COVID-19 en Mexico

Manuel Rubio, Daniela Mendes, Larissa Castilla, Francisco Fimbres

26/6/2020

Analisis de COVID-19 en Mexico

Introduccion

El coronavirus tipo 2 del síndrome respiratorio agudo grave o SARS-CoV-2 (en inglés, severe acute respiratory syndrome coronavirus 2) es un tipo de coronavirus causante de la enfermedad por coronavirus de 2019 (COVID-19), cuya expansión mundial ha provocado la pandemia de 2019-2020. Inicialmente llamado 2019-nCoV (en inglés, 2019-novel coronavirus, ‘nuevo coronavirus de 2019’), se descubrió y se aisló por primera vez en Wuhan, China. Parece tener un origen zoonótico, es decir, se transmitió de un huésped animal a uno humano. En este proyecto, presentaremos toda la información relacionada al COVID-19 en México actualizada diariamente, en base a los datos proporcionados por la Secretaría de Salud. Al percatarnos de la magnitud de este virus en nuestro país, así como la desinformación e incredulidad de un gran número de personas mismas que lo manifiesta en redes sociales, nos vimos interesados en desarrollar este proyecto.

Antecedentes

En los últimos meses del 2020, se ha manifestado mundialmente la inquietud respecto al nuevo coronavirus que se ha ido esparciendo rápidamente, principalmente por la las vías respiratorias, este comenzó en la ciudad de Wuhan, China a finales del 2019. Se estima que el contagio se produce cuando aspiramos pequeñas gotas expulsadas a través de la tos o el estornudo de una persona infectada.

Objetivo

El objetivo por lograr con este trabajo es poder representar de una manera más sencilla el comportamiento que está presentando el COVID-19 en México para poder analizarlo y entender la situación actual por la que el país está pasando. Gracias a este tipo de análisis se puede llegar a varias personas y asimismo que puedan leer y educarse dentro del área social y circunstancial en lo que respecta al virus. Principalmente que todos obtengan un poco de conocimiento para enfrentar y tomar precaución ante la información errónea que se ha viralizado tomando solamente datos respaldados de manera oficial.

Teoria

Un equipo del Instituto Karolinska en Suecia estudió en detalle la respuesta de células T (las células que coordinan la respuesta inmune y la producción de anticuerpos) en una gran cohorte de personas no expuestas al virus, así como en familiares expuestos y pacientes en fase aguda de COVID-19 o convalecientes. Encontraron células T específicas de SARS-CoV-2 en individuos que no desarrollaron síntomas o que desarrollaron síntomas leves, aún en aquellos que no tenían anticuerpos detectables. Estos resultados sugieren que la inmunidad contra la COVID-19 podría ser más elevada que lo que indican los tests de anticuerpos. De hecho, la seroconversión (producción de anticuerpos frente al virus) en pacientes asintomáticos puede tardar más tiempo, según un estudio en Corea del Sur que encontró anticuerpos neutralizantes en pacientes completamente asintomáticos ocho semanas tras el diagnóstico por PCR.

Hipotesis

Dentro del proyecto para probabilidad y estadística el principal objetivo es hacer una relación entre la población de México y el virus de Covid-19, de manera que podamos estudiar el comportamiento que se ha presentado dentro del país para poder representarla de manera más gráfica y sencilla. El resultado de esto pretende ser una fuente datos como por ejemplo una página o documento publicado abierto al público para que se puedan consultar y estudiar con el fin de mejorar un poco la situación actual. Mediante el uso de herramientas de gran ayuda como lo es “Rstudio” el cual nos ayuda a transformar los datos y publicarlas en una página web a tiempo real para facilitar el entendimiento de los mismos y así evitar la desinformación. Cabe destacar que esta última juega un papel muy importante en el aumento del número de casos.

Desarrollo

Sabemos que el virus se puede transmitir de persona a persona. Esto hace que sea mucho más difícil saber cómo se está propagando. No hay buenas estimaciones sobre qué porcentaje de infecciones son asintomáticas.

Una muy alta probabilidad de las personas que se contagian solo sufrirán una forma leve o moderada de la enfermedad. Otra parte más baja de la población lo desarrollan de una forma grave y tendrán que ser hospitalizadas. Una atención muy especializada puede curar incluso a las personas en estado más crítico, pero existe el peligro de sobrecarga de los sistemas sanitarios debido al gran volumen de pacientes que necesitarán hospitalización; por esa razón, esa atención especializada no siempre va a estar disponible. También hay personas infectadas que no muestran o casi no presentan síntomas de la enfermedad. Usaremos la herramienta de “Rstudio” para la elaboración de una página web,en la cual estaremos subiendo gráficas y descripciones con base a los datos obtenidos, y así lograr una mayor facilidad de entendimiento de este tema que es el COVID-19. Por medio de esta herramienta también estaremos actualizando constantemente ya sea el incremento o deceso de casos que se irán presentando en México en un tiempo determinado.

Metodo

setwd("~/PyE")
library(readr)
library(tidyverse)
## -- Attaching packages ------------------------------------------------------------- tidyverse 1.3.0 --
## v ggplot2 3.3.1     v dplyr   1.0.0
## v tibble  3.0.1     v stringr 1.4.0
## v tidyr   1.1.0     v forcats 0.5.0
## v purrr   0.3.4
## -- Conflicts ---------------------------------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()
library(plotly)
## 
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## The following object is masked from 'package:stats':
## 
##     filter
## The following object is masked from 'package:graphics':
## 
##     layout
library(gganimate)
library(gifski)
library(readxl)
Confirmados <- read_excel("Confirmados.xlsx")

Defunciones <- read_excel("Defunciones.xlsx")

Negativos <- read_excel("Negativos.xlsx")
Fecha <- seq(from = as.Date("2020-01-12"), to = as.Date("2020-07-07"), by="day")

FechaDef <- seq(from = as.Date("2020-03-17"), to = as.Date("2020-07-08"), by="day")

FechaNeg <- seq(from = as.Date("2019-12-31"), to = as.Date("2020-07-07"), by="day")
datos1 <- data.frame(Fecha, Confirmados)
cNac<-cumsum(Confirmados$Nacional)
cMex<-cumsum(Confirmados$MEXICO)
cPue<- cumsum(Confirmados$PUEBLA)
cVer<-cumsum(Confirmados$VERACRUZ)
cGua<-cumsum(Confirmados$GUANAJUATO)
cNuev<-cumsum(Confirmados$'NUEVO LEON')
cBc<-cumsum(Confirmados$'BAJA CALIFORNIA')
cSin<-cumsum(Confirmados$'SINALOA')
cSonora <- cumsum(Confirmados$'SONORA')
cTab<-cumsum(Confirmados$'TABASCO')
ggplot(data=datos1) +
  geom_line(aes(Fecha, cSonora, colour='Sonora')) +
  geom_line(aes(Fecha, cTab, colour='Tabasco')) +
  geom_line(aes(Fecha, cVer, colour='Veracruz')) +
  geom_line(aes(Fecha, cBc, colour='Baja California')) +
  geom_line(aes(Fecha, cNuev, colour='Nuevo León')) +
  geom_line(aes(Fecha, cGua, colour='Guanajuato')) +
  geom_line(aes(Fecha, cMex, colour='Mexico')) +
  geom_line(aes(Fecha, cPue, colour='Puebla')) +
  geom_line(aes(Fecha, cSin, colour='Sinaloa')) +
  ggtitle("Casos diarios Confirmados COVID-19 en México")+
  xlab('Fecha')+
  ylab('Casos Diarios')+
  labs(colour="Estados")+
  transition_reveal(Fecha) 

datos2 <- data.frame(FechaDef, Defunciones)

dMex<-cumsum(Defunciones$MEXICO)
dPue<- cumsum(Defunciones$PUEBLA)
dVer<-cumsum(Defunciones$VERACRUZ)
dGua<-cumsum(Defunciones$GUANAJUATO)
dNuev<-cumsum(Defunciones$'NUEVO LEON')
dBc<-cumsum(Defunciones$'BAJA CALIFORNIA SUR')
dSin<-cumsum(Defunciones$'SINALOA')
dSonora <- cumsum(Defunciones$'SONORA')
dTab<-cumsum(Defunciones$'TABASCO')
ggplot(data=datos2) +
  geom_line(aes(FechaDef, dSonora, colour='Sonora')) +
  geom_line(aes(FechaDef, dTab, colour='Tabasco')) +
  geom_line(aes(FechaDef, dVer, colour='Veracruz')) +
  geom_line(aes(FechaDef, dBc, colour='Baja California')) +
  geom_line(aes(FechaDef, dNuev, colour='Nuevo León')) +
  geom_line(aes(FechaDef, dGua, colour='Guanajuato')) +
  geom_line(aes(FechaDef, dMex, colour='Mexico')) +
  geom_line(aes(FechaDef, dPue, colour='Puebla')) +
  geom_line(aes(FechaDef, dSin, colour='Sinaloa')) +
  ggtitle("Casos diarios de Defunciones por COVID-19 en México")+
  xlab('FechaDef')+
  ylab('Casos Diarios')+
  labs(colour="Estados")+
  transition_reveal(FechaDef)

datos3 <- data.frame(FechaNeg, Negativos)
nMex<-cumsum(Negativos$MEXICO)
nPue<- cumsum(Negativos$PUEBLA)
nVer<-cumsum(Negativos$VERACRUZ)
nGua<-cumsum(Negativos$GUANAJUATO)
nNuev<-cumsum(Negativos$'NUEVO LEON')
nBc<-cumsum(Negativos$'BAJA CALIFORNIA')
nSin<-cumsum(Negativos$'SINALOA')
nSonora <- cumsum(Negativos$'SONORA')
nTab<-cumsum(Negativos$'TABASCO')
ggplot(data=datos3) +
  geom_line(aes(FechaNeg, nSonora, colour='Sonora')) +
  geom_line(aes(FechaNeg, nTab, colour='Tabasco')) +
  geom_line(aes(FechaNeg, nVer, colour='Veracruz')) +
  geom_line(aes(FechaNeg, nBc, colour='Baja California')) +
  geom_line(aes(FechaNeg, nNuev, colour='Nuevo León')) +
  geom_line(aes(FechaNeg, nGua, colour='Guanajuato')) +
  geom_line(aes(FechaNeg, nMex, colour='Mexico')) +
  geom_line(aes(FechaNeg, nPue, colour='Puebla')) +
  geom_line(aes(FechaNeg, nSin, colour='Sinaloa')) +
  ggtitle("Casos Negativos diarios de COVID-19 en México")+
  xlab('FechaNeg')+
  ylab('Casos Diarios')+
  labs(colour="Estados")+
  transition_reveal(FechaNeg)

Resultados y discusion

Conclusion

Mientras la vacuna no esté disponible, las infecciones se pueden posponer, pero no se puede evitar el contagio de un alto porcentaje de la población. Por lo tanto, es necesario actuar con urgencia para incrementar la capacidad del sistema sanitario y reforzar el cumplimiento de las medidas que reduzcan la transmisión. Ante el aumento exponencial de casos y muertes, es necesario aplicar medidas más restrictivas y decretar un confinamiento total. Sin embargo, los bloqueos no se pueden mantener por largos periodos de tiempo sin causar muertes indirectas (costo socioeconómico), por lo que el bloqueo total debe ser limitado en el tiempo. El tiempo que dure el confinamiento total debe ser aprovechado para trazar una estrategia sostenible a medio plazo, que incluya el diagnóstico y aislamiento de casos, identificación y cuarentena de contactos y la exploración de tratamientos preventivos.

Referencias

ISGlobal. (2020). Covid-19: Novedades cientificas, 2020 Sitio web: https://www.isglobal.org/covid-19-novedades-cientificas

Laura Plitt. (2020). ¿Que le hace el covid-19 a tu cuerpo?. 2020, de BBC News Sitio web: https://www.bbc.com/mundo/noticias-51858185