Caso de estudio de la 2da unidad de probabilidad y estadística: Enfermedades crónicas y su relación con los fallecimientos por COVID-19
Enfermedades.jpg
- Importar bibliotecas:
setwd("~/PYE1112ITSON")
library(pacman)
p_load("base64enc", "htmltools", "mime", "xfun", "prettydoc","readr", "knitr","DT","dplyr", "ggplot2","plotly", "gganimate","gifski","scales","readxl")¿Que tan probable es que un municipio con alta cantidad de diagnósticos por enfermedades crónicas también sea un municipio con tasas elevadas de mortalidad por COVID-19?
Dado que los pacientes con enfermedades crónicas tienen mayor probabilidad de desarrollar complicaciones si se contagian.
Enfermedades crónicas en Sonora
¿Son lugares que tienen más personas reportadas con enfermedades crónicas los lugares que también tienen más personas fallecidas por covid-19?
Para responder esto tenemos el dato más nuevo de número de personas con diagnóstico de enfermedades crónicas, para esto usamos datos provenientes de:
- 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
Podemos ver la gráfica y código aquí:
https://rpubs.com/jigbadouin/MSDatos
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
## [1] "data.frame"## 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.Diagn.f3.stico 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 02/01/2018Formatear datos
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)") 
Ahora que se tienen los datos, podemos estimar la cantidad de personas diagnísticadas por jurisdicción (ciudad)
- ¿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?
Esto podria ser que las ciudades al estar mas al norte del estado tomaron costumbres del pais vecino las cuales podrian ser el sedentarismo y comer comida chatarra pero tambien en mexico somos el primer lugar en obecidad puede ser a la falta de educacion en el ambito de la salud.
- ¿Cuánta gente habita en cada ciudad?
Fuente: http://cuentame.inegi.org.mx/monografias/informacion/son/territorio/div_municipal.aspx?tema=me&e=26
Clave Municipio Población
030 Hermosillo: 884273
017 Caborca: 85631
058 Santa Ana: 16248
018 Cajeme: 433050
- Fallecidos por COVID-19: https://datos.covid-19.conacyt.mx/#DownZCSV
Total de defunciones en Santa Ana: 113
Total de defunciones en Caborca: 95
Total de defunciones en Cajeme: 625
Total de defunciones en Hermosillo: 1010
- Si hacemos una relación de número de personas fallecidas por cada 10,000 habitantes, para poder comparar en proporción, tenemos que por cada 10,000 habitantes*:
Defunciones en Caborca*: 12
Defunciones en Cajeme*: 15
Defunciones en Hermosillo*: 12
Defunciones en Santa Ana*: 70
Para el cálculo de los datos anteriores, se dividió el número de fallecidos por COVID-19 en cada municipio, entre su población total dividida entre diez mil.
- Con esta forma de comparar, ¿Cuál ciudad tiene proporcionalmente más fallecidos?
Santa Ana
¿Las ciudades con más personas diagnosticadas son las que proporcionalmente presentan más fallecidos?
No, ya que en la capital cuenta con indice mas elevado de enfermedades cornicas y en otros municipios no pero en la capital no hay tantos fallecimientos como en los otros municipios eesto podria deberse a que en ese sector el nivel medico es mucho mas alto y estan mas equipados para ciertas situaciones. Ordene en una tabla:
Municipio, Población2015, Diabetes, dislipidemias, hipertensión, obesidad, Defunciones por cada 10mil habitantes, defunciones
Asignación
- ¿Qué características tendría un municipio que tuviera menos defunciones?
nivel de salud alto(poblacion sin enfermedades cronicas),pero como podemos obervar los municipios que tienen menor defunciones son aquellos que tienen menor población sinembargo carecen de personas “saludables”
- ¿Qué variables se correlacionan con el número de defunciones?
Enfermedades crónicas, pobreza, entre otros:
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.000 0.000 5.101 5.696 9.549 26.882#MARCO DE DATOS
Defunciones <- datodefunciones$defunciones
CarenciaAccesoAlim <- datodefunciones$CarenciaAccesoAlim
RezagoEscolar <- datodefunciones$RezagoE
Defuncionesx10mil <- as.numeric(datodefunciones$Dx10mil)
IM <- as.numeric(datodefunciones$IM)
CarenciasSalud <- as.numeric(datodefunciones$CarenciasSalud)
IngresoMenor <- as.numeric(datodefunciones$IngresoMenor)
CarenciaCalidadVivienda <- as.numeric(datodefunciones$CarenciaCalidadVivienda)
variables <- data.frame(Defunciones, Defuncionesx10mil, IM, RezagoEscolar, CarenciasSalud, IngresoMenor, CarenciaAccesoAlim, CarenciaCalidadVivienda)
#MATRIZ DE CORRELACIÓN
cor(variables)## Defunciones Defuncionesx10mil IM RezagoEscolar
## Defunciones 1.0000000 0.3207860 -0.3113293 0.98401459
## Defuncionesx10mil 0.3207860 1.0000000 -0.2337152 0.33334330
## IM -0.3113293 -0.2337152 1.0000000 -0.30001375
## RezagoEscolar 0.9840146 0.3333433 -0.3000137 1.00000000
## CarenciasSalud 0.9700615 0.3297990 -0.3409449 0.98433483
## IngresoMenor -0.1062908 -0.1368000 0.6138393 -0.05267524
## CarenciaAccesoAlim 0.9866953 0.3240695 -0.3081835 0.99097478
## CarenciaCalidadVivienda -0.1458531 -0.1150329 0.1575851 -0.16592147
## CarenciasSalud IngresoMenor CarenciaAccesoAlim
## Defunciones 0.97006148 -0.10629077 0.98669528
## Defuncionesx10mil 0.32979896 -0.13680001 0.32406951
## IM -0.34094494 0.61383934 -0.30818346
## RezagoEscolar 0.98433483 -0.05267524 0.99097478
## CarenciasSalud 1.00000000 -0.07740579 0.97351933
## IngresoMenor -0.07740579 1.00000000 -0.07533714
## CarenciaAccesoAlim 0.97351933 -0.07533714 1.00000000
## CarenciaCalidadVivienda -0.16322112 0.03765432 -0.16169238
## CarenciaCalidadVivienda
## Defunciones -0.14585307
## Defuncionesx10mil -0.11503291
## IM 0.15758506
## RezagoEscolar -0.16592147
## CarenciasSalud -0.16322112
## IngresoMenor 0.03765432
## CarenciaAccesoAlim -0.16169238
## CarenciaCalidadVivienda 1.00000000Podemos observar una correlación alta entre las variables:
Defunciones y Rezago escolar 0.9840146
Defunciones y Carencia de salud 0.9700615
Defunciones y Carencia de acceso a la alimentación 0.9866953
- ¿Los municipios que tienen más gente escolarizada son los que menos tienen defunciones?
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.0 281.5 681.0 5142.8 2991.0 93337.0## [1] 0 82 99 134 139 140 148 152 159 168 242 246
## [13] 256 258 260 271 277 280 282 291 304 306 310 326
## [25] 351 389 408 411 425 428 434 555 595 616 652 677
## [37] 685 704 845 906 907 970 1078 1160 1335 1387 1461 1728
## [49] 1811 1900 2073 2285 2303 2862 3378 3646 3741 4181 4433 6026
## [61] 8057 9003 9157 11620 12417 16016 21404 21781 25704 32326 46583 93337Municipio —— Población RezagoEscolar Defunciones Dx10mil
Hermosillo ——– 884273 ———– 93337 — 1010 - 12
San Felipe de Jesús – 407 ————– 82 ——— 0 - 0
La respuesta es no, porque hay que tomar otros factores en cuenta como la población, y situaciones como que la gente de municipios más pequeños, van a atenderse, y muchas veces fallecen en municipios con mejores sistemas de salud y menor rezago educativo.
- ¿Qué otras variables podemos añadir al análisis?
carencia de acceso a la alimentación, empleos informales, movimiento de la población (fuera de sus viviendas),nivel economico del municipio, entre otros.
https://datos.covid-19.conacyt.mx/#DownZCSV
Bosque aleatorio:
https://fervilber.github.io/Aprendizaje-supervisado-en-R/bosques.html
https://datos.gob.mx/busca/dataset?theme=Salud
- ¿Tiene que ver además de la educación y la salud la pobreza de las personas como incidente en la probabilidad de generar complicaciones por COVID-19? índice de pobreza en Sonora:
https://www.coneval.org.mx/coordinacion/entidades/Sonora/Paginas/pobreza_municipal2015.aspx
Indicadores de marginación y pobreza: http://www.coespo.sonora.gob.mx/indicadores/sociodemograficos/indice-y-grado-de-marginacion.html
*Si, la pobresa tiene muco que ver con el trafico de personas fuera de su casa ya que estas personas tienen que ir a trabajar diario para poder comer es una triste realidad que vivimos en el país, tambien tiene que ver la educación ya que la gente no se informa tanto un ejemplo es el uso de cubrebocas esto se mal informan y dicen que no sirve el cubrebocas pero en realidad si.
Conclusión
La probabilidad en estos casos nos ayuda a ver si las variavles se relacionan y poder ver como se comportara en un futuro, en este analicis pudimos observar que la poblacion tiene muchas enfermedades cronicas y hay un gran trafico de personas en esta pandemia, con los datos de enfermedades cronicas quede sorprendido ya que la mayoria es diabetes y no es concidencia que México sea el primer lugara nivel mundial en obesidad, nececitamos cambiar habitos y formar costumbres de hacer ejericio y estudiar siempre superarnos.