),
"Sí",
"No",
missing = "No"
)
)
linelist_tab_out |>
select(genero, muerto) |>
tbl_summary(
by = genero,
statistic = all_categorical() ~ "{n} ({p}%)",
missing = "no"
) |>
modify_header(label ~ "Variable") |>
modify_caption("**Distribución de fallecimiento (muerto = Sí) por género (gtsummary)**")
}| Variable | f N = 2,8071 |
m N = 2,8031 |
|---|---|---|
| muerto | ||
| No | 1,580 (56%) | 1,575 (56%) |
| Sí | 1,227 (44%) | 1,228 (44%) |
| 1 n (%) | ||
15 15 Letalidad por grupos de edad
En muchos análisis epidemiológicos resulta útil estimar la letalidad por grupos de edad, para identificar un gradiente de riesgo.
15.1 15.1 Cálculo de letalidad por grupos de edad
if (all(c("outcome", "age") %in% names(linelist_reducida))) {
linelist_grupos <- linelist_reducida |>
mutate(
muerto = ifelse(outcome %in% c("Death", "Died", "Dead", "Fallecido"), 1, 0),
grupo_edad = cut(
age,
breaks = c(-Inf, 4, 14, 24, 44, 64, Inf),
labels = c("0-4", "5-14", "15-24", "25-44", "45-64", "65+")
)
)
tabla_letalidad_edad <- linelist_grupos |>
group_by(grupo_edad) |>
summarise(
n = n(),
muertes = sum(muerto, na.rm = TRUE),
letalidad = muertes / n
)
knitr::kable(
tabla_letalidad_edad,
digits = 3,
caption = "Letalidad por grupos de edad en la base linelist."
)
}| grupo_edad | n | muertes | letalidad |
|---|---|---|---|
| 0-4 | 1072 | 464 | 0.433 |
| 5-14 | 2051 | 920 | 0.449 |
| 15-24 | 1387 | 611 | 0.441 |
| 25-44 | 1098 | 477 | 0.434 |
| 45-64 | 175 | 70 | 0.400 |
| 65+ | 19 | 8 | 0.421 |
| NA | 86 | 32 | 0.372 |
15.2 15.2 Gráfico de letalidad por grupos de edad
if (exists("tabla_letalidad_edad")) {
tabla_letalidad_edad |>
ggplot(aes(x = grupo_edad, y = letalidad)) +
geom_col() +
scale_y_continuous(labels = scales::percent) +
labs(
title = "Letalidad por grupo de edad",
x = "Grupo de edad (años)",
y = "Letalidad (%)"
)
}
15.3 15.3 Letalidad por grupos de edad y género (gtsummary estratificado)
if (all(c("outcome", "age", "gender") %in% names(linelist_reducida))) {
linelist_grupos_gt <- linelist_reducida |>
mutate(
grupo_edad = cut(
age,
breaks = c(-Inf, 4, 14, 24, 44, 64, Inf),
labels = c("0-4", "5-14", "15-24", "25-44", "45-64", "65+")
),
muerto = dplyr::if_else(
outcome %in% c("Death", "Died", "Dead", "Fallecido"),
"Sí",
"No",
missing = "No"
)
)
linelist_grupos_gt |>
select(grupo_edad, gender, muerto) |>
tbl_summary(
by = grupo_edad,
statistic = all_categorical() ~ "{n} ({p}%)",
missing = "no"
) |>
modify_caption("**Distribución de fallecidos por grupo de edad y género (gtsummary)**")
}| Characteristic | 0-4 N = 1,0721 |
5-14 N = 2,0511 |
15-24 N = 1,3871 |
25-44 N = 1,0981 |
45-64 N = 1751 |
65+ N = 191 |
|---|---|---|---|---|---|---|
| gender | ||||||
| f | 626 (60%) | 1,169 (59%) | 667 (49%) | 335 (31%) | 10 (5.9%) | 0 (0%) |
| m | 409 (40%) | 800 (41%) | 682 (51%) | 736 (69%) | 159 (94%) | 17 (100%) |
| muerto | ||||||
| No | 608 (57%) | 1,131 (55%) | 776 (56%) | 621 (57%) | 105 (60%) | 11 (58%) |
| Sí | 464 (43%) | 920 (45%) | 611 (44%) | 477 (43%) | 70 (40%) | 8 (42%) |
| 1 n (%) | ||||||
16 16 Curva epidémica estratificada por desenlace
16.1 16.1 Curva epidémica semanal por desenlace
if (all(c("date_onset", "outcome") %in% names(linelist_reducida))) {
linelist_fechas_out <- linelist_reducida |>
mutate(
date_onset = as.Date(date_onset),
semana_onset = lubridate::floor_date(date_onset, unit = "week", week_start = 1)
)
linelist_fechas_out |>
filter(!is.na(outcome)) |>
count(semana_onset, outcome) |>
ggplot(aes(x = semana_onset, y = n, fill = outcome)) +
geom_col(position = "stack") +
labs(
title = "Curva epidémica semanal estratificada por desenlace (outcome)",
x = "Semana de inicio de síntomas",
y = "Número de casos",
fill = "Desenlace"
)
}
16.2 16.2 Curva epidémica por género y desenlace
if (all(c("date_onset", "outcome", "gender") %in% names(linelist_reducida))) {
linelist_fechas_go <- linelist_reducida |>
mutate(
date_onset = as.Date(date_onset),
semana_onset = lubridate::floor_date(date_onset, unit = "week", week_start = 1)
)
linelist_fechas_go |>
filter(!is.na(outcome), !is.na(gender)) |>
count(semana_onset, gender, outcome) |>
ggplot(aes(x = semana_onset, y = n, fill = outcome)) +
geom_col(position = "stack") +
facet_wrap(~ gender) +
labs(
title = "Curva epidémica semanal por género y desenlace",
x = "Semana de inicio de síntomas",
y = "Número de casos",
fill = "Desenlace"
)
}
17 17 Modelo exploratorio: asociación entre edad, género y muerte
Como ejemplo introductorio de análisis multivariable, se puede ajustar un modelo de regresión logística para explorar la asociación entre edad, género y probabilidad de fallecer. Aquí se muestra tanto el resumen clásico como su presentación con gtsummary.
17.1 17.1 Ajuste del modelo logístico
if (all(c("outcome", "age", "gender") %in% names(linelist_reducida))) {
linelist_modelo <- linelist_reducida |>
mutate(
muerto = ifelse(outcome %in% c("Death", "Died", "Dead", "Fallecido"), 1, 0)
) |>
filter(!is.na(muerto), !is.na(age), !is.na(gender))
if (!requireNamespace("broom", quietly = TRUE)) {
install.packages("broom")
}
library(broom)
modelo_logit <- glm(
muerto ~ age + gender,
data = linelist_modelo,
family = binomial(link = "logit")
)
summary(modelo_logit)
}##
## Call:
## glm(formula = muerto ~ age + gender, family = binomial(link = "logit"),
## data = linelist_modelo)
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -0.228825 0.047277 -4.840 1.3e-06 ***
## age -0.001899 0.002220 -0.856 0.392
## genderm 0.017081 0.055954 0.305 0.760
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 7689.5 on 5609 degrees of freedom
## Residual deviance: 7688.8 on 5607 degrees of freedom
## AIC: 7694.8
##
## Number of Fisher Scoring iterations: 317.2 17.2 Presentación del modelo con gtsummary
if (exists("modelo_logit")) {
tbl_regression(
modelo_logit,
exponentiate = TRUE
) |>
modify_header(label ~ "Variable") |>
modify_caption("**Modelo de regresión logística para mortalidad, ajustado por edad y género (OR e IC 95%)**")
}| Variable | OR1 | 95% CI1 | p-value |
|---|---|---|---|
| age | 1.00 | 0.99, 1.00 | 0.4 |
| gender | |||
| f | — | — | |
| m | 1.02 | 0.91, 1.14 | 0.8 |
| 1 OR = Odds Ratio, CI = Confidence Interval | |||
18 18 Ejercicios sugeridos para la práctica
- Repetir el cálculo de letalidad utilizando otros puntos de corte de grupos de edad (por ejemplo, decenios).
- Incluir otras covariables disponibles en la base (por ejemplo,
presencia de fiebre,
fever, o estado nutricional aproximado conbmi) dentro del modelo logístico. - Construir tablas 2×2 específicas (por ejemplo, exposición = fiebre
sí/no, desenlace = muerte sí/no) y comparar:
- Riesgo de muerte.
- Razón de riesgos.
- Diferencia de riesgos.
- Replicar las tablas descriptivas usando gtsummary,
pero ahora estratificando por hospital (
hospital) o por categoría de edad (age_cat,age_cat5).
Estos ejercicios permiten consolidar el vínculo entre exploración descriptiva, visualización epidemiológica y modelos estadísticos dentro de un flujo reproducible en R Markdown.