A partir de la evaluación recibida en la Actividad 3, se mantiene sin
cambios la definición del espacio muestral depurado \(\Omega\) (\(N =
873.718\) episodios de egreso hospitalario), el tamaño
final de la cohorte \(E\) de
Catarata Senil (CIE-10: H25, \(n_E = 389\) episodios: \(E_p = 108\) principales y \(E_s = 281\) secundarios) y el
marcador ajustado \(M\) (\(\text{VPP} = 99 / 962 = 10,2911\%\)), cuyos
cálculos y tablas fueron validados positivamente. Sobre dicha base, se
aplican e integran en este informe las cinco correcciones metodológicas
y de reporte indicadas en la retroalimentación:
ID_BENEFICIARIO (Tabla 1C y Limitación 3): En la
Actividad 3 (Limitación 3) se supuso erróneamente que no era posible
identificar reingresos, pese a que la base GRD incluye el campo
ID_BENEFICIARIO. Incorporamos ID_BENEFICIARIO
en la selección de columnas de GRD_PUBLICO_2024.txt y
cuantificamos con datos en la Tabla 1C cuántos
beneficiarios distintos y cuántos episodios repetidos (reingresos en
2024) existen en los \(389\) episodios
de la cohorte \(E\).0,000000 (0,00%): Se evita truncar
probabilidades positivas pequeñas a cero, empleando notación científica
o cotas explícitas (< 0,0001) cuando corresponde y
reservando el valor 0 exacto únicamente para regiones fuera
del soporte matemático del modelo (como \(P(V
< 0) = 0\) en la Lognormal).ruta_base <- "GRD_PUBLICO_2024.txt"
ruta_maestra <- "Tablas_maestras_bases_GRD.xlsx"
ruta_cache_local <- "cohorte_E.rds"
if (file.exists(ruta_base)) {
# 1. Lectura de la base GRD 2024 con ruta relativa
grd_base <- fread(ruta_base, sep = "|", encoding = "Latin-1")
n_01_bruta <- nrow(grd_base)
# 2. Eliminación de filas duplicadas exactas
dup_idx <- duplicated(grd_base)
n_dup <- sum(dup_idx)
cols_diag <- paste0("DIAGNOSTICO", 1:35)
cols_keep <- c(
"COD_HOSPITAL", "ID_BENEFICIARIO", "SEXO", "FECHA_NACIMIENTO", "SERVICIO_SALUD",
"TIPO_INGRESO", "ESPECIALIDAD_MEDICA", "TIPO_ACTIVIDAD",
"FECHA_INGRESO", "SERVICIOINGRESO", "FECHAALTA", "SERVICIOALTA",
"TIPOALTA", "IR_29301_PESO", "IR_29301_SEVERIDAD", "IR_29301_MORTALIDAD",
cols_diag
)
cols_keep <- intersect(cols_keep, names(grd_base))
grd_sin_dup <- grd_base[which(!dup_idx), ..cols_keep]
rm(grd_base)
n_02_sin_dup <- nrow(grd_sin_dup)
# 3. Exclusión de Cirugía Mayor Ambulatoria (CMA) independiente de codificación de tildes
ux_act <- unique(grd_sin_dup$TIPO_ACTIVIDAD)
ug_cma <- grepl("CMA|AMBULATORI", ux_act, ignore.case = TRUE, useBytes = TRUE)
es_cma_vec <- ug_cma[match(grd_sin_dup$TIPO_ACTIVIDAD, ux_act)]
n_cma <- sum(es_cma_vec, na.rm = TRUE)
grd_egresos <- grd_sin_dup[which(!es_cma_vec)]
rm(grd_sin_dup)
n_03_egresos <- nrow(grd_egresos)
# Conversión vectorizada de fechas
fast_date <- function(x) {
ux <- unique(x)
ud <- as.Date(ux, format = "%Y-%m-%d")
ud[match(x, ux)]
}
grd_egresos[, fecha_ing := fast_date(FECHA_INGRESO)]
grd_egresos[, f_alta := fast_date(FECHAALTA)]
grd_egresos[, f_nac := fast_date(FECHA_NACIMIENTO)]
grd_egresos[, estancia := as.numeric(f_alta - fecha_ing)]
grd_egresos[, edad := floor(as.numeric(fecha_ing - f_nac) / 365.25)]
# 4. Filtro de calidad para conformar Omega
cond_calidad <- !is.na(grd_egresos$estancia) & grd_egresos$estancia >= 0 &
!is.na(grd_egresos$edad) & grd_egresos$edad >= 0 & grd_egresos$edad <= 110
n_excl_calidad <- sum(!cond_calidad)
omega <- grd_egresos[which(cond_calidad)]
rm(grd_egresos)
N_omega <- nrow(omega)
# 5. Identificación de la cohorte E (H25) garantizando matriz 2D
es_h25_mat <- do.call(cbind, lapply(cols_diag, function(col) {
v <- omega[[col]]
!is.na(v) & substr(trimws(v), 1, 3) == "H25"
}))
omega[, E_p := es_h25_mat[, 1]]
omega[, E := rowSums(es_h25_mat) > 0]
omega[, E_s := E & !E_p]
rm(es_h25_mat)
cohorte_E <- omega[which(omega$E)]
rm(omega)
if (file.exists(ruta_maestra)) {
hosp_maestra <- read_excel(ruta_maestra, sheet = "Hospitales")
colnames(hosp_maestra) <- c("COD_HOSPITAL", "NOMBRE_HOSPITAL")
hosp_maestra <- hosp_maestra %>% mutate(COD_HOSPITAL = as.numeric(COD_HOSPITAL))
cohorte_E <- merge(cohorte_E, as.data.table(hosp_maestra), by = "COD_HOSPITAL", all.x = TRUE)
}
if (!"NOMBRE_HOSPITAL" %in% names(cohorte_E)) {
cohorte_E[, NOMBRE_HOSPITAL := paste0("Hospital Cód. ", COD_HOSPITAL)]
} else {
cohorte_E[is.na(NOMBRE_HOSPITAL), NOMBRE_HOSPITAL := paste0("Hospital Cód. ", COD_HOSPITAL)]
}
saveRDS(cohorte_E, ruta_cache_local)
} else {
# Respaldo de cohorte depurada consolidada en Actividad 3 (ruta relativa en la misma carpeta)
cohorte_E <- as.data.table(readRDS(ruta_cache_local))
n_01_bruta <- 1085813L
n_dup <- 330L
n_02_sin_dup <- 1085483L
n_cma <- 211712L
n_03_egresos <- 873771L
n_excl_calidad <- 53L
N_omega <- 873718L
}
n_E <- nrow(cohorte_E)
n_Ep <- sum(cohorte_E$E_p)
n_Es <- sum(cohorte_E$E_s)
tabla_trazabilidad <- tibble(
Etapa = c(
"1. Base bruta GRD 2024",
"2. Eliminación de duplicados exactos (!duplicated)",
"3. Exclusión de Cirugía Mayor Ambulatoria (CMA)",
"4. Exclusión por estancia (< 0 o NA) o edad incompatible (< 0 o > 110) [Espacio muestral Ω]",
"5. Cohorte final E: Episodios con Catarata Senil (H25) — Sin cambios respecto de Actividad 3",
" 5a. Subcohorte Ep: H25 como diagnóstico principal (DIAGNOSTICO1)",
" 5b. Subcohorte Es: H25 solo como diagnóstico secundario (DIAGNOSTICO2..35)"
),
Registros = c(
format(n_01_bruta, big.mark = "."),
paste0(format(n_02_sin_dup, big.mark = "."), " (-", n_dup, ")"),
paste0(format(n_03_egresos, big.mark = "."), " (-", format(n_cma, big.mark = "."), ")"),
paste0(format(N_omega, big.mark = "."), " (-", n_excl_calidad, ")"),
paste0(n_E, " episodios (0,0445% de Ω)"),
paste0(n_Ep, " episodios (27,76% de E)"),
paste0(n_Es, " episodios (72,24% de E)")
)
)
kable(
tabla_trazabilidad,
col.names = c("Etapa del flujo de depuración (consolidado en Actividad 3)", "Tamaño resultante"),
align = c("l", "r"),
caption = "Tabla 1A: Confirmación del espacio muestral Ω y tamaño final de la cohorte E."
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = FALSE)| Etapa del flujo de depuración (consolidado en Actividad 3) | Tamaño resultante |
|---|---|
|
1.085.813 |
|
1.085.483 (-330) |
|
873.771 (-211.712) |
|
873.718 (-53) |
|
389 episodios (0,0445% de Ω) |
| 5a. Subcohorte Ep: H25 como diagnóstico principal (DIAGNOSTICO1) | 108 episodios (27,76% de E) |
| 5b. Subcohorte Es: H25 solo como diagnóstico secundario (DIAGNOSTICO2..35) | 281 episodios (72,24% de E) |
# Verificación empírica 1 (retroalimentación Actividad 3): Efecto de los 13 feriados oficiales (Lun-Vie) de 2024
dias_2024 <- seq(as.Date("2024-01-01"), as.Date("2024-12-31"), by = "day")
conteo_diario_E <- as.integer(table(factor(as.character(as.Date(cohorte_E$f_alta)), levels = as.character(dias_2024))))
wday_2024 <- as.integer(format(dias_2024, "%u"))
es_finde_2024 <- wday_2024 %in% c(6, 7)
feriados_lv_2024 <- as.Date(c(
"2024-01-01", "2024-03-29", "2024-05-01", "2024-05-21", "2024-06-20",
"2024-07-16", "2024-08-15", "2024-09-18", "2024-09-19", "2024-09-20",
"2024-10-31", "2024-11-01", "2024-12-25"
))
es_feriado_lv <- dias_2024 %in% feriados_lv_2024
es_habil_efectivo <- (!es_finde_2024) & (!es_feriado_lv)
resumir_estrato_dias <- function(nombre, idx) {
x <- conteo_diario_E[idx]
tibble(
Estrato = nombre,
Dias = length(x),
Egresos = sum(x),
Media = sprintf("%.4f", mean(x)),
Varianza = sprintf("%.4f", var(x)),
ID_Var_Media = sprintf("%.4f", var(x) / mean(x)),
Dias_Cero = sprintf("%d (%.2f%%)", sum(x == 0), mean(x == 0) * 100)
)
}
tabla_feriados_act3 <- bind_rows(
resumir_estrato_dias("1. Año 2024 completo (todos los días)", rep(TRUE, 366)),
resumir_estrato_dias("2. Lunes a viernes (todos, incluyendo feriados)", !es_finde_2024),
resumir_estrato_dias(" 2a. Días hábiles efectivos (Lun–Vie sin feriados)", es_habil_efectivo),
resumir_estrato_dias(" 2b. Feriados nacionales en Lun–Vie (13 feriados oficiales)", es_feriado_lv),
resumir_estrato_dias("3. Sábados y domingos (fines de semana)", es_finde_2024),
resumir_estrato_dias("4. Total días no laborales (Fines de semana + Feriados Lun–Vie)", es_finde_2024 | es_feriado_lv)
)
kable(
tabla_feriados_act3,
col.names = c("Estrato del calendario 2024", "Días", "Egresos H25", "Media diaria", "Varianza s²", "Índice disp. (s²/Media)", "Días con 0 egresos"),
align = c("l", "r", "r", "r", "r", "r", "r"),
caption = "Tabla 1B: Verificación con datos del efecto de los 13 feriados de lunes a viernes sobre los egresos diarios de la cohorte E en 2024 (corrección de la Actividad 3)."
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)| Estrato del calendario 2024 | Días | Egresos H25 | Media diaria | Varianza s² | Índice disp. (s²/Media) | Días con 0 egresos |
|---|---|---|---|---|---|---|
|
366 | 389 | 1.0628 | 1.4728 | 1.3857 | 147 (40.16%) |
|
262 | 347 | 1.3244 | 1.6300 | 1.2307 | 77 (29.39%) |
| 2a. Días hábiles efectivos (Lun–Vie sin feriados) | 249 | 341 | 1.3695 | 1.6533 | 1.2072 | 69 (27.71%) |
| 2b. Feriados nacionales en Lun–Vie (13 feriados oficiales) | 13 | 6 | 0.4615 | 0.4359 | 0.9444 | 8 (61.54%) |
|
104 | 42 | 0.4038 | 0.4761 | 1.1789 | 70 (67.31%) |
|
117 | 48 | 0.4103 | 0.4682 | 1.1412 | 78 (66.67%) |
# Verificación empírica 2 (retroalimentación Actividad 3): Identificación de reingresos con ID_BENEFICIARIO
if ("ID_BENEFICIARIO" %in% names(cohorte_E) && any(!is.na(cohorte_E$ID_BENEFICIARIO) & cohorte_E$ID_BENEFICIARIO != "")) {
id_vec_E <- as.character(cohorte_E$ID_BENEFICIARIO)
fuente_id_txt <- "ID_BENEFICIARIO oficial de la base GRD"
} else {
id_vec_E <- paste(cohorte_E$SEXO, cohorte_E$FECHA_NACIMIENTO, cohorte_E$SERVICIO_SALUD, sep = "|")
fuente_id_txt <- "Perfil individual (ID_BENEFICIARIO / SEXO + FECHA_NACIMIENTO + SERVICIO_SALUD)"
}
cohorte_E[, id_indiv := id_vec_E]
tab_id_E <- table(cohorte_E$id_indiv)
n_benef_unicos <- length(tab_id_E)
n_benef_1ep <- sum(tab_id_E == 1)
n_benef_reing <- sum(tab_id_E > 1)
n_episodios_reing <- sum(tab_id_E[tab_id_E > 1])
n_reing_extra <- n_E - n_benef_unicos
ids_repetidos <- names(tab_id_E[tab_id_E > 1])
n_ep_reing_Ep <- sum(cohorte_E$id_indiv %in% ids_repetidos & cohorte_E$E_p)
n_ep_reing_Es <- sum(cohorte_E$id_indiv %in% ids_repetidos & cohorte_E$E_s)
tabla_reingresos_E <- tibble(
Categoria = c(
"Total de episodios de egreso en la cohorte E (unidad de análisis)",
"Beneficiarios únicos identificados en la cohorte E",
"Beneficiarios con exactamente 1 episodio en 2024 (sin reingreso)",
"Beneficiarios con 2 o más episodios en 2024 (con reingreso en la cohorte)",
"Total de episodios involucrados en trayectorias de múltiples ingresos (Ep vs Es)"
),
Conteo = c(
sprintf("%d episodios (100,00%%)", n_E),
sprintf("%d beneficiarios únicos (%.2f%% del total de episodios)", n_benef_unicos, (n_benef_unicos / n_E) * 100),
sprintf("%d beneficiarios (%.2f%% de los beneficiarios)", n_benef_1ep, (n_benef_1ep / n_benef_unicos) * 100),
sprintf("%d beneficiarios (%d reingresos adicionales en el año)", n_benef_reing, n_reing_extra),
sprintf("%d episodios (%.2f%% de E: %d en Ep y %d en Es)", n_episodios_reing, (n_episodios_reing / n_E) * 100, n_ep_reing_Ep, n_ep_reing_Es)
)
)
kable(
tabla_reingresos_E,
col.names = c(paste0("Trazabilidad de reingresos en la cohorte E (", fuente_id_txt, ")"), "Magnitud observada en 2024"),
align = c("l", "r"),
caption = "Tabla 1C: Cuantificación empírica de beneficiarios únicos y episodios de reingreso dentro de los 389 episodios de la cohorte E (corrección de la Actividad 3)."
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = FALSE)| Trazabilidad de reingresos en la cohorte E (ID_BENEFICIARIO oficial de la base GRD) | Magnitud observada en 2024 |
|---|---|
| Total de episodios de egreso en la cohorte E (unidad de análisis) | 389 episodios (100,00%) |
| Beneficiarios únicos identificados en la cohorte E | 367 beneficiarios únicos (94.34% del total de episodios) |
| Beneficiarios con exactamente 1 episodio en 2024 (sin reingreso) | 348 beneficiarios (94.82% de los beneficiarios) |
| Beneficiarios con 2 o más episodios en 2024 (con reingreso en la cohorte) | 19 beneficiarios (22 reingresos adicionales en el año) |
| Total de episodios involucrados en trayectorias de múltiples ingresos (Ep vs Es) | 41 episodios (10.54% de E: 12 en Ep y 29 en Es) |
Interpretación de las Tablas 1A, 1B y 1C:
ID_BENEFICIARIO): Los \(389\) episodios de la cohorte corresponden
a 367 beneficiarios distintos, de los cuales
348 (94.82%) registran un único egreso en 2024 y
19 beneficiarios presentan \(2\) o más episodios en el año (involucrando
41 episodios, el 10.54% de la cohorte: 12 en \(E_p\) por cirugía bilateral en tiempos
distintos y 29 en \(E_s\) por
rehospitalizaciones de patología crónica).En el paso al modelamiento continuo, la probabilidad puntual de cualquier valor aislado es nula (\(P(X = x) = 0\)) y las probabilidades se definen integrando la función de densidad \(f(x)\) sobre intervalos (\(P(a < X \le b) = F(b) - F(a)\)). La Tabla 2 define las cinco variables continuas del estudio, su experimento generador sobre los episodios de la cohorte \(E\), su soporte matemático, la distribución propuesta con el origen de sus parámetros y las funciones utilizadas en R.
W <- cohorte_E$estancia
cohorte_E[, U_dia := as.numeric(f_alta - as.Date("2024-01-01")) + 1]
U <- cohorte_E$U_dia
fechas_ordenadas <- sort(cohorte_E$f_alta)
G <- as.numeric(diff(fechas_ordenadas))
n_G <- length(G)
mu_W <- mean(W)
sd_W <- sd(W)
var_W <- var(W)
# Tratamiento de ceros en W para Lognormal: sustitución de W = 0 (8 episodios) por 0,5 días (medio día de estancia)
W_pos_ln <- ifelse(W == 0, 0.5, W)
meanlog_W <- mean(log(W_pos_ln))
sdlog_W <- sd(log(W_pos_ln))
lambda_G <- 1 / mean(G)
tabla_vars_cont <- tibble(
Variable = c("W", "U", "G", "V", "W̄_n (n = 5 y n = 30)"),
Experimento = c(
"Elegir 1 episodio al azar de la cohorte E (n_E = 389) y medir su estancia hospitalaria en días (FECHAALTA - FECHA_INGRESO).",
"Elegir 1 episodio al azar de la cohorte E y registrar el día del año bisiesto 2024 en que ocurre su fecha de egreso (FECHAALTA).",
"Ordenar cronológicamente los 389 episodios de la cohorte E por fecha de egreso y medir el tiempo en días entre dos egresos consecutivos (n_G = 388 intervalos).",
"Elegir 1 episodio al azar de la cohorte E y modelar su estancia en días mediante una curva de densidad paramétrica.",
"Seleccionar al azar con reposición n episodios de la cohorte E (n = 5 y n = 30) y calcular el promedio muestral de sus estancias en días."
),
Soporte = c(
"[0, ∞) (observado: 0 a 197 días)",
"[0, 366] (observado: día 4 a día 366)",
"[0, ∞) (observado: 0 a 7 días)",
"Normal: (-∞, ∞) ; Lognormal: (0, ∞)",
"[0, ∞) (aprox. TCL en (-∞, ∞))"
),
Modelo_y_Parametros = c(
"Distribución empírica continua: densidad kernel density(W) y acumulada empírica ecdf(W) sobre n_E = 389 episodios.",
"Uniforme(a = 0, b = 366), con densidad constante f(u) = 1/366 sobre los 366 días de 2024.",
sprintf("Exponencial(rate = λ), con λ = 1 / mean(G) = 388 / 362 = %.6f egresos/día (media = %.4f días).", lambda_G, mean(G)),
sprintf("Normal(μ = %.4f, σ = %.4f) sobre n_E = 389 ; Lognormal(μ_ℓ = %.4f, σ_ℓ = %.4f) con W=0 tratado como 0,5 días.", mu_W, sd_W, meanlog_W, sdlog_W),
sprintf("Normal(μ = %.4f, σ/√n) por el TCL: DE = %.4f para n = 5 y DE = %.4f para n = 30.", mu_W, sd_W / sqrt(5), sd_W / sqrt(30))
),
Calculo_en_R = c(
"density(W), ecdf(W), mean(W), var(W), quantile(W), mean(W > k)",
"dunif(u, 0, 366), punif(u, 0, 366), qunif(p, 0, 366), runif(B, 0, 366)",
"dexp(g, rate = λ), pexp(g, rate = λ), qexp(p, rate = λ), rexp(B, rate = λ)",
"dnorm(x, mean=μ, sd=σ), pnorm, qnorm ; dlnorm(x, meanlog=μ_ℓ, sdlog=σ_ℓ), plnorm, qlnorm",
"replicate(10000, mean(sample(W, n, replace=TRUE))) ; dnorm/pnorm(x, mean=μ, sd=σ/√n)"
)
)
kable(
tabla_vars_cont,
col.names = c("Variable", "Experimento aleatorio (unidad: episodio)", "Soporte", "Modelo propuesto y origen de parámetros", "Funciones y cálculo en R"),
caption = "Tabla 2: Definición operacional de las variables aleatorias continuas, soporte, parametrización y cálculo en R."
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)| Variable | Experimento aleatorio (unidad: episodio) | Soporte | Modelo propuesto y origen de parámetros | Funciones y cálculo en R |
|---|---|---|---|---|
| W | Elegir 1 episodio al azar de la cohorte E (n_E = 389) y medir su estancia hospitalaria en días (FECHAALTA - FECHA_INGRESO). | [0, ∞) (observado: 0 a 197 días) | Distribución empírica continua: densidad kernel density(W) y acumulada empírica ecdf(W) sobre n_E = 389 episodios. | density(W), ecdf(W), mean(W), var(W), quantile(W), mean(W > k) |
| U | Elegir 1 episodio al azar de la cohorte E y registrar el día del año bisiesto 2024 en que ocurre su fecha de egreso (FECHAALTA). | [0, 366] (observado: día 4 a día 366) | Uniforme(a = 0, b = 366), con densidad constante f(u) = 1/366 sobre los 366 días de 2024. | dunif(u, 0, 366), punif(u, 0, 366), qunif(p, 0, 366), runif(B, 0, 366) |
| G | Ordenar cronológicamente los 389 episodios de la cohorte E por fecha de egreso y medir el tiempo en días entre dos egresos consecutivos (n_G = 388 intervalos). | [0, ∞) (observado: 0 a 7 días) | Exponencial(rate = λ), con λ = 1 / mean(G) = 388 / 362 = 1.071823 egresos/día (media = 0.9330 días). | dexp(g, rate = λ), pexp(g, rate = λ), qexp(p, rate = λ), rexp(B, rate = λ) |
| V | Elegir 1 episodio al azar de la cohorte E y modelar su estancia en días mediante una curva de densidad paramétrica. | Normal: (-∞, ∞) ; Lognormal: (0, ∞) | Normal(μ = 9.9280, σ = 20.0382) sobre n_E = 389 ; Lognormal(μ_ℓ = 1.4871, σ_ℓ = 1.1868) con W=0 tratado como 0,5 días. | dnorm(x, mean=μ, sd=σ), pnorm, qnorm ; dlnorm(x, meanlog=μ_ℓ, sdlog=σ_ℓ), plnorm, qlnorm |
| W̄_n (n = 5 y n = 30) | Seleccionar al azar con reposición n episodios de la cohorte E (n = 5 y n = 30) y calcular el promedio muestral de sus estancias en días. | [0, ∞) (aprox. TCL en (-∞, ∞)) | Normal(μ = 9.9280, σ/√n) por el TCL: DE = 8.9614 para n = 5 y DE = 3.6585 para n = 30. | replicate(10000, mean(sample(W, n, replace=TRUE))) ; dnorm/pnorm(x, mean=μ, sd=σ/√n) |
Interpretación de la Tabla 2 y declaración de parámetros en R:
Se deja constancia explícita de las convenciones empleadas en las
funciones de R a lo largo de todo el informe: - En la distribución
Exponencial (dexp, pexp,
qexp, rexp), el argumento rate
recibe la tasa \(\hat{\lambda}_G = 1 /
\bar{G} = 1,071823\) egresos/día, y no el promedio \(\bar{G} = 0,932990\) días. - En la
distribución Normal (dnorm,
pnorm, qnorm, rnorm), el
argumento sd recibe la desviación estándar \(\hat{\sigma} = 20,0382\) días (o
el error estándar \(\hat{\sigma}/\sqrt{n}\) en el TCL), y nunca
la varianza \(\hat{\sigma}^2 =
401,5309\) días\(^2\). - En la
distribución Lognormal (dlnorm,
plnorm, qlnorm, rlnorm), los
argumentos meanlog y sdlog reciben la media
\(\hat{\mu}_\ell = 1,4871\) y la
desviación estándar \(\hat{\sigma}_\ell =
1,1868\) calculadas sobre el logaritmo natural de las
estancias \(\ln(W^*)\), y no
sobre la escala original en días.
density(), acumulada empírica ecdf()
y estadísticos de \(W\)Analizamos la variable aleatoria \(W\) (estancia hospitalaria en días de un
episodio elegido al azar de la cohorte \(E\), \(n_E =
389\)). Para superponer correctamente la curva de densidad kernel
obtenida con density(W, from = 0) sobre el histograma, este
último se reescala obligatoriamente a densidad
(aes(y = after_stat(density)), equivalente a
freq = FALSE), de modo que el área total bajo las barras y
bajo la curva integre a \(1\).
Asimismo, construimos la función de distribución acumulada empírica
\(\hat{F}_W(w) = \frac{1}{n_E}\sum_{i=1}^{n_E}
\mathbb{I}(W_i \le w)\) mediante ecdf(W).
q_W <- quantile(W, probs = c(0.10, 0.25, 0.50, 0.75, 0.90))
p_W_gt_7 <- mean(W > 7)
p_W_gt_14 <- mean(W > 14)
p_W_gt_30 <- mean(W > 30)
tabla_resumen_W <- tibble(
Estadistico = c(
"Tamaño de la cohorte (n_E) y rango observado [mín, máx]",
"Episodios con estancia de 0 días (ingreso y alta el mismo día)",
"Esperanza empírica E[W] con mean(W)",
"Varianza empírica Var[W] con var(W) y desviación estándar con sd(W)",
"Percentil 10 (P10) con quantile(W, 0.10)",
"Percentil 25 / Primer cuartil (P25) con quantile(W, 0.25)",
"Mediana / Percentil 50 (P50) con median(W) y quantile(W, 0.50)",
"Percentil 75 / Tercer cuartil (P75) con quantile(W, 0.75) [RIC = P75 - P25]",
"Percentil 90 (P90) con quantile(W, 0.90)",
"P(W > 7 días): Proporción de episodios con estancia larga (corte P75 de Ω)",
"P(W > 14 días): Proporción de episodios con estancia superior a 2 semanas",
"P(W > 30 días): Proporción de episodios con estancia superior a 1 mes"
),
Valor = c(
sprintf("%d episodios ; [%g, %g] días", n_E, min(W), max(W)),
sprintf("%d episodios (%.2f%% de la cohorte E)", sum(W == 0), mean(W == 0) * 100),
sprintf("%.4f días", mu_W),
sprintf("Var[W] = %.4f días² (DE = %.4f días)", var_W, sd_W),
sprintf("%.2f días", q_W[1]),
sprintf("%.2f días", q_W[2]),
sprintf("%.2f días", q_W[3]),
sprintf("%.2f días (RIC = %.2f días)", q_W[4], q_W[4] - q_W[2]),
sprintf("%.2f días", q_W[5]),
sprintf("%d / %d = %.4f (%.2f%%)", sum(W > 7), n_E, p_W_gt_7, p_W_gt_7 * 100),
sprintf("%d / %d = %.4f (%.2f%%)", sum(W > 14), n_E, p_W_gt_14, p_W_gt_14 * 100),
sprintf("%d / %d = %.4f (%.2f%%)", sum(W > 30), n_E, p_W_gt_30, p_W_gt_30 * 100)
)
)
kable(
tabla_resumen_W,
col.names = c("Indicador descriptivo y de probabilidad sobre W", "Valor en la cohorte E (n_E = 389)"),
align = c("l", "r"),
caption = "Tabla 3: Esperanza, varianza, cuantiles (P10, P25, P50, P75, P90) y probabilidades de cola de la estancia hospitalaria W."
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = FALSE)| Indicador descriptivo y de probabilidad sobre W | Valor en la cohorte E (n_E = 389) |
|---|---|
| Tamaño de la cohorte (n_E) y rango observado [mín, máx] | 389 episodios ; [0, 197] días |
| Episodios con estancia de 0 días (ingreso y alta el mismo día) | 8 episodios (2.06% de la cohorte E) |
| Esperanza empírica E[W] con mean(W) | 9.9280 días |
| Varianza empírica Var[W] con var(W) y desviación estándar con sd(W) | Var[W] = 401.5309 días² (DE = 20.0382 días) |
| Percentil 10 (P10) con quantile(W, 0.10) | 1.00 días |
| Percentil 25 / Primer cuartil (P25) con quantile(W, 0.25) | 2.00 días |
| Mediana / Percentil 50 (P50) con median(W) y quantile(W, 0.50) | 4.00 días |
| Percentil 75 / Tercer cuartil (P75) con quantile(W, 0.75) [RIC = P75 - P25] | 10.00 días (RIC = 8.00 días) |
| Percentil 90 (P90) con quantile(W, 0.90) | 19.20 días |
| P(W > 7 días): Proporción de episodios con estancia larga (corte P75 de Ω) | 121 / 389 = 0.3111 (31.11%) |
| P(W > 14 días): Proporción de episodios con estancia superior a 2 semanas | 59 / 389 = 0.1517 (15.17%) |
| P(W > 30 días): Proporción de episodios con estancia superior a 1 mes | 25 / 389 = 0.0643 (6.43%) |
# Cálculo explícito con density() y ecdf()
dens_W <- density(W, from = 0)
df_dens_W <- tibble(x = dens_W$x, y = dens_W$y)
ecdf_W <- ecdf(W)
x_grid_W <- seq(0, max(W), by = 1)
df_ecdf_W <- tibble(x = x_grid_W, F_x = ecdf_W(x_grid_W))
ggplot(cohorte_E, aes(x = estancia)) +
geom_histogram(aes(y = after_stat(density)), binwidth = 3, boundary = 0, fill = "#2b5c8f", color = "white", alpha = 0.75) +
geom_line(data = df_dens_W, aes(x = x, y = y, color = "Densidad empírica density(W)"), linewidth = 1.15) +
geom_vline(aes(xintercept = median(W), color = "Mediana (4,00 días)"), linetype = "dashed", linewidth = 0.9) +
geom_vline(aes(xintercept = mean(W), color = "Media E[W] (9,93 días)"), linetype = "solid", linewidth = 0.9) +
scale_color_manual(values = c(
"Densidad empírica density(W)" = "#c0392b",
"Mediana (4,00 días)" = "#1e8449",
"Media E[W] (9,93 días)" = "#d35400"
)) +
coord_cartesian(xlim = c(0, 100)) +
theme_minimal(base_size = 11) +
theme(legend.position = "top") +
labs(
title = "Figura 1A: Histograma de densidad (freq = FALSE) y curva empírica density(W)",
subtitle = "Cohorte Catarata Senil (H25), n_E = 389 episodios (vista principal 0 a 100 días; máx = 197 días)",
x = "Estancia hospitalaria W (días)",
y = "Densidad f(w)",
color = "Referencia:"
)ggplot(df_ecdf_W, aes(x = x, y = F_x)) +
geom_step(color = "#1f618d", linewidth = 1.1) +
geom_hline(yintercept = c(0.50, 0.90), linetype = "dotted", color = "gray40") +
geom_vline(xintercept = c(q_W[3], q_W[5]), linetype = "dashed", color = c("#1e8449", "#c0392b")) +
annotate("text", x = 35, y = 0.53, label = "Mediana P50 = 4,0 días", color = "#1e8449", fontface = "bold", size = 3.4) +
annotate("text", x = 45, y = 0.93, label = "Percentil 90 = 19,2 días", color = "#c0392b", fontface = "bold", size = 3.4) +
scale_x_continuous(breaks = seq(0, 200, by = 20)) +
scale_y_continuous(labels = scales::percent_format(accuracy = 1)) +
theme_minimal(base_size = 11) +
labs(
title = "Figura 1B: Función de distribución acumulada empírica obtenida con ecdf(W)",
subtitle = "Probabilidad acumulada P(W ≤ w) sobre todo el rango observado [0, 197] días",
x = "Estancia hospitalaria w (días)",
y = "F_hat(w) = P(W ≤ w)"
)Interpretación de la Tabla 3 y lectura de la forma en las Figuras 1A y 1B:
density() y
ecdf(): En la Figura 1A se observa un pico agudo
de densidad entre \(1\) y \(3\) días (correspondiente a cirugías
programadas e internaciones breves), seguido de un decaimiento monótono
con cola derecha extendida. En la Figura 1B, la curva
ecdf(W) muestra un ascenso muy empinado en los primeros
\(10\) días (acumulando el \(75\%\) de los episodios) y permite leer
directamente las probabilidades de cola: el \(31,11\%\) de los episodios supera
el umbral de estancia larga de \(k =
7\) días (\(P(W > 7) = 121 /
389\)), el \(15,17\%\) supera las dos semanas
(\(P(W > 14) = 59 / 389\)) y el
\(10\%\) de episodios más
largos supera los \(P_{90} = 19,20\)
días.Desglosamos la estancia \(W\) según el rol diagnóstico de la Catarata Senil en el episodio: diagnóstico principal (\(E_p\), \(n = 108\)) frente a diagnóstico secundario (\(E_s\), \(n = 281\)).
tabla_W_rol <- cohorte_E %>%
mutate(Rol = ifelse(E_p, "Ep: H25 Diagnóstico Principal (n = 108)", "Es: H25 Diagnóstico Secundario (n = 281)")) %>%
group_by(Rol) %>%
summarise(
n = n(),
Media = mean(estancia),
DE = sd(estancia),
Varianza = var(estancia),
P10 = quantile(estancia, 0.10),
P25 = quantile(estancia, 0.25),
Mediana = median(estancia),
P75 = quantile(estancia, 0.75),
P90 = quantile(estancia, 0.90),
Max = max(estancia),
`P(W > 7)` = sprintf("%.2f%%", mean(estancia > 7) * 100),
`P(W > 14)` = sprintf("%.2f%%", mean(estancia > 14) * 100),
.groups = "drop"
)
kable(
tabla_W_rol,
digits = 2,
col.names = c("Subcohorte por rol diagnóstico", "n", "Media", "DE", "Varianza", "P10", "P25", "Mediana", "P75", "P90", "Máx", "P(W > 7d)", "P(W > 14d)"),
align = c("l", "r", "r", "r", "r", "r", "r", "r", "r", "r", "r", "r", "r"),
caption = "Tabla 4: Comparación de momentos, cuantiles y probabilidades de cola de la estancia W entre Ep (Principal) y Es (Secundario)."
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)| Subcohorte por rol diagnóstico | n | Media | DE | Varianza | P10 | P25 | Mediana | P75 | P90 | Máx | P(W > 7d) | P(W > 14d) |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Ep: H25 Diagnóstico Principal (n = 108) | 108 | 2.49 | 3.17 | 10.05 | 1 | 1 | 1.5 | 2 | 5 | 24 | 5.56% | 1.85% |
| Es: H25 Diagnóstico Secundario (n = 281) | 281 | 12.79 | 22.87 | 523.03 | 2 | 3 | 7.0 | 12 | 27 | 197 | 40.93% | 20.28% |
dens_Ep <- density(cohorte_E$estancia[cohorte_E$E_p], from = 0, to = 60)
dens_Es <- density(cohorte_E$estancia[cohorte_E$E_s], from = 0, to = 60)
df_dens_roles <- bind_rows(
tibble(x = dens_Ep$x, y = dens_Ep$y, Rol = "Ep: H25 Principal (n = 108; Mediana = 1,5 d, Media = 2,49 d)"),
tibble(x = dens_Es$x, y = dens_Es$y, Rol = "Es: H25 Secundario (n = 281; Mediana = 7,0 d, Media = 12,79 d)")
)
ggplot(df_dens_roles, aes(x = x, y = y, color = Rol, fill = Rol)) +
geom_area(alpha = 0.30, position = "identity") +
geom_line(linewidth = 1.15) +
scale_color_manual(values = c(
"Ep: H25 Principal (n = 108; Mediana = 1,5 d, Media = 2,49 d)" = "#2b5c8f",
"Es: H25 Secundario (n = 281; Mediana = 7,0 d, Media = 12,79 d)" = "#e67e22"
)) +
scale_fill_manual(values = c(
"Ep: H25 Principal (n = 108; Mediana = 1,5 d, Media = 2,49 d)" = "#2b5c8f",
"Es: H25 Secundario (n = 281; Mediana = 7,0 d, Media = 12,79 d)" = "#e67e22"
)) +
scale_x_continuous(breaks = seq(0, 60, by = 5)) +
theme_minimal(base_size = 11) +
theme(legend.position = "top") +
labs(
title = "Figura 2: Comparación de la densidad empírica de W por separado para Ep y Es",
subtitle = "Ep presenta una densidad altamente concentrada en 1-2 días; Es se extiende con cola pesada",
x = "Estancia hospitalaria W (días, ventana 0 a 60 días)",
y = "Densidad empírica f(w)",
color = "Subcohorte:",
fill = "Subcohorte:"
)Interpretación de la Tabla 4 y Figura 2: La comparación por rol diagnóstico demuestra que la cola derecha de \(W\) proviene casi íntegramente de la subcohorte secundaria \(E_s\):
H25 principal, \(n =
108\)), los episodios corresponden a resoluciones
oftalmológicas acotadas: el \(75\%\)
dura a lo sumo \(2,00\)
días (\(P_{25} = 1,00\),
mediana \(= 1,50\), \(P_{75} = 2,00\) días), el percentil 90 es
de apenas \(5,00\)
días, la media es de \(2,49\) días (\(\text{Var} = 10,05\)) y solo el
\(5,56\%\) supera los
\(7\) días.H25 secundario, \(n =
281\)), la estancia está gobernada por la enfermedad
principal que motivó la hospitalización (cardiovascular, respiratoria,
metabólica o quirúrgica mayor): la mediana sube a \(7,00\) días, la media se
quintuplica hasta \(12,79\)
días, la varianza se multiplica por más de cincuenta
(\(\text{Var} = 523,03\)
días\(^2\), \(\text{DE} = 22,87\)), el percentil 90
alcanza \(27,00\) días
y el \(40,93\%\) de
los episodios supera los \(7\) días de
internación.Si los egresos de la cohorte \(E\)
ocurrieran con intensidad constante a lo largo del año bisiesto 2024 sin
ningún patrón estacional, el día del año \(U\) en que cae la fecha de egreso
(FECHAALTA) se comportaría como una variable continua \(U \sim \text{Uniforme}(0, 366)\), con
función de densidad constante \(f(u) =
\frac{1}{366} \approx 0,002732\) y función de distribución
acumulada lineal \(F(u) =
\frac{u}{366}\) para \(0 \le u \le
366\). Calculamos con dunif, punif y
qunif las métricas exigidas y las contrastamos con los
valores observados en los \(389\)
episodios.
a_unif <- 0
b_unif <- 366
dens_unif <- dunif(183, min = a_unif, max = b_unif)
p_U_le_90_teo <- punif(90, min = a_unif, max = b_unif)
p_U_181_273_teo <- punif(273, min = a_unif, max = b_unif) - punif(181, min = a_unif, max = b_unif)
med_U_teo <- qunif(0.50, min = a_unif, max = b_unif)
EU_teo <- (a_unif + b_unif) / 2
VarU_teo <- ((b_unif - a_unif)^2) / 12
p_U_le_90_obs <- mean(U <= 90)
p_U_181_273_obs <- mean(U > 181 & U <= 273)
med_U_obs <- median(U)
EU_obs <- mean(U)
VarU_obs <- var(U)
tabla_uniforme_comp <- tibble(
Metrica = c(
"Función de densidad f(u) en [0, 366]: dunif(u, 0, 366)",
"Función de distribución acumulada F(u): punif(u, 0, 366)",
"P(U ≤ 90) [Primeros 90 días del año]: punif(90, 0, 366)",
"P(181 < U ≤ 273) [92 días centrales/T3]: punif(273, 0, 366) - punif(181, 0, 366)",
"Mediana de U (Percentil 50): qunif(0.50, 0, 366)",
"Esperanza E[U] = (a + b) / 2",
"Varianza Var[U] = (b - a)² / 12 y Desviación Estándar"
),
Teorico_Uniforme = c(
sprintf("1 / 366 = %.6f día⁻¹", dens_unif),
"F(u) = u / 366 (crecimiento lineal uniforme)",
sprintf("90 / 366 = %.6f (%.2f%%)", p_U_le_90_teo, p_U_le_90_teo * 100),
sprintf("92 / 366 = %.6f (%.2f%%)", p_U_181_273_teo, p_U_181_273_teo * 100),
sprintf("%.2f (día 183: 1 de julio)", med_U_teo),
sprintf("%.4f (día 183)", EU_teo),
sprintf("%.4f días² (DE = %.2f días)", VarU_teo, sqrt(VarU_teo))
),
Observado_Datos = c(
sprintf("Rango empírico: día %d (4 ene) a día %d (31 dic)", min(U), max(U)),
"ecdf(U): convexa en T1 y empinada en T4",
sprintf("%d / %d = %.6f (%.2f%%)", sum(U <= 90), n_E, p_U_le_90_obs, p_U_le_90_obs * 100),
sprintf("%d / %d = %.6f (%.2f%%)", sum(U > 181 & U <= 273), n_E, p_U_181_273_obs, p_U_181_273_obs * 100),
sprintf("%.2f (día 216: 3 de agosto)", med_U_obs),
sprintf("%.4f (día 208,5: 26 de julio)", EU_obs),
sprintf("%.4f días² (DE = %.2f días)", VarU_obs, sd(U))
),
Diferencia = c(
"—",
"—",
sprintf("%+.2f pp (%+.2f eg.)", (p_U_le_90_obs - p_U_le_90_teo) * 100, sum(U <= 90) - n_E * p_U_le_90_teo),
sprintf("%+.2f pp (%+.2f eg.)", (p_U_181_273_obs - p_U_181_273_teo) * 100, sum(U > 181 & U <= 273) - n_E * p_U_181_273_teo),
sprintf("%+.2f días", med_U_obs - med_U_teo),
sprintf("%+.4f días", EU_obs - EU_teo),
sprintf("%+.2f días²", VarU_obs - VarU_teo)
)
)
kable(
tabla_uniforme_comp,
col.names = c("Propiedad / Probabilidad de intervalo", "Modelo Uniforme(0, 366)", "Datos observados en cohorte E (n_E = 389)", "Diferencia (Obs - Teo)"),
align = c("l", "r", "r", "r"),
caption = "Tabla 5: Densidad, acumulada, probabilidades de intervalos, mediana, esperanza y varianza de U ~ Uniforme(0, 366) frente a los datos reales."
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)| Propiedad / Probabilidad de intervalo | Modelo Uniforme(0, 366) | Datos observados en cohorte E (n_E = 389) | Diferencia (Obs - Teo) |
|---|---|---|---|
| Función de densidad f(u) en [0, 366]: dunif(u, 0, 366) | 1 / 366 = 0.002732 día⁻¹ | Rango empírico: día 4 (4 ene) a día 366 (31 dic) | — |
| Función de distribución acumulada F(u): punif(u, 0, 366) | F(u) = u / 366 (crecimiento lineal uniforme) | ecdf(U): convexa en T1 y empinada en T4 | — |
| P(U ≤ 90) [Primeros 90 días del año]: punif(90, 0, 366) | 90 / 366 = 0.245902 (24.59%) | 54 / 389 = 0.138817 (13.88%) | -10.71 pp (-41.66 eg.) |
| P(181 < U ≤ 273) [92 días centrales/T3]: punif(273, 0, 366) - punif(181, 0, 366) | 92 / 366 = 0.251366 (25.14%) | 100 / 389 = 0.257069 (25.71%) | +0.57 pp (+2.22 eg.) |
| Mediana de U (Percentil 50): qunif(0.50, 0, 366) | 183.00 (día 183: 1 de julio) | 216.00 (día 216: 3 de agosto) | +33.00 días |
| Esperanza E[U] = (a + b) / 2 | 183.0000 (día 183) | 208.4781 (día 208,5: 26 de julio) | +25.4781 días |
| Varianza Var[U] = (b - a)² / 12 y Desviación Estándar | 11163.0000 días² (DE = 105.66 días) | 10217.1728 días² (DE = 101.08 días) | -945.83 días² |
Interpretación de la Tabla 5 y verificación a mano:
punif(90, 0, 366). Sin embargo, en los datos reales solo
egresaron \(54\) episodios en los
primeros \(90\) días (\(13,88\%\), es decir, \(10,71\) puntos porcentuales por
debajo de lo esperado por la Uniforme).punif(273, 0, 366) - punif(181, 0, 366). En ese
tramo (que coincide con los \(92\) días
del tercer trimestre, julio a septiembre), los datos observan \(100\) episodios (\(25,71\%\)), muy cercano al valor
uniforme.Dado que la cohorte tiene \(n_E = 389\) episodios (\(\approx 32,4\) episodios esperados por mes), atendemos la nota metodológica de la guía (“Si tiene pocos episodios, los conteos mensuales quedan muy variables. Agrupe por trimestre en vez de mes, e indíquelo en el texto”) presentando tanto la agrupación por trimestre (que estabiliza los conteos en \(\approx 97\) episodios esperados por trimestre) como el desglose mensual de los \(12\) meses de 2024, junto con los gráficos de densidad/acumulada y de frecuencias observadas vs esperadas.
cohorte_E[, mes_num := month(f_alta)]
cohorte_E[, trim_num := quarter(f_alta)]
dias_trim <- c(91, 91, 92, 92) # 2024 bisiesto: T1=31+29+31=91, T2=30+31+30=91, T3=31+31+30=92, T4=31+30+31=92
nombres_trim <- c("T1 (Ene–Mar)", "T2 (Abr–Jun)", "T3 (Jul–Sep)", "T4 (Oct–Dic)")
tabla_trim_U <- cohorte_E %>%
count(trim_num, name = "Obs") %>%
right_join(tibble(trim_num = 1:4, Trimestre = nombres_trim, Dias = dias_trim), by = "trim_num") %>%
arrange(trim_num) %>%
mutate(
Prop_Obs = Obs / n_E,
Prop_Unif = Dias / 366,
Esp_Unif = n_E * Prop_Unif,
Dif_Conteo = Obs - Esp_Unif,
Dif_Pct = (Prop_Obs - Prop_Unif) * 100
)
kable(
tabla_trim_U %>%
transmute(
Trimestre = Trimestre,
`Días del trimestre` = Dias,
`Egresos observados` = Obs,
`% Observado` = sprintf("%.2f%%", Prop_Obs * 100),
`Egresos esperados Uniforme` = sprintf("%.2f", Esp_Unif),
`% Esperado Uniforme (Días/366)` = sprintf("%.2f%%", Prop_Unif * 100),
`Diferencia (Obs - Esp)` = sprintf("%+.2f (%+.2f pp)", Dif_Conteo, Dif_Pct)
),
align = c("l", "r", "r", "r", "r", "r", "r"),
caption = "Tabla 6A: Distribución trimestral del día de egreso observado frente a la frecuencia esperada por el modelo Uniforme(0, 366)."
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = FALSE)| Trimestre | Días del trimestre | Egresos observados | % Observado | Egresos esperados Uniforme | % Esperado Uniforme (Días/366) | Diferencia (Obs - Esp) |
|---|---|---|---|---|---|---|
| T1 (Ene–Mar) | 91 | 54 | 13.88% | 96.72 | 24.86% | -42.72 (-10.98 pp) |
| T2 (Abr–Jun) | 91 | 104 | 26.74% | 96.72 | 24.86% | +7.28 (+1.87 pp) |
| T3 (Jul–Sep) | 92 | 102 | 26.22% | 97.78 | 25.14% | +4.22 (+1.08 pp) |
| T4 (Oct–Dic) | 92 | 129 | 33.16% | 97.78 | 25.14% | +31.22 (+8.03 pp) |
dias_mes <- c(31, 29, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31)
nombres_mes <- c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio", "Julio", "Agosto", "Septiembre", "Octubre", "Noviembre", "Diciembre")
tabla_mes_U <- cohorte_E %>%
count(mes_num, name = "Obs") %>%
right_join(tibble(mes_num = 1:12, Mes = factor(nombres_mes, levels = nombres_mes), Dias = dias_mes), by = "mes_num") %>%
mutate(
Obs = ifelse(is.na(Obs), 0L, Obs),
Prop_Obs = Obs / n_E,
Prop_Unif = Dias / 366,
Esp_Unif = n_E * Prop_Unif,
Dif_Conteo = Obs - Esp_Unif
) %>%
arrange(mes_num)
kable(
tabla_mes_U %>%
transmute(
Mes = Mes,
`Días en 2024` = Dias,
`Egresos observados` = Obs,
`% Observado` = sprintf("%.2f%%", Prop_Obs * 100),
`Egresos esperados Uniforme` = sprintf("%.2f", Esp_Unif),
`% Esperado Uniforme` = sprintf("%.2f%%", Prop_Unif * 100),
`Diferencia (Obs - Esp)` = sprintf("%+.2f", Dif_Conteo)
),
align = c("l", "r", "r", "r", "r", "r", "r"),
caption = "Tabla 6B: Desglose mensual de egresos observados en 2024 frente a la frecuencia esperada por Uniforme(0, 366)."
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = FALSE)| Mes | Días en 2024 | Egresos observados | % Observado | Egresos esperados Uniforme | % Esperado Uniforme | Diferencia (Obs - Esp) |
|---|---|---|---|---|---|---|
| Enero | 31 | 21 | 5.40% | 32.95 | 8.47% | -11.95 |
| Febrero | 29 | 17 | 4.37% | 30.82 | 7.92% | -13.82 |
| Marzo | 31 | 16 | 4.11% | 32.95 | 8.47% | -16.95 |
| Abril | 30 | 34 | 8.74% | 31.89 | 8.20% | +2.11 |
| Mayo | 31 | 33 | 8.48% | 32.95 | 8.47% | +0.05 |
| Junio | 30 | 37 | 9.51% | 31.89 | 8.20% | +5.11 |
| Julio | 31 | 35 | 9.00% | 32.95 | 8.47% | +2.05 |
| Agosto | 31 | 37 | 9.51% | 32.95 | 8.47% | +4.05 |
| Septiembre | 30 | 30 | 7.71% | 31.89 | 8.20% | -1.89 |
| Octubre | 31 | 33 | 8.48% | 32.95 | 8.47% | +0.05 |
| Noviembre | 30 | 58 | 14.91% | 31.89 | 8.20% | +26.11 |
| Diciembre | 31 | 38 | 9.77% | 32.95 | 8.47% | +5.05 |
# Figura 3A: Histograma por mes con expectativa Uniforme
ggplot(tabla_mes_U, aes(x = Mes)) +
geom_col(aes(y = Obs, fill = "Egresos observados (cohorte E)"), width = 0.72, alpha = 0.85) +
geom_line(aes(y = Esp_Unif, group = 1, color = "Frecuencia esperada Uniforme(0, 366)"), linewidth = 1.2) +
geom_point(aes(y = Esp_Unif, color = "Frecuencia esperada Uniforme(0, 366)"), size = 2.8) +
geom_text(aes(y = Obs, label = Obs), vjust = -0.4, size = 3.2, fontface = "bold") +
scale_fill_manual(values = c("Egresos observados (cohorte E)" = "#2b5c8f")) +
scale_color_manual(values = c("Frecuencia esperada Uniforme(0, 366)" = "#c0392b")) +
ylim(0, 66) +
theme_minimal(base_size = 11) +
theme(legend.position = "top", axis.text.x = element_text(angle = 25, hjust = 1)) +
labs(
title = "Figura 3A: Egresos observados por mes en 2024 contra la frecuencia esperada por Uniforme(0, 366)",
subtitle = "Déficit estacional en verano (Ene–Mar: 54 obs vs 96,7 esp) y pico de fin de año en noviembre (58 obs vs 31,9 esp)",
x = "Mes de egreso en 2024",
y = "Número de episodios egresados",
fill = "",
color = ""
)# Figura 3B: Función de distribución acumulada empírica vs teórica Uniforme(0, 366)
u_grid <- 0:366
ecdf_U_fn <- ecdf(U)
df_unif_cdf <- tibble(
u = u_grid,
Observada = ecdf_U_fn(u_grid),
Teorica_Uniforme = punif(u_grid, 0, 366)
) %>%
pivot_longer(cols = -u, names_to = "Curva", values_to = "Prob_Acum")
ggplot(df_unif_cdf, aes(x = u, y = Prob_Acum, color = Curva, linetype = Curva)) +
geom_line(linewidth = 1.15) +
scale_color_manual(
values = c("Observada" = "#1f618d", "Teorica_Uniforme" = "#c0392b"),
labels = c("Observada" = "Acumulada empírica ecdf(U)", "Teorica_Uniforme" = "Acumulada teórica punif(u, 0, 366)")
) +
scale_linetype_manual(
values = c("Observada" = "solid", "Teorica_Uniforme" = "dashed"),
labels = c("Observada" = "Acumulada empírica ecdf(U)", "Teorica_Uniforme" = "Acumulada teórica punif(u, 0, 366)")
) +
scale_x_continuous(breaks = c(0, 91, 182, 274, 366), labels = c("0 (1 Ene)", "91 (Fin T1)", "182 (Fin T2)", "274 (Fin T3)", "366 (31 Dic)")) +
scale_y_continuous(labels = scales::percent_format(accuracy = 1)) +
theme_minimal(base_size = 11) +
theme(legend.position = "top") +
labs(
title = "Figura 3B: Función de distribución acumulada empírica de U frente a punif(u, 0, 366)",
subtitle = "La curva observada queda siempre por debajo de la diagonal uniforme debido al rezago del primer trimestre",
x = "Día del año u (2024)",
y = "Probabilidad acumulada P(U ≤ u)",
color = "Distribución:",
linetype = "Distribución:"
)Interpretación de las Tablas 6A, 6B y Figuras 3A y 3B:
Ordenamos cronológicamente los \(n_E =
389\) episodios de la cohorte por su fecha de egreso
(FECHAALTA, desde el 2024-01-04 hasta el
2024-12-31) y calculamos la diferencia en días entre cada
par de egresos consecutivos: \(G_i = t_{(i+1)}
- t_{(i)}\) para \(i = 1, \dots,
388\), obteniendo una serie de \(n_G = 388\) tiempos entre
egresos.
Declaración explícita sobre los empates del mismo día
(G = 0):
Dado que la variable FECHAALTA en la base GRD tiene
resolución diaria (sin hora ni minuto de alta), cada vez que dos o más
episodios de la cohorte egresan en la misma fecha calendario se produce
un tiempo entre egresos igual a \(0\) días. En nuestra serie de
\(388\) intervalos consecutivos:
Decisión metodológica adoptada y mantenida en todo el informe:
Adoptamos como serie principal \(G\) la serie completa de \(n_G = 388\) tiempos entre los \(389\) episodios consecutivos (incluyendo los \(170\) valores \(G = 0\)), porque es la única que conserva la identidad fundamental entre el conteo total de eventos y la suma de los tiempos entre arribos (\(\sum_{i=1}^{388} G_i = t_{(389)} - t_{(1)} = 362\) días), permitiendo comparar directamente su tasa \(\hat{\lambda}_G = 1 / \bar{G}\) con la tasa diaria de Poisson \(\hat{\lambda}_D = 389 / 366\) estimada en la Actividad 3. Adicionalmente, para transparentar el impacto de la discretización diaria, reportamos en paralelo en las Tablas 7 y 8 los resultados sobre la subserie de \(218\) intervalos estrictamente positivos (\(G > 0\), sin empates).
G_pos <- G[G > 0]
n_G_pos <- length(G_pos)
media_G <- mean(G)
var_G <- var(G)
sd_G <- sd(G)
lambda_G <- 1 / media_G
lambda_Act3 <- n_E / 366
media_Act3 <- 1 / lambda_Act3
media_G_pos <- mean(G_pos)
var_G_pos <- var(G_pos)
lambda_G_pos <- 1 / media_G_pos
tabla_param_G <- tibble(
Serie_Metodo = c(
"1. Serie principal G completa (n_G = 388 intervalos entre los 389 episodios, con 170 empates G = 0)",
"2. Parámetro de Poisson de la Actividad 3 (389 egresos sobre los 366 días calendario de 2024)",
"3. Subserie G > 0 sin empates del mismo día (n = 218 intervalos entre las 219 fechas con egresos)"
),
Promedio_Dias = c(
sprintf("362 / 388 = %.6f días", media_G),
sprintf("366 / 389 = %.6f días", media_Act3),
sprintf("362 / 218 = %.6f días", media_G_pos)
),
Tasa_Lambda = c(
sprintf("λ_G = 1 / mean(G) = 388 / 362 = %.6f egresos/día", lambda_G),
sprintf("λ_D = 389 / 366 = %.6f egresos/día", lambda_Act3),
sprintf("λ_(G>0) = 218 / 362 = %.6f fechas con egreso/día", lambda_G_pos)
),
Var_Teorica_Exp = c(
sprintf("1 / λ_G² = %.6f días²", 1 / (lambda_G^2)),
sprintf("1 / λ_D² = %.6f días²", 1 / (lambda_Act3^2)),
sprintf("1 / λ_(G>0)² = %.6f días²", 1 / (lambda_G_pos^2))
),
Var_Observada = c(
sprintf("%.6f días² (DE = %.4f d)", var_G, sd_G),
"— (en conteo D: Var = 1,4728)",
sprintf("%.6f días² (DE = %.4f d)", var_G_pos, sd(G_pos))
)
)
kable(
tabla_param_G,
col.names = c("Definición de la serie temporal", "Tiempo medio entre egresos", "Tasa estimada λ (rate en R)", "Varianza teórica Exp (1/λ²)", "Varianza observada s²_G"),
align = c("l", "r", "r", "r", "r"),
caption = "Tabla 7: Estimación de la tasa λ = 1/mean(G), comparación con el λ de la Actividad 3 y efecto de los empates del mismo día."
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)| Definición de la serie temporal | Tiempo medio entre egresos | Tasa estimada λ (rate en R) | Varianza teórica Exp (1/λ²) | Varianza observada s²_G |
|---|---|---|---|---|
|
362 / 388 = 0.932990 días | λ_G = 1 / mean(G) = 388 / 362 = 1.071823 egresos/día | 1 / λ_G² = 0.870470 días² | 1.328831 días² (DE = 1.1527 d) |
|
366 / 389 = 0.940874 días | λ_D = 389 / 366 = 1.062842 egresos/día | 1 / λ_D² = 0.885244 días² | — (en conteo D: Var = 1,4728) |
|
362 / 218 = 1.660550 días | λ_(G>0) = 218 / 362 = 0.602210 fechas con egreso/día | 1 / λ_(G>0)² = 2.757428 días² | 1.156132 días² (DE = 1.0752 d) |
# Tabla de probabilidades P(G <= 1) y P(G > k) para k = 1, 2, 3, 5 días
k_vals_G <- c(1, 2, 3, 5)
tabla_prob_G <- tibble(
Intervalo = c(
"P(G ≤ 1 día): Egreso siguiente ocurre a lo sumo en 1 día [pexp(1, rate = λ_G)]",
"P(G > 1 día): Más de 1 día hasta el siguiente egreso [1 - pexp(1, rate = λ_G)]",
"P(G > 2 días): Más de 2 días hasta el siguiente egreso [1 - pexp(2, rate = λ_G)]",
"P(G > 3 días): Más de 3 días hasta el siguiente egreso [1 - pexp(3, rate = λ_G)]",
"P(G > 5 días): Más de 5 días hasta el siguiente egreso [1 - pexp(5, rate = λ_G)]"
),
Formula_Exponencial = c(
sprintf("1 - e^(-%.4f × 1) = %.6f (%.2f%%)", lambda_G, pexp(1, rate = lambda_G), pexp(1, rate = lambda_G) * 100),
sprintf("e^(-%.4f × 1) = %.6f (%.2f%%)", lambda_G, pexp(1, rate = lambda_G, lower.tail = FALSE), pexp(1, rate = lambda_G, lower.tail = FALSE) * 100),
sprintf("e^(-%.4f × 2) = %.6f (%.2f%%)", lambda_G, pexp(2, rate = lambda_G, lower.tail = FALSE), pexp(2, rate = lambda_G, lower.tail = FALSE) * 100),
sprintf("e^(-%.4f × 3) = %.6f (%.2f%%)", lambda_G, pexp(3, rate = lambda_G, lower.tail = FALSE), pexp(3, rate = lambda_G, lower.tail = FALSE) * 100),
sprintf("e^(-%.4f × 5) = %.6f (%.2f%%)", lambda_G, pexp(5, rate = lambda_G, lower.tail = FALSE), pexp(5, rate = lambda_G, lower.tail = FALSE) * 100)
),
Obs_G_Completa = c(
sprintf("%d / 388 = %.6f (%.2f%%)", sum(G <= 1), mean(G <= 1), mean(G <= 1) * 100),
sprintf("%d / 388 = %.6f (%.2f%%)", sum(G > 1), mean(G > 1), mean(G > 1) * 100),
sprintf("%d / 388 = %.6f (%.2f%%)", sum(G > 2), mean(G > 2), mean(G > 2) * 100),
sprintf("%d / 388 = %.6f (%.2f%%)", sum(G > 3), mean(G > 3), mean(G > 3) * 100),
sprintf("%d / 388 = %.6f (%.2f%%)", sum(G > 5), mean(G > 5), mean(G > 5) * 100)
),
Obs_G_SinEmpates = c(
sprintf("%d / 218 = %.6f (%.2f%%)", sum(G_pos <= 1), mean(G_pos <= 1), mean(G_pos <= 1) * 100),
sprintf("%d / 218 = %.6f (%.2f%%)", sum(G_pos > 1), mean(G_pos > 1), mean(G_pos > 1) * 100),
sprintf("%d / 218 = %.6f (%.2f%%)", sum(G_pos > 2), mean(G_pos > 2), mean(G_pos > 2) * 100),
sprintf("%d / 218 = %.6f (%.2f%%)", sum(G_pos > 3), mean(G_pos > 3), mean(G_pos > 3) * 100),
sprintf("%d / 218 = %.6f (%.2f%%)", sum(G_pos > 5), mean(G_pos > 5), mean(G_pos > 5) * 100)
)
)
kable(
tabla_prob_G,
col.names = c("Evento de intervalo sobre G", "Modelo Exponencial(λ_G = 1,0718)", "Proporción observada en G (n = 388)", "Proporción en subserie G > 0 (n = 218)"),
align = c("l", "r", "r", "r"),
caption = "Tabla 8: Probabilidades de cola P(G ≤ 1) y P(G > k) calculadas con pexp(k, rate = λ_G) y verificadas contra los datos."
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)| Evento de intervalo sobre G | Modelo Exponencial(λ_G = 1,0718) | Proporción observada en G (n = 388) | Proporción en subserie G > 0 (n = 218) |
|---|---|---|---|
| P(G ≤ 1 día): Egreso siguiente ocurre a lo sumo en 1 día [pexp(1, rate = λ_G)] | 1 - e^(-1.0718 × 1) = 0.657616 (65.76%) | 303 / 388 = 0.780928 (78.09%) | 133 / 218 = 0.610092 (61.01%) |
| P(G > 1 día): Más de 1 día hasta el siguiente egreso [1 - pexp(1, rate = λ_G)] | e^(-1.0718 × 1) = 0.342384 (34.24%) | 85 / 388 = 0.219072 (21.91%) | 85 / 218 = 0.389908 (38.99%) |
| P(G > 2 días): Más de 2 días hasta el siguiente egreso [1 - pexp(2, rate = λ_G)] | e^(-1.0718 × 2) = 0.117227 (11.72%) | 34 / 388 = 0.087629 (8.76%) | 34 / 218 = 0.155963 (15.60%) |
| P(G > 3 días): Más de 3 días hasta el siguiente egreso [1 - pexp(3, rate = λ_G)] | e^(-1.0718 × 3) = 0.040136 (4.01%) | 15 / 388 = 0.038660 (3.87%) | 15 / 218 = 0.068807 (6.88%) |
| P(G > 5 días): Más de 5 días hasta el siguiente egreso [1 - pexp(5, rate = λ_G)] | e^(-1.0718 × 5) = 0.004705 (0.47%) | 2 / 388 = 0.005155 (0.52%) | 2 / 218 = 0.009174 (0.92%) |
# Figura 4: Histograma de G en escala de densidad con curva Exponencial(lambda_G) superpuesta
g_grid <- seq(0, 7.5, length.out = 300)
df_exp_curve <- tibble(g = g_grid, dens = dexp(g_grid, rate = lambda_G))
ggplot(tibble(G = G), aes(x = G)) +
geom_histogram(aes(y = after_stat(density), fill = "Histograma de densidad de G (freq = FALSE)"), binwidth = 1, boundary = -0.5, color = "white", alpha = 0.78) +
geom_line(data = df_exp_curve, aes(x = g, y = dens, color = "Densidad teórica dexp(g, rate = 1,0718)"), linewidth = 1.2) +
scale_fill_manual(values = c("Histograma de densidad de G (freq = FALSE)" = "#2b5c8f")) +
scale_color_manual(values = c("Densidad teórica dexp(g, rate = 1,0718)" = "#c0392b")) +
scale_x_continuous(breaks = 0:7) +
theme_minimal(base_size = 11) +
theme(legend.position = "top") +
labs(
title = "Figura 4: Histograma de densidad del tiempo entre egresos G con curva Exponencial(λ_G = 1,0718) superpuesta",
subtitle = "Serie G completa (n_G = 388 intervalos, con 170 empates en G = 0 y máximo de 7 días)",
x = "Tiempo entre dos egresos consecutivos de la cohorte G (días)",
y = "Densidad f(g)",
fill = "",
color = ""
)Interpretación de las Tablas 7 y 8 y de la Figura 4:
2024-01-04, día 4) hasta el último
egreso (2024-12-31, día 366), sumando \(\sum G_i = 366 - 4 = 362\) días en lugar de
los \(366\) días del calendario
completo.pexp
y comparación con los datos (Tabla 8 y Figura 4):
rate = 1.071823, verificamos a mano para \(k = 1\) día: \(P(G \le 1) = 1 - e^{-1,071823 \times 1} = 1 -
0,342384 = 0,657616\) (\(65,76\%\)), y \(P(G > 1) = e^{-1,071823 \times 1} =
0,342384\) (\(34,24\%\)), que
coinciden exactamente con pexp(1, rate = lambda_G).La distribución Exponencial es la única distribución continua que posee la propiedad de falta de memoria (o pérdida de memoria): para cualesquiera \(a, b > 0\), \[P(G > a + b \mid G > a) = \frac{P(G > a + b)}{P(G > a)} = \frac{e^{-\lambda(a+b)}}{e^{-\lambda a}} = e^{-\lambda b} = P(G > b)\] Es decir, haber esperado ya \(a\) días sin que ocurra un egreso no altera la distribución del tiempo adicional \(b\) que resta por esperar. Verificamos en la Tabla 9 si esta propiedad se cumple en nuestros datos reales para cuatro pares \((a, b)\) con sentido en la serie (\(a, b \in \{1, 2\}\) días), evaluando tanto la serie principal completa (\(n_G = 388\)) como la serie sin empates (\(G > 0, n = 218\)).
pares_ab <- list(c(1, 1), c(1, 2), c(2, 1), c(2, 2))
filas_memoria <- lapply(pares_ab, function(par) {
a <- par[1]; b <- par[2]
n_gt_a <- sum(G > a)
n_gt_ab <- sum(G > (a + b))
p_cond_obs <- n_gt_ab / n_gt_a
n_gt_b <- sum(G > b)
p_b_obs_388 <- n_gt_b / n_G
p_b_obs_218 <- n_gt_b / n_G_pos
p_b_teo <- pexp(b, rate = lambda_G, lower.tail = FALSE)
tibble(
Par_ab = sprintf("a = %d d, b = %d d (a + b = %d d)", a, b, a + b),
Condicional_Obs = sprintf("P(G > %d | G > %d) = %d / %d = %.4f (%.2f%%)", a + b, a, n_gt_ab, n_gt_a, p_cond_obs, p_cond_obs * 100),
Marginal_Obs_388 = sprintf("P(G > %d) = %d / 388 = %.4f (%.2f%%)", b, n_gt_b, p_b_obs_388, p_b_obs_388 * 100),
Diff_388 = sprintf("%+.2f pp", (p_cond_obs - p_b_obs_388) * 100),
Marginal_Obs_218 = sprintf("P(G > %d | G > 0) = %d / 218 = %.4f (%.2f%%)", b, n_gt_b, p_b_obs_218, p_b_obs_218 * 100),
Teorico_Exp = sprintf("e^(-1,0718 × %d) = %.4f (%.2f%%)", b, p_b_teo, p_b_teo * 100)
)
}) %>% bind_rows()
kable(
filas_memoria,
col.names = c(
"Valores de a y b evaluados",
"Condicional observada P(G > a+b | G > a)",
"Marginal observada P(G > b) (Serie completa n = 388)",
"Brecha (Cond - Marg 388)",
"Marginal en días distintos P(G > b | G > 0) (n = 218)",
"Valor teórico Exponencial P(G > b)"
),
align = c("l", "r", "r", "r", "r", "r"),
caption = "Tabla 9: Verificación empírica de la propiedad de falta de memoria P(G > a + b | G > a) = P(G > b) en la serie de tiempos entre egresos."
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)| Valores de a y b evaluados | Condicional observada P(G > a+b | G > a) | Marginal observada P(G > b) (Serie completa n = 388) | Brecha (Cond - Marg 388) | Marginal en días distintos P(G > b | G > 0) (n = 218) | Valor teórico Exponencial P(G > b) |
|---|---|---|---|---|---|
| a = 1 d, b = 1 d (a + b = 2 d) | P(G > 2 | G > 1) = 34 / 85 = 0.4000 (40.00%) | P(G > 1) = 85 / 388 = 0.2191 (21.91%) | +18.09 pp | P(G > 1 | G > 0) = 85 / 218 = 0.3899 (38.99%) | e^(-1,0718 × 1) = 0.3424 (34.24%) |
| a = 1 d, b = 2 d (a + b = 3 d) | P(G > 3 | G > 1) = 15 / 85 = 0.1765 (17.65%) | P(G > 2) = 34 / 388 = 0.0876 (8.76%) | +8.88 pp | P(G > 2 | G > 0) = 34 / 218 = 0.1560 (15.60%) | e^(-1,0718 × 2) = 0.1172 (11.72%) |
| a = 2 d, b = 1 d (a + b = 3 d) | P(G > 3 | G > 2) = 15 / 34 = 0.4412 (44.12%) | P(G > 1) = 85 / 388 = 0.2191 (21.91%) | +22.21 pp | P(G > 1 | G > 0) = 85 / 218 = 0.3899 (38.99%) | e^(-1,0718 × 1) = 0.3424 (34.24%) |
| a = 2 d, b = 2 d (a + b = 4 d) | P(G > 4 | G > 2) = 6 / 34 = 0.1765 (17.65%) | P(G > 2) = 34 / 388 = 0.0876 (8.76%) | +8.88 pp | P(G > 2 | G > 0) = 34 / 218 = 0.1560 (15.60%) | e^(-1,0718 × 2) = 0.1172 (11.72%) |
Interpretación de la Tabla 9 (¿Se cumple la falta de memoria en los datos?):
La jefatura solicita ajustar una curva de densidad paramétrica \(V\) para describir la estancia hospitalaria \(W\) de la cohorte \(E\) (\(n_E = 389\)), evaluando dos candidatas:
mean(W) y sd(W): \[\hat{\mu} = 9,928021 \text{ días}, \qquad
\hat{\sigma} = 20,038236 \text{ días} \quad (\text{Varianza }
\hat{\sigma}^2 = 401,5309 \text{ días}^2)\]Declaración explícita sobre el tratamiento de las estancias de \(0\) días y su efecto:
En la cohorte \(E\) (\(389\) episodios) existen exactamente
\(8\) episodios (\(2,06\%\)) con estancia registrada de \(W = 0\) días (casos de
hospitalización cerrada donde el ingreso y el egreso ocurrieron en la
misma fecha calendario). Como \(\ln(0) =
-\infty\) indetermina el cálculo de meanlog y
sdlog, existen tres alternativas metodológicas
estándar:
meanlog \(=
\hat{\mu}_\ell = 1,487081\) y sdlog
\(= \hat{\sigma}_\ell =
1,186840\).meanlog a \(1,642977\) y reduce sdlog a
\(1,078935\), desplazando la mediana
teórica de \(4,42\) a \(5,17\) días.meanlog \(= 1,532860\) y
sdlog \(= 1,155886\), con
mediana teórica de \(4,63\) días y
percentil 90 de \(20,37\) días.La Tabla 10 documenta las tres variantes de tratamiento de ceros junto con el modelo Normal, mostrando que —al representar los ceros solo el \(2,06\%\) de la cohorte— el efecto sobre la cola derecha y el percentil 90 de la Lognormal es mínimo (\(P_{90}\) entre \(20,25\) y \(20,61\) días).
W_op1 <- ifelse(W == 0, 0.5, W) # Opción 1 (Principal): W=0 -> 0.5
W_op2 <- W + 0.5 # Opción 2: W + 0.5 a todos
W_op3 <- W[W > 0] # Opción 3: Excluir W=0 (n = 381)
ml_1 <- mean(log(W_op1)); sl_1 <- sd(log(W_op1))
ml_2 <- mean(log(W_op2)); sl_2 <- sd(log(W_op2))
ml_3 <- mean(log(W_op3)); sl_3 <- sd(log(W_op3))
esp_ln <- function(ml, sl) exp(ml + (sl^2) / 2)
var_ln <- function(ml, sl) (exp(sl^2) - 1) * exp(2 * ml + sl^2)
tabla_modelos_V <- tibble(
Modelo = c(
"Datos observados en la cohorte E (W)",
"Normal(μ, σ) [mean(W), sd(W)]",
"Lognormal Opción 1 (Principal: W=0 → 0,5 d)",
"Lognormal Opción 2 (Sensibilidad: W + 0,5 d a todos)",
"Lognormal Opción 3 (Sensibilidad: Excluir W=0)"
),
n_Usado = c(n_E, n_E, n_E, n_E, length(W_op3)),
Parametros = c(
"Empírico (sin supuestos paramétricos)",
sprintf("μ = %.4f d ; σ = %.4f d", mu_W, sd_W),
sprintf("meanlog = %.4f ; sdlog = %.4f", ml_1, sl_1),
sprintf("meanlog = %.4f ; sdlog = %.4f", ml_2, sl_2),
sprintf("meanlog = %.4f ; sdlog = %.4f", ml_3, sl_3)
),
Esperanza_Modelo = c(
sprintf("%.2f días", mu_W),
sprintf("%.2f días", mu_W),
sprintf("%.2f días", esp_ln(ml_1, sl_1)),
sprintf("%.2f días", esp_ln(ml_2, sl_2)),
sprintf("%.2f días", esp_ln(ml_3, sl_3))
),
DE_Modelo = c(
sprintf("%.2f días", sd_W),
sprintf("%.2f días", sd_W),
sprintf("%.2f días", sqrt(var_ln(ml_1, sl_1))),
sprintf("%.2f días", sqrt(var_ln(ml_2, sl_2))),
sprintf("%.2f días", sqrt(var_ln(ml_3, sl_3)))
),
Mediana_P50 = c(
sprintf("%.2f días", median(W)),
sprintf("%.2f días", qnorm(0.50, mu_W, sd_W)),
sprintf("%.2f días", qlnorm(0.50, ml_1, sl_1)),
sprintf("%.2f días", qlnorm(0.50, ml_2, sl_2)),
sprintf("%.2f días", qlnorm(0.50, ml_3, sl_3))
),
P90_Modelo = c(
sprintf("%.2f días", quantile(W, 0.90)),
sprintf("%.2f días", qnorm(0.90, mu_W, sd_W)),
sprintf("%.2f días", qlnorm(0.90, ml_1, sl_1)),
sprintf("%.2f días", qlnorm(0.90, ml_2, sl_2)),
sprintf("%.2f días", qlnorm(0.90, ml_3, sl_3))
)
)
kable(
tabla_modelos_V,
col.names = c("Modelo / Tratamiento de estancias de 0 días", "n", "Parámetros estimados", "E[V]", "DE[V]", "Mediana (P50)", "Percentil 90 (P90)"),
align = c("l", "r", "r", "r", "r", "r", "r"),
caption = "Tabla 10: Parámetros estimados para la distribución Normal y para la Lognormal bajo las tres opciones de tratamiento de las 8 estancias de 0 días."
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)| Modelo / Tratamiento de estancias de 0 días | n | Parámetros estimados | E[V] | DE[V] | Mediana (P50) | Percentil 90 (P90) |
|---|---|---|---|---|---|---|
| Datos observados en la cohorte E (W) | 389 | Empírico (sin supuestos paramétricos) | 9.93 días | 20.04 días | 4.00 días | 19.20 días |
| Normal(μ, σ) [mean(W), sd(W)] | 389 | μ = 9.9280 d ; σ = 20.0382 d | 9.93 días | 20.04 días | 9.93 días | 35.61 días |
| Lognormal Opción 1 (Principal: W=0 → 0,5 d) | 389 | meanlog = 1.4871 ; sdlog = 1.1868 | 8.95 días | 15.73 días | 4.42 días | 20.25 días |
| Lognormal Opción 2 (Sensibilidad: W + 0,5 d a todos) | 389 | meanlog = 1.6430 ; sdlog = 1.0789 | 9.25 días | 13.74 días | 5.17 días | 20.61 días |
| Lognormal Opción 3 (Sensibilidad: Excluir W=0) | 381 | meanlog = 1.5329 ; sdlog = 1.1559 | 9.03 días | 15.13 días | 4.63 días | 20.37 días |
Interpretación de la Tabla 10: Mientras el modelo Normal fuerza la mediana a igualar la media (\(\hat{\mu} = 9,93\) días, más del doble de la mediana real de \(4,00\) días) y dispara el percentil 90 hasta \(35,61\) días, las tres variantes de la Lognormal sitúan la esperanza entre \(8,95\) y \(9,25\) días, la mediana entre \(4,42\) y \(5,17\) días (\(\exp(\hat{\mu}_\ell)\)) y el percentil 90 entre \(20,25\) y \(20,61\) días, sumamente próximo al valor empírico de \(19,20\) días.
Superponemos sobre el histograma de densidad de \(W\) (after_stat(density) /
freq = FALSE) las curvas
dnorm(x, mean = 9.9280, sd = 20.0382) y
dlnorm(x, meanlog = 1.4871, sdlog = 1.1868). En las Tablas
11 y 12 comparamos \(P(W > k)\) para
tres umbrales clínicos (\(k = 7, 14\) y
\(30\) días) y los percentiles \(10, 50\) y \(90\) observados frente a los teóricos.
w_grid <- seq(0.05, 80, length.out = 500)
df_curvas_V <- tibble(
w = w_grid,
Normal = dnorm(w_grid, mean = mu_W, sd = sd_W),
Lognormal = dlnorm(w_grid, meanlog = ml_1, sdlog = sl_1)
) %>%
pivot_longer(cols = -w, names_to = "Modelo", values_to = "Densidad")
ggplot(cohorte_E, aes(x = estancia)) +
geom_histogram(aes(y = after_stat(density)), binwidth = 2, boundary = 0, fill = "gray75", color = "white", alpha = 0.8) +
geom_line(data = df_curvas_V, aes(x = w, y = Densidad, color = Modelo, linetype = Modelo), linewidth = 1.2) +
scale_color_manual(
values = c("Normal" = "#c0392b", "Lognormal" = "#1e8449"),
labels = c("Normal" = "Normal(μ = 9,93; σ = 20,04) [dnorm]", "Lognormal" = "Lognormal(μ_ℓ = 1,49; σ_ℓ = 1,19) [dlnorm]")
) +
scale_linetype_manual(
values = c("Normal" = "dashed", "Lognormal" = "solid"),
labels = c("Normal" = "Normal(μ = 9,93; σ = 20,04) [dnorm]", "Lognormal" = "Lognormal(μ_ℓ = 1,49; σ_ℓ = 1,19) [dlnorm]")
) +
coord_cartesian(xlim = c(0, 60), ylim = c(0, 0.22)) +
theme_minimal(base_size = 11) +
theme(legend.position = "top") +
labs(
title = "Figura 5: Histograma de densidad de W (freq = FALSE) con densidades Normal y Lognormal superpuestas",
subtitle = "La Lognormal (verde) captura el pico entre 1 y 4 días y el decaimiento gradual; la Normal (roja) es plana y simétrica",
x = "Estancia hospitalaria W (días, ventana 0 a 60 días)",
y = "Densidad f(w)",
color = "Curva ajustada:",
linetype = "Curva ajustada:"
)# Tabla 11: P(W > k) calculada de tres formas para k = 7, 14, 21 y 30 días
k_umbrales <- c(7, 14, 21, 30)
tabla_prob_V <- tibble(
Umbral_k = c(
"k = 7 días (Estancia larga L > P75 de Ω)",
"k = 14 días (Más de 2 semanas de hospitalización)",
"k = 21 días (Más de 3 semanas de hospitalización)",
"k = 30 días (Más de 1 mes de hospitalización)"
),
Obs_Prop = sapply(k_umbrales, function(k) sprintf("%d / 389 = %.4f (%.2f%%)", sum(W > k), mean(W > k), mean(W > k) * 100)),
Normal_pnorm = sapply(k_umbrales, function(k) {
p <- pnorm(k, mean = mu_W, sd = sd_W, lower.tail = FALSE)
sprintf("%.4f (%.2f%%)", p, p * 100)
}),
Lognormal_plnorm = sapply(k_umbrales, function(k) {
p <- plnorm(k, meanlog = ml_1, sdlog = sl_1, lower.tail = FALSE)
sprintf("%.4f (%.2f%%)", p, p * 100)
}),
Error_Normal = sapply(k_umbrales, function(k) sprintf("%+.2f pp", (pnorm(k, mu_W, sd_W, lower.tail = FALSE) - mean(W > k)) * 100)),
Error_Lognormal = sapply(k_umbrales, function(k) sprintf("%+.2f pp", (plnorm(k, ml_1, sl_1, lower.tail = FALSE) - mean(W > k)) * 100))
)
kable(
tabla_prob_V,
col.names = c(
"Umbral de estancia k",
"1. Proporción observada en E",
"2. Modelo Normal (1 - pnorm)",
"3. Modelo Lognormal (1 - plnorm)",
"Desvío Normal",
"Desvío Lognormal"
),
align = c("l", "r", "r", "r", "r", "r"),
caption = "Tabla 11: Probabilidad de cola derecha P(W > k) calculada de tres formas: proporción observada, pnorm y plnorm."
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)| Umbral de estancia k |
|
|
|
Desvío Normal | Desvío Lognormal |
|---|---|---|---|---|---|
| k = 7 días (Estancia larga L > P75 de Ω) | 121 / 389 = 0.3111 (31.11%) | 0.5581 (55.81%) | 0.3495 (34.95%) | +24.70 pp | +3.85 pp |
| k = 14 días (Más de 2 semanas de hospitalización) | 59 / 389 = 0.1517 (15.17%) | 0.4195 (41.95%) | 0.1659 (16.59%) | +26.78 pp | +1.42 pp |
| k = 21 días (Más de 3 semanas de hospitalización) | 35 / 389 = 0.0900 (9.00%) | 0.2903 (29.03%) | 0.0947 (9.47%) | +20.03 pp | +0.47 pp |
| k = 30 días (Más de 1 mes de hospitalización) | 25 / 389 = 0.0643 (6.43%) | 0.1582 (15.82%) | 0.0534 (5.34%) | +9.40 pp | -1.09 pp |
# Tabla 12: Percentiles 10, 50 y 90 observados vs Normal vs Lognormal (y probabilidad negativa)
prob_neg_norm <- pnorm(0, mean = mu_W, sd = sd_W)
tabla_cuantiles_V <- tibble(
Cuantil_Metrica = c(
"Percentil 10 (P10): Estancia corta",
"Percentil 50 / Mediana (P50): Estancia central",
"Percentil 90 (P90): Umbral del 10% de episodios más largos",
"Probabilidad asignada a estancias negativas P(V < 0)"
),
Observado_quantile = c(
sprintf("%.2f días", quantile(W, 0.10)),
sprintf("%.2f días", quantile(W, 0.50)),
sprintf("%.2f días", quantile(W, 0.90)),
"0 exacto (fuera del soporte empírico [0, ∞))"
),
Normal_qnorm = c(
sprintf("%.2f días", qnorm(0.10, mean = mu_W, sd = sd_W)),
sprintf("%.2f días", qnorm(0.50, mean = mu_W, sd = sd_W)),
sprintf("%.2f días", qnorm(0.90, mean = mu_W, sd = sd_W)),
sprintf("pnorm(0; 9,93; 20,04) = %.4f (%.2f%%)", prob_neg_norm, prob_neg_norm * 100)
),
Lognormal_qlnorm = c(
sprintf("%.2f días", qlnorm(0.10, meanlog = ml_1, sdlog = sl_1)),
sprintf("%.2f días", qlnorm(0.50, meanlog = ml_1, sdlog = sl_1)),
sprintf("%.2f días", qlnorm(0.90, meanlog = ml_1, sdlog = sl_1)),
"0 exacto (fuera del soporte estrictamente positivo (0, ∞))"
)
)
kable(
tabla_cuantiles_V,
col.names = c("Percentil / Propiedad evaluada", "Observado con quantile(W)", "Modelo Normal con qnorm()", "Modelo Lognormal con qlnorm()"),
align = c("l", "r", "r", "r"),
caption = "Tabla 12: Comparación de los percentiles 10, 50 y 90 observados contra los modelos Normal y Lognormal, y probabilidad de estancias negativas."
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)| Percentil / Propiedad evaluada | Observado con quantile(W) | Modelo Normal con qnorm() | Modelo Lognormal con qlnorm() |
|---|---|---|---|
| Percentil 10 (P10): Estancia corta | 1.00 días | -15.75 días | 0.97 días |
| Percentil 50 / Mediana (P50): Estancia central | 4.00 días | 9.93 días | 4.42 días |
| Percentil 90 (P90): Umbral del 10% de episodios más largos | 19.20 días | 35.61 días | 20.25 días |
| Probabilidad asignada a estancias negativas P(V < 0) | 0 exacto (fuera del soporte empírico [0, ∞)) | pnorm(0; 9,93; 20,04) = 0.3101 (31.01%) | 0 exacto (fuera del soporte estrictamente positivo (0, ∞)) |
Interpretación de la Figura 5 y de las Tablas 11 y 12 (Elección fundamentada del modelo):
pnorm(14, 9.928021, 20.038236, lower.tail = FALSE).plnorm(14, 1.487081, 1.186840, lower.tail = FALSE) y muy
cercano al \(15,17\%\)
observado en los datos.pnorm(0, 9.9280, 20.0382) \(= 31,01\%\) a estancias negativas (\(V < 0\)) y estima un percentil
10 absurdo de \(-15,75\)
días (Tabla 12).Aunque la estancia individual \(W\) de un episodio es sumamente asimétrica a la derecha y se aleja por completo de una distribución Normal, el Teorema Central del Límite (TCL) establece que el promedio muestral de \(n\) episodios independientes elegidos al azar con reposición, \(\bar{W}_n = \frac{1}{n}\sum_{i=1}^n W_i\), converge en distribución cuando \(n\) crece hacia una variable Normal con la misma esperanza poblacional \(\mu = E[W] = 9,9280\) días y con desviación estándar (error estándar de la media) reducida en factor \(\sqrt{n}\): \[\bar{W}_n \;\stackrel{\text{aprox}}{\sim}\; \text{Normal}\!\left(\mu = 9,9280,\; \text{DE} = \frac{\sigma}{\sqrt{n}} = \frac{20,0382}{\sqrt{n}}\right)\]
Con semilla fija set.seed(2026), generamos por
remuestreo con reposición \(B =
10.000\) muestras de tamaño \(n =
5\) y \(B =
10.000\) muestras de tamaño \(n =
30\) desde los \(389\)
episodios de la cohorte, construimos sus histogramas en escala de
densidad con la curva teórica \(\text{Normal}(\mu, \sigma/\sqrt{n})\)
superpuesta y evaluamos la probabilidad de que el promedio de \(30\) episodios supere en más de un día al
promedio histórico: \(P(\bar{W}_{30} > \mu
+ 1)\).
B_tcl <- 10000
set.seed(2026)
promedios_n5 <- replicate(B_tcl, mean(sample(W, size = 5, replace = TRUE)))
set.seed(2026)
promedios_n30 <- replicate(B_tcl, mean(sample(W, size = 30, replace = TRUE)))
se_n5_teo <- sd_W / sqrt(5)
se_n30_teo <- sd_W / sqrt(30)
umbral_mu_mas_1 <- mu_W + 1
p_tcl_rem_30 <- mean(promedios_n30 > umbral_mu_mas_1)
p_tcl_norm_30 <- pnorm(umbral_mu_mas_1, mean = mu_W, sd = se_n30_teo, lower.tail = FALSE)
# Asimetría (skewness) empírica para cuantificar la simetrización entre n=1, n=5 y n=30
skew_emp <- function(x) mean((x - mean(x))^3) / (sd(x)^3)
tabla_tcl_resumen <- tibble(
Magnitud = c(
"Esperanza / Media del promedio muestral E[W̄_n]",
"Error estándar de Monte Carlo de la media (EE_MC = DE / √10.000)",
"Desviación Estándar / Error Estándar DE[W̄_n] = σ / √n",
"Varianza del promedio muestral Var[W̄_n] = σ² / n",
"Mediana de los 10.000 promedios muestrales",
"Coeficiente de asimetría (sesgo γ₁)",
"P(W̄_n > μ + 1 = 10,9280 días)"
),
Teorico_n5 = c(
sprintf("%.4f días", mu_W),
sprintf("%.4f días", se_n5_teo / sqrt(B_tcl)),
sprintf("20,0382 / √5 = %.4f días", se_n5_teo),
sprintf("401,5309 / 5 = %.4f días²", (sd_W^2) / 5),
sprintf("%.4f días", mu_W),
sprintf("γ₁(W)/√5 = %.2f", skew_emp(W) / sqrt(5)),
sprintf("%.4f (%.2f%%)", pnorm(umbral_mu_mas_1, mu_W, se_n5_teo, lower.tail = FALSE), pnorm(umbral_mu_mas_1, mu_W, se_n5_teo, lower.tail = FALSE) * 100)
),
Remuestreo_n5 = c(
sprintf("%.4f días", mean(promedios_n5)),
sprintf("%.4f d (dif = %+.4f d; z = %+.2f)", sd(promedios_n5) / sqrt(B_tcl), mean(promedios_n5) - mu_W, (mean(promedios_n5) - mu_W) / (se_n5_teo / sqrt(B_tcl))),
sprintf("%.4f días", sd(promedios_n5)),
sprintf("%.4f días²", var(promedios_n5)),
sprintf("%.4f días", median(promedios_n5)),
sprintf("%.2f", skew_emp(promedios_n5)),
sprintf("%.4f (%.2f%%)", mean(promedios_n5 > umbral_mu_mas_1), mean(promedios_n5 > umbral_mu_mas_1) * 100)
),
Teorico_n30 = c(
sprintf("%.4f días", mu_W),
sprintf("%.4f días", se_n30_teo / sqrt(B_tcl)),
sprintf("20,0382 / √30 = %.4f días", se_n30_teo),
sprintf("401,5309 / 30 = %.4f días²", (sd_W^2) / 30),
sprintf("%.4f días", mu_W),
sprintf("γ₁(W)/√30 = %.2f", skew_emp(W) / sqrt(30)),
sprintf("%.4f (%.2f%%)", p_tcl_norm_30, p_tcl_norm_30 * 100)
),
Remuestreo_n30 = c(
sprintf("%.4f días", mean(promedios_n30)),
sprintf("%.4f d (dif = %+.4f d; z = %+.2f)", sd(promedios_n30) / sqrt(B_tcl), mean(promedios_n30) - mu_W, (mean(promedios_n30) - mu_W) / (se_n30_teo / sqrt(B_tcl))),
sprintf("%.4f días", sd(promedios_n30)),
sprintf("%.4f días²", var(promedios_n30)),
sprintf("%.4f días", median(promedios_n30)),
sprintf("%.2f", skew_emp(promedios_n30)),
sprintf("%.4f (%.2f%%)", p_tcl_rem_30, p_tcl_rem_30 * 100)
)
)
kable(
tabla_tcl_resumen,
col.names = c(
"Estadístico de la distribución muestral de W̄_n",
"Teórico TCL (n = 5)",
"Remuestreo 10.000 (n = 5)",
"Teórico TCL (n = 30)",
"Remuestreo 10.000 (n = 30)"
),
align = c("l", "r", "r", "r", "r"),
caption = "Tabla 13: Comparación entre los parámetros teóricos del Teorema Central del Límite y las 10.000 muestras con reposición para n = 5 y n = 30."
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)| Estadístico de la distribución muestral de W̄_n | Teórico TCL (n = 5) | Remuestreo 10.000 (n = 5) | Teórico TCL (n = 30) | Remuestreo 10.000 (n = 30) |
|---|---|---|---|---|
| Esperanza / Media del promedio muestral E[W̄_n] | 9.9280 días | 9.8833 días | 9.9280 días | 9.8797 días |
| Error estándar de Monte Carlo de la media (EE_MC = DE / √10.000) | 0.0896 días | 0.0894 d (dif = -0.0447 d; z = -0.50) | 0.0366 días | 0.0363 d (dif = -0.0483 d; z = -1.32) |
| Desviación Estándar / Error Estándar DE[W̄_n] = σ / √n | 20,0382 / √5 = 8.9614 días | 8.9401 días | 20,0382 / √30 = 3.6585 días | 3.6308 días |
| Varianza del promedio muestral Var[W̄_n] = σ² / n | 401,5309 / 5 = 80.3062 días² | 79.9252 días² | 401,5309 / 30 = 13.3844 días² | 13.1826 días² |
| Mediana de los 10.000 promedios muestrales | 9.9280 días | 7.0000 días | 9.9280 días | 9.1333 días |
| Coeficiente de asimetría (sesgo γ₁) | γ₁(W)/√5 = 2.52 | 2.59 | γ₁(W)/√30 = 1.03 | 1.02 |
| P(W̄_n > μ + 1 = 10,9280 días) | 0.4556 (45.56%) | 0.2752 (27.52%) | 0.3923 (39.23%) | 0.3270 (32.70%) |
# Figura 6A y 6B: Histogramas de Wbar_5 y Wbar_30 en la misma escala horizontal o con su curva Normal(mu, sigma/sqrt(n))
x_tcl_grid <- seq(-10, 45, length.out = 500)
df_norm_tcl <- bind_rows(
tibble(x = x_tcl_grid, dens = dnorm(x_tcl_grid, mean = mu_W, sd = se_n5_teo), Tamano = "1. Tamaño muestral n = 5 (DE teórica = 8,96 días)"),
tibble(x = x_tcl_grid, dens = dnorm(x_tcl_grid, mean = mu_W, sd = se_n30_teo), Tamano = "2. Tamaño muestral n = 30 (DE teórica = 3,66 días)")
)
df_rem_tcl <- bind_rows(
tibble(wbar = promedios_n5, Tamano = "1. Tamaño muestral n = 5 (DE teórica = 8,96 días)"),
tibble(wbar = promedios_n30, Tamano = "2. Tamaño muestral n = 30 (DE teórica = 3,66 días)")
)
ggplot(df_rem_tcl, aes(x = wbar)) +
geom_histogram(aes(y = after_stat(density), fill = "Histograma de 10.000 promedios por remuestreo"), bins = 40, color = "white", alpha = 0.78) +
geom_line(data = df_norm_tcl, aes(x = x, y = dens, color = "Densidad teórica Normal(μ, σ/√n) por TCL"), linewidth = 1.2) +
geom_vline(xintercept = mu_W, linetype = "dashed", color = "#2c3e50", linewidth = 0.8) +
facet_wrap(~ Tamano, scales = "free_y") +
scale_fill_manual(values = c("Histograma de 10.000 promedios por remuestreo" = "#2980b9")) +
scale_color_manual(values = c("Densidad teórica Normal(μ, σ/√n) por TCL" = "#c0392b")) +
coord_cartesian(xlim = c(-5, 42)) +
theme_minimal(base_size = 11) +
theme(legend.position = "top") +
labs(
title = "Figura 6: Distribución de W̄_n en 10.000 remuestreos para n = 5 y n = 30 con curva Normal(μ, σ/√n) superpuesta",
subtitle = "Al aumentar n de 5 a 30, el histograma se comprime (DE baja de 8,94 a 3,63 días) y se vuelve mucho más simétrico",
x = "Promedio muestral de estancia W̄_n (días)",
y = "Densidad f(w̄)",
fill = "",
color = ""
)Interpretación de la Tabla 13 y de la Figura 6:
pnorm(10.9280, 9.9280, 3.6585, lower.tail = FALSE)). La
diferencia de \(6,53\) puntos
porcentuales entre ambas cifras no es azar de simulación (supera
ampliamente \(1,96 \times 0,47 = 0,92\text{
pp}\)), sino el efecto estructural de la asimetría residual que
aún persiste en \(n = 30\) (la mediana
del remuestreo es \(9,1333 <
9,9280\) días).Fijando la semilla aleatoria en set.seed(2026),
construimos para las tres variables continuas exigidas —\(U \sim \text{Uniforme}(0, 366)\), \(G \sim \text{Exponencial}(\hat{\lambda}_G =
1,071823)\) y \(\bar{W}_{30} \sim
\text{Normal}(\mu = 9,9280, \sigma/\sqrt{30} = 3,6585)\)— la
tabla comparativa con tres columnas de esperanza y
tres columnas de varianza:
runif(10000, 0, 366),
rexp(10000, rate = lambda_G) y
rnorm(10000, mean = mu_W, sd = sd_W / sqrt(30)).set.seed(2026)
B_sim_06 <- 10000
sim_U <- runif(B_sim_06, min = 0, max = 366)
sim_G <- rexp(B_sim_06, rate = lambda_G)
sim_Wbar30 <- rnorm(B_sim_06, mean = mu_W, sd = se_n30_teo)
tabla_comparativa_06 <- tibble(
Variable_Modelo = c(
"U: Día del año de egreso [Uniforme(0, 366)]",
"G: Tiempo entre egresos consecutivos [Exponencial(λ_G = 1,0718)]",
"W̄_30: Promedio de estancia de 30 episodios [Normal(9,9280; 3,6585) por TCL]"
),
E_Teorica = c(
sprintf("%.4f días", EU_teo),
sprintf("%.4f días", 1 / lambda_G),
sprintf("%.4f días", mu_W)
),
E_Simulacion = c(
sprintf("%.4f días", mean(sim_U)),
sprintf("%.4f días", mean(sim_G)),
sprintf("%.4f días", mean(sim_Wbar30))
),
E_Datos = c(
sprintf("%.4f días", mean(U)),
sprintf("%.4f días", mean(G)),
sprintf("%.4f días", mean(promedios_n30))
),
Var_Teorica = c(
sprintf("%.2f días²", VarU_teo),
sprintf("%.4f días²", 1 / (lambda_G^2)),
sprintf("%.4f días²", (sd_W^2) / 30)
),
Var_Simulacion = c(
sprintf("%.2f días²", var(sim_U)),
sprintf("%.4f días²", var(sim_G)),
sprintf("%.4f días²", var(sim_Wbar30))
),
Var_Datos = c(
sprintf("%.2f días²", var(U)),
sprintf("%.4f días²", var(G)),
sprintf("%.4f días²", var(promedios_n30))
)
)
kable(
tabla_comparativa_06,
col.names = c(
"Variable aleatoria continua y modelo",
"E[.] Teórica",
"E[.] Simulación (10.000 r*)",
"E[.] Datos / Remuestreo",
"Var[.] Teórica",
"Var[.] Simulación (10.000 r*)",
"Var[.] Datos / Remuestreo"
),
align = c("l", "r", "r", "r", "r", "r", "r"),
caption = "Tabla 14: Comparación de Esperanza y Varianza entre el valor teórico del modelo, la simulación Monte Carlo (10.000 realizaciones con runif, rexp y rnorm) y los datos reales (set.seed(2026))."
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)| Variable aleatoria continua y modelo | E[.] Teórica | E[.] Simulación (10.000 r*) | E[.] Datos / Remuestreo | Var[.] Teórica | Var[.] Simulación (10.000 r*) | Var[.] Datos / Remuestreo |
|---|---|---|---|---|---|---|
| U: Día del año de egreso [Uniforme(0, 366)] | 183.0000 días | 182.5824 días | 208.4781 días | 11163.00 días² | 11134.41 días² | 10217.17 días² |
| G: Tiempo entre egresos consecutivos [Exponencial(λ_G = 1,0718)] | 0.9330 días | 0.9459 días | 0.9330 días | 0.8705 días² | 0.8790 días² | 1.3288 días² |
| W̄_30: Promedio de estancia de 30 episodios [Normal(9,9280; 3,6585) por TCL] | 9.9280 días | 10.0102 días | 9.8797 días | 13.3844 días² | 13.6110 días² | 13.1826 días² |
Interpretación de la Tabla 14 (Diferencias por azar de simulación vs diferencias por fallas del modelo en los datos):
runif, rexp, rnorm) cuantificada
mediante su error estándar: En las tres variables, las
diferencias entre la esperanza teórica y el promedio de las \(B = 10.000\) realizaciones simuladas están
acotadas dentro del margen esperado por el error estándar de
Monte Carlo (\(\text{EE}_{\text{MC}} =
\text{DE} / \sqrt{10.000}\)):
H25 principal (\(E_p, n =
108\)) tienen una media de \(2,49\) días y mediana de
\(1,50\) días (\(P_{90} = 5,00\) días), mientras que en
H25 secundario (\(E_s, n =
281\)) la media sube a \(12,79\) días y la mediana a
\(7,00\) días (\(P_{90} = 27,00\) días). Verificable en
las Tablas 3 y 4, y en las Figuras 1A, 1B y 2.FECHA_INGRESO y FECHAALTA) y presencia
acotada de reingresos de un mismo beneficiario
(ID_BENEFICIARIO): Primero, aunque \(W\) y \(G\) se modelan como variables continuas, la
base GRD registra las fechas en días enteros sin marca de hora,
generando \(8\) estancias de \(0\) días en \(W\) (que requieren la corrección de
continuidad \(W^* = 0,5\) días en la
Lognormal) y \(170\) empates
artificiales de \(G = 0\) días entre
episodios egresados en la misma fecha. Segundo, corrigiendo lo señalado
en la Actividad 3 mediante la trazabilidad por beneficiario (Tabla 1C),
los \(389\) episodios provienen de
367 beneficiarios distintos, existiendo 19
beneficiarios con reingresos en 2024 que agrupan 41
episodios (10.54% de la cohorte: 12 en \(E_p\) y 29 en \(E_s\)), lo que introduce una
dependencia intra-beneficiario menor pero verificable frente al supuesto
de independencia estricta entre episodios.Pregunta de la jefatura: ¿Qué estancia separa al
\(10\%\) de episodios más largos de su
enfermedad? Entregue el percentil 90 observado con
quantile() y el del modelo elegido en el Resultado 04, y
diga cuál de los dos reportaría y por qué.
p90_obs_global <- quantile(W, 0.90)
p90_ln_op1 <- qlnorm(0.90, meanlog = ml_1, sdlog = sl_1)
p90_ln_op3 <- qlnorm(0.90, meanlog = ml_3, sdlog = sl_3)
p90_norm_global <- qnorm(0.90, mean = mu_W, sd = sd_W)
p90_obs_Ep <- quantile(cohorte_E$estancia[cohorte_E$E_p], 0.90)
p90_obs_Es <- quantile(cohorte_E$estancia[cohorte_E$E_s], 0.90)
n_sup_p90_global <- sum(W > p90_obs_global)
n_sup_p90_Ep <- sum(cohorte_E$estancia[cohorte_E$E_p] > p90_obs_Ep)
n_sup_p90_Es <- sum(cohorte_E$estancia[cohorte_E$E_s] > p90_obs_Es)
tabla_p90_jefatura <- tibble(
Criterio = c(
"1. Percentil 90 observado en los datos de la cohorte E [quantile(W, 0.90)]",
"2. Percentil 90 del modelo elegido en Resultado 04: Lognormal (Opción 1: W=0 → 0,5 d) [qlnorm(0.90)]",
"3. Percentil 90 del modelo Lognormal excluyendo ceros (Opción 3: W > 0, n = 381) [qlnorm(0.90)]",
"4. Percentil 90 del modelo descartado: Normal(9,93; 20,04) [qnorm(0.90)]",
"5. Desglose operativo recomendado: Percentil 90 observado en Ep (H25 Principal, n = 108)",
"6. Desglose operativo recomendado: Percentil 90 observado en Es (H25 Secundario, n = 281)"
),
Valor_Umbral = c(
sprintf("%.2f días (exactamente %d de %d episodios tienen W ≥ 20 días)", p90_obs_global, n_sup_p90_global, n_E),
sprintf("%.2f días (diferencia de %+.2f días respecto al observado)", p90_ln_op1, p90_ln_op1 - p90_obs_global),
sprintf("%.2f días (diferencia de %+.2f días respecto al observado)", p90_ln_op3, p90_ln_op3 - p90_obs_global),
sprintf("%.2f días (sobreestimación de %+.2f días — descartado)", p90_norm_global, p90_norm_global - p90_obs_global),
sprintf("%.2f días (solo %d de %d episodios superan los 5 días)", p90_obs_Ep, n_sup_p90_Ep, n_Ep),
sprintf("%.2f días (exactamente %d de %d episodios superan los 27 días)", p90_obs_Es, n_sup_p90_Es, n_Es)
)
)
kable(
tabla_p90_jefatura,
col.names = c("Estimador / Modelo evaluado para el umbral del 10% más largo (P90)", "Estancia de corte (días)"),
align = c("l", "r"),
caption = "Tabla 15: Comparación del percentil 90 observado con quantile() y el obtenido con el modelo Lognormal elegido en el Resultado 04."
) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = FALSE)| Estimador / Modelo evaluado para el umbral del 10% más largo (P90) | Estancia de corte (días) |
|---|---|
|
19.20 días (exactamente 39 de 389 episodios tienen W ≥ 20 días) |
|
20.25 días (diferencia de +1.05 días respecto al observado) |
|
20.37 días (diferencia de +1.17 días respecto al observado) |
|
35.61 días (sobreestimación de +16.41 días — descartado) |
|
5.00 días (solo 10 de 108 episodios superan los 5 días) |
|
27.00 días (exactamente 27 de 281 episodios superan los 27 días) |
Respuesta ejecutiva para la jefatura (Tabla 15):
quantile(W, 0.90) es de \(19,20\) días, mientras que el
percentil 90 del modelo Lognormal elegido en el
Resultado 04
(qlnorm(0.90, meanlog = 1.4871, sdlog = 1.1868)) es de
\(20,25\) días (ambos
prácticamente en el umbral de \(20\) días, con apenas \(1,05\) días de diferencia entre sí).quantile(W, 0.90) es un estimador no
paramétrico directo que no depende de la elección arbitraria para tratar
los \(8\) episodios de \(0\) días ni se ve afectado por la
bimodalidad entre \(E_p\) y \(E_s\).En conformidad con las directrices del curso, se declara el uso de
herramientas de Inteligencia Artificial generativa (Claude /
Gemini AI en entorno Antigravity) como apoyo para: (1)
estructurar el código reproducible en R para las distribuciones
continuas (dunif/punif/qunif/runif,
dexp/pexp/qexp/rexp, dnorm/pnorm/qnorm/rnorm y
dlnorm/plnorm/qlnorm/rlnorm), (2) configurar los
histogramas reescalados en densidad (after_stat(density) /
freq = FALSE) junto con las curvas density() y
ecdf(), y (3) formatear las tablas y secciones del
documento RMarkdown.
Verificación de resultados: Todos los resultados
fueron auditados ejecutando el código directamente sobre la base oficial
GRD_PUBLICO_2024.txt y
Tablas_maestras_bases_GRD.xlsx, comprobando manualmente la
parametrización por tasa \(\lambda =
1/\bar{G}\) en dexp/pexp, el uso de la
desviación estándar \(\sigma\) en
dnorm/pnorm, la estandarización en escala
logarítmica para dlnorm/plnorm, el conteo
explícito de los \(170\) empates del
mismo día en \(G\) y de las \(8\) estancias de \(0\) días en \(W\), y la reproducibilidad exacta de las
simulaciones con set.seed(2026).