Casen 2006:2020

Tabla 039

¿Tuvo alguna consulta o atención médica por esa enfermedad o accidente?

VE-CC

DataIntelligence
date:09-10-2021

1 Introducción

direccion <- switch(2,"C:/Users/enamo/Desktop/Shiny-R/Casen_en_pandemia_2020/casen/","C:/Users/chris/OneDrive/Documentos/archivos_grandes/")

dataset_06 <<- readRDS(paste0(direccion,"casen_2006_c.rds"))
dataset_06 <- mutate_if(dataset_06, is.factor, as.character)
dataset_09 <<- readRDS(paste0(direccion,"casen_2009_c.rds"))
dataset_09 <- mutate_if(dataset_09, is.factor, as.character)
dataset_11 <<- readRDS(paste0(direccion,"casen_2011_c.rds"))
dataset_11 <- mutate_if(dataset_11, is.factor, as.character)
dataset_13 <<- readRDS(paste0(direccion,"casen_2013_c.rds"))
dataset_13 <- mutate_if(dataset_13, is.factor, as.character)
dataset_15 <<- readRDS(paste0(direccion,"casen_2015_c.rds"))
dataset_15 <- mutate_if(dataset_15, is.factor, as.character)
dataset_17 <<- readRDS(paste0(direccion,"casen_2017_c.rds"))
dataset_17 <- mutate_if(dataset_17, is.factor, as.character)
dataset_20 <<- readRDS(paste0(direccion,"casen_2020_e1.rds"))
dataset_20 <- mutate_if(dataset_20, is.factor, as.character)
casen_2006 <- dataset_06
casen_2009 <- dataset_09
casen_2011 <- dataset_11
casen_2013 <- dataset_13
casen_2015 <- dataset_15
casen_2017 <- dataset_17
casen_2020 <- dataset_20

2 Categorías de respuesta

Obtenemos las frecuencias de respuestas ya expandidas a la población, por categoría. , include = FALSE

## # A tibble: 16 x 2
##    Variable                                                  Homologacion_039   
##    <chr>                                                     <chr>              
##  1 No                                                        No                 
##  2 <NA>                                                      No sabe o no respo~
##  3 No sabe / No recuerda                                     No sabe o no respo~
##  4 No Sabe / No recuerda                                     No sabe o no respo~
##  5 No sabe, no recuerda                                      No sabe o no respo~
##  6 No sabe/No recuerda                                       No sabe o no respo~
##  7 Ns/Nr                                                     No sabe o no respo~
##  8 Sí                                                        Sí                 
##  9 Sí, Atención médica en Consultorio general, SAPU o Posta~ Sí                 
## 10 Sí, Atención médica en Centro médico, Clínica u Hospital~ Sí                 
## 11 Si, Atención médica en un hospital del SNSS               Sí                 
## 12 Sí, Atención de un médico particular (consulta o domicil~ Sí                 
## 13 Sí, Atención médica en una Mutual de Seguridad            Sí                 
## 14 Sí, Atención médica en Consultorio de especialidad        Sí                 
## 15 Sí, Atención médica en un establecimiento de las FF.AA. ~ Sí                 
## 16 Sí, Atención médica en un centro de atención de su lugar~ Sí

La base de datos necesaria

diccionario <- function(df){
    
    #entre 2006 y 2020: 7
    
  variable <- switch(i,"S6","S10","s22","s19","s16","s16","s17")
  
 names(carrera)[1] <- variable
  
  df <- merge(df, carrera, by = variable)
  
    switch(i,
        case =  casen_2006 <<- df,
        case =  casen_2009 <<- df,
        case =  casen_2011 <<- df,
        case =  casen_2013 <<- df,
        case =  casen_2015 <<- df,
        case =  casen_2017 <<- df,
        case =  casen_2020 <<- df
)
}
 
for (i in 1:7) {
  
  switch(i,
        case = casen <- casen_2006,
        case = casen <- casen_2009,
        case = casen <- casen_2011,
        case = casen <- casen_2013,
        case = casen <- casen_2015,
        case = casen <- casen_2017,
        case = casen <- casen_2020
)
  
  diccionario(casen)
  
}
df_tablas <- data.frame()

funcion1 <- function(n){

    xx<-switch(n,"2006","2009","2011","2013" ,"2015","2017","2020")
 
    tanio <<- xx

    v1 <- switch(n, "Homologacion_039","Homologacion_039", "Homologacion_039","Homologacion_039", "Homologacion_039","Homologacion_039", "Homologacion_039")

if(xx==2006) {
eliminated <- casen_2006 
c <- eliminated[,c(v1)]
anio <- 2006
}    
    
if(xx==2009) {
eliminated <- casen_2009 
c <- eliminated[,c(v1)]
anio <- 2009
}

if(xx==2011) {
eliminated <- casen_2011  
c <- eliminated[,c(v1)]
anio <- 2011
}
 
if(xx==2013) {
eliminated <- casen_2013  
c <- eliminated[,c(v1)]
anio <- 2013
}    
    
if(xx==2015) {
eliminated <- casen_2015 
c <- eliminated[,c(v1)]
anio <- 2015
}

if(xx==2017) {
eliminated <- casen_2017  
c <- eliminated[,c(v1)]
anio <- 2017
}
 
if(xx==2020) {
eliminated <- casen_2020  
c <- eliminated[,c(v1)]
anio <- 2020
}
 
################ -- frecuencia
expan<-switch(n, "EXPC","EXPC", "expc_full","expc", "expc_todas","expc", "expc")
tabla_matp <-xtabs(eliminated[,(expan)]~c, data = eliminated)
tabla_matp <- as.data.frame(tabla_matp) 
names(tabla_matp)[1] <- "Homologación"
data_df1 <<- tabla_matp
################ 

}

for (n in 1:7){
  
  funcion1(n) 
  assign(paste0("tabla_",tanio),data_df1)

}

tabla_f <- merge(tabla_2006, tabla_2009, by= "Homologación", all.x = T, all.y = T)
tabla_f <- merge(tabla_f, tabla_2011, by= "Homologación",  all.x = T, all.y = T)
tabla_f <- merge(tabla_f, tabla_2013, by= "Homologación",  all.x = T, all.y = T)
tabla_f <- merge(tabla_f, tabla_2015, by= "Homologación",  all.x = T, all.y = T)
tabla_f <- merge(tabla_f, tabla_2017, by= "Homologación",  all.x = T, all.y = T)
tabla_f <- merge(tabla_f, tabla_2020, by= "Homologación",  all.x = T, all.y = T)
tabla_f
##            Homologación   Freq.x   Freq.y   Freq.x   Freq.y   Freq.x   Freq.y
## 1                    No   403546   413869   169102   230033   263204   220467
## 2 No sabe o no responde 13655212 14235615 14684610 14058144 13704370 14247461
## 3                    Sí  2093983  1957567  2070036  2947120  3548000  3301238
##       Freq
## 1   237713
## 2 16397732
## 3  2865017
colnames(tabla_f) <- c("variable", "2006","2009","2011","2013","2015","2017","2020")
 
tabla_f <- mutate_all(tabla_f, ~replace(., is.na(.), 0))

tabla_t <- tabla_f
tabla_t$a2007 <- NA
tabla_t$a2008 <- NA
tabla_t$a2010 <- NA
tabla_t$a2012 <- NA
tabla_t$a2014 <- NA
tabla_t$a2016 <- NA
tabla_t$a2018 <- NA
tabla_t$a2019 <- NA


 
tabla_t <- tabla_t[,c("variable","2006","a2007","a2008","2009",                    "a2010","2011","a2012","2013","a2014","2015","a2016","2017","a2018","a2019","2020")]

receptaculo <- data.frame()
for (n in 1:nrow(tabla_t)) {
  calculado <- na.approx(c(tabla_t[n,c(2:ncol(tabla_t))])) 
  receptaculo <- rbind(receptaculo,calculado)
}
receptaculo <- cbind(tabla_t$variable,receptaculo)
colnames(receptaculo) <- c("Homologación",paste0(seq(2006,2020,1)))
# receptaculo$categorias<- as.character(receptaculo$categorias)
################
is.num <- sapply(receptaculo, is.numeric)
receptaculo [is.num] <- lapply(receptaculo [is.num], round, 2)
datatable(receptaculo, extensions = 'Buttons', escape = FALSE, rownames = TRUE,
          options = list(dom = 'Bfrtip',
          buttons = list('colvis', list(extend = 'collection',
          buttons = list(
          list(extend='copy'),
          list(extend='excel',
            filename = 'tabla_genero'),
          list(extend='pdf',
            filename= 'tabla_genero')),
          text = 'Download')), scrollX = TRUE))%>%
    formatRound(columns=c(paste0(seq(2006,2020,1))) ,mark = "", digits=0)

3 Análisis