library(pacman)
p_load("base64enc", "htmltools", "mime", "xfun", "prettydoc", "readr", "knitr", "DT", "tidyverse", "scales", "gridExtra", "modeest", "fdth", "caTools")
datos2 <- read_csv("Diagnosticos18(2).csv")##
## ── Column specification ────────────────────────────────────────────────────────
## cols(
## Estado = col_character(),
## Jurisdiccion = col_character(),
## Uneme = col_character(),
## CLUES = col_character(),
## `Cve Persona` = col_character(),
## Genero = col_character(),
## `Cve Diagnastico` = col_character(),
## Diagnastico = col_character(),
## `Fecha Diagnatico` = col_character()
## )## # A tibble: 6 x 9
## Estado Jurisdiccion Uneme CLUES `Cve Persona` Genero `Cve Diagnastic…
## <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 Guana… IRAPUATO UNEM… GTSS… GuIRUN5910 Mujer E78.2
## 2 Guana… IRAPUATO UNEM… GTSS… GuIRUN5953 Mujer E78.2
## 3 Guana… IRAPUATO UNEM… GTSS… GuIRUN6045 Mujer E78.2
## 4 Guana… IRAPUATO UNEM… GTSS… GuIRUN6091 Mujer E78.2
## 5 Guana… IRAPUATO UNEM… GTSS… GuIRUN6138 Mujer E78.2
## 6 Guana… IRAPUATO UNEM… GTSS… GuIRUN5706 Hombre E78.2
## # … with 2 more variables: Diagnastico <chr>, `Fecha Diagnatico` <chr>## # A tibble: 4 x 9
## Municipio Poblacion2015 Cronicas Fallecidos Dx10000 Aleer `Asistencia Esc…
## <chr> <dbl> <lgl> <dbl> <dbl> <dbl> <dbl>
## 1 Caborca 85631 NA 95 11.1 14882 80708
## 2 Santa Ana 16248 NA 13 8.00 2809 15374
## 3 Cajeme 433050 NA 625 14.4 66782 411496
## 4 Hermosil… 884273 NA 1010 11.4 140278 837720
## # … with 2 more variables: NoAsistencia <dbl>, indiceAsis <lgl>SonoraS <- t(datos2 [datos2$Estado == "Sonora", ])
SonoraS <- (datos2 [datos2$Estado == "Sonora", ])
dSalud <- datosSaludCaso de estudio: Relación entre enfermedades crónicas y covid-19
Preguntas
- ¿Son lugares que tienen más personas reportadas con enfermedades crónicas los lugares que también tienen más personas fallecidas por covid-19? si, el covid-19 tiene sintomas como una gripe comun pero mas fuerte, esto sumandole la enfermedades cronicas que padece una porciòn de la poblaciòn lo hace mas dificil para que se recupere de una o otra enfermedad.
ggplot(SonoraS, aes(fill=Jurisdiccion, y=Diagnastico)) + geom_bar(position = "dodge", stat = "count") + xlab("Numero de casos") + ylab("Diagnostico") + ggtitle("Enfermedades crònicas en Sonora, 2018 (CENAPRECE)")
¿Por qué razones si la población de Ciudad Obregón es más grande que la santa ana y de caborca, existen más personas con diagnóstico de enfermedades crónicas ?
¿Son los lugares que proporcionalmente tienen más defunciones, los lugares que también tienen más diagnósticos? por los resultados de la grafica, la respuesta es si, esto porque una porciòn de la poblaciòn con COVID-19 ya tenia otras enfermedades.
¿por qué si en cajeme hay menos enfermedades crónicas, proporcionalmente a su población hay más defunciones? ademas de las enfermedades tambien hay otros factores que involucran en las difuniones, la pobreza es uno de ellos, como las personas no tiene los ingresos suficientes para costearse pagos de salud. Otra variable es el alfabetismo que existe y esto conlleva a que las personas no se informen sobre lo que pasa.
¿Cuánta gente habita en cada ciudad? Fuente: http://cuentame.inegi.org.mx/monografias/informacion/son/territorio/div_municipal.aspx?tema=me&e=26
Caborca 85631
Santa Ana 16248 Cajeme 433050 Hermosillo 884 273
- ¿Cuál ciudad tiene proporcionalmente más fallecidos? ¿Las ciudades con más personas diagnosticadas son las que proporcionalmente presentan más fallecidos? las defunciones de cajeme por cada 10000 habitantes son 14.432514, esto nos muestra que al a ver mas personas con covid-19 mas otras enfermedades serian mas defunciones.
Asignación
- ¿Qué características tendría un municipio que tuviera menos defunciones? las personas tiene que seguir las normas impuestas para no quedar infectadas del covid-19,
- ¿Qué variables se correlacionan con el número de defunciones?
nA <- datosSalud$NoAsistencia
def <- datosSalud$Fallecidos
lmDatoSalud <- lm(def~nA)
plot(nA,def,xlab = "no Asistencia escolar", ylab = "defunciones")
abline(lmDatoSalud)
##
## Call:
## lm(formula = def ~ nA)
##
## Residuals:
## 1 2 3 4
## 17.81 -166.19 202.02 -53.63
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 22195.96 5367.48 4.135 0.0538 .
## nA -310.77 76.64 -4.055 0.0558 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 189.2 on 2 degrees of freedom
## Multiple R-squared: 0.8915, Adjusted R-squared: 0.8373
## F-statistic: 16.44 on 1 and 2 DF, p-value: 0.05578puede parecer que haya una relaciòn entre las personas “analfabetas” y las defunciones, como esta porciòn de la poblaciòn no sabe leer no puede leer la informaciòn importante de lo que pasa y a falta de educaciòn no puede conseguir los ingresos necesarios para una salud decente, o en muchos casos no creen en la ciencia.
- ¿Los municipios que tienen más gente escolarizada son los que menos tienen defunciones?
def <- datosSalud$Fallecidos
aE <- datosSalud$`Asistencia Escolar`
lmDefEscolar <- lm(def~aE)
plot(aE,def, xlab = "Asistencia escolar", ylab = "defunciones")
abline(lmDefEscolar)
##
## Call:
## lm(formula = def ~ aE)
##
## Residuals:
## 1 2 3 4
## -25.32 -26.70 96.49 -44.47
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 2.073e+01 5.710e+01 0.363 0.75138
## aE 1.234e-03 1.219e-04 10.123 0.00962 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 79.5 on 2 degrees of freedom
## Multiple R-squared: 0.9809, Adjusted R-squared: 0.9713
## F-statistic: 102.5 on 1 and 2 DF, p-value: 0.009617aqui podemos observar que tal vez hay otra relaciòn entre las defunciones y las personas con escolaridad, de entre los municipios, cajeme es el que tiene mas si lo comparamos con hermosillo, pero esto se debe que alla hay mas centros de salud y con mas calidad que en cajeme. * ¿Qué otras variables podemos añadir al análisis? centros de salud de baja calidad, medicos actuales.