TALLER DE CIENCIA DE DATOS APLICADA A SALUD PÚBLICA Y EPIDEMIOLOGÍA

Acerca de este documento

Este es un documento es producto de un taller para la enseñanza de ciencia de datos con el lenguaje R, en donde se analiza la evolución del covid-19

Ejercicios incluidos

Se divide en 3 temas principales:

Datos globales de Johns Hopkins university en México
Datos de coronavirus.gob.mx para Sonora y Sinaloa
Datos de enfermedades crónicas en Sonora.

Importación de paquetes / bibliotecas

En esta parte se importa todas las bibliotecas que nos proporcionan herramientas para el manejo de datos en R.

setwd("~/RTALLERSALUD") # directorio de trabajo
library(pacman) #para implementar la biblioteca pacman
p_load("base64enc", "htmltools", "mime", "xfun", "prettydoc","readr", "knitr","DT","dplyr", "ggplot2","plotly", "gganimate","gifski","scales")

Descarga de este codigo

Para fines de reproducibilidad se incluye todo el codigo para su descarga

xfun::embed_file("U1A5.Rmd")

Download U1A5.Rmd

Datos globales de Johns Hopkins university en 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 de JHU

#Se declaran variables con la url del archivo csv crudo para obtener las estadísticas del día, en vez de importar desde local

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 
#Gracias a la biblioteca "readr" ponemos leer los archivos csv
datos_conf <- read.csv(url_conf)
datos_decesos <- read.csv(url_decesos)
datos_recuperados <- read.csv(url_recuperados)

#definir variables 
#se define como un vector transpuesto porque necesitamos manipular los datos en una sola columna
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

Necesitamos modificar el documento csv para manipular los datos con los que trabajaremos, necesitamos hacer lo siguiente:

Eliminar campos no utilizables
Formatear las fechas
Crear un marco de datos (data frame)

#vector de fecha
#se crea un vector de secuencia desde el día del inicio de los datos hasta el último
Fecha <- seq(from = as.Date("2020-01-22"), to = as.Date("2021-02-16"), by = "day")

#casos confirmados
#se obtiene un vector de la tabla manipulada
vec1 <- as.vector(conf_mex)
#se descarta los campos innecesarios
vec2 <- vec1[5:396]
#se transforma en tipo numerico
num1 <- as.numeric(vec2)
#se transforman de nuevamente a vector para trabajar en graficas
confirmados <- as.vector(num1)

#decesos
vec1 <- as.vector(dec_mex)
vec2 <- vec1[5:396]
num1 <- as.numeric(vec2)
decesos <- as.vector(num1)

#recuperados
vec1 <- as.vector(rec_mex)
vec2 <- vec1[5:396]
num1 <- as.numeric(vec2)
recuperados <- as.vector(num1)

#generacion de un marco de datos (data frame)

datos1 <- data.frame(Fecha, confirmados, decesos, recuperados)

Graficación de datos

Ahora, con los datos de los casos confirmados, decesos y recuperados vamos a formar gráficas para enterder mejor los datos que tenemos

Gráfica estática

#a través de la libreria ggplot crearemos la grafica, nos solicita un dataframe, el cual contiene los vectores que se mostrarán en la grafica 
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 en México") +
  labs(colour="casos") +
  ggtitle("casos de covid-19 en México(Fuente: JHU CSSE)") +
  scale_y_continuous(labels = comma)
gcov

Gráfica interactiva

Gracias al paquete ggplotly podemos hacer la grafica interactiva

ggplotly(gcov)

Grafica animada

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 en México") +
  labs(colour="casos") +
  ggtitle("casos de covid-19 en México(Fuente: JHU CSSE)") +
  scale_y_continuous(labels = comma) +
  transition_reveal(Fecha)
gcov

3. Datos de 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= "latin1")
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.Diagnotico
## 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

Formateo de datos

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

Graficación

#grafico agrupado
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)")

tabla interactiva de datos

datatable(datos2)

## Warning in instance$preRenderHook(instance): It seems your data is too big
## for client-side DataTables. You may consider server-side processing: https://
## rstudio.github.io/DT/server.html

U1A5

Paul Becerra

12/02/2021