Evaluación Final del Taller de Análisis de Datos para Salud
Escribí tu nombre acá
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”.
## # A tibble: 120 × 12
## `ID Paciente` `Fecha Control` Departamento Sexo Edad `Peso (kg)`
## <chr> <dttm> <chr> <chr> <dbl> <dbl>
## 1 P001 2026-05-15 00:00:00 Andalgalá F 23 68.7
## 2 P002 2026-08-19 00:00:00 Valle Viejo F 58 69.6
## 3 P003 2026-07-12 00:00:00 Capital M 35 87.8
## 4 P004 2026-03-02 00:00:00 Belén M 73 94.8
## 5 P005 2026-05-03 00:00:00 Fray Mamerto Esquiú F 43 62.4
## 6 P006 2026-03-09 00:00:00 Fray Mamerto Esquiú F 57 110.
## 7 P007 2026-05-06 00:00:00 Valle Viejo M 65 64.3
## 8 P008 2026-09-13 00:00:00 Belén F 66 63.6
## 9 P009 2026-06-07 00:00:00 Andalgalá F 21 73.6
## 10 P010 2026-08-02 00:00:00 Tinogasta F 29 55.2
## # ℹ 110 more rows
## # ℹ 6 more variables: `Talla (cm)` <dbl>, `Presión Sistólica` <dbl>,
## # `Presión Diastólica` <dbl>, `Glucemia (mg/dl)` <dbl>, Diabetes <chr>,
## # Fumador <chr>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
- 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
Responder:
- ¿Cuántas filas (pacientes) y cuántas columnas (variables) tiene la base?
- ¿Todas las variables son del mismo tipo? Indicar el tipo de variable(tegóricas character, numéricas dcaouble) 120 Filas - 12 Columnas - No son todas las variables del mismo tipo - chr (cualitativa) - dttm (temporal) - dbl (cuantitativa) ## 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”.
## # A tibble: 120 × 12
## `ID Paciente` `Fecha Control` Departamento Sexo Edad `Peso (kg)`
## <chr> <dttm> <chr> <chr> <dbl> <dbl>
## 1 P001 2026-05-15 00:00:00 Andalgalá F 23 68.7
## 2 P002 2026-08-19 00:00:00 Valle Viejo F 58 69.6
## 3 P003 2026-07-12 00:00:00 Capital M 35 87.8
## 4 P004 2026-03-02 00:00:00 Belén M 73 94.8
## 5 P005 2026-05-03 00:00:00 Fray Mamerto Esquiú F 43 62.4
## 6 P006 2026-03-09 00:00:00 Fray Mamerto Esquiú F 57 110.
## 7 P007 2026-05-06 00:00:00 Valle Viejo M 65 64.3
## 8 P008 2026-09-13 00:00:00 Belén F 66 63.6
## 9 P009 2026-06-07 00:00:00 Andalgalá F 21 73.6
## 10 P010 2026-08-02 00:00:00 Tinogasta F 29 55.2
## # ℹ 110 more rows
## # ℹ 6 more variables: `Talla (cm)` <dbl>, `Presión Sistólica` <dbl>,
## # `Presión Diastólica` <dbl>, `Glucemia (mg/dl)` <dbl>, Diabetes <chr>,
## # Fumador <chr>- 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"## # A tibble: 120 × 12
## id_paciente fecha_control departamento sexo edad peso_kg talla_cm
## <chr> <dttm> <chr> <chr> <dbl> <dbl> <dbl>
## 1 P001 2026-05-15 00:00:00 Andalgalá F 23 68.7 162
## 2 P002 2026-08-19 00:00:00 Valle Viejo F 58 69.6 157
## 3 P003 2026-07-12 00:00:00 Capital M 35 87.8 170
## 4 P004 2026-03-02 00:00:00 Belén M 73 94.8 168
## 5 P005 2026-05-03 00:00:00 Fray Mamerto Es… F 43 62.4 159
## 6 P006 2026-03-09 00:00:00 Fray Mamerto Es… F 57 110. 178
## 7 P007 2026-05-06 00:00:00 Valle Viejo M 65 64.3 167
## 8 P008 2026-09-13 00:00:00 Belén F 66 63.6 150
## 9 P009 2026-06-07 00:00:00 Andalgalá F 21 73.6 166
## 10 P010 2026-08-02 00:00:00 Tinogasta F 29 55.2 150
## # ℹ 110 more rows
## # ℹ 5 more variables: presion_sistolica <dbl>, presion_diastolica <dbl>,
## # glucemia_mg_dl <dbl>, diabetes <chr>, fumador <chr>Responder:
- ¿Qué cambios hizo clean_names() en los nombres de las variables? Paso todo a minusculas, reemplazo espacios por guiones bajos, elimino caracteres
- ¿Qué variables son numéricas (dbl) y cuáles son de texto (chr)? edad, peso, talla, presion_sistolica
- ¿Por qué puede ser conveniente trabajar con nombres de variables estandarizados? Previene errores: Elimina fallos por espacios, acentos o mayúsculas. Aumenta la claridad manteniendo un solo estilo, simplifica la escritura, funciona sin problemas con la mayoría de las herramientas de análisis. 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? variable (glucemia) - ¿Cuál es la variable que tiene mayor cantidad de datos faltantes? numerica dbl - ¿Considerás que los datos faltantes pueden afectar los resultados de un análisis estadístico? ¿Por qué? No son muy significativos los datos faltantes pero deben ser tenidos en cuanta que las funciones devuelvan NA
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.
Responder: - ¿Cuántas variables tiene ahora la nueva base de datos? - ¿Se modificó la cantidad de pacientes respecto de la base original? (Inserta un nuevo chunk y utiliza la función glimpse para responder esta pregunta)
inserta un nuevo chunck
## # 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 rows7. 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”)
## # A tibble: 67 × 6
## sexo peso_kg edad departamento presion_sistolica glucemia_mg_dl
## <chr> <dbl> <dbl> <chr> <dbl> <dbl>
## 1 M 87.8 35 Capital 144 78
## 2 M 94.8 73 Belén 152 NA
## 3 M 64.3 65 Valle Viejo 122 82
## 4 M 87.3 47 Capital 129 70
## 5 M 66 61 Valle Viejo 156 81
## 6 M 84.2 24 Valle Viejo 107 98
## 7 M 68.4 26 Andalgalá 125 67
## 8 M 114. 19 Tinogasta 107 101
## 9 M 76.5 43 Tinogasta 137 88
## 10 M 54.3 66 Capital 136 NA
## # ℹ 57 more rowsResponder: - ¿Cuántos pacientes de sexo masculino hay en la base de datos? 67 Masculino
- 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?
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.
Responder:
- ¿Cuál es la edad promedio de los pacientes?
- ¿La media y la mediana de la edad presentan valores similares?
- ¿Cuál es el valor promedio de glucemia?
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.
Responder:
- ¿Qué grupo presenta la presión sistólica media más alta?
- ¿Cuántos pacientes hay en cada grupo?
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?
- ¿Se observa una distribución similar de pacientes entre los departamentos?
- 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?
- ¿Qué información aporta la subdivisión de las barras que no podríamos observar en un gráfico de barras simple?
- 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?
- ¿Coincide esta comparación con lo que observaste en el gráfico anterior? ¿Por qué?
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.
11. Para terminar
Hacer clic en Knit para renderizar el documento. Publicarlo en Rpubs.