Caso de estudio de análisis del efecto de la movilidad de personas en la contaminación atmosférica y la incidencia de casos de contagio de COVID-19
Paquetes
library(pacman)
p_load(rmdformats,readr,readxl,ggplot2,plotly,DT,xfun,gridExtra,leaflet,TSstudio)Importar datos
CM <- read_excel("Concentracion_Mov.xlsx")
datatable(CM)Caso de estudio
La gestión de la contaminación del aire se ha vuelto importante en el último periodo debido a las siguientes afirmaciones: “A causa del desarrollo industrial y avance tecnológico se estima aproximadamente 1200 millones de personas están expuestas a niveles de dióxido de azufre (SO2), muy por encima de por directrices de la Organización Mundial de la Salud (OMS) y aproximadamente 1400 millones de personas están expuestas a niveles excesivos de humo y material articulado (PM)” (Rico, 2018).
La importancia de respirar aire limpio sin contaminantes es crucial para todo ser viviente. Por lo cual es importante que este sea aire limpio, pero ¿Cómo detectar si el aire que respiramos no tiene contaminantes? ¿Cómo nos afecta a nosotros?. La calidad del aire está directamente relacionada con la movilidad de carros, autobuses y hasta la propia movilidad de la ciudad, donde las personas realizan sus actividades diarias, por lo tanto, entre más movilidad haya en la ciudad, aumentan los contaminantes en el aire.
Los principales contaminantes en el aire han sido creados principalmente por la actividad económica humana, la concentración de estas sustancias es altamente nociva para la salud del ser humano. Este estudio tuvo en cuenta los siguientes contaminantes:
- Material particulado \((PM10)\)
- Ozono \((O_3)\)
- Dióxido de nitrógeno \((NO_2)\)
- Dióxido de azufre \((SO_2)\)
Fuente de de los datos
Los datos de contaminantes atmosfericos provienen de la estacion de calidad del aire de la ERNO del instituto de geologia de la unam ubicado en Hermosillo. Podemos visitar el origen de los datos aqui: http://www.erno.geologia.unam.mx
La estación de calidade del aire se encuentra ubicada en el siguiente mapa interactivo:
Ubicación de donde se obtuvieron los datos
content <- paste(sep = "<br/>",
"<b><a href='https://www.ruoa.unam.mx/index.php?page=estaciones&id=6#datos'>ERNO</a></b>","Lng: -110.9706, Lat: 29.0814")
m <- leaflet() %>%
addTiles() %>%
addMarkers(lng=-110.9706, lat= 29.0814, popup= content)
m- La contaminación del aire es el principal riesgo ambiental para la salud pública en las Américas.
- En todo el mundo, cerca de 7 millones de muertes prematuras fueron atribuibles a la contaminación del aire ambiental en 2016. Alrededor del 88% de estas muertes ocurren en países de ingresos bajos y medios.
- Más de 150 millones de personas en América Latina viven en ciudades que exceden las Guías de Calidad del Aire de la OMS.
- La exposición a altos niveles de contaminación del aire puede causar una variedad de resultados adversos para la salud: aumenta el riesgo de infecciones respiratorias, enfermedades cardiacas, derrames cerebrales y cáncer de pulmón, las cuales afectan en mayor proporción a población vulnerable, niños, adultos mayores y mujeres.
- La contaminación del aire en el hogar se asocia al uso de combustibles y prácticas de cocina ineficiente
Regresión Lineal Múltiple
La regresión lineal múltiple permite generar un modelo lineal en el que el valor de la variable dependiente o respuesta (Y) se determina a partir de un conjunto de variables independientes llamadas predictores \((X_1, X_2, X_3…)\). Los modelos de regresión múltiple pueden emplearse para predecir el valor de la variable dependiente o para evaluar la influencia que tienen los predictores sobre ella (esto último se debe que analizar con cautela para no malinterpretar causa-efecto). (Rodrigo, 2016)
Los modelos lineales múltiples siguen la siguiente ecuación:
\[ Y_{i}=(\beta_{0}+\beta_{1}X_{1i}+\beta_{2}X_{2i}+\cdots+\beta_{n}X_{ni})+e_{i} \] ## Movilidad de personas en Sonora
Para esto estamos usando datos de google mobility report, que pueden ser encontrados con su documentacion aqui: https://www.google.com/covid19/mobility/
movilidad <- ggplot(CM) +
geom_line(aes(x=Fecha,y=Reactivacion_Comercial,colour="Recreación y comercio"))+
geom_line(aes(x=Fecha,y=Supermercado_Farmacia,colour="Supermercados y farmacias"))+
geom_line(aes(x=Fecha,y=Parques_Centros,colour="Parques"))+
geom_line(aes(x=Fecha,y=Estaciones_Transito,colour="Estaciones de tránsito"))+
geom_line(aes(x=Fecha,y=Lugares_Trabajo,colour="Lugares de trabajo"))+
geom_line(aes(x=Fecha,y=Residencia,colour="Lugares residenciales"))+
labs(title="Reporte de movilidad",x="Fecha",y="Procentaje de cambio de movilidad")
ggplotly(movilidad)Factores de movilidad
- Recreación y comercio:
Tenemos la primer caída de la movilidad dentro de esta categoría en el mes de marzo, esto debido a que se le hizo saber a la población que los primeros casos de COVID en México ya eran una realidad y en primera instancia la población general empezó a tomar medidas de cuarentena y salvaguardarse de riesgos biológicos. Esto en la medida de lo posible ya que la gran mayoría de la población no puede permitirse un aislamiento en cuarentena extendido por sus propios medios. Esto se mantuvo alto durante varios meses pero empezó a aumentar gradualmente a lo largo del año conforme la población se empezó a sentir más y más segura puesto el COVID se hacía algo más y más normal en nuestras vidas.
- Supermercados y farmacias:
En cuanto a los supermercados y farmacias aunque sí presenta una disminución en cuanto a concurrrencia en los primeros meses de la pandemia jamás vemos una caída tan drástica como sea trabajo o cualquiera de las otras categorías porque independientemente de clase, la gente necesita comer y beber para sobrevivir. Dicho esto la siguiente anomalía que se presenta en la gráfica es entrado fechas decembrinas podemos ver claramente como la concurrencia de estos lugares incrementa drásticamente esto debido a que estamos hablando de cenas de navidad, festejo de año nuevo en los cuales se acostumbra a hacer comidas grandes para toda la familia, e inmediatamente después podemos ver cómo se desploma la concurrencia en estos lugares y se van hasta un nuevo más bajo de todo lo que hemos visto hasta hora puesto que empieza un nuevo repunte de casos como consecuencias de las fiestas decembrinas sin precauciones.
- Parques:
Observando la gráfica anterior podemos contemplar en la tendencia azul que hace referencia a la movilidad de los parques desde el 16 de febrero del 2020 hasta el 6 de mayo del 2021, podemos observar con gran claridad el fuerte decaimiento que tuvo la movilidad en parques desde el día 15 de marzo, en el cuál se conoce que bajo el ritmo por que comenzaba la pandemia y todas las personas se estaban resguardando en su casa, se generó pánico. El punto más bajo que se observa es el 19 de abril del 2020 en el cuál llegó al límite y posteriormente comenzó a aumentar la movilidad con lentitud. En el día 15 de septiembre del 2020 se encontró en un punto muy alto de movilidad para poder proseguir con otra caída esto porque apenas terminaron las vacaciones de verano y los casos de COVID tuvieron un aumento debido a esto pues muchas personas debían de trabajar y no podían mantenerse en cuarentena debido a la situación económica llegando hasta el 20 de enero del 2021 la caída que tuvo para poder proseguir con un aumento el cuál se mantuvo hasta el final de la fecha marcada en la gráfica.
- Estaciones de transito:
Se tiene como registro una caída impresionante por las fechas de Marzo, si retrocedemos en el tiempo nos podemos dar cuenta que el covid empezó o llego a México el 27 de febrero del 2020, si observamos con calma estos dos datos nos podemos dar cuenta de el cómo estos eventos se relacionan, a inicios de la pandemia una de las medidas más habladas fue la de evitar estar en lugares cerrados con mucha gente y si no tenias la necesidad de salir, que no lo hicieras, por eso se debe ese decremento masivo antes de Abril del 2020. El incremento ese no significa que la población este vacunada, más bien hace referencia a que por temas de campañas electorales (en estos momentos aun seguiamos en semaforo rojo o naranja pero por temas de economia y de campañas electorales se decia que estabamos en verde o amarillo) se decia que estabamos en semaforo verde con lo cual se empezaron a generar aglomeraciones y por lo tanto generando más casos de covid. Se vuelven a utilizar las estaciones de transito ya sea por la sencilla razón de transportarse de un lugar a otro, también porque mucha gente tiene que viajar ya sea por necesidades de trabajo o personales. Ese bajón o decremento lo entendemos que es por cuestión de salud y para evitar contagios y/o una nueva ola de contagios, los meses proximos ya que los contagios “bajan” se vuelven a utilizar las estaciones de transporte.
- Lugares de trabajo:
Notamos que en la gráfica hubo comportamientos muy notables en cuanto a los lugares de trabajo. Podemos ver que a partir de marzo de 2020 hubo una caída en los lugares de trabajo, esto se debe a el inicio de la pandemia, y fue así que descansaron a muchas personas de sus empleos por el tema de la cuarentena, he incluso muchos de ellos quedaron sin empleo. Después notamos que esto comienza a aumentar poco a poco pero aun así tiene caídas, pero también hacemos hincapié en que las caídas que se notan son por fechas festivas para algunos de los trabajadores. Se comienza a observar que se tiene mas picos de subidas y bajadas, esto debido a las suspensiones de labores en algunos lugares de trabajo, como lo son el 16 de septiembre, 20 de noviembre, épocas navideñas etc. Y en el año 2021 podemos observar los mismos comportamientos. Así mismo notamos que todos los años hay variaciones en cuanto los lugares de trabajo, ya sea por fechas de suspensiones y de días de descanso.
- Lugares residenciales
Observando la gráfica que se representa de la fecha 15 de febrero del 2020 hasta el 6 de mayo del 2021 en lugares residenciales expuesta en RPubs podemos observar que de la fecha 15 de marzo del 2020 hubo un fuerte aumento en la movilidad residencial, esto debido a que apenas comenzaba la pandemia, las personas dejaron de tener movilidad en publico por el mismo pánico que se generó. El aumento de la movilidad residencial llegó hasta su máximo el día 10 de abril del 2020 para posteriormente tener un lento movimiento de caída pues las personas ya comenzaban a enfadarse de la estancia en casa. Se sabe que debido a ese aumento de movilidad residencial se desataron muchas molestias y se comenzaron a desobedecer los reglamentos sanitarios para el cuidado de la enfermedad COVID, y podemos notar que hasta el día 23 de diciembre comenzó de nuevo la movilidad residencial esto debido a que son fechas festivas y todas las personas se reunían con sus seres queridos. Posterior del día 1 de enero del 2021 la movilidad en casas disminuyó nuevamente y podemos notar que hasta la fecha límite de la gráfica fue bajando
Entender la relacion entre la dispersion cruzada de los datos
Matriz de diagramas de dispersion
pairs(CM)