Evaluación Final del Taller de Análisis de Datos para Salud

1. Cargar los paquetes

Cargar los paquetes readxl, janitor, naniar y tidyverse utilizando la función library().

Si alguno de los paquetes no está instalado, deberás instalarlo utilizando install.packages().

2. Importar los datos

Consigna: Leé el archivo Excel utilizando read_excel() y guardá la información en un objeto llamado “datos”.

3. Explorar los datos

Antes de comenzar el análisis, es importante conocer cómo está organizada la base de datos. Para ello, vamos a explorar los nombres de las variables y observar la estructura general del conjunto de datos.

Realizá las siguientes actividades insertando dos chunks de código:

Identificar las variables: utilizá la función names() para conocer los nombres de las variables.

inserta aquí un chunk

##  [1] "ID Paciente"        "Fecha Control"      "Departamento"      
##  [4] "Sexo"               "Edad"               "Peso (kg)"         
##  [7] "Talla (cm)"         "Presión Sistólica"  "Presión Diastólica"
## [10] "Glucemia (mg/dl)"   "Diabetes"           "Fumador"

Observar la estructura de los datos: utilizá la función glimpse() para visualizar la estructura de la base de datos, conocer los nombres de las variables, sus tipos de datos y algunos de sus valores.

inserta aquí un chunk

## Rows: 120
## Columns: 12
## $ `ID Paciente`        <chr> "P001", "P002", "P003", "P004", "P005", "P006", "…
## $ `Fecha Control`      <dttm> 2026-05-15, 2026-08-19, 2026-07-12, 2026-03-02, …
## $ Departamento         <chr> "Andalgalá", "Valle Viejo", "Capital", "Belén", "…
## $ Sexo                 <chr> "F", "F", "M", "M", "F", "F", "M", "F", "F", "F",…
## $ Edad                 <dbl> 23, 58, 35, 73, 43, 57, 65, 66, 21, 29, 47, 59, 8…
## $ `Peso (kg)`          <dbl> 68.7, 69.6, 87.8, 94.8, 62.4, 110.2, 64.3, 63.6, …
## $ `Talla (cm)`         <dbl> 162, 157, 170, 168, 159, 178, 167, 150, 166, 150,…
## $ `Presión Sistólica`  <dbl> 113, 126, 144, 152, 115, 146, 122, 118, 132, 116,…
## $ `Presión Diastólica` <dbl> 70, 70, 66, 85, 80, 71, 65, 69, 63, 62, 64, 77, 8…
## $ `Glucemia (mg/dl)`   <dbl> 90, 91, 78, NA, 100, 87, 82, 86, 85, 98, 70, 184,…
## $ Diabetes             <chr> "No", "No", "No", "No", "No", "No", "No", "No", "…
## $ Fumador              <chr> "No", "No", "No", "No", "No", "Sí", "No", "No", "…

Responder:

¿Cuántas filas (pacientes) y cuántas columnas (variables) tiene la base? Filas: 120 - Columnas: 12
¿Todas las variables son del mismo tipo? Indicar el tipo de variable(categóricas character, numéricas double) NO, hay variables categoricas, númericas doble y día y hora.

4. Preparar los datos ( Limpieza y transformación de datos)

Una vez explorada la base de datos, vamos a realizar una primera preparación. Para ello, utilizaremos la función “clean_names()” del paquete janitor, que permite estandarizar los nombres de las variables.

Aplicá la función clean_names() a la base de datos (nobrada como datos) y guardá el resultado en un nuevo objeto llamado “salud”.
Volvé a observar los nombres de las variables utilizando names() y el nombre del nuevo objeto como argumento dentro de los paréntesis.

##  [1] "id_paciente"        "fecha_control"      "departamento"      
##  [4] "sexo"               "edad"               "peso_kg"           
##  [7] "talla_cm"           "presion_sistolica"  "presion_diastolica"
## [10] "glucemia_mg_dl"     "diabetes"           "fumador"

Responder:

¿Qué cambios hizo clean_names() en los nombres de las variables? Reemplazo los espacios por guión bajo y quito los acentos.
¿Qué variables son numéricas (dbl) y cuáles son de texto (chr)? Variables CHR son 5 que son el ID del paciente, el Departamento donde vive, el Sexo, si tiene Diabetes y si es Fumador. Las variables DBL son 6, que son Edad, Peso, Talla, Presión Diastolica y Sistolica y niveles de Glucemia. Variables de fecha y hora es 1, que es la variable Fecha de Control.
¿Por qué puede ser conveniente trabajar con nombres de variables estandarizados? Para quitar los espacios, los acentos, los signos de preguntas y a la hora de llamar a esas variables para estudiarlas no nos genere un error el sistema. Una precisión conceptual: clean_names() modifica los nombres, no los valores de las variables ni sus tipos de datos.

5. Explorar los datos faltantes

Explorar los datos faltantes A veces una base de datos puede contener información que no fue registrada. Estos valores se denominan datos faltantes y se representan como “NA” (Not Available).

Utilizá la función “vis_miss()” del paquete naniar para conocer la cantidad y el porcentaje de datos faltantes de cada variable.

Responder: - ¿Qué variables presentan datos faltantes? La única variable que tiene datos faltantes son los niveles de glucemia. - ¿Cuál es la variable que tiene mayor cantidad de datos faltantes? Niveles de glucemia. - ¿Considerás que los datos faltantes pueden afectar los resultados de un análisis estadístico? ¿Por qué? No, porque los datos faltantes en esta base de datos es minima.

6. Seleccionar variables con la función “select()”

Vamos a suponer que nos interesa trabajar solamente con algunas variables de la base de datos.

Creá un nuevo objeto llamado “variables_seleccionadas” que contenga las siguientes variables: - Sexo. - Peso - Edad. - Departamento. - Presión sistólica. - Glucemia.

Para ello, utilizá la función “select()” y el operador pipe (|>).

Recordá la siguiente estructura:nuevo_objeto <- objeto_original |>
select(variable_1, variable_2, variable_3)

Para visualizar el nuevo objeto, insertá otro chunk y escribí el nombre del objeto creado.

## # A tibble: 120 × 7
##    sexo  peso_kg  edad departamento     presion_sistolica glucemia_mg_dl fumador
##    <chr>   <dbl> <dbl> <chr>                        <dbl>          <dbl> <chr>  
##  1 F        68.7    23 Andalgalá                      113             90 No     
##  2 F        69.6    58 Valle Viejo                    126             91 No     
##  3 M        87.8    35 Capital                        144             78 No     
##  4 M        94.8    73 Belén                          152             NA No     
##  5 F        62.4    43 Fray Mamerto Es…               115            100 No     
##  6 F       110.     57 Fray Mamerto Es…               146             87 Sí     
##  7 M        64.3    65 Valle Viejo                    122             82 No     
##  8 F        63.6    66 Belén                          118             86 No     
##  9 F        73.6    21 Andalgalá                      132             85 No     
## 10 F        55.2    29 Tinogasta                      116             98 No     
## # ℹ 110 more rows

Responder: - ¿Cuántas variables tiene ahora la nueva base de datos? Tiene 6 variables. - ¿Se modificó la cantidad de pacientes respecto de la base original? (Inserta un nuevo chunk y utiliza la función glimpse para responder esta pregunta) No se modifico la cantidad de pacientes.

## Rows: 120
## Columns: 7
## $ sexo              <chr> "F", "F", "M", "M", "F", "F", "M", "F", "F", "F", "M…
## $ peso_kg           <dbl> 68.7, 69.6, 87.8, 94.8, 62.4, 110.2, 64.3, 63.6, 73.…
## $ edad              <dbl> 23, 58, 35, 73, 43, 57, 65, 66, 21, 29, 47, 59, 80, …
## $ departamento      <chr> "Andalgalá", "Valle Viejo", "Capital", "Belén", "Fra…
## $ presion_sistolica <dbl> 113, 126, 144, 152, 115, 146, 122, 118, 132, 116, 12…
## $ glucemia_mg_dl    <dbl> 90, 91, 78, NA, 100, 87, 82, 86, 85, 98, 70, 184, 16…
## $ fumador           <chr> "No", "No", "No", "No", "No", "Sí", "No", "No", "No"…

7. Filtrar casos con la función “filter()”

En esta actividad vamos a seleccionar pacientes que cumplan determinadas condiciones.

Pacientes de sexo masculino

Creá un nuevo objeto llamado “masculino” utilizando filter() para seleccionar únicamente los pacientes de sexo masculino.

Podés utilizar esta estructura:

nuevo_objeto <- objeto_original |> filter(sexo == “Masculino”)

Responder: - ¿Cuántos pacientes de sexo masculino hay en la base de datos? 67

Pacientes fumadores del departamento Capital

Filtrar a los pacientes que sean “fumadores” y pertenezcan al departamento “Capital”.

Ayuda:

  objeto |> filter(fumadores == "Sí", departamento == "Capital")

Responder: - ¿Cuántos pacientes cumplen ambas condiciones? - 6

8. Medidas de resumen

En esta actividad vamos a calcular algunos indicadores estadísticos descriptivos para conocer mejor las características de los pacientes.

Medidas de resumen generales

Calculá para toda la base de datos:

La media y la mediana de la edad.
La media de la glucemia.

Funciones que vamos a utilizar:

mean(): calcula la media.
median(): calcula la mediana.

Ayuda: algunas variables pueden contener datos faltantes (NA). Para que estos valores no impidan realizar los cálculos, agregá el argumento “na.rm = TRUE” dentro de las funciones correspondientes.

## [1] 99.04274

## [1] 50.325

## [1] 54

Responder:

¿Cuál es la edad promedio de los pacientes?
50
¿La media y la mediana de la edad presentan valores similares? NO
¿Cuál es el valor promedio de glucemia?
99

b) Medidas de resumen por sexo

Calculá la media de la presión sistólica para cada grupo de sexo.

Para ello, utilizá “group_by()” para agrupar los pacientes por sexo y luego “summarise()” para calcular la media. Agregá también “n = n()” para conocer la cantidad de pacientes de cada grupo.

## # A tibble: 2 × 3
##   Sexo  media_sistolica     n
##   <chr>           <dbl> <int>
## 1 F                129.    53
## 2 M                132.    67

Responder:

¿Qué grupo presenta la presión sistólica media más alta? Masculino.
¿Cuántos pacientes hay en cada grupo? Femenino: 53 Masculino: 67

9. Gráficos con `ggplot2`

En esta actividad vamos a representar gráficamente la información para facilitar su interpretación.

a) Cantidad de pacientes por departamento

Realizá un gráfico de barras utilizando geom_bar() para representar la cantidad de pacientes registrados en cada departamento.

Responder:

¿Qué departamento presenta la mayor cantidad de pacientes?
Capital
¿Se observa una distribución similar de pacientes entre los departamentos?
si

Distribución de pacientes según la condición de diabetes y el sexo

Realizá un gráfico de barras subdivididas (apiladas) para representar la cantidad de pacientes con y sin diabetes, diferenciando los resultados según el sexo.

Para ello, utilizá “geom_bar()” y el argumento fill para distinguir los grupos mediante colores.

Agregá un título y nombres a los ejes utilizando la función “labs()”.

Responder:

¿En qué grupo de sexo se observa mayor cantidad de pacientes con diabetes?
Masculino
¿Qué información aporta la subdivisión de las barras que no podríamos observar en un gráfico de barras simple? -Nos permite visualizar dos variables al mismo tiempo y no estar haciendo mas gráficos.

Comparación de proporciones

Modificá el gráfico anterior utilizando el argumento position = "fill" dentro de geom_bar().

De esta manera, las barras representarán el 100 % de los pacientes de cada grupo de sexo y permitirán comparar las proporciones de pacientes con y sin diabetes.

Responder:

¿Qué grupo presenta una mayor proporción de pacientes con diabetes?
Masculino
¿Coincide esta comparación con lo que observaste en el gráfico anterior? ¿Por qué? -SI, porque lo que se hizo es poner en proporcion las cantidades totales del gráfico anterior.

10. Comunicar los resultados

A partir de los análisis y gráficos realizados, redactá una breve conclusión que describa las principales características de los pacientes incluidos en la base de datos.

No es necesario incluir código en esta sección. Lo importante es comunicar los resultados utilizando la información obtenida durante el análisis.

El análisis de la base de datos nos demuestra que la mayoria de los pacientes se encuentran en la ciudad capital, que la eda promedio es de 50 años, la cual la mayoria son masculinos, tambien nos muestra que existen 6 pacientes que son fumadores donde 4 son masculinos y 2 femeninos. Los datos arrojan una media de los niveles de glucemia de 99 mg/dl. Pacientes masculinos presentan la media sistolica mas alta. En diabetes se muestra un porcentaje mayor en los pacientes masculinos.

11. Para terminar

Hacer clic en Knit para renderizar el documento. Publicarlo en Rpubs.

Evaluación Final del Taller de Análisis de Datos para Salud

Exequiel Barrera Herrera - Clara Palavecino

11-11-2026

1. Cargar los paquetes

2. Importar los datos

3. Explorar los datos

4. Preparar los datos ( Limpieza y transformación de datos)

5. Explorar los datos faltantes

6. Seleccionar variables con la función “select()”

7. Filtrar casos con la función “filter()”

8. Medidas de resumen

9. Gráficos con `ggplot2`

10. Comunicar los resultados

11. Para terminar

Evaluación Final del Taller de Análisis de Datos para Salud

Exequiel Barrera Herrera - Clara Palavecino

11-11-2026

1. Cargar los paquetes

2. Importar los datos

3. Explorar los datos

4. Preparar los datos ( Limpieza y transformación de datos)

5. Explorar los datos faltantes

6. Seleccionar variables con la función “select()”

7. Filtrar casos con la función “filter()”

8. Medidas de resumen

9. Gráficos con ggplot2

10. Comunicar los resultados

11. Para terminar

9. Gráficos con `ggplot2`