Evaluación Final del Taller de Análisis de Datos para Salud
Claudia Espeche
11-11-2026
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.
## [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.
## 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? La base cuenta con 120 filas y 12 columnas
- ¿Todas las variables son del mismo tipo? Indicar el tipo de variable(categóricas character, numéricas double). Cuenta con variables categóricas numéricas y de fecha.
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? Eliminó los espacios con un guión bajo, eliminó paréntesis y puso las letras en minúscula.
- ¿Qué variables son numéricas (dbl) y cuáles son de texto (chr)?
## Rows: 120
## Columns: 12
## $ id_paciente <chr> "P001", "P002", "P003", "P004", "P005", "P006", "P0…
## $ fecha_control <dttm> 2026-05-15, 2026-08-19, 2026-07-12, 2026-03-02, 20…
## $ departamento <chr> "Andalgalá", "Valle Viejo", "Capital", "Belén", "Fr…
## $ 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, 80,…
## $ peso_kg <dbl> 68.7, 69.6, 87.8, 94.8, 62.4, 110.2, 64.3, 63.6, 73…
## $ talla_cm <dbl> 162, 157, 170, 168, 159, 178, 167, 150, 166, 150, 1…
## $ presion_sistolica <dbl> 113, 126, 144, 152, 115, 146, 122, 118, 132, 116, 1…
## $ presion_diastolica <dbl> 70, 70, 66, 85, 80, 71, 65, 69, 63, 62, 64, 77, 84,…
## $ glucemia_mg_dl <dbl> 90, 91, 78, NA, 100, 87, 82, 86, 85, 98, 70, 184, 1…
## $ diabetes <chr> "No", "No", "No", "No", "No", "No", "No", "No", "No…
## $ fumador <chr> "No", "No", "No", "No", "No", "Sí", "No", "No", "No…- ¿Por qué puede ser conveniente trabajar con nombres de variables estandarizados? Para evitar errores. 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? Glucemia_mg_dl - ¿Cuál es la variable que tiene mayor cantidad de datos faltantes? Glucemia_mg_dl - ¿Considerás que los datos faltantes pueden afectar los resultados de un análisis estadístico? ¿Por qué? Pueden afectar en la estimación del promedio de glucemia por ejemplo.
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 × 6
## sexo peso_kg edad departamento presion_sistolica glucemia_mg_dl
## <chr> <dbl> <dbl> <chr> <dbl> <dbl>
## 1 F 68.7 23 Andalgalá 113 90
## 2 F 69.6 58 Valle Viejo 126 91
## 3 M 87.8 35 Capital 144 78
## 4 M 94.8 73 Belén 152 NA
## 5 F 62.4 43 Fray Mamerto Esquiú 115 100
## 6 F 110. 57 Fray Mamerto Esquiú 146 87
## 7 M 64.3 65 Valle Viejo 122 82
## 8 F 63.6 66 Belén 118 86
## 9 F 73.6 21 Andalgalá 132 85
## 10 F 55.2 29 Tinogasta 116 98
## # ℹ 110 more rowsResponder: - ¿Cuántas variables tiene ahora la nueva base de datos? 6 - ¿Se modificó la cantidad de pacientes respecto de la base original? (Inserta un nuevo chunk y utiliza la función glimpse para responder esta pregunta) La cantidad de pacientes se mantiene, 120 filas.
## Rows: 120
## Columns: 6
## $ 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…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”)
## Rows: 67
## Columns: 12
## $ id_paciente <chr> "P003", "P004", "P007", "P011", "P015", "P016", "P0…
## $ fecha_control <dttm> 2026-07-12, 2026-03-02, 2026-05-06, 2026-03-28, 20…
## $ departamento <chr> "Capital", "Belén", "Valle Viejo", "Capital", "Vall…
## $ sexo <chr> "M", "M", "M", "M", "M", "M", "M", "M", "M", "M", "…
## $ edad <dbl> 35, 73, 65, 47, 61, 24, 26, 19, 43, 66, 44, 73, 24,…
## $ peso_kg <dbl> 87.8, 94.8, 64.3, 87.3, 66.0, 84.2, 68.4, 114.5, 76…
## $ talla_cm <dbl> 170, 168, 167, 184, 161, 172, 170, 190, 172, 161, 1…
## $ presion_sistolica <dbl> 144, 152, 122, 129, 156, 107, 125, 107, 137, 136, 1…
## $ presion_diastolica <dbl> 66, 85, 65, 64, 78, 80, 58, 89, 74, 72, 70, 68, 56,…
## $ glucemia_mg_dl <dbl> 78, NA, 82, 70, 81, 98, 67, 101, 88, NA, 85, 91, 93…
## $ diabetes <chr> "No", "No", "No", "No", "No", "No", "No", "No", "No…
## $ fumador <chr> "No", "No", "No", "No", "Sí", "Sí", "Sí", "No", "No…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")## # A tibble: 6 × 12
## id_paciente fecha_control departamento sexo edad peso_kg talla_cm
## <chr> <dttm> <chr> <chr> <dbl> <dbl> <dbl>
## 1 P029 2026-05-27 00:00:00 Capital M 24 73.3 162
## 2 P050 2026-03-12 00:00:00 Capital M 73 71.8 170
## 3 P086 2026-08-13 00:00:00 Capital M 73 99.7 177
## 4 P104 2026-03-03 00:00:00 Capital M 68 101. 181
## 5 P107 2026-07-20 00:00:00 Capital F 64 75.3 160
## 6 P116 2026-08-07 00:00:00 Capital F 63 69.7 161
## # ℹ 5 more variables: presion_sistolica <dbl>, presion_diastolica <dbl>,
## # glucemia_mg_dl <dbl>, diabetes <chr>, fumador <chr>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] 50.325## [1] 54## [1] 99.04274Responder:
- ¿Cuál es la edad promedio de los pacientes? 50 años
- ¿La media y la mediana de la edad presentan valores similares? Si son valores aproximados
- ¿Cuál es el valor promedio de glucemia? 99 mg/dl
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.
## Descriptive Statistics
## presion_sistolica by sexo
## Data Frame: salud
## N: 120
##
## F M
## ---------- -------- --------
## Mean 128.66 132.06
## N 53.00 67.00Responder:
- ¿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? La mayor cantidad de controles se realizó en el departamento Capital.
- ¿Se observa una distribución similar de pacientes entre los departamentos? Se observa una distribución similar entre los departamentos Andalgalá, Fray Mamerto Esquiú, Tinogasta y Valle Viejo.
- 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? Podemos observar la combinación de 2 variables.
- 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, en este caso coincide.
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.
Conclusiones: En la provincia de Catamarca, se realizaron 120 controles de salud, siendo el departamento Capital el que contó con mayor participación. Las personas que accedieron a los controles tenian una edad promedio de 50 años con una mediana de 54. Entre los controles realizados se evaluó presión sistólica la cual arrojó valores promedios similares según sexo, siendo levemente superiores para el grupo masculino con 132 mmHg (n=67). Se describió la distribución de pacientes según diabetes y sexo observandose mayor proporción de pacientes diabéticos en la población masculina.
11. Para terminar
Hacer clic en Knit para renderizar el documento. Publicarlo en Rpubs.