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().

library(readxl)
library(janitor)
library(naniar)
library(tidyverse)

2. Importar los datos

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

datos <- read_excel("controles_salud.xlsx", sheet = "controles")

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.

names(datos)

##  [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.

glimpse(datos)

## 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 de datos cuenta con 120 registros (o filas) y 12 variables (o columnas).
¿Todas las variables son del mismo tipo? Indicar el tipo de variable(categóricas character, numéricas double) No. La base está compuesta por tres tipos de variables: character (chr), dbl (dbl) y datetime (dttm).

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”.

salud <- clean_names(datos)

Volvé a observar los nombres de las variables utilizando names() y el nombre del nuevo objeto como argumento dentro de los paréntesis.

names(salud)

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

glimpse(salud)

## 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…

Responder:

¿Qué cambios hizo clean_names() en los nombres de las variables? Reemplazó vocales con tildes por vocales simples, espacios en blanco por guiones bajos y pasó a minusculas el nombre de las variables.
¿Qué variables son numéricas (dbl) y cuáles son de texto (chr)?

Variable Numérica (dbl)	Variable de Texto (chr)	Variable de Fecha (dttm)
edad	id_paciente	fecha_control
peso_kg	departamento
talla_cm	sexo
presion_sistolica	diabetes
presion_diastolica	fumador
glucemia_mg_dl	id_paciente

¿Por qué puede ser conveniente trabajar con nombres de variables estandarizados?

Evita tener que aplicar artilugios para mostrar el contenido de las variables, por ejemplo, en vez de usar unique(salud$`ID Paciente`) es más cómodo utilizar unique(salud$id_paciente), la sintaxis es más limpia.
Existen variables que pueden contener multiples espacios entre sus palabras y sin saber podemos cometer errores de tipeo, aunque es recomendable utilizar el autocompletado con la tecla Tab, utilizar variables estandarizadas puede ahorrarnos más de un dolor de cabeza.
Existe una convención en programación que es evitar el uso de tildes, espacios y otros caracteres especiales del idioma para evitar problemas con los compiladores dado que están estandarizados para el idioma anglosajon.

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.

vis_miss(salud)

Responder: - ¿Qué variables presentan datos faltantes? La variable glucemia_mg_dl es la única que presenta datos faltantes.

¿Cuál es la variable que tiene mayor cantidad de datos faltantes? La variable glucemia_mg_dl cuenta con 3 registros con datos faltantes.
¿Considerás que los datos faltantes pueden afectar los resultados de un análisis estadístico? ¿Por qué? Sí, los datos faltantes afectan drásticamente los resultados estadísticos porque, más allá de reducir el tamaño de la muestra y perder poder estadístico, el mayor riesgo es la introducción de sesgos sistemáticos. Si la ausencia de información no es completamente aleatoria, los datos analizados dejan de representar la realidad del fenómeno, aumentando el margen de error y distorsionando la varianza original. Además, al aplicar tratamientos de limpieza (como descartar filas completas que contienen NA), se pueden alterar severamente las correlaciones entre las variables, lo que termina invalidando la rigurosidad del análisis y conduciendo a decisiones equivocadas basadas en una imagen parcial de la realidad.

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)

variables_seleccionadas <- salud |>
  select(sexo, peso_kg, edad, departamento, presion_sistolica, glucemia_mg_dl)

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

variables_seleccionadas

## # 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 rows

Responder: - ¿Cuántas variables tiene ahora la nueva base de datos? La nueva base de datos cuenta con 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. La cantidad de pacientes no fue modificada al seleccionar un grupo de variables específicas.

glimpse(variables_seleccionadas)

## 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”)

Valores únicos de la variable sexo

unique(salud$sexo)

## [1] "F" "M"

masculino <- salud |> filter(sexo == "M")
glimpse(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? La base tiene 67 pacientes de sexo 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")

Valores únicos de la variable fumador y departamento

unique(salud$fumador)

## [1] "No" "Sí"

unique(salud$departamento)

## [1] "Andalgalá"           "Valle Viejo"         "Capital"            
## [4] "Belén"               "Fray Mamerto Esquiú" "Tinogasta"

p_fumadores_capital <- salud |> filter(fumador == "Sí", departamento == "Capital")
glimpse(p_fumadores_capital)

## Rows: 6
## Columns: 12
## $ id_paciente        <chr> "P029", "P050", "P086", "P104", "P107", "P116"
## $ fecha_control      <dttm> 2026-05-27, 2026-03-12, 2026-08-13, 2026-03-03, 202…
## $ departamento       <chr> "Capital", "Capital", "Capital", "Capital", "Capit…
## $ sexo               <chr> "M", "M", "M", "M", "F", "F"
## $ edad               <dbl> 24, 73, 73, 68, 64, 63
## $ peso_kg            <dbl> 73.3, 71.8, 99.7, 101.4, 75.3, 69.7
## $ talla_cm           <dbl> 162, 170, 177, 181, 160, 161
## $ presion_sistolica  <dbl> 98, 159, 155, 116, 142, 131
## $ presion_diastolica <dbl> 56, 76, 75, 68, 78, 74
## $ glucemia_mg_dl     <dbl> 93, 94, 138, 106, 96, 101
## $ diabetes           <chr> "No", "Sí", "Sí", "Sí", "No", "No"
## $ fumador            <chr> "Sí", "Sí", "Sí", "Sí", "Sí", "Sí"

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

media_edad <- mean(salud$edad)
mediana_edad <- median(salud$edad)

cat("Media[edad]: ", media_edad, "\n")

## Media[edad]:  50.325

cat("Mediana[edad]: ", mediana_edad, "\n\n")

## Mediana[edad]:  54

media_glucemia <- mean(salud$glucemia_mg_dl, na.rm = TRUE)
mediana_glucemia <- median(salud$glucemia_mg_dl, na.rm = TRUE)

cat("Media[glucemia_mg_dl]: ", media_glucemia, "\n")

## Media[glucemia_mg_dl]:  99.04274

cat("Mediana[glucemia_mg_dl]: ", mediana_glucemia, "\n")

## Mediana[glucemia_mg_dl]:  93

Responder:

¿Cuál es la edad promedio de los pacientes? La edad promedio es de 50 años.
¿La media y la mediana de la edad presentan valores similares? Si, la edad promedio es de 50 años mientras que la mediana es 54.
¿Cuál es el valor promedio de glucemia? El valor promedio de la glucemia es 99.04274.

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.

presion_sistolica_sexos <- salud |>
  group_by(sexo) |>
  summarise(n = n(), media = mean(presion_sistolica, na.rm = TRUE) )

presion_sistolica_sexos

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

Responder:

¿Qué grupo presenta la presión sistólica media más alta? El grupo masculino presenta la presión sostólica media más alta.
¿Cuántos pacientes hay en cada grupo? Hay 53 pacientes en el grupo femenino (F) y 67 en el masculino (M).

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.

pacientes_departamento <- salud |>
  group_by(departamento) |>
  summarise(cantidad_pacientes = n())

ggplot(pacientes_departamento, aes( x = cantidad_pacientes, y = departamento , fill = departamento)) +
  geom_bar(stat = "identity") +
  scale_fill_brewer(palette = "Pastel1")

Responder:

¿Qué departamento presenta la mayor cantidad de pacientes? El departamento Capital presenta la mayor cantidad de pacientes.
¿Se observa una distribución similar de pacientes entre los departamentos? No.

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()”.

pacientes_diabetes_sexo <- salud |>
  group_by(diabetes, sexo) |>
  summarise( cantidad = n())

ggplot(pacientes_diabetes_sexo, aes(x = sexo, y = cantidad, fill = diabetes)) +
  geom_bar(stat = "identity") +
  labs(
    title = "Distribución de pacientes según condición de diabetes y sexo. Catamarca 2025",
    x = "Sexo",
    y = "Cantidad de Pacientes",
    fill = "Condición de Diabetes" # Le da nombre a la leyenda
  ) +
  theme_light()

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? La cantidad de pacientes diabéticos por sexo.

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.

ggplot(pacientes_diabetes_sexo, aes(x = sexo, y = cantidad, fill = diabetes)) +
  geom_bar(stat = "identity", position = "fill") +
  labs(
    title = "Distribución de pacientes según condición de diabetes y sexo. Catamarca 2025",
    x = "Sexo",
    y = "Cantidad de Pacientes",
    fill = "Condición de Diabetes" # Le da nombre a la leyenda
  ) +
  theme_light()

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. Los datos de entrada son los mismos.

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.

Conclusión:

El análisis de los controles de salud realizados a los 120 pacientes de la muestra evidencia una población con una edad promedio de 50 años (con una mediana de 54) y una composición predominantemente masculina (67 hombres frente a 53 mujeres). La distribución territorial muestra una alta concentración de las atenciones en el departamento Capital.

Desde el punto de vista clínico, el nivel medio de glucemia general se situó en aproximadamente 99 mg/dl, valor que debió calcularse excluyendo un margen mínimo de datos faltantes. Al estratificar los factores de riesgo metabólico y cardiovascular por sexo, se observan asimetrías importantes: el grupo masculino no solo registró una presión sistólica media más elevada, sino que presentó una prevalencia de diabetes marcadamente superior a la del grupo femenino, tanto en volumen absoluto (12 casos frente a 3) como en proporción interna dentro de su propio grupo.

En conjunto, estos indicadores descriptivos sugieren que, dentro de esta cohorte, los pacientes masculinos presentan un perfil de mayor vulnerabilidad frente a enfermedades crónicas no transmisibles.

11. Para terminar

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

Evaluación Final del Taller de Análisis de Datos para Salud

Axel Closas

13-11-2026

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

Axel Closas

13-11-2026

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`