Importancia de los datos ante la contingencia por COVID-19 en México

Acerca de este documento

Código de flujo de trabajo de datos realizado por Juan Badouin para el blog del proyecto colectivo Monitor Sonora
Este es un documento que explica de manera demostrativa una forma de procesar datos abiertos oficiales de México y convertirlos en análisis y visualizaciones que puedan ser útiles para los ciudadanos ante la pandemia por COVID-19
El análisis fue realizado con el objetivo de difundir y democratizar el uso y análisis de datos en México para de esta forma crear una masa crítica que nos permita tomar mejores decisiones en lo colectivo con mejores herramientas y métodos.
El código aquí usado está escrito en el lenguaje de programación abierto R y puede ser descargado y así como también sus datos en los hipervínculos que se encuentran abajo.

Importación de paquetes

setwd("~/MONITORSONORA")
library(pacman)
p_load("base64enc", "htmltools", "mime", "xfun", "prettydoc","readr", "knitr","DT","dplyr", "ggplot2","plotly", "gganimate","gifski","scales")

Descarga de código

Links para descargas de este código en R (.rmd)

xfun::embed_file("DATOSCOVID.rmd")

Download DATOSCOVID.rmd

Analizando Datos globales de JHU para México

*De lo general a lo particular**

Datos obtenidos de:

“Coronavirus COVID-19 Global Cases by the Center for Systems Science and Engineering (CSSE) at Johns Hopkins University (JHU)” https://coronavirus.jhu.edu/map.html

Importar datos

Importar los datos desde su URL ‘raw’ (.csv) del github de JHU https://github.com/CSSEGISandData/COVID-19 y extraer los datos para México

#Declaracion de URL de variables 
url_conf <- "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_confirmed_global.csv"
url_decesos <- "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_deaths_global.csv"
url_recuperados <- "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_recovered_global.csv"

#Leer los archivos .csv de las URL
datos_conf <- read.csv(url_conf)
datos_decesos <-read.csv(url_decesos)
datos_recuperados <- read.csv(url_recuperados)

#definir variables
conf_mex <- t(datos_conf [datos_conf$Country.Region=="Mexico" ,])
dec_mex <- t(datos_decesos [datos_decesos$Country.Region=="Mexico" ,])
rec_mex <- t(datos_recuperados [datos_recuperados$Country.Region=="Mexico" ,])

Formatear datos

Convertir los datos a un “data frame”

#Vector de Fecha
Fecha = seq(from = as.Date("2020-01-22"), to = as.Date("2020-07-13"), by = 'day')

#Casos confirmados
vec1 <- as.vector(conf_mex)
vec2 <-vec1[5:178]
num1 <- as.numeric(vec2)
Confirmados <- as.vector(num1)

#decesos 
vec1 <- as.vector(dec_mex)
vec2 <-vec1[5:178]
num1 <- as.numeric(vec2)
Decesos <- as.vector(num1)

#recuperados
vec1 <- as.vector(rec_mex)
vec2 <-vec1[5:178]
num1 <- as.numeric(vec2)
Recuperados <- as.vector(num1)

#generacion de un data frame
datos1 <- data.frame(Fecha, Confirmados, Decesos, Recuperados)

Visualizacion

Creación de visualizaciones de datos

A continuación se presentan visualizaciones que representan los datos de confirmados, decesos y recuperados para México

# Gráfica estática
gcov <-ggplot(data=datos1) +
  geom_line(aes(Fecha, Confirmados, colour='Confirmados')) + 
  geom_line(aes(Fecha, Decesos, colour='Decesos')) + 
  geom_line(aes(Fecha, Recuperados, colour="Recuperados"))+
  xlab('Fecha') +
  ylab('COVID-19 Mexico') +
  labs(colour = "Casos") +
  ggtitle("Casos de COVID-19 en México (Fuente: JHU CSSE)") +
  scale_y_continuous(labels = comma)
gcov

Tabla interactiva de datos

*Aquí se pueden consultar los datos con los que se construyeron los gráficos anteriroes, hacer búsquedas y ordenarlos

datatable(datos1)

Analizando los datos de coronavirus.gob.mx para Sonora y sinaloa

Importar datos

Aquí se pone de ejemplo una comparativa de Casos de Sonora y Sinaloa

Para esta parte se usarán los datos de “confirmados por estado” descargados en formato CSV de: https://coronavirus.gob.mx/datos/#DownZCSV
Puede descargar los datos usados aquí

xfun::embed_file("Casos_Diarios_Estado_Nacional_Confirmados_20200713.csv")

Download Casos_Diarios_Estado_Nacional_Confirmados_20200713.csv

Leer archivo local

#Primera parte datos diarios y acumulados

#Leer datos 
datos<- read.csv("Casos_Diarios_Estado_Nacional_Confirmados_20200713.csv")

Formatear datos

#Casos diarios Sonora
Sonora<- t(datos[datos$nombre=="SONORA" ,])
Sonora <- as.vector(Sonora)
Sonora<-Sonora[4:187]
Sonora <- as.numeric(Sonora)
Sonora <- as.vector(Sonora)
csonora <- cumsum(Sonora)

#Casos diarios Sinaloa
Sinaloa<- t(datos[datos$nombre=="SINALOA" ,])
Sinaloa <- as.vector(Sinaloa)
Sinaloa<-Sinaloa[4:187]
Sinaloa <- as.numeric(Sinaloa)
Sinaloa <- as.vector(Sinaloa)
csinaloa <- cumsum(Sinaloa)
#Fecha
Fecha = seq(from = as.Date("2020-01-12"), to = as.Date("2020-07-13"), by = 'day')

SonSin <-data.frame(Fecha, Sonora, Sinaloa)
cSonSin <-data.frame(Fecha, csonora, csinaloa)

Datos formateados

Tablas de interactivas para datos absolutos diarios y acumulados (Sonora y Sinaloa)

datatable(SonSin)

datatable(cSonSin)

Visualización

Comparativa de valores acumulados de Sinaloa y Sonora

# Comparativa acumulada Sinaloa y Sonora
ggplot(data=cSonSin) +
  geom_line(aes(Fecha, csinaloa, colour = 'Sinaloa')) + 
  geom_line(aes(Fecha, csonora, colour ='Sonora') )+ 
  xlab('Fecha')+
  ylab('Casos Diarios Acumulados') +
  labs(colour = "Estados")+
  ggtitle ("Casos Confirmados COVID-19 Sinaloa y Sonora COVID-19" )+
  scale_y_continuous(labels = comma)

Comparativa de casos confirmados diarios y acumulados para Sonora

Sonora1 <- data.frame(Fecha, Sonora, csonora)
g2 <- ggplot(data=Sonora1 ) +
   geom_col(aes(Fecha, csonora) )+ 
   xlab('Fecha')+
   ylab('Casos Acumulados') +
   ggtitle (" A) Confirmados de COVID-19 en Sonora (acumulados)" ) +
  scale_y_continuous(labels = comma)

g3 <- ggplot(data=Sonora1 ) +
  geom_line(aes(Fecha, Sonora) )+ 
  xlab('Fecha')+
  ylab('Casos Diarios') +
  ggtitle ("B) Confirmados de COVID-19 en Sonora" ) +
  scale_y_continuous(labels = comma)

p_load(gridExtra)
grid.arrange(g2, g3)

Enfermedades crónicas en Sonora

Fuente de los datos Obtenida de: https://datos.gob.mx/busca/dataset/expediente-clinico-electronico-unemes-enfermedades-cronicas--2018
URL de datos CSV crudos: http://www.cenaprece.salud.gob.mx/descargas/Excel/Diagnosticos18.csv

Expediente Clínico Electrónico UNEMES (unidades de especialidades médicas) Enfermedades Crónicas 2018

El Centro Nacional de Programas Preventivos y Control de Enfermedades (CENAPRECE), es el órgano desconcentrado de la Secretaría de Salud responsable de conducir e implementar los programas sustantivos para la prevención y control de enfermedades, para reducir la morbilidad y mortalidad en la población mexicana.

Importar datos

datos2 <- read.csv("Diagnosticos18.csv",encoding = "UTF-8")
class(datos2)

## [1] "data.frame"

head(datos2)

##       Estado Jurisdiccion             Uneme        CLUES Cve.Persona Genero
## 1 Guanajuato     IRAPUATO UNEME EC IRAPUATO GTSSA017250   GuIRUN5910  Mujer
## 2 Guanajuato     IRAPUATO UNEME EC IRAPUATO GTSSA017250   GuIRUN5953  Mujer
## 3 Guanajuato     IRAPUATO UNEME EC IRAPUATO GTSSA017250   GuIRUN6045  Mujer
## 4 Guanajuato     IRAPUATO UNEME EC IRAPUATO GTSSA017250   GuIRUN6091  Mujer
## 5 Guanajuato     IRAPUATO UNEME EC IRAPUATO GTSSA017250   GuIRUN6138  Mujer
## 6 Guanajuato     IRAPUATO UNEME EC IRAPUATO GTSSA017250   GuIRUN5706 Hombre
##   Cve.Diagnostico   Diagnostico Fecha.Diagnostico
## 1           E78.2 Dislipidemias        02/01/2018
## 2           E78.2 Dislipidemias        02/01/2018
## 3           E78.2 Dislipidemias        02/01/2018
## 4           E78.2 Dislipidemias        02/01/2018
## 5           E78.2 Dislipidemias        02/01/2018
## 6           E78.2 Dislipidemias        02/01/2018

Formatear datos

SonoraS <- t(datos2 [datos2$Estado == "Sonora", ])
SonoraS <- (datos2 [datos2$Estado == "Sonora", ])

Visualización

# Grouped
ggplot(SonoraS, aes(fill=Jurisdiccion, y=Diagnostico)) + 
    geom_bar(position="dodge", stat="count") +
    xlab ("Número de casos") +
    ylab ("Diagnóstico") +
  ggtitle(" Enfermedades crónicas en Sonora, 2018 (CENAPRECE)")

Datos y COVID19

Juan

13/7/2020

Importancia de los datos ante la contingencia por COVID-19 en México

Acerca de este documento

Importación de paquetes

Descarga de código

Analizando Datos globales de JHU para México

Importar datos

Formatear datos

Visualizacion

Tabla interactiva de datos

Analizando los datos de coronavirus.gob.mx para Sonora y sinaloa

Importar datos

Formatear datos

Datos formateados

Visualización

Enfermedades crónicas en Sonora

Importar datos

Formatear datos

Visualización