INFORME COVID 19 COLOMBIA

El siguiente informe tiene resultados comparativos de los casos de covid en colombia repotados diariamente por el instituto Departamental de salud INS.

### IMPORTAR LIBRERIAS Y DATOS

require(ggplot2)
require(RSocrata)
require(lubridate)
require(plotly)

token <- "ew2rEMuESuzWPqMkyPfOSGJgE"
casos_ins <- read.socrata("https://www.datos.gov.co/resource/gt2j-8ykr.json", app_token = token)
head(casos_ins,5)
##   id_de_caso   fecha_de_notificaci_n codigo_divipola ciudad_de_ubicaci_n
## 1          1 2020-03-02T00:00:00.000           11001         Bogotá D.C.
## 2          2 2020-03-06T00:00:00.000           76111 Guadalajara de Buga
## 3          3 2020-03-07T00:00:00.000            5001            Medellín
## 4          4 2020-03-09T00:00:00.000            5001            Medellín
## 5          5 2020-03-09T00:00:00.000            5001            Medellín
##      departamento   atenci_n edad sexo        tipo estado pa_s_de_procedencia
## 1     Bogotá D.C. Recuperado   19    F   Importado   Leve              Italia
## 2 Valle del Cauca Recuperado   34    M   Importado   Leve              España
## 3       Antioquia Recuperado   50    F   Importado   Leve              España
## 4       Antioquia Recuperado   55    M Relacionado   Leve            Colombia
## 5       Antioquia Recuperado   25    M Relacionado   Leve            Colombia
##                       fis       fecha_diagnostico        fecha_recuperado
## 1 2020-02-27T00:00:00.000 2020-03-06T00:00:00.000 2020-03-13T00:00:00.000
## 2 2020-03-04T00:00:00.000 2020-03-09T00:00:00.000 2020-03-19T00:00:00.000
## 3 2020-02-29T00:00:00.000 2020-03-09T00:00:00.000 2020-03-15T00:00:00.000
## 4 2020-03-06T00:00:00.000 2020-03-11T00:00:00.000 2020-03-26T00:00:00.000
## 5 2020-03-08T00:00:00.000 2020-03-11T00:00:00.000 2020-03-23T00:00:00.000
##         fecha_reporte_web tipo_recuperaci_n fecha_de_muerte
## 1 2020-03-06T00:00:00.000               PCR            <NA>
## 2 2020-03-09T00:00:00.000               PCR            <NA>
## 3 2020-03-09T00:00:00.000               PCR            <NA>
## 4 2020-03-11T00:00:00.000               PCR            <NA>
## 5 2020-03-11T00:00:00.000               PCR            <NA>

Como se puede observar en la anterior tabla esta contiene 36635 registros de casos positivos de covid 19 para Colombia a la fecha 6 de junio de 2020 cada caso tiene un total de 16 varables medidas dentro de las cuales se encuentran caracteristicas de la persona (edad, sexo….) el estado y el lugar actual donde se recupera entre otros.

### Explorando la Curva Epidemica



casos_ins$fecha_reporte=as.Date(casos_ins$fecha_de_notificaci_n)
g1=ggplot(casos_ins,aes(x=fecha_reporte))+geom_bar()+ theme_bw()
ggplotly(g1)

Se observa en la figura que el comportamiento de los casos positivos en la ultimas semanas es decreciente.

###Crear Variable Estado (muerto o vivo)


casos_ins$muerto=casos_ins$fecha_de_muerte!="NA"
tabla1=table(casos_ins$muerto)/36635*100
tabla1
## 
##     TRUE 
## 3.218234
## Crear Curva Epidemica con muertos 


g2=ggplot(casos_ins,aes(x=fecha_reporte,fill=muerto))+geom_bar()+theme_bw()
ggplotly(g2)

Se observa que para la Colombia a la fecha la mortalidad por Covid 19 es de 3.2182339.

tabla2=sort(table(casos_ins$departamento),decreasing = TRUE)[1:10]
tabla2
## 
##         Bogotá D.C. Cartagena D.T. y C.     Valle del Cauca   Barranquilla D.E. 
##               12185                3610                3526                2978 
##           Atlántico            Amazonas              Nariño           Antioquia 
##                2830                1954                1431                1360 
##        Cundinamarca                Meta 
##                1141                 987

Se observa que los Departamentos con mayores casos de covid 19 en colombia hasta la fecha son Bogotá DC, Cartagena D.T, Valle del Cauca, Barranquilla D.E.

require(lubridate)
fecha_sintomas=as.Date(casos_ins$fis)
fecha_notifica=as.Date(casos_ins$fecha_de_notificaci_n)
casos_ins$demora=difftime(fecha_notifica,fecha_sintomas,units = "days") ##resta de fechas
casos_ins$semana=as.factor(lubridate::week(fecha_sintomas))
g3=ggplot(casos_ins,aes(x=semana,y=demora,fill=semana))+geom_boxplot()+theme_bw()
ggplotly(g3)

Se observa que los tiempos o demoras enla entrega de los resultados son mejores a medida que pasan las semanas, iniciamos con la medida de 32 días y a la fecha se evidencia hasta 1 día. En conclusión a medida que ha pasado el tiempo la entrega de pruebas a mejorado.