Nombre: Casos de COVID Septiembre de 2020

Objetivo: Analizar conjunto de registros de personas posibles resultados de CORONAVIRUS.

Descripción. En el portal de datos abiertos: https://www.gob.mx/salud/documentos/datos-abiertos-152127 se encuentra la base de datos de registros de personas que acuden a Instituciones de Salubridad para realizarse un diagnóstico sobre su estado de salud en relación a la enfermedad de Coronavirus

1.- Cargar librerías

library(readr)
library(fdth)
library(dplyr)
library(lubridate)
library(ggplot2)

2.- Cargar los datos

datos.covid <- read.csv("~/Carpeta Analisis inteligente de datos/Datos/200916COVID19MEXICO.csv", encoding = "UTF-8")

3.- Exploración de los datos

summary(datos.covid) # Descripcón de los datos
##  FECHA_ACTUALIZACION ID_REGISTRO            ORIGEN          SECTOR      
##  Length:1545572      Length:1545572     Min.   :1.000   Min.   : 1.000  
##  Class :character    Class :character   1st Qu.:1.000   1st Qu.: 4.000  
##  Mode  :character    Mode  :character   Median :2.000   Median :12.000  
##                                         Mean   :1.669   Mean   : 9.361  
##                                         3rd Qu.:2.000   3rd Qu.:12.000  
##                                         Max.   :2.000   Max.   :99.000  
##    ENTIDAD_UM         SEXO        ENTIDAD_NAC     ENTIDAD_RES   
##  Min.   : 1.00   Min.   :1.000   Min.   : 1.00   Min.   : 1.00  
##  1st Qu.: 9.00   1st Qu.:1.000   1st Qu.: 9.00   1st Qu.: 9.00  
##  Median :14.00   Median :1.000   Median :15.00   Median :15.00  
##  Mean   :15.51   Mean   :1.491   Mean   :16.32   Mean   :15.75  
##  3rd Qu.:22.00   3rd Qu.:2.000   3rd Qu.:24.00   3rd Qu.:22.00  
##  Max.   :32.00   Max.   :2.000   Max.   :99.00   Max.   :32.00  
##  MUNICIPIO_RES    TIPO_PACIENTE   FECHA_INGRESO      FECHA_SINTOMAS    
##  Min.   :  1.00   Min.   :1.000   Length:1545572     Length:1545572    
##  1st Qu.:  8.00   1st Qu.:1.000   Class :character   Class :character  
##  Median : 20.00   Median :1.000   Mode  :character   Mode  :character  
##  Mean   : 37.01   Mean   :1.172                                        
##  3rd Qu.: 46.00   3rd Qu.:1.000                                        
##  Max.   :999.00   Max.   :2.000                                        
##   FECHA_DEF            INTUBADO        NEUMONIA           EDAD       
##  Length:1545572     Min.   : 1.00   Min.   : 1.000   Min.   :  0.00  
##  Class :character   1st Qu.:97.00   1st Qu.: 2.000   1st Qu.: 30.00  
##  Mode  :character   Median :97.00   Median : 2.000   Median : 41.00  
##                     Mean   :80.62   Mean   : 1.876   Mean   : 42.12  
##                     3rd Qu.:97.00   3rd Qu.: 2.000   3rd Qu.: 53.00  
##                     Max.   :99.00   Max.   :99.000   Max.   :120.00  
##   NACIONALIDAD      EMBARAZO     HABLA_LENGUA_INDIG    DIABETES     
##  Min.   :1.000   Min.   : 1.00   Min.   : 1.000     Min.   : 1.000  
##  1st Qu.:1.000   1st Qu.: 2.00   1st Qu.: 2.000     1st Qu.: 2.000  
##  Median :1.000   Median : 2.00   Median : 2.000     Median : 2.000  
##  Mean   :1.005   Mean   :48.97   Mean   : 5.466     Mean   : 2.166  
##  3rd Qu.:1.000   3rd Qu.:97.00   3rd Qu.: 2.000     3rd Qu.: 2.000  
##  Max.   :2.000   Max.   :98.00   Max.   :99.000     Max.   :98.000  
##       EPOC             ASMA           INMUSUPR       HIPERTENSION   
##  Min.   : 1.000   Min.   : 1.000   Min.   : 1.000   Min.   : 1.000  
##  1st Qu.: 2.000   1st Qu.: 2.000   1st Qu.: 2.000   1st Qu.: 2.000  
##  Median : 2.000   Median : 2.000   Median : 2.000   Median : 2.000  
##  Mean   : 2.242   Mean   : 2.227   Mean   : 2.261   Mean   : 2.108  
##  3rd Qu.: 2.000   3rd Qu.: 2.000   3rd Qu.: 2.000   3rd Qu.: 2.000  
##  Max.   :98.000   Max.   :98.000   Max.   :98.000   Max.   :98.000  
##     OTRA_COM      CARDIOVASCULAR      OBESIDAD      RENAL_CRONICA   
##  Min.   : 1.000   Min.   : 1.000   Min.   : 1.000   Min.   : 1.000  
##  1st Qu.: 2.000   1st Qu.: 2.000   1st Qu.: 2.000   1st Qu.: 2.000  
##  Median : 2.000   Median : 2.000   Median : 2.000   Median : 2.000  
##  Mean   : 2.385   Mean   : 2.241   Mean   : 2.101   Mean   : 2.238  
##  3rd Qu.: 2.000   3rd Qu.: 2.000   3rd Qu.: 2.000   3rd Qu.: 2.000  
##  Max.   :98.000   Max.   :98.000   Max.   :98.000   Max.   :98.000  
##    TABAQUISMO      OTRO_CASO       RESULTADO        MIGRANTE    
##  Min.   : 1.00   Min.   : 1.00   Min.   :1.000   Min.   : 1.00  
##  1st Qu.: 2.00   1st Qu.: 1.00   1st Qu.:1.000   1st Qu.:99.00  
##  Median : 2.00   Median : 2.00   Median :2.000   Median :99.00  
##  Mean   : 2.19   Mean   :14.97   Mean   :1.611   Mean   :98.64  
##  3rd Qu.: 2.00   3rd Qu.: 2.00   3rd Qu.:2.000   3rd Qu.:99.00  
##  Max.   :98.00   Max.   :99.00   Max.   :3.000   Max.   :99.00  
##  PAIS_NACIONALIDAD  PAIS_ORIGEN             UCI       
##  Length:1545572     Length:1545572     Min.   : 1.00  
##  Class :character   Class :character   1st Qu.:97.00  
##  Mode  :character   Mode  :character   Median :97.00  
##                                        Mean   :80.63  
##                                        3rd Qu.:97.00  
##                                        Max.   :99.00
str(datos.covid)    # Estructura de los datos
## 'data.frame':    1545572 obs. of  35 variables:
##  $ FECHA_ACTUALIZACION: chr  "2020-09-16" "2020-09-16" "2020-09-16" "2020-09-16" ...
##  $ ID_REGISTRO        : chr  "010db3" "15b7b4" "08b549" "03a8ac" ...
##  $ ORIGEN             : int  2 2 2 2 2 2 2 2 2 2 ...
##  $ SECTOR             : int  4 4 4 3 4 4 4 4 3 4 ...
##  $ ENTIDAD_UM         : int  31 30 27 27 9 9 25 9 15 23 ...
##  $ SEXO               : int  1 2 2 1 1 2 1 2 1 1 ...
##  $ ENTIDAD_NAC        : int  31 30 27 27 9 9 25 12 9 30 ...
##  $ ENTIDAD_RES        : int  31 30 27 27 15 9 25 9 15 23 ...
##  $ MUNICIPIO_RES      : int  50 193 4 4 58 2 1 17 106 5 ...
##  $ TIPO_PACIENTE      : int  1 1 1 1 1 1 2 1 1 1 ...
##  $ FECHA_INGRESO      : chr  "2020-04-20" "2020-04-29" "2020-04-22" "2020-06-25" ...
##  $ FECHA_SINTOMAS     : chr  "2020-04-20" "2020-04-22" "2020-04-20" "2020-06-10" ...
##  $ FECHA_DEF          : chr  "9999-99-99" "2020-05-12" "9999-99-99" "9999-99-99" ...
##  $ INTUBADO           : int  97 97 97 97 97 97 2 97 97 97 ...
##  $ NEUMONIA           : int  2 2 2 2 2 2 1 2 2 2 ...
##  $ EDAD               : int  37 47 47 47 40 44 51 37 50 35 ...
##  $ NACIONALIDAD       : int  1 1 1 1 1 1 1 1 1 1 ...
##  $ EMBARAZO           : int  2 97 97 2 2 97 2 97 2 2 ...
##  $ HABLA_LENGUA_INDIG : int  2 2 2 2 2 2 2 2 2 2 ...
##  $ DIABETES           : int  2 1 1 2 2 2 1 2 2 1 ...
##  $ EPOC               : int  2 2 2 2 2 2 2 2 2 2 ...
##  $ ASMA               : int  2 2 2 2 2 2 2 2 2 2 ...
##  $ INMUSUPR           : int  2 2 2 2 2 2 2 2 2 2 ...
##  $ HIPERTENSION       : int  2 2 1 2 2 2 2 2 2 2 ...
##  $ OTRA_COM           : int  2 2 2 2 2 2 2 2 2 2 ...
##  $ CARDIOVASCULAR     : int  2 2 2 2 2 2 2 2 2 2 ...
##  $ OBESIDAD           : int  2 2 2 2 2 2 2 2 2 2 ...
##  $ RENAL_CRONICA      : int  2 2 2 2 2 2 2 2 2 2 ...
##  $ TABAQUISMO         : int  2 2 2 2 2 2 2 2 2 2 ...
##  $ OTRO_CASO          : int  99 99 99 1 1 99 99 1 1 99 ...
##  $ RESULTADO          : int  1 1 1 1 1 1 1 1 1 1 ...
##  $ MIGRANTE           : int  99 99 99 99 99 99 99 99 99 99 ...
##  $ PAIS_NACIONALIDAD  : chr  "México" "México" "México" "México" ...
##  $ PAIS_ORIGEN        : chr  "99" "99" "99" "99" ...
##  $ UCI                : int  97 97 97 97 97 97 2 97 97 97 ...

4.- Limpiar los datos

  • Modificar los tipos de datos de aquellos que datos que deban ser categóricos (factor()) y traen consigo valores numéricos.

  • Modificar los atributos tipo fecha a ymd().

datos.covid$ORIGEN <- factor(datos.covid$ORIGEN)
datos.covid$SECTOR <- factor(datos.covid$SECTOR)
datos.covid$ENTIDAD_UM <- factor(datos.covid$ENTIDAD_UM)
datos.covid$SEXO <- factor(datos.covid$SEXO)
datos.covid$ENTIDAD_NAC <- factor(datos.covid$ENTIDAD_NAC)
datos.covid$ENTIDAD_RES <- factor(datos.covid$ENTIDAD_RES)
datos.covid$MUNICIPIO_RES <- factor(datos.covid$MUNICIPIO_RES)
datos.covid$TIPO_PACIENTE <- factor(datos.covid$TIPO_PACIENTE)
datos.covid$NACIONALIDAD <- factor(datos.covid$NACIONALIDAD)
datos.covid$HABLA_LENGUA_INDIG <- factor(datos.covid$HABLA_LENGUA_INDIG)
datos.covid$MIGRANTE <- factor(datos.covid$MIGRANTE)
datos.covid$PAIS_ORIGEN <- factor(datos.covid$PAIS_ORIGEN)

datos.covid$FECHA_ACTUALIZACION <- ymd(datos.covid$FECHA_ACTUALIZACION)
datos.covid$FECHA_INGRESO <- ymd(datos.covid$FECHA_INGRESO)
datos.covid$FECHA_SINTOMAS <- ymd(datos.covid$FECHA_SINTOMAS)
datos.covid$FECHA_DEF <- ymd(datos.covid$FECHA_DEF)

datos.covid$INTUBADO <- factor(datos.covid$INTUBADO)
datos.covid$NEUMONIA <- factor(datos.covid$NEUMONIA)
datos.covid$EMBARAZO <- factor(datos.covid$EMBARAZO)
datos.covid$DIABETES <- factor(datos.covid$DIABETES)
datos.covid$EPOC <- factor(datos.covid$EPOC)
datos.covid$ASMA <- factor(datos.covid$ASMA)
datos.covid$INMUSUPR <- factor(datos.covid$INMUSUPR)
datos.covid$HIPERTENSION <- factor(datos.covid$HIPERTENSION)
datos.covid$OTRA_COM <- factor(datos.covid$OTRA_COM)
datos.covid$CARDIOVASCULAR <- factor(datos.covid$CARDIOVASCULAR)
datos.covid$OBESIDAD <- factor(datos.covid$OBESIDAD)
datos.covid$RENAL_CRONICA <- factor(datos.covid$RENAL_CRONICA)
datos.covid$TABAQUISMO <- factor(datos.covid$TABAQUISMO)
datos.covid$OTRO_CASO <- factor(datos.covid$OTRO_CASO)

datos.covid$RESULTADO <- factor(datos.covid$RESULTADO)
datos.covid$UCI <- factor(datos.covid$UCI)

5.- Exploracion de los datos despues de la limpieza

  • Existe difetencia en la exploración de los datos antes y después de limpie
nrow(datos.covid)
## [1] 1545572
ncol(datos.covid)
## [1] 35
summary(datos.covid) # Descripción de los datos
##  FECHA_ACTUALIZACION  ID_REGISTRO        ORIGEN          SECTOR      
##  Min.   :2020-09-16   Length:1545572     1: 510822   12     :967085  
##  1st Qu.:2020-09-16   Class :character   2:1034750   4      :393131  
##  Median :2020-09-16   Mode  :character               6      : 58841  
##  Mean   :2020-09-16                                  9      : 56610  
##  3rd Qu.:2020-09-16                                  3      : 27549  
##  Max.   :2020-09-16                                  8      : 13145  
##                                                      (Other): 29211  
##    ENTIDAD_UM     SEXO        ENTIDAD_NAC      ENTIDAD_RES    
##  9      :378926   1:786804   9      :338722   9      :321855  
##  15     :134638   2:758768   15     :171354   15     :188041  
##  11     : 88936              11     : 84986   11     : 88869  
##  19     : 80729              30     : 67363   19     : 80084  
##  21     : 66550              19     : 66124   21     : 64375  
##  28     : 62838              21     : 64032   28     : 62756  
##  (Other):732955              (Other):752991   (Other):739592  
##  MUNICIPIO_RES     TIPO_PACIENTE FECHA_INGRESO        FECHA_SINTOMAS      
##  7      :  67974   1:1279316     Min.   :2020-01-01   Min.   :2020-01-01  
##  5      :  67129   2: 266256     1st Qu.:2020-06-11   1st Qu.:2020-06-07  
##  4      :  57966                 Median :2020-07-15   Median :2020-07-10  
##  39     :  55352                 Mean   :2020-07-10   Mean   :2020-07-06  
##  2      :  54459                 3rd Qu.:2020-08-14   3rd Qu.:2020-08-10  
##  17     :  46804                 Max.   :2020-09-16   Max.   :2020-09-16  
##  (Other):1195888                                                          
##    FECHA_DEF          INTUBADO     NEUMONIA          EDAD        NACIONALIDAD
##  Min.   :2020-01-13   1 :  40079   1 : 194070   Min.   :  0.00   1:1538524   
##  1st Qu.:2020-06-03   2 : 225989   2 :1351481   1st Qu.: 30.00   2:   7048   
##  Median :2020-07-04   97:1279316   99:     21   Median : 41.00               
##  Mean   :2020-07-02   99:    188                Mean   : 42.12               
##  3rd Qu.:2020-08-03                             3rd Qu.: 53.00               
##  Max.   :2020-09-16                             Max.   :120.00               
##  NA's   :1453623                                                             
##  EMBARAZO    HABLA_LENGUA_INDIG DIABETES     EPOC         ASMA        
##  1 : 12719   1 :  12968         1 : 187626   1 :  20250   1 :  44214  
##  2 :768607   2 :1477246         2 :1353317   2 :1521212   2 :1497245  
##  97:758768   99:  55358         98:   4629   98:   4110   98:   4113  
##  98:  5478                                                            
##                                                                       
##                                                                       
##                                                                       
##  INMUSUPR     HIPERTENSION OTRA_COM     CARDIOVASCULAR OBESIDAD    
##  1 :  19163   1 : 247350   1 :  37503   1 :  29701     1 : 238549  
##  2 :1522007   2 :1293913   2 :1501472   2 :1511682     2 :1302908  
##  98:   4402   98:   4309   98:   6597   98:   4189     98:   4115  
##                                                                    
##                                                                    
##                                                                    
##                                                                    
##  RENAL_CRONICA TABAQUISMO   OTRO_CASO   RESULTADO  MIGRANTE    
##  1 :  27013    1 : 126433   1 :750236   1:680931   1 :   1580  
##  2 :1514446    2 :1414756   2 :580980   2:785019   2 :   4193  
##  98:   4113    98:   4383   99:214356   3: 79622   99:1539799  
##                                                                
##                                                                
##                                                                
##                                                                
##  PAIS_NACIONALIDAD                        PAIS_ORIGEN      UCI         
##  Length:1545572     99                          :1543992   1 :  22738  
##  Class :character   Estados Unidos de Am<e9>rica:    252   2 : 243320  
##  Mode  :character   Rep<fa>blica de Honduras    :    169   97:1279316  
##                     Venezuela                   :    164   99:    198  
##                     Colombia                    :    150               
##                     Cuba                        :    142               
##                     (Other)                     :    703
str(datos.covid)    # Estructura de los datos
## 'data.frame':    1545572 obs. of  35 variables:
##  $ FECHA_ACTUALIZACION: Date, format: "2020-09-16" "2020-09-16" ...
##  $ ID_REGISTRO        : chr  "010db3" "15b7b4" "08b549" "03a8ac" ...
##  $ ORIGEN             : Factor w/ 2 levels "1","2": 2 2 2 2 2 2 2 2 2 2 ...
##  $ SECTOR             : Factor w/ 14 levels "1","2","3","4",..: 4 4 4 3 4 4 4 4 3 4 ...
##  $ ENTIDAD_UM         : Factor w/ 32 levels "1","2","3","4",..: 31 30 27 27 9 9 25 9 15 23 ...
##  $ SEXO               : Factor w/ 2 levels "1","2": 1 2 2 1 1 2 1 2 1 1 ...
##  $ ENTIDAD_NAC        : Factor w/ 33 levels "1","2","3","4",..: 31 30 27 27 9 9 25 12 9 30 ...
##  $ ENTIDAD_RES        : Factor w/ 32 levels "1","2","3","4",..: 31 30 27 27 15 9 25 9 15 23 ...
##  $ MUNICIPIO_RES      : Factor w/ 476 levels "1","2","3","4",..: 50 193 4 4 58 2 1 17 106 5 ...
##  $ TIPO_PACIENTE      : Factor w/ 2 levels "1","2": 1 1 1 1 1 1 2 1 1 1 ...
##  $ FECHA_INGRESO      : Date, format: "2020-04-20" "2020-04-29" ...
##  $ FECHA_SINTOMAS     : Date, format: "2020-04-20" "2020-04-22" ...
##  $ FECHA_DEF          : Date, format: NA "2020-05-12" ...
##  $ INTUBADO           : Factor w/ 4 levels "1","2","97","99": 3 3 3 3 3 3 2 3 3 3 ...
##  $ NEUMONIA           : Factor w/ 3 levels "1","2","99": 2 2 2 2 2 2 1 2 2 2 ...
##  $ EDAD               : int  37 47 47 47 40 44 51 37 50 35 ...
##  $ NACIONALIDAD       : Factor w/ 2 levels "1","2": 1 1 1 1 1 1 1 1 1 1 ...
##  $ EMBARAZO           : Factor w/ 4 levels "1","2","97","98": 2 3 3 2 2 3 2 3 2 2 ...
##  $ HABLA_LENGUA_INDIG : Factor w/ 3 levels "1","2","99": 2 2 2 2 2 2 2 2 2 2 ...
##  $ DIABETES           : Factor w/ 3 levels "1","2","98": 2 1 1 2 2 2 1 2 2 1 ...
##  $ EPOC               : Factor w/ 3 levels "1","2","98": 2 2 2 2 2 2 2 2 2 2 ...
##  $ ASMA               : Factor w/ 3 levels "1","2","98": 2 2 2 2 2 2 2 2 2 2 ...
##  $ INMUSUPR           : Factor w/ 3 levels "1","2","98": 2 2 2 2 2 2 2 2 2 2 ...
##  $ HIPERTENSION       : Factor w/ 3 levels "1","2","98": 2 2 1 2 2 2 2 2 2 2 ...
##  $ OTRA_COM           : Factor w/ 3 levels "1","2","98": 2 2 2 2 2 2 2 2 2 2 ...
##  $ CARDIOVASCULAR     : Factor w/ 3 levels "1","2","98": 2 2 2 2 2 2 2 2 2 2 ...
##  $ OBESIDAD           : Factor w/ 3 levels "1","2","98": 2 2 2 2 2 2 2 2 2 2 ...
##  $ RENAL_CRONICA      : Factor w/ 3 levels "1","2","98": 2 2 2 2 2 2 2 2 2 2 ...
##  $ TABAQUISMO         : Factor w/ 3 levels "1","2","98": 2 2 2 2 2 2 2 2 2 2 ...
##  $ OTRO_CASO          : Factor w/ 3 levels "1","2","99": 3 3 3 1 1 3 3 1 1 3 ...
##  $ RESULTADO          : Factor w/ 3 levels "1","2","3": 1 1 1 1 1 1 1 1 1 1 ...
##  $ MIGRANTE           : Factor w/ 3 levels "1","2","99": 3 3 3 3 3 3 3 3 3 3 ...
##  $ PAIS_NACIONALIDAD  : chr  "México" "México" "México" "México" ...
##  $ PAIS_ORIGEN        : Factor w/ 78 levels "99","Alemania",..: 1 1 1 1 1 1 1 1 1 1 ...
##  $ UCI                : Factor w/ 4 levels "1","2","97","99": 3 3 3 3 3 3 2 3 3 3 ...

6.- Analisis de datos

Casos positivos

positivo.COVID <- subset(datos.covid, RESULTADO == '1')
  • a.) Histograma de confirmados por edad
ggplot(positivo.COVID, aes(EDAD)) +
    geom_histogram(position = "stack", bins = 30)

  • b.) Determinar tabla de frecuencias de EDADES
options(scipen = 999)
freq.edades <- fdt(positivo.COVID$EDAD)
freq.edades <- data.frame(freq.edades$table)
freq.edades
##         Class.limits     f             rf         rf...     cf       cf...
## 1        [0,5.67524)  4611 0.006771611221  0.6771611221   4611   0.6771611
## 2  [5.67524,11.3505)  4772 0.007008052211  0.7008052211   9383   1.3779663
## 3  [11.3505,17.0257)  9922 0.014571226747  1.4571226747  19305   2.8350890
## 4   [17.0257,22.701) 24530 0.036024208033  3.6024208033  43835   6.4375098
## 5   [22.701,28.3762) 71288 0.104691958510 10.4691958510 115123  16.9067057
## 6  [28.3762,34.0514) 90379 0.132728573086 13.2728573086 205502  30.1795630
## 7  [34.0514,39.7267) 75769 0.111272654645 11.1272654645 281271  41.3068284
## 8  [39.7267,45.4019) 87640 0.128706139095 12.8706139095 368911  54.1774424
## 9  [45.4019,51.0771) 86165 0.126539987165 12.6539987165 455076  66.8314411
## 10 [51.0771,56.7524) 61183 0.089851982066  8.9851982066 516259  75.8166393
## 11 [56.7524,62.4276) 58812 0.086369984624  8.6369984624 575071  84.4536377
## 12 [62.4276,68.1029) 42961 0.063091561406  6.3091561406 618032  90.7627939
## 13 [68.1029,73.7781) 25159 0.036947943331  3.6947943331 643191  94.4575882
## 14 [73.7781,79.4533) 20127 0.029558060949  2.9558060949 663318  97.4133943
## 15 [79.4533,85.1286) 11497 0.016884236435  1.6884236435 674815  99.1018180
## 16 [85.1286,90.8038)  4300 0.006314883593  0.6314883593 679115  99.7333063
## 17  [90.8038,96.479)  1484 0.002179369128  0.2179369128 680599  99.9512432
## 18  [96.479,102.154)   294 0.000431761808  0.0431761808 680893  99.9944194
## 19  [102.154,107.83)    29 0.000042588750  0.0042588750 680922  99.9986783
## 20  [107.83,113.505)     4 0.000005874310  0.0005874310 680926  99.9992657
## 21  [113.505,119.18)     5 0.000007342888  0.0007342888 680931 100.0000000
  • Diagrama de frecuencias de edades
ggplot(freq.edades, aes(1:21, rf, fill=Class.limits)) +
        geom_bar(stat = "identity")

  • c.) Determinar frecuencias por género o sexo
  • Simbologia:
  • 1 MUJER
  • 2 HOMBRE
freq.sexo <- fdt_cat(positivo.COVID$SEXO)
freq.sexo <- data.frame(freq.sexo)
freq.sexo
##   Category      f        rf    rf...     cf     cf...
## 1        2 354915 0.5212202 52.12202 354915  52.12202
## 2        1 326016 0.4787798 47.87798 680931 100.00000
  • Grafica de barras
ggplot(freq.sexo, aes(Category, rf, fill=Category)) +
        geom_bar(stat = "identity")

  • d.) Determinar tablas de frecuencias por estados de REP MEXICANA
  • Simbologia:
  • Por ENTIDAD_RES Significa Entidad de Residencia
  • CLAVE_ENTIDAD ENTIDAD_FEDERATIVA ABREVIATURA
  • 01 AGUASCALIENTES AS
  • 02 BAJA CALIFORNIA BC
  • 03 BAJA CALIFORNIA SUR BS
  • 04 CAMPECHE CC
  • 05 COAHUILA DE ZARAGOZA CL
  • 06 COLIMA CM
  • 07 CHIAPAS CS
  • 08 CHIHUAHUA CH
  • 09 CIUDAD DE MÉXICO DF
  • 10 DURANGO DG
  • 11 GUANAJUATO GT
  • 12 GUERRERO GR
  • 13 HIDALGO HG
  • 14 JALISCO JC
  • 15 MÉXICO MC
  • 16 MICHOACÁN DE OCAMPO MN
  • 17 MORELOS MS
  • 18 NAYARIT NT
  • 19 NUEVO LEÓN NL
  • 20 OAXACA OC
  • 21 PUEBLA PL
  • 22 QUERÉTARO QT
  • 23 QUINTANA ROO QR
  • 24 SAN LUIS POTOSÍ SP
  • 25 SINALOA SL
  • 26 SONORA SR
  • 27 TABASCO TC
  • 28 TAMAULIPAS TS
  • 29 TLAXCALA TL
  • 30 VERACRUZ DE IGNACIO DE LA LLAVE VZ
  • 31 YUCATÁN YN
  • 32 ZACATECAS ZS
  • 36 ESTADOS UNIDOS MEXICANOS EUM
  • 97 NO APLICA NA
  • 98 SE IGNORA SI
  • 99 NO ESPECIFICADO NE
freq.estados <- fdt_cat(positivo.COVID$ENTIDAD_RES)
freq.estados <- data.frame(freq.estados)
freq.estados
##    Category      f          rf      rf...     cf     cf...
## 1         9 114268 0.167811423 16.7811423 114268  16.78114
## 2        15  75412 0.110748372 11.0748372 189680  27.85598
## 3        11  37541 0.055131871  5.5131871 227221  33.36917
## 4        19  34760 0.051047757  5.1047757 261981  38.47394
## 5        30  31370 0.046069279  4.6069279 293351  43.08087
## 6        27  30397 0.044640353  4.4640353 323748  47.54491
## 7        21  29524 0.043358284  4.3358284 353272  51.88073
## 8        28  27299 0.040090699  4.0090699 380571  55.88980
## 9         5  24435 0.035884693  3.5884693 405006  59.47827
## 10       14  23743 0.034868437  3.4868437 428749  62.96512
## 11       26  23445 0.034430801  3.4430801 452194  66.40820
## 12       24  21114 0.031007547  3.1007547 473308  69.50895
## 13        2  18386 0.027001267  2.7001267 491694  72.20908
## 14       16  18194 0.026719300  2.6719300 509888  74.88101
## 15       25  17498 0.025697170  2.5697170 527386  77.45073
## 16       31  16894 0.024810150  2.4810150 544280  79.93174
## 17       12  16854 0.024751407  2.4751407 561134  82.40688
## 18       20  15030 0.022072721  2.2072721 576164  84.61415
## 19       13  11662 0.017126552  1.7126552 587826  86.32681
## 20       23  11189 0.016431915  1.6431915 599015  87.97000
## 21        8   9223 0.013544691  1.3544691 608238  89.32447
## 22        3   9147 0.013433079  1.3433079 617385  90.66778
## 23       22   7929 0.011644352  1.1644352 625314  91.83221
## 24       10   7887 0.011582671  1.1582671 633201  92.99048
## 25       29   7035 0.010331443  1.0331443 640236  94.02362
## 26       32   6527 0.009585406  0.9585406 646763  94.98216
## 27        1   6495 0.009538411  0.9538411 653258  95.93601
## 28        7   6411 0.009415051  0.9415051 659669  96.87751
## 29        4   5834 0.008567682  0.8567682 665503  97.73428
## 30       17   5602 0.008226972  0.8226972 671105  98.55698
## 31       18   5547 0.008146200  0.8146200 676652  99.37160
## 32        6   4279 0.006284043  0.6284043 680931 100.00000
  • Grafica de barras
ggplot(freq.estados, aes(Category, rf, fill=Category)) + geom_bar(stat = "identity")

  • e.) Determinar tablas de frecuencias de POSITIVOS NO POSITIVOS
  • Simbologia
  • 1 Positivo
  • 2 Negativo
  • 3 Resultado pendiente
freq.pos <- fdt_cat(datos.covid$RESULTADO)
freq.pos <- data.frame(freq.pos)
freq.pos
##   Category      f        rf    rf...      cf     cf...
## 1        2 785019 0.5079149 50.79149  785019  50.79149
## 2        1 680931 0.4405689 44.05689 1465950  94.84838
## 3        3  79622 0.0515162  5.15162 1545572 100.00000
  • Grafica de barras
ggplot(freq.pos, aes(Category, rf, fill=Category)) + geom_bar(stat = "identity")

  • f.) Determinar tablas de frecuencias de AMBULATORIOS Y HOSPITALIZADOS
  • Simbologia
  • 1 Ambulatorio
  • 2 Hospitalizado
freq.hosp <- fdt_cat(positivo.COVID$TIPO_PACIENTE)
freq.hosp <- data.frame(freq.hosp)
freq.hosp
##   Category      f        rf    rf...     cf     cf...
## 1        1 514098 0.7549928 75.49928 514098  75.49928
## 2        2 166833 0.2450072 24.50072 680931 100.00000
  • Grafica de barras
ggplot(freq.hosp, aes(Category, rf, fill=Category)) + geom_bar(stat = "identity")

  • g.) Determinar tablas de frecuencias de DECESOS
  • Muestra el número de decesos que hubo por mes
  • Simbologia
  • 1 Enero
  • 2 Febrero
  • 3 Marzo
  • 4 Abril
  • 5 Mayo
  • 6 Junio
  • 7 Julio
  • 8 Agosto
  • 9 Septiembre
  • 10 Octubre
  • 11 Noviembre
  • 12 Diciembre
options(scipen = 999)
decesos <- fdt(month(positivo.COVID$FECHA_DEF))
decesos <- data.frame(decesos$table)
decesos
##    Class.limits     f          rf      rf...    cf       cf...
## 1   [2.97,3.31)    80 0.001111451  0.1111451    80   0.1111451
## 2   [3.31,3.65)     0 0.000000000  0.0000000    80   0.1111451
## 3   [3.65,3.99)     0 0.000000000  0.0000000    80   0.1111451
## 4   [3.99,4.33)  3543 0.049223374  4.9223374  3623   5.0334825
## 5   [4.33,4.67)     0 0.000000000  0.0000000  3623   5.0334825
## 6   [4.67,5.01) 12412 0.172441579 17.2441579 16035  22.2776404
## 7   [5.01,5.35)     0 0.000000000  0.0000000 16035  22.2776404
## 8   [5.35,5.69)     0 0.000000000  0.0000000 16035  22.2776404
## 9   [5.69,6.03) 17395 0.241671066 24.1671066 33430  46.4447470
## 10  [6.03,6.37)     0 0.000000000  0.0000000 33430  46.4447470
## 11  [6.37,6.71)     0 0.000000000  0.0000000 33430  46.4447470
## 12  [6.71,7.05) 19370 0.269110006 26.9110006 52800  73.3557476
## 13  [7.05,7.39)     0 0.000000000  0.0000000 52800  73.3557476
## 14  [7.39,7.73)     0 0.000000000  0.0000000 52800  73.3557476
## 15  [7.73,8.07) 14887 0.206827086 20.6827086 67687  94.0384562
## 16  [8.07,8.41)     0 0.000000000  0.0000000 67687  94.0384562
## 17  [8.41,8.75)     0 0.000000000  0.0000000 67687  94.0384562
## 18  [8.75,9.09)  4291 0.059615438  5.9615438 71978 100.0000000
  • Diagrama de frecuencias
ggplot(decesos, aes(1:18, rf, fill=Class.limits)) +
        geom_bar(stat = "identity")

  • h.) Determinar tablas de frecuencias de UCI
  • Simbologia
  • 1 Si
  • 2 No
  • 97 No aplica
  • 99 No especificado
freq.UCI <- fdt_cat(positivo.COVID$UCI)
freq.UCI <- data.frame(freq.UCI)
freq.UCI
##   Category      f           rf       rf...     cf     cf...
## 1       97 514098 0.7549927966 75.49927966 514098  75.49928
## 2        2 152331 0.2237098913 22.37098913 666429  97.87027
## 3        1  14346 0.0210682140  2.10682140 680775  99.97709
## 4       99    156 0.0002290981  0.02290981 680931 100.00000
  • Grafica de barras
ggplot(freq.UCI, aes(Category, rf, fill=Category)) + geom_bar(stat = "identity")

  • i.) Determinar frecuencias por meses
options(scipen = 999)
freq.Ingreso <- fdt(month(positivo.COVID$FECHA_INGRESO))
freq.Ingreso <- data.frame(freq.Ingreso$table)
freq.Ingreso
##     Class.limits      f             rf         rf...     cf          cf...
## 1   [0.99,1.376)      2 0.000002937155  0.0002937155      2   0.0002937155
## 2  [1.376,1.761)      0 0.000000000000  0.0000000000      2   0.0002937155
## 3  [1.761,2.147)      8 0.000011748621  0.0011748621     10   0.0014685776
## 4  [2.147,2.533)      0 0.000000000000  0.0000000000     10   0.0014685776
## 5  [2.533,2.919)      0 0.000000000000  0.0000000000     10   0.0014685776
## 6  [2.919,3.304)   2530 0.003715501277  0.3715501277   2540   0.3730187053
## 7   [3.304,3.69)      0 0.000000000000  0.0000000000   2540   0.3730187053
## 8   [3.69,4.076)  26576 0.039028917761  3.9028917761  29116   4.2759104814
## 9  [4.076,4.461)      0 0.000000000000  0.0000000000  29116   4.2759104814
## 10 [4.461,4.847)      0 0.000000000000  0.0000000000  29116   4.2759104814
## 11 [4.847,5.233)  86609 0.127192035610 12.7192035610 115725  16.9951140424
## 12 [5.233,5.619)      0 0.000000000000  0.0000000000 115725  16.9951140424
## 13 [5.619,6.004) 153159 0.224925873547 22.4925873547 268884  39.4877013971
## 14  [6.004,6.39)      0 0.000000000000  0.0000000000 268884  39.4877013971
## 15  [6.39,6.776)      0 0.000000000000  0.0000000000 268884  39.4877013971
## 16 [6.776,7.161) 199879 0.293537818076 29.3537818076 468763  68.8414832046
## 17 [7.161,7.547)      0 0.000000000000  0.0000000000 468763  68.8414832046
## 18 [7.547,7.933)      0 0.000000000000  0.0000000000 468763  68.8414832046
## 19 [7.933,8.319) 156613 0.229998340507 22.9998340507 625376  91.8413172553
## 20 [8.319,8.704)      0 0.000000000000  0.0000000000 625376  91.8413172553
## 21  [8.704,9.09)  55555 0.081586827447  8.1586827447 680931 100.0000000000
options(scipen = 999)
freq.Sintomas <- fdt(month(positivo.COVID$FECHA_SINTOMAS))
freq.Sintomas <- data.frame(freq.Sintomas$table)
freq.Sintomas
##     Class.limits      f             rf         rf...     cf          cf...
## 1   [0.99,1.376)      2 0.000002937155  0.0002937155      2   0.0002937155
## 2  [1.376,1.761)      0 0.000000000000  0.0000000000      2   0.0002937155
## 3  [1.761,2.147)     15 0.000022028664  0.0022028664     17   0.0024965819
## 4  [2.147,2.533)      0 0.000000000000  0.0000000000     17   0.0024965819
## 5  [2.533,2.919)      0 0.000000000000  0.0000000000     17   0.0024965819
## 6  [2.919,3.304)   3923 0.005761229846  0.5761229846   3940   0.5786195664
## 7   [3.304,3.69)      0 0.000000000000  0.0000000000   3940   0.5786195664
## 8   [3.69,4.076)  31848 0.046771258762  4.6771258762  35788   5.2557454426
## 9  [4.076,4.461)      0 0.000000000000  0.0000000000  35788   5.2557454426
## 10 [4.461,4.847)      0 0.000000000000  0.0000000000  35788   5.2557454426
## 11 [4.847,5.233)  98504 0.144660765922 14.4660765922 134292  19.7218220348
## 12 [5.233,5.619)      0 0.000000000000  0.0000000000 134292  19.7218220348
## 13 [5.619,6.004) 160673 0.235960765481 23.5960765481 294965  43.3178985830
## 14  [6.004,6.39)      0 0.000000000000  0.0000000000 294965  43.3178985830
## 15  [6.39,6.776)      0 0.000000000000  0.0000000000 294965  43.3178985830
## 16 [6.776,7.161) 194958 0.286310947805 28.6310947805 489923  71.9489933635
## 17 [7.161,7.547)      0 0.000000000000  0.0000000000 489923  71.9489933635
## 18 [7.547,7.933)      0 0.000000000000  0.0000000000 489923  71.9489933635
## 19 [7.933,8.319) 156708 0.230137855377 23.0137855377 646631  94.9627789012
## 20 [8.319,8.704)      0 0.000000000000  0.0000000000 646631  94.9627789012
## 21  [8.704,9.09)  34300 0.050372210988  5.0372210988 680931 100.0000000000
options(scipen = 999)
freq.Actualizacion <- fdt(month(positivo.COVID$FECHA_ACTUALIZACION))
freq.Actualizacion <- data.frame(freq.Actualizacion$table)
freq.Actualizacion
##     Class.limits      f rf rf...     cf cf...
## 1   [8.91,8.919)      0  0     0      0     0
## 2  [8.919,8.927)      0  0     0      0     0
## 3  [8.927,8.936)      0  0     0      0     0
## 4  [8.936,8.944)      0  0     0      0     0
## 5  [8.944,8.953)      0  0     0      0     0
## 6  [8.953,8.961)      0  0     0      0     0
## 7   [8.961,8.97)      0  0     0      0     0
## 8   [8.97,8.979)      0  0     0      0     0
## 9  [8.979,8.987)      0  0     0      0     0
## 10 [8.987,8.996)      0  0     0      0     0
## 11 [8.996,9.004) 680931  1   100 680931   100
## 12 [9.004,9.013)      0  0     0 680931   100
## 13 [9.013,9.021)      0  0     0 680931   100
## 14  [9.021,9.03)      0  0     0 680931   100
## 15  [9.03,9.039)      0  0     0 680931   100
## 16 [9.039,9.047)      0  0     0 680931   100
## 17 [9.047,9.056)      0  0     0 680931   100
## 18 [9.056,9.064)      0  0     0 680931   100
## 19 [9.064,9.073)      0  0     0 680931   100
## 20 [9.073,9.081)      0  0     0 680931   100
## 21  [9.081,9.09)      0  0     0 680931   100
  • Diagramas de frecuencias
ggplot(freq.Ingreso, aes(1:21, rf, fill=Class.limits)) +
        geom_bar(stat = "identity")

ggplot(freq.Sintomas, aes(1:21, rf, fill=Class.limits)) +
        geom_bar(stat = "identity")

ggplot(freq.Actualizacion, aes(1:21, rf, fill=Class.limits)) +
        geom_bar(stat = "identity")

7.- Interpretación del analisisis de acuerdo a los datos

    1. ¿Cuál rango de edad es la más frecuente? El rango de edad que tiene más casos es de 28 a 34 años con una frecuencia de 90379
    1. ¿Hay alguna diferencia notable del género con respeto a los casos POSITIVO? Si hay diferencia ya que en este analisis se ve que los HOMBRES se presenta más casos
    1. ¿Cuál estado de la República Mexicana tiene más casos? La ciudad de México con un total de 114268 casos
    1. ¿Cuál es la relación entre casos POSITIVOS Y NEGATIVOS?, es decir, de todos los casos, ¿cuántos son positivos?, ¿qué porcentaje? Son positivos 680931 de un total de 1545572 casos dejandolo con un porcentaje de 44.05%
    1. De los casos POSITIVOS, ¿cuántos y qué porcentaje son hospitalizados? Son 166833 con esto dejando un porcentaje de 24.50%
    1. De los casos POSITIVOS, ¿cuántos y qué porcentaje son decesos? Son 71978 dejandolo con un porcentaje de 10.57%
    1. De los casos POSITIVOS, ¿cuántos y qué porcentaje pasan a cuidados intensivos? Pasan 14346 dejando un porcentaje de 2.10%
    1. De todos los casos POSITIVOS, ¿cuáles son los meses de mayor frecuencia? Mayo, Junio, Julio
    1. Cuál es la condición de enfermedad: NEUMONIA, DIABETES, EPOC, ASMA, INMUSUPR, HIPERTENSION, OTRAS_COM, CARDIOVASCULAR, OBESIDAD, RENAL_CRONICA,TABAQUISMO que existe con mayor frecuencia en casos POSITIVOS. Basandose en el analisis que se hizo a continuación se obtuvo que fue Hipertensión con más de 132000 casos
  • Simbologia para este analisis
  • 1 Si
  • 2 No
  • 97 No Aplica
  • 98 Se ignora
  • 99 No especificado
freq.Neumonia <- fdt_cat(positivo.COVID$NEUMONIA)
freq.Neumonia <- data.frame(freq.Neumonia)
freq.Neumonia
##   Category      f            rf        rf...     cf     cf...
## 1        2 552829 0.81187227487 81.187227487 552829  81.18723
## 2        1 128094 0.18811597651 18.811597651 680923  99.99883
## 3       99      8 0.00001174862  0.001174862 680931 100.00000
freq.Diabete <- fdt_cat(positivo.COVID$DIABETES)
freq.Diabete <- data.frame(freq.Diabete)
freq.Diabete
##   Category      f          rf      rf...     cf     cf...
## 1        2 572929 0.841390684 84.1390684 572929  84.13907
## 2        1 105944 0.155586983 15.5586983 678873  99.69777
## 3       98   2058 0.003022333  0.3022333 680931 100.00000
freq.Epoc <- fdt_cat(positivo.COVID$EPOC)
freq.Epoc <- data.frame(freq.Epoc)
freq.Epoc
##   Category      f          rf      rf...     cf     cf...
## 1        2 669069 0.982579733 98.2579733 669069  98.25797
## 2        1  10044 0.014750393  1.4750393 679113  99.73301
## 3       98   1818 0.002669874  0.2669874 680931 100.00000
freq.Asma <- fdt_cat(positivo.COVID$ASMA)
freq.Asma <- data.frame(freq.Asma)
freq.Asma
##   Category      f          rf      rf...     cf     cf...
## 1        2 661339 0.971227628 97.1227628 661339  97.12276
## 2        1  17784 0.026117184  2.6117184 679123  99.73448
## 3       98   1808 0.002655188  0.2655188 680931 100.00000
freq.INMU <- fdt_cat(positivo.COVID$INMUSUPR)
freq.INMU <- data.frame(freq.INMU)
freq.INMU
##   Category      f          rf      rf...     cf     cf...
## 1        2 671514 0.986170405 98.6170405 671514  98.61704
## 2        1   7461 0.010957057  1.0957057 678975  99.71275
## 3       98   1956 0.002872538  0.2872538 680931 100.00000
freq.Hipertension <- fdt_cat(positivo.COVID$HIPERTENSION)
freq.Hipertension <- data.frame(freq.Hipertension)
freq.Hipertension
##   Category      f          rf      rf...     cf     cf...
## 1        2 546507 0.802587927 80.2587927 546507  80.25879
## 2        1 132502 0.194589466 19.4589466 679009  99.71774
## 3       98   1922 0.002822606  0.2822606 680931 100.00000
freq.Otras <- fdt_cat(positivo.COVID$OTRA_COM)
freq.Otras <- data.frame(freq.Otras)
freq.Otras
##   Category      f          rf      rf...     cf     cf...
## 1        2 661279 0.971139513 97.1139513 661279  97.11395
## 2        1  16452 0.024161038  2.4161038 677731  99.53006
## 3       98   3200 0.004699448  0.4699448 680931 100.00000
freq.Cardio <- fdt_cat(positivo.COVID$CARDIOVASCULAR)
freq.Cardio <- data.frame(freq.Cardio)
freq.Cardio
##   Category      f          rf      rf...     cf     cf...
## 1        2 665485 0.977316351 97.7316351 665485  97.73164
## 2        1  13551 0.019900695  1.9900695 679036  99.72170
## 3       98   1895 0.002782955  0.2782955 680931 100.00000
freq.Obesidad <- fdt_cat(positivo.COVID$OBESIDAD)
freq.Obesidad <- data.frame(freq.Obesidad)
freq.Obesidad
##   Category      f          rf      rf...     cf     cf...
## 1        2 555123 0.815241192 81.5241192 555123  81.52412
## 2        1 123934 0.182006694 18.2006694 679057  99.72479
## 3       98   1874 0.002752114  0.2752114 680931 100.00000
freq.Cro <- fdt_cat(positivo.COVID$RENAL_CRONICA)
freq.Cro <- data.frame(freq.Cro)
freq.Cro
##   Category      f          rf      rf...     cf     cf...
## 1        2 666137 0.978273863 97.8273863 666137  97.82739
## 2        1  12939 0.019001925  1.9001925 679076  99.72758
## 3       98   1855 0.002724211  0.2724211 680931 100.00000
freq.Tab <- fdt_cat(positivo.COVID$TABAQUISMO)
freq.Tab <- data.frame(freq.Tab)
freq.Tab
##   Category      f          rf      rf...     cf     cf...
## 1        2 629692 0.924751553 92.4751553 629692  92.47516
## 2        1  49271 0.072358286  7.2358286 678963  99.71098
## 3       98   1968 0.002890161  0.2890161 680931 100.00000

8.- Interpretación

Como vemos hoy en día tenemos una nueva enfermedad (COVID-19) la cual nos ha dado la oportunidad de poder hacer diferentes análisis de datos en este caso se tuvo un conjunto de datos que contiene un conjunto de más de un 1000000 de registros y contiene 35 variables a analizar en este caso las que más nos importaron para el análisis fueron las variables de SEXO, EDAD, TIPO_PACIENTE, ESTADO_REC, FECHA_DEC, UCI (cuidados intensivos) y los datos que se refieren a los distintos tipos de enfermedades crónicas degenerativas como DIABETES, EPOC, NEUMONIA, HIPERTENSION, ASMA, etc.

En este análisis pudimos que comprobar que a diferencia de lo que fue dicho desde que inicio la pandemia acerca de que las personas que son de la tercera edad son las que se ven mas afectados en cuanto a numero de casos, nos dimos cuenta que en este caso los que mas se ven afectados son las personas que se encuentran en el rango de edades de 28 a 34 años de edad, en donde la mayoría de estos casos fueron pacientes de sexo masculino. Cabe mencionar que el estado que tiene mas casos positivos es la Ciudad de México con 114268 casos. También podemos ver que muchos de los casos que fueron positivos fueron pacientes ambulatorios. Así como también podemos ver que muchos de los contagio o bueno donde se ha registrado un mayor numero de casos positivos han sido en los meses Mayo, Junio y Julio. Y también como podemos ver en el caso de pacientes que han tenido la necesidad de pasar a cuidados intensivos es de un 2%.

Como dato adicional también podemos ver que la enfermedad crónica degenerativa que es más recurrente en los pacientes es la Hipertensión seguida de la Neumonía.