U4A5

INTRODUCCION

El tema por el cual nos interesó investigar es por el ¿Cuándo se realiza exámenes de sangre entiende los valores que lee? ¿A qué le presta atención? Nuestra salud es un tesoro, a nadie le gusta sentirse ni estar enfermo, así que recurrimos a chequeos médicos generales para monitorear que nuestro organismo funcione correctamente. Cuando nos realizamos exámenes de laboratorio para corroborar cómo están los nivelesde azúcar en sangre, colesterol, triglicéridos, hemoglobina, entre otros, realmente solo leemos números y un rango que nos indica si ese valor está alto, bajo o normal según lo indicado, pero ¿cómo se traducen estos valores en la vida cotidiana?, pues muy sencillo, esto refleja los hábitos de alimentación y estilos de vida.

Modelo de microsimulacion

El modelo de microsimulación contiene información de tresenfermedades no transmisibles: diabetes, hipertensión y depresión. Estas enfermedades se presentan con mayor frecuencia en las instituciones de salud pública. Además, se cuenta con información de diagnóstico y tratamiento de ellas a partir de la ENSANUT 2012. Cabe mencionar que en 2016, IMSS e ISSSTE gastaron en conjunto alrededor de95 mmdp de sus presupuestos en atender diabetes, hipertensión, insuficiencia renal y cáncer cérvico uterino y de próstata.Además, con esta herramienta se pueden plantear diversos escenarios en cuanto a la cobertura efectiva y el aumento o la disminución de costos.

El simulador que se contruye en este estudio se inserta en un simulador fiscal más completo, construido por el Centro de Investigación Económica yPresupuestaria (CIEP), el cual contiene la Ley de Ingresos de la Federación(LIF) y el Presupuesto de Egresos de la Federación (PEF), modelados para poder generar diferentes escenarios evaluativos del sistema fiscal y la sostenibilidad del mismo1.Al modelar lo anterior, y en particular el simulador del sistema de salud, se hace posible entender la composición del gasto en la proporción correspondiente a estas tres enfermedades crónicas, y la probabilidad de que este aumente o disminuya basado en la probabilidad de que las personas contraigan diabetes, hipertensión o depresión y reciban el tratamiento correspondiente, así como por cambios en los factores de riesgo, tales como tomar, fumar u obesidad.

Enfermedades Cronicas y el impacto en la sociedad

Las enfermedades crónicas son las responsables del 60% de las muertes en el mundo, por el impacto que tiene en la sociedad, dos de estas enfermedades han sido consideras pandemias mundiales, estas son la HTA y la DMT2, los países que son más afectos se encuentran en bajo y mediano desarrollo, en estos lugares habita el 80% del total de personas que padecen estas enfermedades, aunado a esto y de manera paradójica estos países reciben menos del 10% de los recursos mundiales destinados al control de estas enfermedades.

La Organización Mundial de la Salud refiere que las enfermedades crónicas son de larga duración y por lo general de progresión lenta. Entre estos problemas de salud se encuentran las enfermedades cardíacas, respiratorias, los infartos, el cáncer, y la diabetes, siendo estas las principales causas de mortalidad en el mundo y responsables del 60% de las muertes (OMS, 2009) La elevación crónica de la presión sanguínea en las arterias ya sea sistólica, diastólica o ambas y cuyo origen no está determinado orgánicamente se le considera un trastorno funcional y es conocida como hipertensión arterial (HTA) primaria o esencial.

ANTECEDENTES

Diabetes

Según (“Enfermedades crónicas”, 2020) Las enfermedades crónicas en Sonora en los últimos años han sido un fuerte problema ya que estas han estado en la alza, más casos de diabetes, hipertensión y obesidad se han estado diagnosticado.

El 77 por ciento de la población adulta en Sonora sufre de sobrepeso; el 12 y 14 por ciento sufre de diabetes y el porcentaje de adultos mayores de 60 que sufren hipertensión es del 35 por ciento. Pero con la epidemia que surgió hace meses, estas enfermedades se vuelven aún más peligrosas debido a que esta misma ataca las vías respiratorias y a varios órganos vitales.

Obesidad

Obesidad significa tener un exceso de grasa en el cuerpo. Se diferencia del sobrepeso, que significa pesar demasiado. El peso puede ser resultado de la masa muscular, los huesos, la grasa y/o el agua en el cuerpo.

La obesidad se presenta en las personas que con el transcurso del tiempo estas ingieren más cantidad de calorías de las que pueden quemar, esta quema de calorías es diferente para todos dado que existen diferentes cosas que influyen en el peso de las personas.

Este padecimiento también aumenta el riesgo de padecer ciertas enfermedades como la diabetes, enfermedades cardiacas, derrames cerebrales, artritis. Una forma de retrasar o prevenir alguna de estas enfermedades es perder de 5% a 10% del peso.

Hipertension

La presión arterial es una medición de la fuerza ejercida contra las paredes de las arterias a medida que el corazón bombea sangre a su cuerpo. Hipertensión es el término que se utiliza para describir la presión arterial alta.(Para cita) Las lecturas de la presión arterial regularmente son 2 números, los dos números pueden llegar a ser demasiados altos

Uno o ambos números pueden ser demasiado altos. (Nota: estas cantidades aplican a personas que no están tomando medicamentos para la presión arterial y para quienes no están enfermos).

-La presión arterial normal en las personas tiene que ser menor a 120/80 mm Hg la mayoría de las veces.

-Se le denomina hipertensión (presión arterial alta) cuando uno o ambos números de la presión arterial es mayor a 130/80 mm Hg en la mayoría de los casos

Dislipidemia

La dislipidemia o hiperlipidemia es un término que empleamos para definir el aumento de la concentración plasmática de colesterol y lípidos en la sangre, y es una condición que se encuentra asociado al desarrollo de una gran cantidad de padecimientos crónico degenerativos como obesidad, hipertensión, diabetes mellitus, infarto agudo al miocardio, eventos vasculares cerebrales y otros, los cuales están implicados en una diminución en el tiempo y calidad de vida de los pacientes que lo padecen.

OBJETIVOS

Esto con el objetivo de saber quién tiene mayor cantidad de glucosa si Hombres o Mujeres, quienes llevan un nivel de glucosa muy alto del cual sean propensos a tener diabetes o pre-diabetes. Se considera que la prevención y el manejo de las enfermedades crónicas requieren la integración a través de referencias y relaciones fortalecidas entre los niveles de atención de salud primaria, secundaria y terciaria.

Es necesario cruzar todo el panorama del manejo de enfermedades—desde la prevención hasta el tamizaje y la detección temprana, el diagnóstico, el tratamiento, el autocuidado, la rehabilitación y los cuidados paliativos .Para esto se incorporan las construcciones del modelo de atención de enfermedades crónicas en el objetivo para el manejo de enfermedades crónicas y sus factores de riesgo, con la meta de mejorar los resultados en cinco áreas principales: Un método coherente del mejoramiento de sistemas.

El desarrollo de y la adhesión a las directrices. El apoyo al autocuidado de las personas con enfermedades crónicas. Mejores sistemas clínicos de información.

FIGURA 2

FIGURA 1

TEORIA

Según Enfermedades crónicas. (2020). Una enfermedad Crónica es para toda casi toda la vida de un progreso lento hay veces que si se tratas es más lento aun, son principales causas de mortalidad en el mundo, siendo responsables del 63% de las muertes.

Un estudio realizado en pacientes con dolores de cabeza crónicos causado por tensión indicó que experimentaron un menor desempeño en sus trabajos y su en función social y que tenían una probabilidad de tres a quince veces mayor de ser diagnosticados con ansiedad o trastornos del estado de ánimo. Retrieved 10 July 2020, from https://www.who.int/topics/chronic_diseases/es/#:~:text=Temas%20de%20salud-,Enfermedades%20cr%C3%B3nicas,del%2063%25%20de%20las%20muertes.

Una enfermedad así te convierte en una persona muy frágil y conforme más vaya creciendo, más le abre las puestas a enfermedades fatales e incluso puede llegar a ser tan dañinas que te llevaran a la muerte. Problemas como por ejemplo bronquitis pueden llegar a dar principios de asma, así como varias enfermedades crónicas hay en el mundo o más bien en el país, hay una muy importante que es la obesidad que lleva al diabetes, hipertensión, tener que usar medicamentos de los cuales se toman como inyecciones, dando como México el 9no lugar en Obesidad.

METODO

Se agregaron ecuaciones para obtener la distribución probabilidad de en que estado se presenten mas casos de diabetes en el cual nos basamos en 5 estados (Sonora, Aguascalientes, Tlaxcala, Chihuahua y San Luis Potosi). con el consentimiento de que los modelos se corrieron por sexo, es decir, se calcula la probabilidad de enfermedad y de ser tratados para cada una de las enfermedades, para mujeres y hombres por separado.

RESULTADOS Y DISCUSIONES

setwd("~/PROBABILIDAD Y ESTADISTICA (R Studio)")
library(readr)
library(pacman)
p_load("base64enc", "htmltools", "mime", "xfun","prettydoc", "readr", "knitr", "DT", "dplyr",  "ggplot2", "readxl")
#url <- "http://www.cenaprece.salud.gob.mx/descargas/Excel/Diagnosticos18.csv"
datos <- read_csv("Diagnosticos18.csv")

## Parsed with column specification:
## cols(
##   Estado = col_character(),
##   Jurisdiccion = col_character(),
##   Uneme = col_character(),
##   CLUES = col_character(),
##   `Cve Persona` = col_character(),
##   Genero = col_character(),
##   `Cve Diagnostico` = col_character(),
##   Diagnostico = col_character(),
##   `Fecha Diagnostico` = col_character()
## )

Datos Sonora

Sonora <- (datos [datos$Estado == "Sonora", ])

table(Sonora$Genero)

## 
## Hombre  Mujer 
##    548   1588

head(Sonora)

## # A tibble: 6 x 9
##   Estado Jurisdiccion Uneme CLUES `Cve Persona` Genero `Cve Diagnostic~
##   <chr>  <chr>        <chr> <chr> <chr>         <chr>  <chr>           
## 1 Sonora SANTA ANA    UNEM~ SRSS~ SoSAUN1253    Mujer  I10.X           
## 2 Sonora SANTA ANA    UNEM~ SRSS~ SoSAUN1735    Hombre I10.X           
## 3 Sonora CABORCA      UNEM~ SRSS~ SoCAUN910     Mujer  E10.9           
## 4 Sonora CABORCA      UNEM~ SRSS~ SoCAUN930     Mujer  E10.9           
## 5 Sonora SANTA ANA    UNEM~ SRSS~ SoSAUN1801    Mujer  I10.X           
## 6 Sonora SANTA ANA    UNEM~ SRSS~ SoSAUN77      Mujer  E11.9           
## # ... with 2 more variables: Diagnostico <chr>, `Fecha Diagnostico` <chr>

nrow(Sonora)

## [1] 2136

datatable(Sonora)

TABLA 1 CASOS EN SONORA

ggplot(Sonora, aes(fill=Jurisdiccion, y=Diagnostico)) + geom_bar(position="dodge", stat="count") + xlab("Numero de casos") + ylab("Diagnostico") + ggtitle("Enfermedades cronicas en Sonora, 2018 (CENAPRECE)")

Datos Sinaloa

datos <- read_csv("Diagnosticos181.csv")

## Parsed with column specification:
## cols(
##   Estado = col_character(),
##   Jurisdiccion = col_character(),
##   Uneme = col_character(),
##   CLUES = col_character(),
##   `Cve Persona` = col_character(),
##   Genero = col_character(),
##   `Cve Diagnostico` = col_character(),
##   Diagnostico = col_character(),
##   `Fecha Diagnostico` = col_character()
## )

Sinaloa <- (datos [datos$Estado == "Sinaloa", ])

datos <- read_csv("Datos111.csv")

## Parsed with column specification:
## cols(
##   Enfermedad = col_character(),
##   Casos = col_double(),
##   Estado = col_character(),
##   Genero = col_character()
## )

TABLA 2 CASOS EN SINALOA

#Numero de personas con enfermedades cronicas por genero:
table(Sinaloa$Genero)

## 
## Hombre  Mujer 
##    598   1813

#Numero de personas con enfermedades cronicos registradas en 2018:
table(Sinaloa$Diagnostico)

## 
##      Diabetes Dislipidemias  Hipertension      Obesidad 
##           883           539           531           458

#Datos:
datatable(Sinaloa)

ggplot(Sinaloa, aes(fill=Jurisdiccion, y=Diagnostico)) + geom_bar(position="dodge", stat="count") + xlab("Numero de casos") + ylab("Diagnostico") + ggtitle("Enfermedades cronicas en Sinaloa, 2018 (CENAPRECE)")

datos <- read_csv("Diagnosticos200.csv")

## Parsed with column specification:
## cols(
##   Estado = col_character(),
##   Jurisdiccion = col_character(),
##   Uneme = col_character(),
##   CLUES = col_character(),
##   CvePersona = col_character(),
##   Genero = col_character(),
##   CLAVE_DIAGNOSTICO = col_character(),
##   Dx = col_character(),
##   FechaDiagnostico = col_character()
## )

### Datos Ambos Estados

```r
#Numero de enfermedadescronicas en Sonora y Sinaloa

ggplot(datos, aes(fill=Jurisdiccion, y=Dx)) + geom_bar(position="dodge", stat="count") + xlab("Numero de casos") + ylab("Genero") + ggtitle("Enfermedades cronicas en Sinaloa y Sonora, 2017-2018 (CENAPRECE)")

#Numero de personas con enfermedades cronicas por genero:
table(datos$Genero)

## 
## Hombre  Mujer 
##   2266   7182

#Porcentaje de Hombres con enfermedades Cronicas:
PorH <- 2266/9448
PorH*100

## [1] 23.98391

#Porcentaje de Mujeres con enfermedades Cronicas:
PorM <- 7182/9448
PorM*100

## [1] 76.01609

#Porcentaje de Enfermedades Cronicas:

#Diabetes: 
Dbt <- 3157/9448
Dbt*100

## [1] 33.41448

#Dispilemias:
Dis <- 2104/9448
Dis*100

## [1] 22.26926

#Hipertension:
Hip <- 2206/9448
Hip*100

## [1] 23.34886

#Obesidad
Ob <- 1981/9448
Ob1 <- 1981
Hip*100

## [1] 23.34886

Prueba de Hipotesis

data <- read_csv("Datos111.csv")

## Parsed with column specification:
## cols(
##   Enfermedad = col_character(),
##   Casos = col_double(),
##   Estado = col_character(),
##   Genero = col_character()
## )

#Datos
knitr::kable(data)

Enfermedad	Casos	Estado	Genero
Diabetes	309	Sonora	M
Displidemia	242	Sonora	M
Hipertension	240	Sonora	M
Obesidad	201	Sonora	M
Diabetes	875	Sonora	F
Displidemia	688	Sonora	F
Hipertension	714	Sonora	F
Obesidad	702	Sonora	F
Diabetes	521	Sinaloa	M
Displidemia	246	Sinaloa	M
Hipertension	289	Sinaloa	M
Obesidad	218	Sinaloa	M
Diabetes	1452	Sinaloa	F
Displidemia	928	Sinaloa	F
Hipertension	963	Sinaloa	F
Obesidad	860	Sinaloa	F

#Grafica:
boxplot(data$Casos  ~ data$Enfermedad, col = "pink"  )

Muj <- subset(data, Genero == "F"    )
Hom <- subset(data, Genero == "M"    )
#Histogramas:
hist(Muj$Casos)

hist(Hom$Casos)

#Resumen:
summary(Muj$Casos)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   688.0   711.0   867.5   897.8   936.8  1452.0

summary(Hom$Casos)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   201.0   234.5   244.0   283.2   294.0   521.0

#Desviacion Estandar:
sd(Hom$Casos)

## [1] 102.2626

sd(Hom$Casos)

## [1] 102.2626

#Shapiro test:
shapiro.test(Hom$Casos)

## 
##  Shapiro-Wilk normality test
## 
## data:  Hom$Casos
## W = 0.73026, p-value = 0.00493

shapiro.test(Muj$Casos)

## 
##  Shapiro-Wilk normality test
## 
## data:  Muj$Casos
## W = 0.79012, p-value = 0.02242

#ks test:
ks.test(Hom$Casos,"pnorm", mean=mean(Hom$Casos), sd=sd(Hom$Casos))

## 
##  One-sample Kolmogorov-Smirnov test
## 
## data:  Hom$Casos
## D = 0.2756, p-value = 0.4945
## alternative hypothesis: two-sided

ks.test(Muj$Casos,"pnorm", mean=mean(Muj$Casos), sd=sd(Muj$Casos))

## 
##  One-sample Kolmogorov-Smirnov test
## 
## data:  Muj$Casos
## D = 0.27122, p-value = 0.5143
## alternative hypothesis: two-sided

fivenum(Hom$Casos)

## [1] 201 229 244 299 521

fivenum(Muj$Casos)

## [1]  688.0  708.0  867.5  945.5 1452.0

#Prueba de normalidad devarianzas:
var.test(Muj$Casos, Hom$Casos)

## 
##  F test to compare two variances
## 
## data:  Muj$Casos and Hom$Casos
## F = 5.8793, num df = 7, denom df = 7, p-value = 0.03237
## alternative hypothesis: true ratio of variances is not equal to 1
## 95 percent confidence interval:
##   1.177059 29.366581
## sample estimates:
## ratio of variances 
##           5.879302

#Prueba de T-Student:
t.test( Muj$Casos, Hom$Casos, var.equal = T, )

## 
##  Two Sample t-test
## 
## data:  Muj$Casos and Hom$Casos
## t = 6.48, df = 14, p-value = 1.449e-05
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  411.1106 817.8894
## sample estimates:
## mean of x mean of y 
##    897.75    283.25

¿Que jurisdicción tiene más casos de Diabetes en el Estado de Sonora?

Hermosillo sin duda se lleva los mayores casos de Diabetes comparado con las demás Jurisdicciones

¿Que jurisdicción tiene más casos de diabetes en el estado de Sinaloa?

Mazatlán es el que tiene mayores casos de diabetes, seguido de Culiacán

Dado un Breve Resumen

Vimos que Hermosillo es la jurisdicción con más casos de diabetes y dislipidemias que las demás, Caborca y Santa Ana no se quedan atrás ya que ellos igual van al mismo paso en hipertensión, dilipidemia y Obesidad, mientras que Obregón esta en pocos casos, solo que tiene más casos de diabetes que de las demás enfermedades diagnosticadas.

Dado a los resultados obtenidos de nuestra investigación concluimos que Hermosillo tiene una gran concentración de enfermedades crónicas, esto puede ser debido a su gran concentración de personas que habitan este municipio del estado de Sonora.

En lugar del Estado de Sinaloa, Mazatlán tiene mayor número de casos de diabetes, seguido de Culiacán y los Mochis, también se lleva la adelantara con hipertensión y dislipidemias, Mochis y guamúchil no tienen tantos casos, como las demás ciudades.

CONCLUSION

Las enfermedades crónicas son un tema muy delicado de investigar, ya que México ocupa el 9no Lugar en diabetes, en haber agarrado 2 estados y pudimos observar que las ciudades un poco grandes y más visitadas son las que representan más casos de enfermedades crónicas que las demás que son solo de paso.

Como conclusión, se demuestra que la proporción de enfermedades crónicas es casi de 3 mujeres por hombre en ambos estados, la enfermedad que se presentó mayormente fue la obesidad y la diabetes, y podemos argumentar que una de las raíces de ese problema es la pobre alimentación de la población así como la falta de ejercicio rutinario, ya que al hacer estas dos actividades el riesgo de tener estas enfermedades es mucho menor.

La cantidad de casos en Caborca y Santa Ana son debidos a su sistema de salud pública dado que los dos municipios no cuentan con lo necesario para tratar con las enfermedades, en el caso de Obregón es todo lo contrario dado que estos cuentan con unos de los mejores servicios de salud pública del estado de Sonora, estos se refleja en la poca cantidad de casos de enfermedades crónicas siendo este el que menos caso tiene en todos los ámbitos que expusimos en nuestra investigación

En base a los resultados obtenidos y graficados se puede ver que el municipio que más enfermedades crónicas presenta en el estado de Sinaloa es Mazatlán en todos los rubros en los cuales estamos evaluando, una de las razones por las que se debe a la cantidad e turismo que se tiene en este municipio

BIBLIOGRAFIA

adultos, H. (2020). Hipertensión arterial - adultos: MedlinePlus enciclopedia médica. Medlineplus.gov. Recuperada el 2 Julio 2020, de https://medlineplus.gov/spanish/ency/article/000468.htm.

CENTRO DE SALUD CON HOSPITAL SANTA ANA EN - SANTA ANA. Hospitalesmexico.com. (2020). Recuperado el 2 Julio 2020, de https://hospitalesmexico.com/centro-de-salud-con-hospital-santa-ana-17133.

Diabetes: tratamiento, síntomas, causas y prevención. CuidatePlus. (2018). Recuperado el 9 Julio 2020, de https://cuidateplus.marca.com/enfermedades/digestivas/diabetes.html.

Expediente Clínico Electrónico UNEMES Enfermedades Crónicas 2018 - datos.gob.mx/busca. Datos.gob.mx. (2020). Recuperado el 9 Julio 2020, de https://datos.gob.mx/busca/dataset/expediente-clinico-electronico-un…

xfun::embed_file("http://www.cenaprece.salud.gob.mx/descargas/Excel/Diagnosticos18.csv")

Download Diagnosticos18.csv