class: center, middle, inverse, title-slide .title[ # Global Health Statistics: brechas por género, acceso y carga de enfermedad ] .subtitle[ ## Visualización narrativa e interactiva (RPubs) ] .author[ ### Benjamín Rodríguez Díaz ] .date[ ### 13/01/2026 ] --- class: center, middle, title-slide # Global Health Statistics ## Brechas por género, acceso y carga de enfermedad **Objetivo:** contar una historia a partir de datos (especialistas y no especialistas) usando visualizaciones **interactivas**. --- ## Qué responderemos con los datos Estas preguntas guían la narrativa (y cada una tendrá su visualización): 1) Enfermedades más prevalentes por país/ingreso 2) Diferencias por **género** en incidencia y mortalidad 3) Relación entre **acceso sanitario** y mortalidad 4) Países con mayor **mejora en 5 años** 5) Educación e impacto en mortalidad/incidencia 6) Grupos de edad más afectados 7) Carga de enfermedad (**DALYs**) por país/género/edad 8) Factores socioeconómicos y **recuperación** --- ## Datos: diccionario (variables proporcionadas) - **Dimensiones:** `country`, `year`, `disease_name`, `disease_category`, `age_group`, `gender`, `treatment_type`, `vaccines_treatment_availability` - **Hechos/medidas:** - Tasas: `prevalence_rate`, `incidence_rate`, `mortality_rate`, `recovery_rate`, `healthcare_access`, `urbanization_rate` (0–100, **%**) - Volumen: `population_affected` (personas) - Recursos: `doctors_per_1000`, `hospital_beds_per_1000` (por 1000) - Costes: `avg_treatment_cost_usd` (USD), `per_capita_income_usd` (USD) - Impacto: `dalys` (años), `improvement_5y` (**%**), `education_index` (0–1 aprox.) --- ## Preparación y calidad de datos (QA) **Objetivo:** asegurar comparabilidad y evitar conclusiones engañosas. - Rangos válidos de porcentajes: **0–100** (`prevalence/incidence/mortality/access/recovery/urbanization`) - No negativos en conteos y recursos - Duplicados exactos: se eliminan - Outliers económicos: winsorización **p1–p99** (costes/ingresos) - NA: métricas se agregan con `mean(..., na.rm=TRUE)` y se reporta % de NA
--- class: inverse, center, middle # Escena 1 ## ¿Qué enfermedades dominan la prevalencia? --- ## 1) Enfermedades más prevalentes (Top 10) y cómo cambia por ingreso **Decisión de diseño:** barra horizontal + filtro (exploración) para evitar un “dashboard” genérico.
--- class: inverse, center, middle # Escena 2 ## Brechas por género: no es un filtro, es el hilo conductor --- ## 2) Brecha de mortalidad por género (dumbbell) — por categoría **Métrica:** - `gap_abs = Mortality(Female) − Mortality(Male)` - `gap_ratio = Mortality(Female) / Mortality(Male)` **Diseño:** dumbbell hace visible la distancia entre géneros de forma inmediata.
--- ## 2b) Heatmap de brecha por edad (ratio de mortalidad F/M) **Diseño:** heatmap facilita detectar “zonas calientes” por edad + categoría.
--- class: inverse, center, middle # Escena 3 ## Acceso sanitario y mortalidad: ¿cuándo el acceso marca la diferencia? --- ## 3) Acceso a la salud vs mortalidad (cuadrantes) **Diseño:** scatter + cuadrantes = interpretación directa (priorización). - X: `healthcare_access` - Y: `mortality_rate` - Tamaño: `population_affected` - Color: `disease_category`
--- ## 3b) Mapa interactivo: mortalidad media por país
--- class: inverse, center, middle # Escena 4 ## ¿Quién mejora y quién se queda atrás? --- ## 4) Mejora en 5 años: ranking interactivo (DT) **Diseño:** tabla exploratoria (ordenar/buscar) para priorizar países y categorías.
--- class: inverse, center, middle # Escena 5 ## Educación, ingresos y urbanización: ¿cómo se asocian a los resultados? --- ## 5) Educación vs mortalidad (con control visual por categoría) **Diseño:** facetas por categoría para evitar mezclar “manzanas con naranjas”.
--- ## 5b) Ingreso per cápita vs coste de tratamiento **Diseño:** evidencia de desigualdad (capacidad de pago vs coste).
--- class: inverse, center, middle # Escena 6 ## Edad y carga de enfermedad (DALYs): dónde se concentra el impacto --- ## 6) Qué edades están más afectadas (prevalencia) — gráfico de áreas
--- ## 7) DALYs por género y edad (tabla cruzada interactiva)
--- class: inverse, center, middle # Escena 7 ## Recuperación: ¿qué factores socioeconómicos la explican? --- ## 8) Recuperación vs acceso, recursos y contexto (modelo simple + visual)
---
--- class: center, middle # Conclusiones accionables 1. **Priorizar cuadrantes críticos:** países/categorías con *bajo acceso + alta mortalidad*. 2. **Brechas de género visibles:** categorías y edades con mayor ratio F/M para orientar intervenciones. 3. **Políticas de capacidad:** acceso, médicos/camas y educación se asocian con mejores tasas de recuperación (patrón consistente). **Limitaciones:** Datos regenerados de los encontrados artificialmente.