Trabajo Práctico
Mercedes Laurenza
28/8/2021
library(readxl)
library(dplyr)
library(kableExtra)
library(ggplot2)
library (sf)
library (tmaptools)Geolocalización en R en Salud
Facultad de Medicina, Universidad de Buenos Aires
Pregunta
¿Cuál es la disponibilidad de organismos que brindan algún tipo de respuesta frente a situaciones de violencia en la Provincia de Buenos Aires? ¿La distribución geográfica de los orgnanismos guarda relación con la cantidad de población por departamento de la provincia?
Objetivos
Objetivo General
Conocer la disponibilidad y distribución geográfica de organismos que brindan algún tipo de servicio como respuestas ante situaciones de violencia.
Objetivos Específicos
- Identificar los organismos de interés mencionados en el objetivo general.
- Ubicar geográficamente los organismos de interés.
- Explorar la distribución de organismos en el territorio en relación a la distribución poblacional por departamento
Metodología
Descripción del análisis.
Se trata de un análisis exploratorio y transversal con datos disponibles a agosto de 2021.
Unidad de análisis
Organismos que brindan algún tipo de respuesta frente a situaciones de violencia. Esto incluye las siguientes categorías de organismo:
mas_organismos <- read_excel("datos/mas_organismos.xlsx",
sheet = "Sheet1")mas_organismos %>%
group_by(`Tipo Institución`) %>%
summarise(`total PBA` = n()) %>%
arrange(desc(`total PBA`)) %>%
kbl(caption= " Instituciones de respuesta frente a situaciones de violencia por tipo, total PBA") %>%
kable_minimal(full_width = F) | Tipo Institución | total PBA |
|---|---|
| Salud | 238 |
| Comisaria | 170 |
| Niñez/ Familia | 122 |
| Legal | 109 |
| Comisaria Mujer | 106 |
| Área Mujer | 103 |
| Centro de Referencia | 19 |
| Organización no gubernamental | 15 |
| Centro Integrador Comunitario | 5 |
| Dirección De Migraciones | 5 |
| Inadi | 3 |
| Ministerio de Defensa | 3 |
| Adultos Mayores | 2 |
| NA | 2 |
| Adicciones | 1 |
| Área mujer | 1 |
| Dirección de Migraciones | 1 |
| Fuerzas de Seguridad | 1 |
| NIñez/ Familia | 1 |
| Organización No Gubernamental | 1 |
Unidad temporal y geográfica
Año 2021, Provincia de Buenos Aires desagregada por departamentos.
Se incorporó el análisis identificando departamentos según su pertenencia al conurbano, dado que, por la concentración de recursos y de población en los mismos, el análisis agregado no es sensible a las especificidades de los departamentos del interior de la provincia.
Fuente de datos
- CONSEJO NACIONAL DE LA MUJER – RECURSERO PROVINCIA DE BUENOS AIRES
Información ordenada por localidad, tipo de institución y prestación de los recursos y servicios de atención a mujeres en situación de violencia.
- Cartografía y códigos geográficos del Sistema Estadístico Nacional Incluye información de población total por sexo, total de hogares, total de viviendas particulares y total de viviendas particulares habitadas.
Exploraciones y transformaciones realizadas
Para la fuente A)
Dado que se trata de un archivo en PDF se procedió a:
- Convertir el archivo a .xlsx
- Agregar la cantidad de organismos por localidad
- Construir el campo de referencia geográfica, para lo cual:
1- Se completó el campo Localidad incorporando la referencia provincial 2- Se incoporó el código de departamento según INDEC 3- Se incorporó un campo que distingue la pertenencia de la localidad a alguno de los partidos que integran el conurbano bonaerense 4- Se geolocalizó cada registro y construyó su geometría.
(se incluye el código sólo de los pasos 3 y 4)
total_orgs_dpto <- read_excel("datos/total_orgs_dpto.xlsx")total_orgs_dpto <- total_orgs_dpto %>%
mutate(geo=geocode_OSM(
total_orgs_dpto$loc_limpiogeo,
return.first.only = TRUE,
keep.unfound = TRUE,
details = FALSE,
as.sf = FALSE,
geometry = "point",
server = "https://nominatim.openstreetmap.org"))total_orgs_dpto <- total_orgs_dpto %>%
mutate(conurbano = case_when(loc_limpio %in% c("Almirante Brown - Buenos Aires", "Avellaneda - Buenos Aires", "Lanús - Buenos Aires", "Lomas de Zamora - Buenos Aires", "La Matanza - Buenos Aires", "Morón - Buenos Aires", "Tres de Febrero - Buenos Aires", "General San Martín - Buenos Aires", "Vicente López - Buenos Aires", "San Isidro - Buenos Aires", "Quilmes - Buenos Aires", "Berazategui - Buenos Aires", "Florencio Varela - Buenos Aires", "Esteban Echeverría - Buenos Aires", "Ezeiza - Buenos Aires", "Moreno - Buenos Aires", "Merlo - Buenos Aires", "Malvinas Argentinas - Buenos Aires", "Hurlingham - Buenos Aires", "Ituzaingó - Buenos Aires", "Tigre - Buenos Aires", "San Fernando - Buenos Aires", "José C. Paz - Buenos Aires", "San Miguel - Buenos Aires", "Banfield - Buenos Aires", "Bernal - Buenos Aires", "Boulogne - Buenos Aires", "Budge - Buenos Aires", "Burzaco - Buenos Aires","Caseros - Buenos Aires", "Castelar - Buenos Aires", "Ciudadela - Buenos Aires", "San Martin - Buenos Aires", "San Justo - Buenos Aires", "Lanus - Buenos Aires", "Moron - Buenos Aires", "Lomas de Zamora - Buenos Aires", "Partido de Tres de Febrero - Buenos Aires", "Partido de Malvinas Argentinas - Buenos Aires", "El Pato - Buenos Aires", "Esteban Echeverria - Buenos Aires", "Garin - Buenos Aires", "General Pacheco - Buenos Aires", "Billinghurst - Buenos Aires","Ezpeleta - Buenos Aires", "Llavallol - Buenos Aires", "Longchamps - Buenos Aires", "Olivos - Buenos Aires", "Pontevedra - Buenos Aires", "Ranelagh - Buenos Aires", "Saavedra - Buenos Aires", "Temperley - Buenos Aires", "Victoria - Buenos Aires", "Adrogue - Buenos Aires", "Del Viso - Buenos Aires", "Don Bosco - Buenos Aires", "El Jaguel - Buenos Aires", "El Palomar - Buenos Aires", "Hudson - Buenos Aires", "Isidro Casanova - Buenos Aires", "Jose C Paz -Buenos Aires", "Jose Leon Suarez - Buenos Aires", "Jose Marmol - Buenos Aires", "La Capilla - Buenos Aires", "Lomas De Zamora - Buenos Aires", "Martinez - Buenos Aires", "Monte Grande - Buenos Aires", "Paso del Rey - Buenos Aires", "Paso Del Rey - Buenos Aires", "Ramos Mejia - Buenos Aires", "San Antonio De Padua - Buenos Aires", "Tristan Suarez - Buenos Aires", "Villa Ballester - Buenos Aires", "Virreyes - Buenos Aires","Wilde - Buenos Aires", "Villa Fiorito - Buenos Aires", "Vicente Lopez - Buenos Aires", "Remedios De Escalada - Buenos Aires", "Rafael Castillo - Buenos Aires", "Rafael Calzada - Buenos Aires", "Monte Chingolo - Buenos Aires", "Los Polvorines - Buenos Aires", "Luis Guillon - Buenos Aires", "SI","Loma Hermosa - Buenos Aires","Lomas del - Buenos Aires","Lomas Del Mirador - Buenos Aires", "Lanus - Buenos Aires", "Gerli - Buenos Aires", "Gonzalez Catan - Buenos Aires", "Grand Bourg - Buenos Aires", "Ciudad Evita - Buenos Aires", "Benavidez - Buenos Aires",
"La Tablada - Buenos Aires",
"Libertad - Buenos Aires",
"Mariano Acosta - Buenos Aires",
"San Francisco Solano - Buenos Aires",
"San Jose - Buenos Aires",
"Sarandi - Buenos Aires",
"Valentin Alsina - Buenos Aires",
"Villa Centenario - Buenos Aires",
"Villa De Mayo - Buenos Aires",
"Villa Luzuriaga - Buenos Aires",
"Villa Sarmiento - Buenos Aires",
"Villa Vatteone - Buenos Aires",
"Virrey Del Pino - Buenos Aires") ~ "SI", TRUE ~ "NO"))total_orgs_dpto<- total_orgs_dpto %>%
mutate(lon=geo$lon, lat = geo$lat) organismos_geo <- total_orgs_dpto %>%
filter(loc_limpio !="San Miguel del Monte - Buenos Aires" & loc_limpio !="Roque Pérez - Buenos Aires" )organismos_geo <- organismos_geo %>%
filter(!is.na(lon), !is.na(lat)) %>%
st_as_sf(coords = c("lon", "lat"), crs = 4694)Para B) Fuente INDEC
La preparación de los datos consistió en:
- Agregar la información poblacional por departamento
- Identificar los departamentos que integran el conurbano
pba <- st_read("datos/Buenos_Aires_con_datos.shp")## Reading layer `Buenos_Aires_con_datos' from data source
## `D:\Perfil Mechi\Documents\GEOLOCALIZACION_R\TRABAJO_FINAL\datos\Buenos_Aires_con_datos.shp'
## using driver `ESRI Shapefile'
## Simple feature collection with 19577 features and 8 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: 3721440 ymin: 5452221 xmax: 4335413 ymax: 6305225
## Projected CRS: POSGAR 94 / Argentina 3pba <- pba %>%
mutate(dpto = substr(link, 0, 5))Cods_INDEC_conur_corto <- read_excel("datos/Cods_INDEC_conur_corto.xlsx")pba2 <- pba %>%
group_by(dpto) %>%
summarise(mujeres = sum(mujer,na.rm=TRUE), varones = sum(varon,na.rm=TRUE), totalpobl=sum(totalpobl,na.rm = TRUE), hogares= sum(hogares, na.rm = TRUE))pba2_conurba <- left_join(pba2, Cods_INDEC_conur_corto, by= "dpto")Resultados y descripción
En un primer análisis es clara la concentración de los servicios en los departamentos que integran el conurbano y la presencia de este tipo de organismos en toda la provinica (ver mapa 1). En este sentido se observa que la cobertura de servicios de algún tipo se encuentra extendida en todos los departamentos de la provincia de Buenos Aires, con cierta homogeneidad cuando se realiza un recorte en el interior (ver mapa 2)
Uno de los aspectos que resalta en el análisis desagregado por conurbano e interior es que el departamento de General Pueyrredón es uno de los de mayor proporción poblacional, pero no alcanza los 20 organismos, ubicándose a niveles de departamentos con menos participación en el total de habitantes de la provincia (ver mapa 2).
Cuando se exploran especificamente los partidos del conurbano llama la atención la ausencia de servicios en Tigre y San Fernando. Asimismo no se observa una concentración en La Matanza, que sería esperable dada la densidad poblacional de este departamento (ver mapa 3).
Total Provincia de Buenos Aires
pba2 %>%
ggplot() +
geom_sf(aes(fill = totalpobl)) +
scale_fill_viridis_c() +
geom_sf(data = organismos_geo, aes(size= cantidad), color= "#E238EC", inherit.aes=TRUE)+
labs(title = "Mapa 1. Organismos de respuesta frente a situaciones de violencia,
vs distribución poblacional ",
subtitle = "Provincia de Buenos Aires",
fill = "POBLACION",
caption = "Fuente: Elaboración propia en base a INDEC y Guía de recursos PBA CNM")+
theme_void()
organismos_geo_interior <- organismos_geo %>%
filter(conurbano== "NO")Partidos del interior
options(scipen=10000)
pba2_conurba %>%
filter(conurbano== "NO") %>%
ggplot() +
geom_sf(aes(fill = totalpobl)) +
scale_fill_viridis_c() +
geom_sf(data = organismos_geo_interior, aes(size= cantidad), color= "#E238EC", inherit.aes=TRUE)+
labs(title = "Mapa 2. Organismos de respuesta frente a situaciones de violencia,
vs distribución poblacional ",
subtitle = "Provincia de Buenos Aires- SÓLO DPTOS DEL INTERIOR",
fill = "POBLACION",
caption = "Fuente: Elaboración propia en base a INDEC y Guía de recursos PBA CNM")+
theme_void()
organismos_geo_conurba <- organismos_geo %>%
filter(conurbano== "SI" & loc_limpio !="Partido de Tres de Febrero - Buenos Aires" & loc_limpio != "Partido de Malvinas Argentinas - Buenos Aires" & loc_limpio != "La Capilla - Buenos Aires"& loc_limpio != "Del Viso - Buenos Aires" & loc_limpio !="Garin - Buenos Aires")Partidos del conurbano
options(scipen=10000)
pba2_conurba %>%
filter(conurbano== "SI") %>%
ggplot() +
geom_sf(aes(fill = totalpobl)) +
scale_fill_viridis_c() +
geom_sf(data = organismos_geo_conurba, aes(size= cantidad), color= "#E238EC", inherit.aes=TRUE)+
labs(title = "Mapa 3. Organismos de respuesta frente a situaciones de violencia,
vs distribución poblacional ",
subtitle = "Provincia de Buenos Aires- Partidos del CONURBANO",
fill = "POBLACION",
caption = "Fuente: Elaboración propia en base a INDEC y Guía de recursos PBA")+
theme_void()
Conclusiones
A nivel departamental la cobertura de servicios tiende a la homogeneidad. Una hipótesis puede estar vinculada con que los servicios se concentran en las cabezas de departamento. Este análisis al no desagregar por localidad, no capta las diferencias entre las localidades cabecera y el resto.
Independientemente de los resultados, un factor importante a resaltar es la falta de información en la materia y la poca sistematicidad de los registros disponibles, lo cual puede llevar a importantes sesgos vinculados con el subregistro de organismos.
Descripción de posibles análisis futuros sobre el tema.
El análisis se vería enriquecido con la incorporación del dato de la demanda real y potencial, a partir de indicadores proxy como la cantidad de denuncias o llamados a líneas de asistencia y con el desagregado por localidad.