Modelaje del COVID-19 - México: 01/Ene/20

	NamesCat	Count	Card	Mode	ModeFrec	ModePerc	Mode2	Mode2Frec	Mode2Perc
3	ORIGEN	10000	2	NO USMER	7662	76.62%	USMER	2338	23.38%
4	SECTOR	10000	13	SSA	5307	53.07%	IMSS	3548	35.48%
5	ENTIDAD_UM	10000	32	CIUDAD DE MÉXICO	3656	36.56%	MÉXICO	599	5.99%
6	SEXO	10000	2	MUJER	5362	53.62%	HOMBRE	4638	46.38%
7	ENTIDAD_NAC	10000	33	CIUDAD DE MÉXICO	3085	30.85%	MÉXICO	1077	10.77%
8	ENTIDAD_RES	10000	32	CIUDAD DE MÉXICO	3204	32.04%	MÉXICO	1033	10.33%
9	TIPO_PACIENTE	10000	2	AMBULATORIO	9293	92.93%	HOSPITALIZADO	707	7.07%
10	FECHA_INGRESO	10000	869	2022-01-12	73	0.73%	2022-01-13	70	0.7%
11	FECHA_SINTOMAS	10000	886	2022-01-10	71	0.71%	2022-01-17	55	0.55%
12	FECHA_DEF	10000	204	9999-99-99	9741	97.41%	2021-01-05	5	0.05%
13	INTUBADO	10000	4	NO APLICA	9293	92.93%	NO	632	6.32%
14	NEUMONIA	10000	3	NO	9470	94.7%	SI	429	4.29%
15	NACIONALIDAD	10000	2	MEXICANA	9934	99.34%	EXTRANJERA	66	0.66%
16	EMBARAZO	10000	4	NO	5218	52.18%	NO APLICA	4638	46.38%
17	HABLA_LENGUA_INDIG	10000	3	NO	9276	92.76%	NO ESPECIFICADO	675	6.75%
18	INDIGENA	10000	3	NO	9260	92.6%	NO ESPECIFICADO	662	6.62%
19	DIABETES	10000	3	NO	9235	92.35%	SI	713	7.13%
20	EPOC	10000	3	NO	9885	98.85%	SI	68	0.68%
21	ASMA	10000	3	NO	9747	97.47%	SI	206	2.06%
22	INMUSUPR	10000	3	NO	9892	98.92%	SI	59	0.59%
23	HIPERTENSION	10000	3	NO	8960	89.6%	SI	990	9.9%
24	OTRA_COM	10000	3	NO	9727	97.27%	SE IGNORA	150	1.5%
25	CARDIOVASCULAR	10000	3	NO	9862	98.62%	SI	90	0.9%
26	OBESIDAD	10000	3	NO	9082	90.82%	SI	867	8.67%
27	RENAL_CRONICA	10000	3	NO	9849	98.49%	SI	102	1.02%
28	TABAQUISMO	10000	3	NO	9325	93.25%	SI	628	6.28%
29	OTRO_CASO	10000	3	NO	6418	64.18%	SI	3238	32.38%
30	TOMA_MUESTRA_LAB	10000	2	NO	6683	66.83%	SI	3317	33.17%
31	RESULTADO_LAB	10000	5	NO APLICA	6683	66.83%	NO POSITIVO	1828	18.28%
32	TOMA_MUESTRA_ANTIGENO	10000	2	SI	6870	68.7%	NO	3130	31.3%
33	RESULTADO_ANTIGENO	10000	3	NEGATIVO	4452	44.52%	NO APLICA	3130	31.3%
34	CLASIFICACION_FINAL	10000	7	NEGATIVO	5731	57.31%	PRUEBA	3646	36.46%
35	MIGRANTE	10000	3	NO ESPECIFICADO	9935	99.35%	2	48	0.48%
36	PAIS_NACIONALIDAD	10000	18	MEXICANA	9934	99.34%	Estados Unidos de América	28	0.28%
37	PAIS_ORIGEN	10000	10	NO APLICA	9983	99.83%	República de Honduras	4	0.04%
38	UCI	10000	4	NO APLICA	9293	92.93%	NO	655	6.55%
	Count	Miss	Card	Min	Qrt1	Median	Qrt3	Max	Mean	Sdev
MUNICIPIO_RES	10000	0	186	1	7	15	39	999	35.53	80.53
EDAD	10000	0	102	0	26	37	50	121	38.53	17.16
VARIABLE	N	HOMBRE, N = 4,638¹	MUJER, N = 5,362¹	p-value²
EDAD	10,000	37 (26, 50)	37 (27, 49)	>0.9
ORIGEN	10,000			>0.9
NO USMER		3,556 (77%)	4,106 (77%)
USMER		1,082 (23%)	1,256 (23%)
SECTOR	10,000
CRUZ ROJA		1 (<0.1%)	0 (0%)
DIF		1 (<0.1%)	1 (<0.1%)
ESTATAL		49 (1.1%)	48 (0.9%)
IMSS		1,590 (34%)	1,958 (37%)
IMSS-BIENESTAR		15 (0.3%)	27 (0.5%)
ISSSTE		120 (2.6%)	141 (2.6%)
MUNICIPAL		1 (<0.1%)	4 (<0.1%)
PEMEX		24 (0.5%)	23 (0.4%)
PRIVADA		339 (7.3%)	309 (5.8%)
SEDENA		20 (0.4%)	9 (0.2%)
SEMAR		4 (<0.1%)	4 (<0.1%)
SSA		2,470 (53%)	2,837 (53%)
UNIVERSITARIO		4 (<0.1%)	1 (<0.1%)
TIPO_PACIENTE	10,000			<0.001
AMBULATORIO		4,239 (91%)	5,054 (94%)
HOSPITALIZADO		399 (8.6%)	308 (5.7%)
INTUBADO	10,000			<0.001
NO		355 (7.7%)	277 (5.2%)
NO APLICA		4,239 (91%)	5,054 (94%)
NO ESPECIFICADO		4 (<0.1%)	4 (<0.1%)
SI		40 (0.9%)	27 (0.5%)
NEUMONIA	10,000			<0.001
NO		4,345 (94%)	5,125 (96%)
NO ESPECIFICADO		38 (0.8%)	63 (1.2%)
SI		255 (5.5%)	174 (3.2%)
NACIONALIDAD	10,000			0.4
EXTRANJERA		34 (0.7%)	32 (0.6%)
MEXICANA		4,604 (99%)	5,330 (99%)
EMBARAZO	10,000			<0.001
NO		0 (0%)	5,218 (97%)
NO APLICA		4,638 (100%)	0 (0%)
SE IGNORA		0 (0%)	36 (0.7%)
SI		0 (0%)	108 (2.0%)
HABLA_LENGUA_INDIG	10,000			0.029
NO		4,334 (93%)	4,942 (92%)
NO ESPECIFICADO		280 (6.0%)	395 (7.4%)
SI		24 (0.5%)	25 (0.5%)
INDIGENA	10,000			0.021
NO		4,322 (93%)	4,938 (92%)
NO ESPECIFICADO		275 (5.9%)	387 (7.2%)
SI		41 (0.9%)	37 (0.7%)
DIABETES	10,000			<0.001
NO		4,304 (93%)	4,931 (92%)
SE IGNORA		38 (0.8%)	14 (0.3%)
SI		296 (6.4%)	417 (7.8%)
EPOC	10,000			<0.001
NO		4,565 (98%)	5,320 (99%)
SE IGNORA		34 (0.7%)	13 (0.2%)
SI		39 (0.8%)	29 (0.5%)
ASMA	10,000			<0.001
NO		4,541 (98%)	5,206 (97%)
SE IGNORA		34 (0.7%)	13 (0.2%)
SI		63 (1.4%)	143 (2.7%)
INMUSUPR	10,000			<0.001
NO		4,578 (99%)	5,314 (99%)
SE IGNORA		36 (0.8%)	13 (0.2%)
SI		24 (0.5%)	35 (0.7%)
HIPERTENSION	10,000			<0.001
NO		4,182 (90%)	4,778 (89%)
SE IGNORA		35 (0.8%)	15 (0.3%)
SI		421 (9.1%)	569 (11%)
CARDIOVASCULAR	10,000			0.003
NO		4,563 (98%)	5,299 (99%)
SE IGNORA		34 (0.7%)	14 (0.3%)
SI		41 (0.9%)	49 (0.9%)
OBESIDAD	10,000			<0.001
NO		4,220 (91%)	4,862 (91%)
SE IGNORA		36 (0.8%)	15 (0.3%)
SI		382 (8.2%)	485 (9.0%)
RENAL_CRONICA	10,000			0.005
NO		4,557 (98%)	5,292 (99%)
SE IGNORA		34 (0.7%)	15 (0.3%)
SI		47 (1.0%)	55 (1.0%)
TABAQUISMO	10,000			<0.001
NO		4,211 (91%)	5,114 (95%)
SE IGNORA		34 (0.7%)	13 (0.2%)
SI		393 (8.5%)	235 (4.4%)
OTRO_CASO	10,000			<0.001
NO		3,005 (65%)	3,413 (64%)
NO ESPECIFICADO		188 (4.1%)	156 (2.9%)
SI		1,445 (31%)	1,793 (33%)
TOMA_MUESTRA_LAB	10,000			0.043
NO		3,052 (66%)	3,631 (68%)
SI		1,586 (34%)	1,731 (32%)
RESULTADO_LAB	10,000
NO ADECUADO		69 (1.5%)	91 (1.7%)
NO APLICA		3,052 (66%)	3,631 (68%)
NO POSITIVO		833 (18%)	995 (19%)
PENDIENTE		1 (<0.1%)	2 (<0.1%)
POSITIVO		683 (15%)	643 (12%)
TOMA_MUESTRA_ANTIGENO	10,000			<0.001
NO		1,534 (33%)	1,596 (30%)
SI		3,104 (67%)	3,766 (70%)
RESULTADO_ANTIGENO	10,000			0.002
NEGATIVO		2,009 (43%)	2,443 (46%)
NO APLICA		1,534 (33%)	1,596 (30%)
POSITIVO		1,095 (24%)	1,323 (25%)
MIGRANTE	10,000			0.7
1		8 (0.2%)	9 (0.2%)
2		25 (0.5%)	23 (0.4%)
NO ESPECIFICADO		4,605 (99%)	5,330 (99%)
UCI	10,000			<0.001
NO		369 (8.0%)	286 (5.3%)
NO APLICA		4,239 (91%)	5,054 (94%)
NO ESPECIFICADO		4 (<0.1%)	4 (<0.1%)
SI		26 (0.6%)	18 (0.3%)
CLASIFICACION_FINAL	10,000
CLINICA		92 (2.0%)	109 (2.0%)
COMITE		7 (0.2%)	2 (<0.1%)
INVALIDO		3 (<0.1%)	7 (0.1%)
NEGATIVO		2,606 (56%)	3,125 (58%)
NO REALIZADO		17 (0.4%)	27 (0.5%)
PRUEBA		1,734 (37%)	1,912 (36%)
SOSPECHOSO		179 (3.9%)	180 (3.4%)
¹ Median (IQR); n (%)
² Wilcoxon rank sum test; Pearson's Chi-squared test; Fisher's exact test
---
title: "Modelaje del COVID-19 - México: 01/Ene/20 - 16/Ago/22"
output: 
  flexdashboard::flex_dashboard:
    orientation: rows
    theme: flatly
    source_code: embed
---

```{r Modules, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
library(rmarkdown)
library(flexdashboard)
library(dplyr)
library(data.table)
library(tidyverse)
library(zoo)
library(plotly)
library(kableExtra)
library(gtsummary)
library(lubridate)
library(deSolve)
```

```{r Primary Database, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
covraw <- fread("C:/Users/Emerald/OneDrive/Documents/CovidMex/CovidData/220816COVID19MEXICO.csv",header = TRUE)
covraw22 <- fread("C:/Users/Emerald/OneDrive/Documents/CovidMex/CovidData/220905COVID19MEXICO.csv",header = TRUE)
```

```{r Data Processing, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_mutated <- covraw %>% 
  mutate(ORIGEN=replace(ORIGEN,ORIGEN==1,"USMER"), 
         ORIGEN=replace(ORIGEN,ORIGEN==2,"NO USMER"),
         SECTOR=replace(SECTOR,SECTOR==1,"CRUZ ROJA"),
         SECTOR=replace(SECTOR,SECTOR==2,"DIF"),
         SECTOR=replace(SECTOR,SECTOR==3,"ESTATAL"),
         SECTOR=replace(SECTOR,SECTOR==4,"IMSS"),
         SECTOR=replace(SECTOR,SECTOR==5,"IMSS-BIENESTAR"),
         SECTOR=replace(SECTOR,SECTOR==6,"ISSSTE"),
         SECTOR=replace(SECTOR,SECTOR==7,"MUNICIPAL"),
         SECTOR=replace(SECTOR,SECTOR==8,"PEMEX"),
         SECTOR=replace(SECTOR,SECTOR==9,"PRIVADA"),
         SECTOR=replace(SECTOR,SECTOR==10,"SEDENA"),
         SECTOR=replace(SECTOR,SECTOR==11,"SEMAR"),
         SECTOR=replace(SECTOR,SECTOR==12,"SSA"),
         SECTOR=replace(SECTOR,SECTOR==13,"UNIVERSITARIO"),
         SECTOR=replace(SECTOR,SECTOR==99,"NO ESPECIFICADO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==1,"AGUASCALIENTES"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==2,"BAJA CALIFORNIA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==3,"BAJA CALIFORNIA SUR"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==4,"CAMPECHE"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==5,"COAHUILA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==6,"COLIMA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==7,"CHIAPAS"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==8,"CHIHUAHUA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==9,"CIUDAD DE MÉXICO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==10,"DURANGO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==11,"GUANAJUATO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==12,"GUERRERO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==13,"HIDALGO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==14,"JALISCO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==15,"MÉXICO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==16,"MICHOACÁN"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==17,"MORELOS"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==18,"NAYARIT"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==19,"NUEVO LEÓN"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==20,"OAXACA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==21,"PUEBLA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==22,"QUERÉTARO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==23,"QUINTANO ROO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==24,"SAN LUIS POTOSÍ"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==25,"SINALOA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==26,"SONORA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==27,"TABASCO"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==28,"TAMAULIPAS"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==29,"TLAXCALA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==30,"VERACRUZ"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==31,"YUCATÁN"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==32,"ZACATECAS"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==36,"ESTADOS UNIDOS MEXICANOS"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==97,"NO APLICA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==98,"SE IGNORA"),
         ENTIDAD_UM=replace(ENTIDAD_UM,ENTIDAD_UM==99,"NO ESPECIFICADO"),
         SEXO=replace(SEXO,SEXO==1,"MUJER"),
         SEXO=replace(SEXO,SEXO==2,"HOMBRE"),
         SEXO=replace(SEXO,SEXO==99,"NO ESPECIFICADO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==1,"AGUASCALIENTES"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==2,"BAJA CALIFORNIA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==3,"BAJA CALIFORNIA SUR"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==4,"CAMPECHE"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==5,"COAHUILA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==6,"COLIMA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==7,"CHIAPAS"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==8,"CHIHUAHUA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==9,"CIUDAD DE MÉXICO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==10,"DURANGO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==11,"GUANAJUATO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==12,"GUERRERO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==13,"HIDALGO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==14,"JALISCO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==15,"MÉXICO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==16,"MICHOACÁN"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==17,"MORELOS"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==18,"NAYARIT"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==19,"NUEVO LEÓN"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==20,"OAXACA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==21,"PUEBLA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==22,"QUERÉTARO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==23,"QUINTANO ROO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==24,"SAN LUIS POTOSÍ"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==25,"SINALOA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==26,"SONORA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==27,"TABASCO"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==28,"TAMAULIPAS"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==29,"TLAXCALA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==30,"VERACRUZ"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==31,"YUCATÁN"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==32,"ZACATECAS"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==36,"ESTADOS UNIDOS MEXICANOS"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==97,"NO APLICA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==98,"SE IGNORA"),
         ENTIDAD_NAC=replace(ENTIDAD_NAC,ENTIDAD_NAC==99,"NO ESPECIFICADO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==1,"AGUASCALIENTES"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==2,"BAJA CALIFORNIA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==3,"BAJA CALIFORNIA SUR"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==4,"CAMPECHE"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==5,"COAHUILA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==6,"COLIMA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==7,"CHIAPAS"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==8,"CHIHUAHUA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==9,"CIUDAD DE MÉXICO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==10,"DURANGO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==11,"GUANAJUATO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==12,"GUERRERO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==13,"HIDALGO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==14,"JALISCO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==15,"MÉXICO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==16,"MICHOACÁN"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==17,"MORELOS"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==18,"NAYARIT"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==19,"NUEVO LEÓN"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==20,"OAXACA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==21,"PUEBLA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==22,"QUERÉTARO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==23,"QUINTANO ROO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==24,"SAN LUIS POTOSÍ"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==25,"SINALOA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==26,"SONORA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==27,"TABASCO"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==28,"TAMAULIPAS"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==29,"TLAXCALA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==30,"VERACRUZ"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==31,"YUCATÁN"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==32,"ZACATECAS"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==36,"ESTADOS UNIDOS MEXICANOS"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==97,"NO APLICA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==98,"SE IGNORA"),
         ENTIDAD_RES=replace(ENTIDAD_RES,ENTIDAD_RES==99,"NO ESPECIFICADO"),
         TIPO_PACIENTE=replace(TIPO_PACIENTE,TIPO_PACIENTE==1,"AMBULATORIO"),
         TIPO_PACIENTE=replace(TIPO_PACIENTE,TIPO_PACIENTE==2,"HOSPITALIZADO"),
         TIPO_PACIENTE=replace(TIPO_PACIENTE,TIPO_PACIENTE==99,"NO ESPECIFICADO"),
         INTUBADO=replace(INTUBADO,INTUBADO==1,"SI"),
         INTUBADO=replace(INTUBADO,INTUBADO==2,"NO"),
         INTUBADO=replace(INTUBADO,INTUBADO==97,"NO APLICA"),
         INTUBADO=replace(INTUBADO,INTUBADO==98,"SE IGNORA"),
         INTUBADO=replace(INTUBADO,INTUBADO==99,"NO ESPECIFICADO"),
         NEUMONIA=replace(NEUMONIA,NEUMONIA==1,"SI"),
         NEUMONIA=replace(NEUMONIA,NEUMONIA==2,"NO"),
         NEUMONIA=replace(NEUMONIA,NEUMONIA==97,"NO APLICA"),
         NEUMONIA=replace(NEUMONIA,NEUMONIA==98,"SE IGNORA"),
         NEUMONIA=replace(NEUMONIA,NEUMONIA==99,"NO ESPECIFICADO"),
         NACIONALIDAD=replace(NACIONALIDAD,NACIONALIDAD==1,"MEXICANA"),
         NACIONALIDAD=replace(NACIONALIDAD,NACIONALIDAD==2,"EXTRANJERA"),
         NACIONALIDAD=replace(NACIONALIDAD,NACIONALIDAD==99,"NO ESPECIFICADO"),
         EMBARAZO=replace(EMBARAZO,EMBARAZO==1,"SI"),
         EMBARAZO=replace(EMBARAZO,EMBARAZO==2,"NO"),
         EMBARAZO=replace(EMBARAZO,EMBARAZO==97,"NO APLICA"),
         EMBARAZO=replace(EMBARAZO,EMBARAZO==98,"SE IGNORA"),
         EMBARAZO=replace(EMBARAZO,EMBARAZO==99,"NO ESPECIFICADO"),
         HABLA_LENGUA_INDIG=replace(HABLA_LENGUA_INDIG,HABLA_LENGUA_INDIG==1,"SI"),
         HABLA_LENGUA_INDIG=replace(HABLA_LENGUA_INDIG,HABLA_LENGUA_INDIG==2,"NO"),
         HABLA_LENGUA_INDIG=replace(HABLA_LENGUA_INDIG,HABLA_LENGUA_INDIG==97,"NO APLICA"),
         HABLA_LENGUA_INDIG=replace(HABLA_LENGUA_INDIG,HABLA_LENGUA_INDIG==98,"SE IGNORA"),
         HABLA_LENGUA_INDIG=replace(HABLA_LENGUA_INDIG,HABLA_LENGUA_INDIG==99,"NO ESPECIFICADO"),
         INDIGENA=replace(INDIGENA,INDIGENA==1,"SI"),
         INDIGENA=replace(INDIGENA,INDIGENA==2,"NO"),
         INDIGENA=replace(INDIGENA,INDIGENA==97,"NO APLICA"),
         INDIGENA=replace(INDIGENA,INDIGENA==98,"SE IGNORA"),
         INDIGENA=replace(INDIGENA,INDIGENA==99,"NO ESPECIFICADO"),
         DIABETES=replace(DIABETES,DIABETES==1,"SI"),
         DIABETES=replace(DIABETES,DIABETES==2,"NO"),
         DIABETES=replace(DIABETES,DIABETES==97,"NO APLICA"),
         DIABETES=replace(DIABETES,DIABETES==98,"SE IGNORA"),
         DIABETES=replace(DIABETES,DIABETES==99,"NO ESPECIFICADO"),
         EPOC=replace(EPOC,EPOC==1,"SI"),
         EPOC=replace(EPOC,EPOC==2,"NO"),
         EPOC=replace(EPOC,EPOC==97,"NO APLICA"),
         EPOC=replace(EPOC,EPOC==98,"SE IGNORA"),
         EPOC=replace(EPOC,EPOC==99,"NO ESPECIFICADO"),
         ASMA=replace(ASMA,ASMA==1,"SI"),
         ASMA=replace(ASMA,ASMA==2,"NO"),
         ASMA=replace(ASMA,ASMA==97,"NO APLICA"),
         ASMA=replace(ASMA,ASMA==98,"SE IGNORA"),
         ASMA=replace(ASMA,ASMA==99,"NO ESPECIFICADO"),
         INMUSUPR=replace(INMUSUPR,INMUSUPR==1,"SI"),
         INMUSUPR=replace(INMUSUPR,INMUSUPR==2,"NO"),
         INMUSUPR=replace(INMUSUPR,INMUSUPR==97,"NO APLICA"),
         INMUSUPR=replace(INMUSUPR,INMUSUPR==98,"SE IGNORA"),
         INMUSUPR=replace(INMUSUPR,INMUSUPR==99,"NO ESPECIFICADO"),
         HIPERTENSION=replace(HIPERTENSION,HIPERTENSION==1,"SI"),
         HIPERTENSION=replace(HIPERTENSION,HIPERTENSION==2,"NO"),
         HIPERTENSION=replace(HIPERTENSION,HIPERTENSION==97,"NO APLICA"),
         HIPERTENSION=replace(HIPERTENSION,HIPERTENSION==98,"SE IGNORA"),
         HIPERTENSION=replace(HIPERTENSION,HIPERTENSION==99,"NO ESPECIFICADO"),
         OTRA_COM=replace(OTRA_COM,OTRA_COM==1,"SI"),
         OTRA_COM=replace(OTRA_COM,OTRA_COM==2,"NO"),
         OTRA_COM=replace(OTRA_COM,OTRA_COM==97,"NO APLICA"),
         OTRA_COM=replace(OTRA_COM,OTRA_COM==98,"SE IGNORA"),
         OTRA_COM=replace(OTRA_COM,OTRA_COM==99,"NO ESPECIFICADO"),
         CARDIOVASCULAR=replace(CARDIOVASCULAR,CARDIOVASCULAR==1,"SI"),
         CARDIOVASCULAR=replace(CARDIOVASCULAR,CARDIOVASCULAR==2,"NO"),
         CARDIOVASCULAR=replace(CARDIOVASCULAR,CARDIOVASCULAR==97,"NO APLICA"),
         CARDIOVASCULAR=replace(CARDIOVASCULAR,CARDIOVASCULAR==98,"SE IGNORA"),
         CARDIOVASCULAR=replace(CARDIOVASCULAR,CARDIOVASCULAR==99,"NO ESPECIFICADO"),
         OBESIDAD=replace(OBESIDAD,OBESIDAD==1,"SI"),
         OBESIDAD=replace(OBESIDAD,OBESIDAD==2,"NO"),
         OBESIDAD=replace(OBESIDAD,OBESIDAD==97,"NO APLICA"),
         OBESIDAD=replace(OBESIDAD,OBESIDAD==98,"SE IGNORA"),
         OBESIDAD=replace(OBESIDAD,OBESIDAD==99,"NO ESPECIFICADO"),
         RENAL_CRONICA=replace(RENAL_CRONICA,RENAL_CRONICA==1,"SI"),
         RENAL_CRONICA=replace(RENAL_CRONICA,RENAL_CRONICA==2,"NO"),
         RENAL_CRONICA=replace(RENAL_CRONICA,RENAL_CRONICA==97,"NO APLICA"),
         RENAL_CRONICA=replace(RENAL_CRONICA,RENAL_CRONICA==98,"SE IGNORA"),
         RENAL_CRONICA=replace(RENAL_CRONICA,RENAL_CRONICA==99,"NO ESPECIFICADO"),
         TABAQUISMO=replace(TABAQUISMO,TABAQUISMO==1,"SI"),
         TABAQUISMO=replace(TABAQUISMO,TABAQUISMO==2,"NO"),
         TABAQUISMO=replace(TABAQUISMO,TABAQUISMO==97,"NO APLICA"),
         TABAQUISMO=replace(TABAQUISMO,TABAQUISMO==98,"SE IGNORA"),
         TABAQUISMO=replace(TABAQUISMO,TABAQUISMO==99,"NO ESPECIFICADO"),
         OTRO_CASO=replace(OTRO_CASO,OTRO_CASO==1,"SI"),
         OTRO_CASO=replace(OTRO_CASO,OTRO_CASO==2,"NO"),
         OTRO_CASO=replace(OTRO_CASO,OTRO_CASO==97,"NO APLICA"),
         OTRO_CASO=replace(OTRO_CASO,OTRO_CASO==98,"SE IGNORA"),
         OTRO_CASO=replace(OTRO_CASO,OTRO_CASO==99,"NO ESPECIFICADO"),
         TOMA_MUESTRA_LAB=replace(TOMA_MUESTRA_LAB,TOMA_MUESTRA_LAB==1,"SI"),
         TOMA_MUESTRA_LAB=replace(TOMA_MUESTRA_LAB,TOMA_MUESTRA_LAB==2,"NO"),
         TOMA_MUESTRA_LAB=replace(TOMA_MUESTRA_LAB,TOMA_MUESTRA_LAB==97,"NO APLICA"),
         TOMA_MUESTRA_LAB=replace(TOMA_MUESTRA_LAB,TOMA_MUESTRA_LAB==98,"SE IGNORA"),
         TOMA_MUESTRA_LAB=replace(TOMA_MUESTRA_LAB,TOMA_MUESTRA_LAB==99,"NO ESPECIFICADO"),
         RESULTADO_LAB=replace(RESULTADO_LAB,RESULTADO_LAB==1,"POSITIVO"),
         RESULTADO_LAB=replace(RESULTADO_LAB,RESULTADO_LAB==2,"NO POSITIVO"),
         RESULTADO_LAB=replace(RESULTADO_LAB,RESULTADO_LAB==3,"PENDIENTE"),
         RESULTADO_LAB=replace(RESULTADO_LAB,RESULTADO_LAB==4,"NO ADECUADO"),
         RESULTADO_LAB=replace(RESULTADO_LAB,RESULTADO_LAB==97,"NO APLICA"),
         TOMA_MUESTRA_ANTIGENO=replace(TOMA_MUESTRA_ANTIGENO,TOMA_MUESTRA_ANTIGENO==1,"SI"),
         TOMA_MUESTRA_ANTIGENO=replace(TOMA_MUESTRA_ANTIGENO,TOMA_MUESTRA_ANTIGENO==2,"NO"),
         TOMA_MUESTRA_ANTIGENO=replace(TOMA_MUESTRA_ANTIGENO,TOMA_MUESTRA_ANTIGENO==97,"NO APLICA"),
         TOMA_MUESTRA_ANTIGENO=replace(TOMA_MUESTRA_ANTIGENO,TOMA_MUESTRA_ANTIGENO==98,"SE IGNORA"),
         TOMA_MUESTRA_ANTIGENO=replace(TOMA_MUESTRA_ANTIGENO,TOMA_MUESTRA_ANTIGENO==99,"NO ESPECIFICADO"),
         RESULTADO_ANTIGENO=replace(RESULTADO_ANTIGENO,RESULTADO_ANTIGENO==1,"POSITIVO"),
         RESULTADO_ANTIGENO=replace(RESULTADO_ANTIGENO,RESULTADO_ANTIGENO==2,"NEGATIVO"),
         RESULTADO_ANTIGENO=replace(RESULTADO_ANTIGENO,RESULTADO_ANTIGENO==97,"NO APLICA"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==1,"CLINICA"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==2,"COMITE"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==3,"PRUEBA"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==4,"INVALIDO"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==5,"NO REALIZADO"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==6,"SOSPECHOSO"),
         CLASIFICACION_FINAL=replace(CLASIFICACION_FINAL,CLASIFICACION_FINAL==7,"NEGATIVO"),
         MIGRANTE=replace(MIGRANTE,MIGRANTE==99,"NO ESPECIFICADO"),
         PAIS_NACIONALIDAD=replace(PAIS_NACIONALIDAD,PAIS_NACIONALIDAD=="México","MEXICANA"),
         PAIS_ORIGEN=replace(PAIS_ORIGEN,PAIS_ORIGEN==97,"NO APLICA"),
         UCI=replace(UCI,UCI==1,"SI"),
         UCI=replace(UCI,UCI==2,"NO"),
         UCI=replace(UCI,UCI==97,"NO APLICA"),
         UCI=replace(UCI,UCI==99,"NO ESPECIFICADO"))
```

# Valores Epidemiológicos {data-navmenu="Valores"}

```{r Database valores, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_valores <- cov_mutated %>% 
  select(CLASIFICACION_FINAL,TIPO_PACIENTE,
         FECHA_SINTOMAS,FECHA_DEF,
         ENTIDAD_RES,MUNICIPIO_RES,SEXO) %>% 
  as.data.frame()
Fecha_Activos <- ymd(max(cov_valores$FECHA_SINTOMAS)) - 14
```
## Estadísticos

### Confirmados
```{r Positivos Valor, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Positivos <- function(dataset){
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA") %>%
    nrow()     ## Exitoso - 17/05/2022
  return(confirm)
}
Positivos <- Positivos(cov_valores)
valueBox(Positivos, 
         icon = "fa-plus", 
         color = "#EF553B")
```

### Negativos
```{r Negativos Valor, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Negativos <- function(dataset){
  negativo <- dataset %>%
    filter(CLASIFICACION_FINAL == "NEGATIVO") %>%
    nrow()
  return(negativo)   ## Exitoso - 17/05/2022
}
Negativos <- Negativos(cov_valores)
valueBox(Negativos,
         icon = "fa-minus",
         color = "#B6E880")
```

### Sospechosos
```{r Sospechosos Valor, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Sospechosos <- function(dataset){
  sospech <- dataset %>%
    filter(CLASIFICACION_FINAL == "INVALIDO"
           | CLASIFICACION_FINAL == "NO REALIZADO"
           | CLASIFICACION_FINAL == "SOSPECHOSO") %>%
    nrow()
  return(sospech)   ## Exitoso - 17/05/2022
}
Sospechosos <- Sospechosos(cov_valores)
valueBox(Sospechosos,
         icon = "fa-question",
         color = "#FECB52")
```

## Epidemiológicos
### Defunciones
```{r Defunciones Valor, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunciones <- function(dataset){   ## No importa hospitalizado o Ambu
  clas <- dataset %>% 
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  defunc <- clas %>%
    filter(FECHA_DEF!= "9999-99-99") %>%
    nrow()
  return(defunc)          ## (Exitoso 29/06/22)
}
Defunciones <- Defunciones(cov_valores)
valueBox(Defunciones,
         icon = "fa-ribbon",
         color = "#222A2A")
```

### Recuperados
```{r Recuperados, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Recuperados <- function(dataset){
  clas <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  ambulat <- clas %>% 
    filter(TIPO_PACIENTE == "AMBULATORIO")
  activos <- ambulat %>% 
    filter(FECHA_SINTOMAS > Fecha_Activos)
  defunc <- ambulat %>% 
    filter(FECHA_DEF!="9999-99-99")
  ambulat <- nrow(ambulat)
  activos <- nrow(activos)
  defunc <- nrow(defunc)
  recup <- (ambulat)-(activos+defunc)
  return(recup)   ## Exitoso - 29/06/2022 (con desviacion de 3 casos)
}
Recuperados <- Recuperados(cov_valores)    ## Revisar bien este codigo
valueBox(Recuperados,
         icon = "fa-walking",
         color = "#00CC96")
```

### Activos
```{r Activos, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Activos <- function(dataset){
  confirm <- dataset %>% 
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  sintomas <- confirm %>% 
    filter(FECHA_SINTOMAS >= Fecha_Activos)
  defunc <- sintomas %>% 
    filter(FECHA_DEF!="9999-99-99")
  acts <- ((nrow(sintomas))-(nrow(defunc)))
  return(list(acts))
}
Activos <- Activos(cov_valores)
valueBox(Activos,
         icon = "fa-bed",
         color = "#636EFA")
```

## Estimados
### Positivos Estimados
```{r Positivos Estimados, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Indice_Positiv = Positivos/(Positivos+Negativos)  ### Less Codes
Positivos_Estimados <- round(Positivos + 
                     (Sospechosos*Indice_Positiv),
                   digits = 0)  ### Exitoso - 29/06/22
valueBox(Positivos_Estimados,
         icon = "fa-plus-circle",
         color = "#FFA15A")
```

### Defunciones Estimados
```{r Defunciones Estimados, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunciones <- as.integer(Defunciones)
Indice_de_Defunc <- Defunciones/(Defunciones+Negativos)
Defunciones_Estimados <- round(Defunciones + 
                      (Sospechosos*Indice_de_Defunc),
                    digits = 0)   ## Exitoso = 29/06/22
valueBox(Defunciones_Estimados,
         icon = "fa-times-circle",
         color = "#565656")
```

### Activos Estimados
```{r Activos Estimados, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Activos <- as.integer(Activos)
Indice_de_Activos <- Activos/(Activos+Negativos)
Activos_Estimados <- round(Activos + 
                             (Sospechosos * Indice_de_Activos),
                           digits = 0)  ## Exitoso 29/06/22
valueBox(Activos_Estimados,
         icon = "fa-procedures",
         color = "#19D3F3")
```

## Porcentajes
```{r Database Género, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_sexo <- cov_mutated %>% 
  select(SEXO,CLASIFICACION_FINAL) %>% 
  as.data.frame()
```

### Hombres(%)
```{r Hombre, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Hombres <- function(dataset){     ## Exitoso con ayuda
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  sexo <- confirm %>%
    filter(SEXO == "HOMBRE") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((sexo/tot)*100,2)
  return(percent)
}
Hombres <- Hombres(cov_sexo)
valueBox(Hombres, 
         icon = "fa-male",
         color = "#3366CC")
```

### Mujeres(%)
```{r Mujeres, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Mujeres <- function(dataset){     ## Exitoso con ayuda
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  sexo <- confirm %>%
    filter(SEXO == "MUJER") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((sexo/tot)*100,2)
  return(percent)
}
Mujeres <- Mujeres(cov_sexo)
valueBox(Mujeres, 
         icon = "fa-female",
         color = "#DD4477")
```

```{r Database Atención Médica, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_hosp <- cov_mutated %>% 
  select(TIPO_PACIENTE,CLASIFICACION_FINAL) %>% 
  as.data.frame()
```

### Ambulatorios(%)
```{r Ambulatorios, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Ambu <- function(dataset){     ## Exitoso con ayuda
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  ambu <- confirm %>%
    filter(TIPO_PACIENTE == "AMBULATORIO") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((ambu/tot)*100,2)
  return(percent)
}
Ambu <- Ambu(cov_hosp)
valueBox(Ambu, 
         icon = "fa-home",
         color = "#109618")
```

### Hospitalizados(%)
```{r Hospitalizados, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Hosp <- function(dataset){     ## Exitoso con ayuda
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  hosp <- confirm %>%
    filter(TIPO_PACIENTE == "HOSPITALIZADO") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((hosp/tot)*100,2)
  return(percent)
}
Hosp <- Hosp(cov_hosp)
valueBox(Hosp, 
         icon = "fa-hospital",
         color = "#B82E2E")
```

# Valores de Comorbilidades {data-navmenu="Valores"}
```{r Database Comorbilidades, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_comorb <- cov_mutated %>% 
  select(DIABETES,HIPERTENSION,OBESIDAD,CARDIOVASCULAR,RENAL_CRONICA,OTRA_COM,CLASIFICACION_FINAL) %>% 
  as.data.frame()
```
## Crónicos-Degenerativos
### Diabetes Mellitus(%)
```{r Diabetes, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
DM2 <- function(dataset){## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  dm2 <- confirm %>%
    filter(DIABETES == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((dm2/tot)*100,2)
  return(percent)
}
DM2 <- DM2(cov_comorb)
gauge(DM2, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

### Hipertensión(%)
```{r Hipertensión, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
HAS <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  has <- confirm %>%
    filter(HIPERTENSION == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((has/tot)*100,2)
  return(percent)
}
HAS <- HAS(cov_comorb)
gauge(HAS, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)
))
```

### Obesidad(%)
```{r Obesidad, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
OBES <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  obes <- confirm %>%
    filter(OBESIDAD == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((obes/tot)*100,2)
  return(percent)
}
OBES <- OBES(cov_comorb)
gauge(OBES, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

## Patológicos
### Cardiovasculares(%)
```{r Cardiovascular, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
CARDIO <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  cardio <- confirm %>%
    filter(CARDIOVASCULAR == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((cardio/tot)*100,2)
  return(percent)
}
CARDIO <- CARDIO(cov_comorb)
gauge(CARDIO, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

### Renales(%)
```{r Renal, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
RENAL <- function(dataset,categoria){ ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  renal <- confirm %>%
    filter(RENAL_CRONICA == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((renal/tot)*100,2)
  return(percent)
}
RENAL <- RENAL(cov_comorb)
gauge(RENAL, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

### Otras Condiciones(%)
```{r Otras, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
OTRAS <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  otra <- confirm %>%
    filter(OTRA_COM == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((otra/tot)*100,2)
  return(percent)
}
OTRAS <- OTRAS(cov_comorb)
gauge(OTRAS, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

## Factores Influyentes
```{r Database Patologías, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_pato <- cov_mutated %>% 
  select(TABAQUISMO,EPOC,ASMA,CLASIFICACION_FINAL) %>% 
  as.data.frame()
```

### Tabaquismo(%)
```{r Tabaco, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
TABAQ <- function(dataset,categoria){ ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  tabaco <- confirm %>%
    filter(TABAQUISMO == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((tabaco/tot)*100,2)
  return(percent)
}
TABAQ <- TABAQ(cov_pato)
gauge(TABAQ, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)
))
```

### EPOC(%)
```{r EPOC, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
EPOC <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  epoc <- confirm %>%
    filter(EPOC == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((epoc/tot)*100,2)
  return(percent)
}
EPOC <- EPOC(cov_pato)
gauge(EPOC, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)
))
```

### ASMA(%)
```{r ASMA, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
ASMA <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  asma <- confirm %>%
    filter(ASMA == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((asma/tot)*100,2)
  return(percent)
}
ASMA <- ASMA(cov_pato)
gauge(ASMA, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

## Complicaciones
```{r Database Complicaciones, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_complic <- cov_mutated %>% 
  select(NEUMONIA,INTUBADO,UCI,CLASIFICACION_FINAL) %>% 
  as.data.frame()
```

### Neumonia(%)
```{r Neumonia, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
NEUMO <- function(dataset){ ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  neumo <- confirm %>%
    filter(NEUMONIA == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((neumo/tot)*100,2)
  return(percent)
}
NEUMO <- NEUMO(cov_complic)
gauge(NEUMO, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)
))
```

### Intubado(%)
```{r Intubado, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
INTUB <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  intub <- confirm %>%
    filter(INTUBADO == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((intub/tot)*100,2)
  return(percent)
}
INTUB <- INTUB(cov_complic)
gauge(INTUB, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

### UCI(%)
```{r UCI, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
UCI <- function(dataset){     ## Exitoso - 27/10/21 - Emerald
  confirm <- dataset %>%
    filter(CLASIFICACION_FINAL == "CLINICA"
           | CLASIFICACION_FINAL == "COMITE"
           | CLASIFICACION_FINAL == "PRUEBA")
  uci <- confirm %>%
    filter(UCI == "SI") %>% 
    nrow()
  tot <- nrow(confirm)
  percent <- round((uci/tot)*100,2)
  return(percent)
}
UCI <- UCI(cov_complic)
gauge(UCI, min = 0, max = 100, symbol = '%', gaugeSectors(
  danger = c(80, 100), warning = c(40, 79), success = c(0, 39)))
```

# Demográficos {data-navmenu="Series de Tiempo"}

## Casos Diarios {.tabset .tabset-fade}
```{r Database for Análisis, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
cov_data <- cov_mutated %>% 
  select(FECHA_SINTOMAS,FECHA_DEF,
         EDAD,SEXO,ENTIDAD_UM,MUNICIPIO_RES,CLASIFICACION_FINAL) %>%
  as.data.frame()
cov_data <- cov_data %>%
  filter(CLASIFICACION_FINAL == "CLINICA"
         | CLASIFICACION_FINAL == "COMITE"
         | CLASIFICACION_FINAL == "PRUEBA")
```

### Por Total
```{r Casos por Dia, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Dia <- function(dataset){
  # Hacer función para filtrar un "vector" de las fechas de sintomas
  casos <- dataset %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(casos_conteo = n())
  # Calcular medias de casos por fechas para linea ajustado
  casos_mean <- rollmean(casos$casos_conteo,7)
  casos_media_movil <- append(casos_mean,c(0,0,0,0,0,0),0)
  casos_media_movil <- round(casos_media_movil, digits = 1)
  casos$casos_media_movil <- casos_media_movil
  # Demostrar en Gráfica con leyendas adecuadas
  plot_ly(x = casos$FECHA_SINTOMAS, mode = 'line') %>% 
    add_trace(y = casos$casos_conteo, 
              name = "Casos Diarios", 
              line = list(color = "#7f7f7f")) %>% 
    add_trace(y = casos$casos_media_movil, 
              name = "Media Móvil de Casos Diarios", 
              line = list(color = "#FF0000")) %>% 
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 en México",
           xaxis = list(rangeslider = list(visible = T),
           legend = list,title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Dia(cov_data)
```


### Por Género
```{r Casos por Género, echo=FALSE, fig.width=10, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Genero <- function(dataset){
  generos_separado <- dataset %>% 
    group_by(FECHA_SINTOMAS) %>% 
    summarise(generos_conteo = n())
  hombres <- dataset %>% 
    filter(SEXO == "HOMBRE") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    summarise(hombres_conteo = n())
  mujeres <- dataset %>% 
    filter(SEXO == "MUJER") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    summarise(mujeres_conteo = n())
  generos_merged <- merge(generos_separado,hombres,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  generos_merged <- merge(generos_merged,mujeres,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  hombres_porcent <- round(
    (generos_merged$hombres_conteo/
       generos_merged$generos_conteo)*100,2)
  generos_merged$hombres_porcent <- hombres_porcent
  hombres_mean <- rollmean(generos_merged$hombres_porcent,7)
  hombres_media_movil <- append(hombres_mean,c(0,0,0,0,0,0),0)
  hombres_media_movil <- round(hombres_media_movil,digits = 1)
  generos_merged$hombres_media_movil <- hombres_media_movil
  mujeres_porcent <- round(
    (generos_merged$mujeres_conteo/
       generos_merged$generos_conteo)*100,2)      ### round off decimals
  generos_merged$mujeres_porcent <- mujeres_porcent
  mujeres_mean <- rollmean(generos_merged$mujeres_porcent,7)
  mujeres_media_movil <- append(mujeres_mean,c(0,0,0,0,0,0),0)
  mujeres_media_movil <- round(mujeres_media_movil,digits = 1) ### rounding off at hover
  generos_merged$mujeres_media_movil <- mujeres_media_movil
  plot_ly(x = generos_merged$FECHA_SINTOMAS
          [10:nrow(generos_merged)],
          mode = 'line') %>%
    add_trace(y = generos_merged$hombres_media_movil
              [10:nrow(generos_merged)], 
              name = "Hombres", 
              line = list(color = "#7f7f7f")) %>% 
    add_trace(y = generos_merged$mujeres_media_movil
              [10:nrow(generos_merged)], 
              name = "Mujeres", 
              line = list(color = "#FF0000")) %>% 
    layout(title = "Distribución por Género de Casos Confirmados de COVID-19 en Mexico",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Genero(cov_data)
```

### Por Edad
```{r Edad, echo=FALSE, fig.width=10, message=FALSE, warning=FALSE, paged.print=FALSE}
cov_data <- cov_data %>% 
  mutate(
    # Create categories o grupos
    grupos_edad = dplyr::case_when(
      EDAD <= 9            ~ "0-9",
      EDAD > 9 & EDAD <= 19 ~ "10-19",
      EDAD > 19 & EDAD <= 29 ~ "20-29",
      EDAD > 29 & EDAD <= 39 ~ "30-39",
      EDAD > 39 & EDAD <= 49 ~ "40-49",
      EDAD > 49 & EDAD <= 59 ~ "50-59",
      EDAD > 59 & EDAD <= 69 ~ "60-69",
      EDAD > 69 & EDAD <= 79 ~ "70-79",
      EDAD >= 80             ~ ">=80"
    ),
    # Convert to factor
    grupos_edad = factor(
      grupos_edad,
      level = c("0-9", "10-19", "20-29", "30-39", "40-49",
                "50-59", "60-69", "70-79", ">=80")
    )
  )
Casos_Edad <- function(dataset){
  edad_0_9 <- dataset %>% 
    filter(grupos_edad == "0-9") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_0_9 = n())
  edad_0_9_mean <- rollmean(edad_0_9$conteo_0_9,7)
  media_movil <- append(edad_0_9_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_0_9$media_movil_0_9 <- media_movil
  edad_10_19 <- dataset %>% 
    filter(grupos_edad == "10-19") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_10_19 = n())
  edad_10_19_mean <- rollmean(edad_10_19$conteo_10_19,7)
  media_movil <- append(edad_10_19_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_10_19$media_movil_10_19 <- media_movil
  edad_20_29 <- dataset %>% 
    filter(grupos_edad == "20-29") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_20_29 = n())
  edad_20_29_mean <- rollmean(edad_20_29$conteo_20_29,7)
  media_movil <- append(edad_20_29_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_20_29$media_movil_20_29 <- media_movil
  edad_30_39 <- dataset %>% 
    filter(grupos_edad == "30-39") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_30_39 = n())
  edad_30_39_mean <- rollmean(edad_30_39$conteo_30_39,7)
  media_movil <- append(edad_30_39_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_30_39$media_movil_30_39 <- media_movil
  edad_40_49 <- dataset %>% 
    filter(grupos_edad == "40-49") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_40_49 = n())
  edad_40_49_mean <- rollmean(edad_40_49$conteo_40_49,7)
  media_movil <- append(edad_40_49_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_40_49$media_movil_40_49 <- media_movil
  edad_50_59 <- dataset %>% 
    filter(grupos_edad == "50-59") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_50_59 = n())
  edad_50_59_mean <- rollmean(edad_50_59$conteo_50_59,7)
  media_movil <- append(edad_50_59_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_50_59$media_movil_50_59 <- media_movil
  edad_60_69 <- dataset %>% 
    filter(grupos_edad == "60-69") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_60_69 = n())
  edad_60_69_mean <- rollmean(edad_60_69$conteo_60_69,7)
  media_movil <- append(edad_60_69_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_60_69$media_movil_60_69 <- media_movil
  edad_70_79 <- dataset %>% 
    filter(grupos_edad == "70-79") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_70_79 = n())
  edad_70_79_mean <- rollmean(edad_70_79$conteo_70_79,7)
  media_movil <- append(edad_70_79_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_70_79$media_movil_70_79 <- media_movil
  edad_mas80 <- dataset %>% 
    filter(grupos_edad == ">=80") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo_mas80 = n())
  edad_mas80_mean <- rollmean(edad_mas80$conteo_mas80,7)
  media_movil <- append(edad_mas80_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  edad_mas80$media_movil_mas80 <- media_movil
  edad_merged <- merge(edad_0_9,edad_10_19,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_20_29,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_30_39,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_40_49,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_50_59,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_60_69,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_70_79,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  edad_merged <- merge(edad_merged,edad_mas80,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  plot_ly(x = edad_merged$FECHA_SINTOMAS, mode = 'line') %>% 
    add_trace(y = edad_merged$media_movil_0_9, name = "0 a 9 años", line = list(color = "#7f7f7f")) %>% 
    add_trace(y = edad_merged$media_movil_10_19, name = "10 a 19 años", line = list(color = "#0000ff")) %>%
    add_trace(y = edad_merged$media_movil_20_29, name = "20 a 29 años", line = list(color = "196F0A")) %>% 
    add_trace(y = edad_merged$media_movil_30_39, name = "30 a 39 años", line = list(color = "#800080")) %>% 
    add_trace(y = edad_merged$media_movil_40_49, name = "40 a 49 años", line = list(color = "#696966")) %>% 
    add_trace(y = edad_merged$media_movil_50_59, name = "50 a 59 años", line = list(color = "#800000")) %>% 
    add_trace(y = edad_merged$media_movil_60_69, name = "60 a 69 años", line = list(color = "#00ff00")) %>% 
    add_trace(y = edad_merged$media_movil_70_79, name = "70 a 79 años", line = list(color = "#ff6666")) %>% 
    add_trace(y = edad_merged$media_movil_mas80, name = ">=80 años", line = list(color = "#FF0000")) %>% 
    layout(title = "Distribución de Casos Confirmados de COVID-19 por cada década de vida en México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Edad(cov_data)  ## Exitoso
```

## Defunciones {.tabset .tabset-fade}

### En Total
```{r Defunciones, echo=FALSE, fig.width=10, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_Dia <- function(dataset){
  defunc <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99") %>% 
    ## '!' mark means NOT what follows
    select(FECHA_DEF) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(defunc_conteo = n())
  ## Medias moviles
  defunc_mean <- rollmean(defunc$defunc_conteo,7)
  # adding values
  defunc_media_movil <- append(defunc_mean,c(0,0,0,0,0,0),0)
  defunc_media_movil <- round(defunc_media_movil, digits = 1)
  defunc$defunc_media_movil <- defunc_media_movil
  # Visualización de Defunciones por dia por COVID
  plot_ly(x = as.Date(defunc$FECHA_DEF),
          mode = 'line') %>% 
    add_trace(y = defunc$defunc_conteo,
              name = "Defunciones Diarios",
              line = list(color = "#7f7f7f")) %>% 
    add_trace(y = defunc$defunc_media_movil,
              name = "Media Móvil",
              line = list(color = "#FF0000")) %>% 
    layout(title = "Distribución de Defunciones por COVID-19 en México",
           xaxis  = list(rangeslider = list(visible = T),
                         title = "El periodo se puede desplazar con el uso de la barra",legend = list))
}
Defunc_Dia(cov_data)
```

### Por Género
```{r Defunc Genero, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_Genero <- function(dataset){
  defunc_generos <- dataset %>%
    filter(FECHA_DEF!="9999-99-99") %>%
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(defunc_generos_conteo = n())
  defunc_hombres <- dataset %>% 
    filter(SEXO == "HOMBRE") %>% 
    group_by(FECHA_DEF) %>% 
    summarise(defunc_hombres_conteo = n())
  defunc_mujeres <- dataset %>% 
    filter(SEXO == "MUJER") %>% 
    group_by(FECHA_DEF) %>% 
    summarise(defunc_mujeres_conteo = n())
  defunc_generos <- merge(defunc_generos,defunc_hombres, 
                          by = "FECHA_DEF", all.x = TRUE)
  defunc_generos <- merge(defunc_generos,defunc_mujeres,
                          by = "FECHA_DEF", all.x = TRUE)
  defunc_hombres_porcent <- round(
    (defunc_generos$defunc_hombres_conteo/
       defunc_generos$defunc_generos_conteo)*100,2)
  defunc_generos$defunc_hombres_porcent <- defunc_hombres_porcent
  defunc_hombres_mean <- rollmean(defunc_generos$defunc_hombres_porcent,7)
  defunc_hombres_media_movil <- append(defunc_hombres_mean,c(0,0,0,0,0,0),0)
  defunc_hombres_media_movil <- round(defunc_hombres_media_movil, digits = 1)
  defunc_generos$defunc_hombres_media_movil <- defunc_hombres_media_movil
  defunc_mujeres_porcent <- round(
    (defunc_generos$defunc_mujeres_conteo/
       defunc_generos$defunc_generos_conteo)*100,2)      ### round off decimals
  defunc_generos$defunc_mujeres_porcent <- defunc_mujeres_porcent
  defunc_mujeres_mean <- rollmean(defunc_generos$defunc_mujeres_porcent,7)
  defunc_mujeres_media_movil <- append(defunc_mujeres_mean,c(0,0,0,0,0,0),0)
  defunc_mujeres_media_movil <- round(defunc_mujeres_media_movil, digits = 1)
  defunc_generos$defunc_mujeres_media_movil <- defunc_mujeres_media_movil
  defunc_generos_merged <- merge(defunc_generos,defunc_hombres,
                                 by = "FECHA_DEF",
                                 all.x = "TRUE")
  defunc_generos_merged <- merge(defunc_generos_merged,defunc_mujeres,
                                 by = "FECHA_DEF",
                                 all.x = "TRUE")
  plot_ly(x = as.Date(defunc_generos$FECHA_DEF[7:nrow(defunc_generos_merged)],
                      mode = 'lines')) %>%
    add_trace(y = defunc_generos$defunc_hombres_media_movil[7:nrow(defunc_generos_merged)]
              , name = "Hombres", mode = 'lines', line = list(color = "#696966")) %>% 
    add_trace(y = defunc_generos$defunc_mujeres_media_movil[7:nrow(defunc_generos_merged)]
              , name = "Mujeres", mode = 'lines', line = list(color = "#ff6666")) %>% 
    layout(title = "Distribución por Género de Defunciones por COVID-19 en México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Defunc_Genero(cov_data)
```

### Por Edad
```{r Defunc Edad, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_Edad <- function(dataset){
  edad_0_9 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99"
           & grupos_edad == "0-9") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_0_9_conteo = n())
  edad_10_19 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "10-19") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_10_19_conteo = n())
  edad_20_29 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "20-29") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_20_29_conteo = n())
  edad_30_39 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "30-39") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_30_39_conteo = n())
  edad_40_49 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "40-49") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_40_49_conteo = n())
  edad_50_59 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "50-59") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_50_59_conteo = n())
  edad_60_69 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "60-69") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_60_69_conteo = n())
  edad_70_79 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == "70-79") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_70_79_conteo = n())
  edad_mas80 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & grupos_edad == ">=80") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(edad_mas80_conteo = n())
  defunc_edad <- merge(edad_0_9,edad_10_19, by = "FECHA_DEF", all = TRUE)
  ### all = TRUE sirve para no omitir observaciones
  defunc_edad <- merge(defunc_edad,edad_20_29, by = "FECHA_DEF", all = TRUE)
  defunc_edad <- merge(defunc_edad,edad_30_39, by = "FECHA_DEF", all = TRUE)
  defunc_edad <- merge(defunc_edad,edad_40_49, by = "FECHA_DEF", all = TRUE)
  defunc_edad <- merge(defunc_edad,edad_50_59, by = "FECHA_DEF", all = TRUE)
  defunc_edad <- merge(defunc_edad,edad_60_69, by = "FECHA_DEF", all = TRUE)
  defunc_edad <- merge(defunc_edad,edad_70_79, by = "FECHA_DEF", all = TRUE)
  defunc_edad <- merge(defunc_edad,edad_mas80, by = "FECHA_DEF", all = TRUE)
  defunc_edad[is.na(defunc_edad)] <- 0   ## Para poner 0 donde no aparece valores
  edad_0_9_mean <- rollmean(defunc_edad$edad_0_9_conteo,7)
  media_movil <- append(edad_0_9_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_0_9_media_movil <- media_movil
  edad_10_19_mean <- rollmean(defunc_edad$edad_10_19_conteo,7)
  media_movil <- append(edad_10_19_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_10_19_media_movil <- media_movil
  edad_20_29_mean <- rollmean(defunc_edad$edad_20_29_conteo,7)
  media_movil <- append(edad_20_29_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_20_29_media_movil <- media_movil
  edad_30_39_mean <- rollmean(defunc_edad$edad_30_39_conteo,7)
  media_movil <- append(edad_30_39_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_30_39_media_movil <- media_movil
  edad_40_49_mean <- rollmean(defunc_edad$edad_40_49_conteo,7)
  media_movil <- append(edad_40_49_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_40_49_media_movil <- media_movil
  edad_50_59_mean <- rollmean(defunc_edad$edad_50_59_conteo,7)
  media_movil <- append(edad_50_59_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_50_59_media_movil <- media_movil
  edad_60_69_mean <- rollmean(defunc_edad$edad_60_69_conteo,7)
  media_movil <- append(edad_60_69_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_60_69_media_movil <- media_movil
  edad_70_79_mean <- rollmean(defunc_edad$edad_70_79_conteo,7)
  media_movil <- append(edad_70_79_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_70_79_media_movil <- media_movil
  edad_mas80_mean <- rollmean(defunc_edad$edad_mas80_conteo,7)
  media_movil <- append(edad_mas80_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil, digits = 1)
  defunc_edad$edad_mas80_media_movil <- media_movil
  plot_ly(x = as.Date(defunc_edad$FECHA_DEF), mode = 'line') %>% 
    add_trace(y = defunc_edad$edad_0_9_media_movil, name = "0 a 9 años", line = list(color = "#7f7f7f")) %>% 
    add_trace(y = defunc_edad$edad_10_19_media_movil, name = "10 a 19 años", line = list(color = "#0000ff")) %>%
    add_trace(y = defunc_edad$edad_20_29_media_movil, name = "20 a 29 años", line = list(color = "196F0A")) %>% 
    add_trace(y = defunc_edad$edad_30_39_media_movil, name = "30 a 39 años", line = list(color = "#800080")) %>% 
    add_trace(y = defunc_edad$edad_40_49_media_movil, name = "40 a 49 años", line = list(color = "#696966")) %>% 
    add_trace(y = defunc_edad$edad_50_59_media_movil, name = "50 a 59 años", line = list(color = "#800000")) %>% 
    add_trace(y = defunc_edad$edad_60_69_media_movil, name = "60 a 69 años", line = list(color = "#00ff00")) %>% 
    add_trace(y = defunc_edad$edad_70_79_media_movil, name = "70 a 79 años", line = list(color = "#ff6666")) %>% 
    add_trace(y = defunc_edad$edad_mas80_media_movil, name = ">=80 años", line = list(color = "#FF0000")) %>% 
    layout(title = "Distribución por cada década de vida de Defunciones por COVID-19 en México",
           xaxis = list(rangeslider = list(visible =T),
                        title = "El periodo se puede desplazar con el uso de la barra")) ## agregado 10 de mayo 2022
}
Defunc_Edad(cov_data)  ## EXITOSOOOOO - Emerald - 4/nov/21
```

# Geográficos {data-navmenu="Series de Tiempo"}

## Casos Diarios {.tabset .tabset-fade}

### Por Regiones
```{r Casos por Regiones, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Regiones <- function(dataset){
  reg_norte <- dataset %>% 
    filter(ENTIDAD_UM == "BAJA CALIFORNIA" 
           | ENTIDAD_UM == "CHIHUAHUA"
           | ENTIDAD_UM == "SONORA"
           | ENTIDAD_UM == "COAHUILA"
           | ENTIDAD_UM == "NUEVO LEÓN"
           | ENTIDAD_UM == "TAMAULIPAS") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(norte_conteo = n())
  reg_norte_mean <- rollmean(reg_norte$norte_conteo,7)
  norte_media_movil <- append(reg_norte_mean,c(0,0,0,0,0,0),0)
  norte_media_movil <- round(norte_media_movil, digits = 1)
  reg_norte$norte_media_movil <- norte_media_movil
  reg_norte_occid <- dataset %>% 
    filter(ENTIDAD_UM == "BAJA CALIFORNIA SUR" 
           | ENTIDAD_UM == "SINALOA"
           | ENTIDAD_UM == "NAYARIT"
           | ENTIDAD_UM == "DURANGO"
           | ENTIDAD_UM == "ZACATECAS") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(norte_occid_conteo = n())
  reg_norte_occid_mean <- rollmean(reg_norte_occid$norte_occid_conteo,7)
  norte_occid_media_movil <- append(reg_norte_occid_mean,c(0,0,0,0,0,0),0)
  norte_occid_media_movil <- round(norte_occid_media_movil,digits = 1)
  reg_norte_occid$norte_occid_media_movil <- norte_occid_media_movil
  reg_centro_norte <- dataset %>% 
    filter(ENTIDAD_UM == "JALISCO" 
           | ENTIDAD_UM == "AGUASCALIENTES"
           | ENTIDAD_UM == "COLIMA"
           | ENTIDAD_UM == "MICHOACÁN"
           | ENTIDAD_UM == "SAN LUIS POTOSÍ") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_norte_conteo = n())
  reg_centro_norte_mean <- rollmean(reg_centro_norte$centro_norte_conteo,7)
  centro_norte_media_movil <- append(reg_centro_norte_mean,c(0,0,0,0,0,0),0)
  centro_norte_media_movil <- round(centro_norte_media_movil,digits = 1)
  reg_centro_norte$centro_norte_media_movil <- centro_norte_media_movil
  reg_centro <- dataset %>% 
    filter(ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(centro_conteo = n())
  reg_centro_mean <- rollmean(reg_centro$centro_conteo,7)
  centro_media_movil <- append(reg_centro_mean,c(0,0,0,0,0,0),0)
  centro_media_movil <- round(centro_media_movil,digits = 1)
  reg_centro$centro_media_movil <- centro_media_movil
  reg_sur <- dataset %>% 
    filter(ENTIDAD_UM == "GUERRERO" 
           | ENTIDAD_UM == "OAXACA"
           | ENTIDAD_UM == "CHIAPAS"
           | ENTIDAD_UM == "VERACRUZ"
           | ENTIDAD_UM == "TABASCO"
           | ENTIDAD_UM == "CAMPECHE"
           | ENTIDAD_UM == "YUCATÁN"
           | ENTIDAD_UM == "QUINTANO ROO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(sur_conteo = n())
  reg_sur_mean <- rollmean(reg_sur$sur_conteo,7)
  sur_media_movil <- append(reg_sur_mean,c(0,0,0,0,0,0),0)
  sur_media_movil <- round(sur_media_movil,digits = 1)
  reg_sur$sur_media_movil <- sur_media_movil
  reg_cdmx <- dataset %>% 
    filter(ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(cdmx_conteo = n())
  reg_cdmx_mean <- rollmean(reg_cdmx$cdmx_conteo,7)
  cdmx_media_movil <- append(reg_cdmx_mean,c(0,0,0,0,0,0),0)
  cdmx_media_movil <- round(cdmx_media_movil,digits = 1)
  reg_cdmx$cdmx_media_movil <- cdmx_media_movil
  reg_merged <- merge(reg_norte,reg_norte_occid,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro_norte,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_centro,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_sur,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  reg_merged <- merge(reg_merged,reg_cdmx,
                      by = "FECHA_SINTOMAS",
                      all.x = TRUE)
  plot_ly(x = reg_merged$FECHA_SINTOMAS, mode = 'line') %>% 
    add_trace(y = reg_merged$norte_media_movil, 
              name = "NORTE", 
              line = list(color = "#065535")) %>%
    add_trace(y = reg_merged$norte_occid_media_movil, 
              name = "NORTE-OCCIDENTE", 
              line = list(color = "#003366")) %>% 
    add_trace(y = reg_merged$centro_norte_media_movil, 
              name = "CENTRO-NORTE", 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = reg_merged$centro_media_movil, 
              name = "CENTRO", 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = reg_merged$sur_media_movil, 
              name = "SUR", 
              line = list(color = "#576675")) %>%
    add_trace(y = reg_merged$cdmx_media_movil, 
              name = "CD. DE MÉXICO", 
              line = list(color = "#ff0000")) %>%
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 por Regiones de Movilidad y Cd. de México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Regiones(cov_data)       ### Exitoso
```

### Por Norte
```{r Norte, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Norte <- function(dataset,
                        entidad1,entidad2,
                        entidad3,entidad4,
                        entidad5,entidad6){
  ent_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,
                              c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,
                             digits = 1) ##(rounding off at hover fixed 10/05/2022)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,
                              c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,
                             digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,
                              c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,
                             digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,
                              c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,
                             digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,
                              c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,
                             digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  ent_6 <- dataset %>% 
    filter(ENTIDAD_UM == entidad6) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_6_conteo = n())
  ent_6_mean <- rollmean(ent_6$ent_6_conteo,7)
  ent_6_media_movil <- append(ent_6_mean,
                              c(0,0,0,0,0,0),0)
  ent_6_media_movil <- round(ent_6_media_movil,
                             digits = 1)
  ent_6$ent_6_media_movil <- ent_6_media_movil
  norte_merged <- merge(ent_1,ent_2,
                        by = "FECHA_SINTOMAS",
                        all.x = "TRUE")
  norte_merged <- merge(norte_merged,ent_3,
                        by = "FECHA_SINTOMAS",
                        all.x = "TRUE")
  norte_merged <- merge(norte_merged,ent_4,
                        by = "FECHA_SINTOMAS",
                        all.x = "TRUE")
  norte_merged <- merge(norte_merged,ent_5,
                        by = "FECHA_SINTOMAS",
                        all.x = "TRUE")
  norte_merged <- merge(norte_merged,ent_6,
                        by = "FECHA_SINTOMAS",
                        all.x = "TRUE")
  plot_ly(x = norte_merged$FECHA_SINTOMAS,
          mode = 'line') %>% 
    add_trace(y = norte_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = norte_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = norte_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = norte_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = norte_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    add_trace(y = norte_merged$ent_6_media_movil, 
              name = entidad6, 
              line = list(color = "#FF7F50")) %>%
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 en las Entidades del NORTE",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
## POR FRONTERA NORTE### - Baja California, Chihuahua, Sonora, Coahuila, Nuevo León, Tamaulipas
Casos_Norte(cov_data,
            entidad1 = "BAJA CALIFORNIA", entidad2 = "CHIHUAHUA",
            entidad3 = "SONORA", entidad4 = "COAHUILA",
            entidad5 = "NUEVO LEÓN", entidad6 = "TAMAULIPAS")  
```

### Por Norte-Occidente
```{r Norte-Occidente, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_NorteOccidente <- function(dataset,
                                 entidad1,entidad2,
                                 entidad3,entidad4,
                                 entidad5){
  ent_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,
                              c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,
                             digits = 1) ##(rounding off at hover fixed 10/05/2022)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,
                              c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,
                             digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,
                              c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,
                             digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,
                              c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,
                             digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,
                              c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,
                             digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  norteoccident_merged <- merge(ent_1,ent_2,
                                by = "FECHA_SINTOMAS",
                                all.x = "TRUE")
  norteoccident_merged <- merge(norteoccident_merged,ent_3,
                                by = "FECHA_SINTOMAS",
                                all.x = "TRUE")
  norteoccident_merged <- merge(norteoccident_merged,ent_4,
                                by = "FECHA_SINTOMAS",
                                all.x = "TRUE")
  norteoccident_merged <- merge(norteoccident_merged,ent_5,
                                by = "FECHA_SINTOMAS",
                                all.x = "TRUE")
  plot_ly(x = norteoccident_merged$FECHA_SINTOMAS,
          mode = 'line') %>% 
    add_trace(y = norteoccident_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = norteoccident_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = norteoccident_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = norteoccident_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = norteoccident_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 en las Entidades del NORTE-OCCIDENTE",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
## POR FRONTERA NORTE-OCCIDENTE### - Baja California Sur, Sinaloa, Nayarit, Durango y Zacatecas
Casos_NorteOccidente(cov_data,
                     entidad1 = "BAJA CALIFORNIA SUR", entidad2 = "SINALOA",
                     entidad3 = "NAYARIT", entidad4 = "DURANGO",
                     entidad5 = "ZACATECAS")       ### Exitoso
```

### Por Centro-Norte
```{r Centro-Norte, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_CentroNorte <- function(dataset,
                              entidad1,entidad2,entidad3,entidad4,
                              entidad5){
  ent_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,
                              c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,
                             digits = 1) ##(rounding off at hover fixed 10/05/2022)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,
                              c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,
                             digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,
                              c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,
                             digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,
                              c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,
                             digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,
                              c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,
                             digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  centronorte_merged <- merge(ent_1,ent_2,
                              by = "FECHA_SINTOMAS",
                              all.x = "TRUE")
  centronorte_merged <- merge(centronorte_merged,ent_3,
                              by = "FECHA_SINTOMAS",
                              all.x = "TRUE")
  centronorte_merged <- merge(centronorte_merged,ent_4,
                              by = "FECHA_SINTOMAS",
                              all.x = "TRUE")
  centronorte_merged <- merge(centronorte_merged,ent_5,
                              by = "FECHA_SINTOMAS",
                              all.x = "TRUE")
  plot_ly(x = centronorte_merged$FECHA_SINTOMAS,
          mode = 'line') %>% 
    add_trace(y = centronorte_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = centronorte_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = centronorte_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = centronorte_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = centronorte_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 en las Entidades del CENTRO-NORTE",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA CENTRO-NORTE### - Jalisco, Aguascalientes, Colima, Michoacán y San Luis Potosí
Casos_CentroNorte(cov_data,
                  entidad1 = "JALISCO", entidad2 = "AGUASCALIENTES",
                  entidad3 = "COLIMA", entidad4 = "MICHOACÁN",
                  entidad5 = "SAN LUIS POTOSÍ")       ### Exitoso  
```

### Por Centro
```{r Centro, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Centro <- function(dataset,
                         entidad1,entidad2,entidad3,entidad4,
                         entidad5,entidad6,entidad7,entidad8){
  ent_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,
                              c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,
                             digits = 1) ##(rounding off at hover fixed 10/05/2022)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,
                              c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,
                             digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,
                              c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,
                             digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,
                              c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,
                             digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,
                              c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,
                             digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  ent_6 <- dataset %>% 
    filter(ENTIDAD_UM == entidad6) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_6_conteo = n())
  ent_6_mean <- rollmean(ent_6$ent_6_conteo,7)
  ent_6_media_movil <- append(ent_6_mean,
                              c(0,0,0,0,0,0),0)
  ent_6_media_movil <- round(ent_6_media_movil,
                             digits = 1)
  ent_6$ent_6_media_movil <- ent_6_media_movil
  ent_7 <- dataset %>% 
    filter(ENTIDAD_UM == entidad7) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_7_conteo = n())
  ent_7_mean <- rollmean(ent_7$ent_7_conteo,7)
  ent_7_media_movil <- append(ent_7_mean,
                              c(0,0,0,0,0,0),0)
  ent_7_media_movil <- round(ent_7_media_movil,
                             digits = 1)
  ent_7$ent_7_media_movil <- ent_7_media_movil
  ent_8 <- dataset %>% 
    filter(ENTIDAD_UM == entidad8) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_8_conteo = n())
  ent_8_mean <- rollmean(ent_8$ent_8_conteo,7)
  ent_8_media_movil <- append(ent_8_mean,
                              c(0,0,0,0,0,0),0)
  ent_8_media_movil <- round(ent_8_media_movil,
                             digits = 1)
  ent_8$ent_8_media_movil <- ent_8_media_movil
  centro_merged <- merge(ent_1,ent_2,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  centro_merged <- merge(centro_merged,ent_3,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  centro_merged <- merge(centro_merged,ent_4,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  centro_merged <- merge(centro_merged,ent_5,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  centro_merged <- merge(centro_merged,ent_6,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  centro_merged <- merge(centro_merged,ent_7,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  centro_merged <- merge(centro_merged,ent_8,
                         by = "FECHA_SINTOMAS",
                         all.x = "TRUE")
  plot_ly(x = centro_merged$FECHA_SINTOMAS,
          mode = 'line') %>% 
    add_trace(y = centro_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = centro_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = centro_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = centro_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = centro_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "##576675")) %>%
    add_trace(y = centro_merged$ent_6_media_movil, 
              name = entidad6, 
              line = list(color = "#ff0000")) %>%
    #add_trace(y = centro_merged$ent_7_media_movil, 
    #name = entidad7, 
    #line = list(color = "#0000ff")) %>%
    add_trace(y = centro_merged$ent_8_media_movil, 
              name = entidad8, 
              line = list(color = "##8AD2D8")) %>%
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 en las Entidades del CENTRO",
           xaxis = list(rangeslider = list(visible = T),
                        title = "Excluyendo la Cd. de México por cifras sumamente altas y El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA CENTRO### - EXITOSO
## Guanajuato, Querétaro, Hidalgo,   
## Estado de México, Ciudad de México, Morelos, Tlaxcala y Puebla.
Casos_Centro(cov_data,
             entidad1 = "GUANAJUATO", entidad2 = "QUERÉTARO",
             entidad3 = "HIDALGO", entidad4 = "MÉXICO",
             entidad5 = "MORELOS", entidad6 = "TLAXCALA",
             entidad7 = "CIUDAD DE MÉXICO",
             entidad8 = "PUEBLA")       ### Exitoso
```

### Por Sur
```{r Sur, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Sur <- function(dataset,
                      entidad1,entidad2,entidad3,entidad4,
                      entidad5,entidad6,entidad7,entidad8){
  ent_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,
                              c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,
                             digits = 1) ##(rounding off at hover fixed 10/05/2022)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,
                              c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,
                             digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,
                              c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,
                             digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,
                              c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,
                             digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,
                              c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,
                             digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  ent_6 <- dataset %>% 
    filter(ENTIDAD_UM == entidad6) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_6_conteo = n())
  ent_6_mean <- rollmean(ent_6$ent_6_conteo,7)
  ent_6_media_movil <- append(ent_6_mean,
                              c(0,0,0,0,0,0),0)
  ent_6_media_movil <- round(ent_6_media_movil,
                             digits = 1)
  ent_6$ent_6_media_movil <- ent_6_media_movil
  ent_7 <- dataset %>% 
    filter(ENTIDAD_UM == entidad7) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_7_conteo = n())
  ent_7_mean <- rollmean(ent_7$ent_7_conteo,7)
  ent_7_media_movil <- append(ent_7_mean,
                              c(0,0,0,0,0,0),0)
  ent_7_media_movil <- round(ent_7_media_movil,
                             digits = 1)
  ent_7$ent_7_media_movil <- ent_7_media_movil
  ent_8 <- dataset %>% 
    filter(ENTIDAD_UM == entidad8) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(ent_8_conteo = n())
  ent_8_mean <- rollmean(ent_8$ent_8_conteo,7)
  ent_8_media_movil <- append(ent_8_mean,
                              c(0,0,0,0,0,0),0)
  ent_8_media_movil <- round(ent_8_media_movil,
                             digits = 1)
  ent_8$ent_8_media_movil <- ent_8_media_movil
  sur_merged <- merge(ent_1,ent_2,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  sur_merged <- merge(sur_merged,ent_3,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  sur_merged <- merge(sur_merged,ent_4,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  sur_merged <- merge(sur_merged,ent_5,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  sur_merged <- merge(sur_merged,ent_6,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  sur_merged <- merge(sur_merged,ent_7,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  sur_merged <- merge(sur_merged,ent_8,
                      by = "FECHA_SINTOMAS",
                      all.x = "TRUE")
  plot_ly(x = sur_merged$FECHA_SINTOMAS,
          mode = 'line') %>% 
    add_trace(y = sur_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = sur_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = sur_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = sur_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = sur_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    add_trace(y = sur_merged$ent_6_media_movil, 
              name = entidad6, 
              line = list(color = "#576675")) %>%
    add_trace(y = sur_merged$ent_7_media_movil, 
              name = entidad7, 
              line = list(color = "#0000ff")) %>%
    add_trace(y = sur_merged$ent_8_media_movil, 
              name = entidad8, 
              line = list(color = "#8AD2D8")) %>%
    layout(title = "Media Móvil de Casos Confirmados de COVID-19 en las Entidades del SUR",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA SUR ### - EXITOSO
## Sur: Guerrero, Oaxaca, Chiapas, Veracruz, Tabasco, 
## Campeche, Yucatán y Quintana Roo.
Casos_Sur(cov_data,
          entidad1 = "GUERRERO", entidad2 = "OAXACA",
          entidad3 = "CHIAPAS", entidad4 = "VERACRUZ",
          entidad5 = "TABASCO", entidad6 = "CAMPECHE",
          entidad7 = "YUCATÁN", entidad8 = "QUINTANO ROO")       ### Exitoso

 
```

## Defunciones {.tabset .tabset-fade}

### Por Regiones
```{r Defunc Regiones, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_Regiones <- function(dataset){
  reg_norte <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "BAJA CALIFORNIA" 
           | ENTIDAD_UM == "CHIHUAHUA"
           | ENTIDAD_UM == "SONORA"
           | ENTIDAD_UM == "COAHUILA"
           | ENTIDAD_UM == "NUEVO LEÓN"
           | ENTIDAD_UM == "TAMAULIPAS") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(norte_conteo = n())
  reg_norte_mean <- rollmean(reg_norte$norte_conteo,7)
  norte_media_movil <- append(reg_norte_mean,c(0,0,0,0,0,0),0)
  norte_media_movil <- round(norte_media_movil,digits = 1)
  reg_norte$norte_media_movil <- norte_media_movil
  reg_norte_occid <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "BAJA CALIFORNIA SUR" 
           | ENTIDAD_UM == "SINALOA"
           | ENTIDAD_UM == "NAYARIT"
           | ENTIDAD_UM == "DURANGO"
           | ENTIDAD_UM == "ZACATECAS") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(norte_occid_conteo = n())
  reg_norte_occid_mean <- rollmean(reg_norte_occid$norte_occid_conteo,7)
  norte_occid_media_movil <- append(reg_norte_occid_mean,c(0,0,0,0,0,0),0)
  norte_occid_media_movil <- round(norte_occid_media_movil, digits = 1)
  reg_norte_occid$norte_occid_media_movil <- norte_occid_media_movil
  reg_centro_norte <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "JALISCO" 
           | ENTIDAD_UM == "AGUASCALIENTES"
           | ENTIDAD_UM == "COLIMA"
           | ENTIDAD_UM == "MICHOACÁN"
           | ENTIDAD_UM == "SAN LUIS POTOSÍ") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(centro_norte_conteo = n())
  reg_centro_norte_mean <- rollmean(reg_centro_norte$centro_norte_conteo,7)
  centro_norte_media_movil <- append(reg_centro_norte_mean,c(0,0,0,0,0,0),0)
  centro_norte_media_movil <- round(centro_norte_media_movil,digits = 1)
  reg_centro_norte$centro_norte_media_movil <- centro_norte_media_movil
  reg_centro <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "QUERÉTERO"
           | ENTIDAD_UM == "GUANAJUATO"
           | ENTIDAD_UM == "HIDALGO"
           | ENTIDAD_UM == "MÉXICO"
           | ENTIDAD_UM == "MORELOS"
           | ENTIDAD_UM == "TLAXCALA"
           | ENTIDAD_UM == "PUEBLA") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(centro_conteo = n())
  reg_centro_mean <- rollmean(reg_centro$centro_conteo,7)
  centro_media_movil <- append(reg_centro_mean,c(0,0,0,0,0,0),0)
  centro_media_movil <- round(centro_media_movil,digits = 1)
  reg_centro$centro_media_movil <- centro_media_movil
  reg_sur <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "GUERRERO" 
           | ENTIDAD_UM == "OAXACA"
           | ENTIDAD_UM == "CHIAPAS"
           | ENTIDAD_UM == "VERACRUZ"
           | ENTIDAD_UM == "TABASCO"
           | ENTIDAD_UM == "CAMPECHE"
           | ENTIDAD_UM == "YUCATÁN"
           | ENTIDAD_UM == "QUINTANO ROO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(sur_conteo = n())
  reg_sur_mean <- rollmean(reg_sur$sur_conteo,7)
  sur_media_movil <- append(reg_sur_mean,c(0,0,0,0,0,0),0)
  sur_media_movil <- round(sur_media_movil,digits = 1)
  reg_sur$sur_media_movil <- sur_media_movil
  reg_cdmx <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == "CIUDAD DE MÉXICO") %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(cdmx_conteo = n())
  reg_cdmx_mean <- rollmean(reg_cdmx$cdmx_conteo,7)
  cdmx_media_movil <- append(reg_cdmx_mean,c(0,0,0,0,0,0),0)
  cdmx_media_movil <- round(cdmx_media_movil,digits = 1)
  reg_cdmx$cdmx_media_movil <- cdmx_media_movil
  def_reg_merged <- merge(reg_norte,reg_norte_occid,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_centro_norte,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_centro,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_sur,
                          by = "FECHA_DEF", all.x = TRUE)
  def_reg_merged <- merge(def_reg_merged,reg_cdmx,
                          by = "FECHA_DEF", all.x = TRUE)
  plot_ly(x = as.Date(def_reg_merged$FECHA_DEF), 
          mode = 'line') %>% 
    add_trace(y = def_reg_merged$norte_media_movil, 
              name = "NORTE", 
              line = list(color = "#065535")) %>%
    add_trace(y = def_reg_merged$norte_occid_media_movil, 
              name = "NORTE-OCCIDENTE", 
              line = list(color = "#003366")) %>% 
    add_trace(y = def_reg_merged$centro_norte_media_movil, 
              name = "CENTRO-NORTE", 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = def_reg_merged$centro_media_movil, 
              name = "CENTRO", 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = def_reg_merged$sur_media_movil, 
              name = "SUR", 
              line = list(color = "#576675")) %>%
    add_trace(y = def_reg_merged$cdmx_media_movil, 
              name = "CD. DE MÉXICO", 
              line = list(color = "#ff0000")) %>%
    layout(title = "Media Móvil de Defunciones por COVID-19 por Regiones de Movilidad y Cd. de México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Defunc_Regiones(cov_data)       ### Exitoso
```

### Por Norte
```{r Defunc Norte, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_Norte <- function(dataset,
                         entidad1,entidad2,
                         entidad3,entidad4,
                         entidad5,entidad6){
  ent_1 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,digits = 1)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  ent_6 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad6) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_6_conteo = n())
  ent_6_mean <- rollmean(ent_6$ent_6_conteo,7)
  ent_6_media_movil <- append(ent_6_mean,c(0,0,0,0,0,0),0)
  ent_6_media_movil <- round(ent_6_media_movil,digits = 1)
  ent_6$ent_6_media_movil <- ent_6_media_movil
  def_norte_merged <- merge(ent_1,ent_2,
                            by = "FECHA_DEF",
                            all.x = TRUE)
  def_norte_merged <- merge(def_norte_merged,ent_3,
                            by = "FECHA_DEF")
  def_norte_merged <- merge(def_norte_merged,ent_4,
                            by = "FECHA_DEF")
  def_norte_merged <- merge(def_norte_merged,ent_5,
                            by = "FECHA_DEF")
  def_norte_merged <- merge(def_norte_merged,ent_6,
                            by = "FECHA_DEF")
  plot_ly(x = as.Date(def_norte_merged$FECHA_DEF),
          mode = 'line') %>% 
    add_trace(y = def_norte_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = def_norte_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = def_norte_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = def_norte_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = def_norte_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    add_trace(y = def_norte_merged$ent_6_media_movil, 
              name = entidad6, 
              line = list(color = "#FF7F50")) %>%
    layout(title = "Media Móvil de Defunciones por COVID-19 en las Entidades del NORTE",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA NORTE### - Baja California, Chihuahua, Sonora, Coahuila, Nuevo León, Tamaulipas
Defunc_Norte(cov_data,
             entidad1 = "BAJA CALIFORNIA", entidad2 = "CHIHUAHUA",
             entidad3 = "SONORA", entidad4 = "COAHUILA",
             entidad5 = "NUEVO LEÓN", entidad6 = "TAMAULIPAS")    
```

### Por Norte-Occidente
```{r Defunc Norte Occidente, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_NorteOccidente <- function(dataset,
                                  entidad1,entidad2,
                                  entidad3,entidad4,
                                  entidad5){
  ent_1 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,digits = 1)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  def_norte_occid_merged <- merge(ent_1,ent_2,
                                  by = "FECHA_DEF",
                                  all.x = TRUE)
  def_norte_occid_merged <- merge(def_norte_occid_merged,ent_3,
                                  by = "FECHA_DEF")
  def_norte_occid_merged <- merge(def_norte_occid_merged,ent_4,
                                  by = "FECHA_DEF")
  def_norte_occid_merged <- merge(def_norte_occid_merged,ent_5,
                                  by = "FECHA_DEF")
  plot_ly(x = as.Date(def_norte_occid_merged$FECHA_DEF),
          mode = 'line') %>% 
    add_trace(y = def_norte_occid_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = def_norte_occid_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = def_norte_occid_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = def_norte_occid_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = def_norte_occid_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    layout(title = "Media Móvil de Defunciones por COVID-19 en las Entidades del NORTE-OCCIDENTE",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA NORTE-OCCIDENTE### - Baja California Sur, Sinaloa, Nayarit, Durango y Zacatecas
Defunc_NorteOccidente(cov_data,
                      entidad1 = "BAJA CALIFORNIA SUR", entidad2 = "SINALOA",
                      entidad3 = "NAYARIT", entidad4 = "DURANGO",
                      entidad5 = "ZACATECAS")       ### Exitoso
```

### Por Centro-Norte
```{r Defunc Centro-Norte, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_CentroNorte <- function(dataset,
                               entidad1,entidad2,
                               entidad3,entidad4,
                               entidad5){
  ent_1 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,digits = 1)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  def_centro_norte_merged <- merge(ent_1,ent_2,
                                   by = "FECHA_DEF",
                                   all.x = TRUE)
  def_centro_norte_merged <- merge(def_centro_norte_merged,ent_3,
                                   by = "FECHA_DEF")
  def_centro_norte_merged <- merge(def_centro_norte_merged,ent_4,
                                   by = "FECHA_DEF")
  def_centro_norte_merged <- merge(def_centro_norte_merged,ent_5,
                                   by = "FECHA_DEF")
  plot_ly(x = as.Date(def_centro_norte_merged$FECHA_DEF),
          mode = 'line') %>% 
    add_trace(y = def_centro_norte_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = def_centro_norte_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = def_centro_norte_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = def_centro_norte_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = def_centro_norte_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    layout(title = "Media Móvil de Defunciones por COVID-19 en las Entidades del CENTRO-NORTE",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA CENTRO-NORTE### - Jalisco, Aguascalientes, Colima, Michoacán y San Luis Potosí
Defunc_CentroNorte(cov_data,
                   entidad1 = "JALISCO", entidad2 = "AGUASCALIENTES",
                   entidad3 = "COLIMA", entidad4 = "MICHOACÁN",
                   entidad5 = "SAN LUIS POTOSÍ")       ### Exitoso
```

### Por Centro
```{r Defunc Centro, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
## Centro: Guanajuato, Querétaro, Hidalgo, Estado de México, Ciudad de México, Morelos, Tlaxcala y Puebla.
Defunc_Centro <- function(dataset,
                          entidad1,entidad2,
                          entidad3,entidad4,
                          entidad5,entidad6,
                          entidad7,entidad8){
  ent_1 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,digits = 1)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  ent_6 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad6) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_6_conteo = n())
  ent_6_mean <- rollmean(ent_6$ent_6_conteo,7)
  ent_6_media_movil <- append(ent_6_mean,c(0,0,0,0,0,0),0)
  ent_6_media_movil <- round(ent_6_media_movil,digits = 1)
  ent_6$ent_6_media_movil <- ent_6_media_movil
  ent_7 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad7) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_7_conteo = n())
  ent_7_mean <- rollmean(ent_7$ent_7_conteo,7)
  ent_7_media_movil <- append(ent_7_mean,c(0,0,0,0,0,0),0)
  ent_7_media_movil <- round(ent_7_media_movil,digits = 1)
  ent_7$ent_7_media_movil <- ent_7_media_movil
  ent_8 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad8) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_8_conteo = n())
  ent_8_mean <- rollmean(ent_8$ent_8_conteo,7)
  ent_8_media_movil <- append(ent_8_mean,c(0,0,0,0,0,0),0)
  ent_8_media_movil <- round(ent_8_media_movil,digits = 1)
  ent_8$ent_8_media_movil <- ent_8_media_movil
  def_centro_merged <- merge(ent_1,ent_2,
                             by = "FECHA_DEF",
                             all.x = TRUE)
  def_centro_merged <- merge(def_centro_merged,ent_3,
                             by = "FECHA_DEF")
  def_centro_merged <- merge(def_centro_merged,ent_4,
                             by = "FECHA_DEF")
  def_centro_merged <- merge(def_centro_merged,ent_5,
                             by = "FECHA_DEF")
  def_centro_merged <- merge(def_centro_merged,ent_6,
                             by = "FECHA_DEF")
  def_centro_merged <- merge(def_centro_merged,ent_7,
                             by = "FECHA_DEF")
  def_centro_merged <- merge(def_centro_merged,ent_8,
                             by = "FECHA_DEF")
  plot_ly(x = as.Date(def_centro_merged$FECHA_DEF),
          mode = 'line') %>% 
    add_trace(y = def_centro_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = def_centro_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = def_centro_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = def_centro_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = def_centro_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    add_trace(y = def_centro_merged$ent_6_media_movil, 
              name = entidad6, 
              line = list(color = "#576675")) %>%
    ##add_trace(y = def_centro_merged$ent_7_media_movil, 
              ##name = entidad7, 
              ##line = list(color = "#0000ff")) %>%
    add_trace(y = def_centro_merged$ent_8_media_movil, 
              name = entidad8, 
              line = list(color = "#8AD2D8")) %>%
    layout(title = "Media Móvil de Defunciones de COVID-19 en las Entidades del CENTRO",
           xaxis = list(rangeslider = list(visible = T),
                        title = "Excluyendo la Cd. de México por cifras sumamente altas y El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA CENTRO### - EXITOSO
## Guanajuato, Querétaro, Hidalgo,   
## Estado de México, Ciudad de México, Morelos, Tlaxcala y Puebla.
Defunc_Centro(cov_data,
              entidad1 = "GUANAJUATO", entidad2 = "QUERÉTARO",
              entidad3 = "HIDALGO", entidad4 = "MÉXICO",
              entidad5 = "MORELOS", entidad6 = "TLAXCALA",
              entidad7 = "CIUDAD DE MÉXICO",
              entidad8 = "PUEBLA")       ### Exitoso

```

### Por Sur
```{r Defunc Sur, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
## Sur: Guerrero, Oaxaca, Chiapas, Veracruz, Tabasco, 
## Campeche, Yucatán y Quintana Roo.

Defunc_Sur <- function(dataset,
                       entidad1,entidad2,
                       entidad3,entidad4,
                       entidad5,entidad6,
                       entidad7,entidad8){
  ent_1 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad1) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_1_conteo = n())
  ent_1_mean <- rollmean(ent_1$ent_1_conteo,7)
  ent_1_media_movil <- append(ent_1_mean,c(0,0,0,0,0,0),0)
  ent_1_media_movil <- round(ent_1_media_movil,digits = 1)
  ent_1$ent_1_media_movil <- ent_1_media_movil
  ent_2 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad2) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_2_conteo = n())
  ent_2_mean <- rollmean(ent_2$ent_2_conteo,7)
  ent_2_media_movil <- append(ent_2_mean,c(0,0,0,0,0,0),0)
  ent_2_media_movil <- round(ent_2_media_movil,digits = 1)
  ent_2$ent_2_media_movil <- ent_2_media_movil
  ent_3 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad3) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_3_conteo = n())
  ent_3_mean <- rollmean(ent_3$ent_3_conteo,7)
  ent_3_media_movil <- append(ent_3_mean,c(0,0,0,0,0,0),0)
  ent_3_media_movil <- round(ent_3_media_movil,digits = 1)
  ent_3$ent_3_media_movil <- ent_3_media_movil
  ent_4 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad4) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_4_conteo = n())
  ent_4_mean <- rollmean(ent_4$ent_4_conteo,7)
  ent_4_media_movil <- append(ent_4_mean,c(0,0,0,0,0,0),0)
  ent_4_media_movil <- round(ent_4_media_movil,digits = 1)
  ent_4$ent_4_media_movil <- ent_4_media_movil
  ent_5 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad5) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_5_conteo = n())
  ent_5_mean <- rollmean(ent_5$ent_5_conteo,7)
  ent_5_media_movil <- append(ent_5_mean,c(0,0,0,0,0,0),0)
  ent_5_media_movil <- round(ent_5_media_movil,digits = 1)
  ent_5$ent_5_media_movil <- ent_5_media_movil
  ent_6 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad6) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_6_conteo = n())
  ent_6_mean <- rollmean(ent_6$ent_6_conteo,7)
  ent_6_media_movil <- append(ent_6_mean,c(0,0,0,0,0,0),0)
  ent_6_media_movil <- round(ent_6_media_movil,digits = 1)
  ent_6$ent_6_media_movil <- ent_6_media_movil
  ent_7 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad7) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_7_conteo = n())
  ent_7_mean <- rollmean(ent_7$ent_7_conteo,7)
  ent_7_media_movil <- append(ent_7_mean,c(0,0,0,0,0,0),0)
  ent_7_media_movil <- round(ent_7_media_movil,digits = 1)
  ent_7$ent_7_media_movil <- ent_7_media_movil
  ent_8 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad8) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(ent_8_conteo = n())
  ent_8_mean <- rollmean(ent_8$ent_8_conteo,7)
  ent_8_media_movil <- append(ent_8_mean,c(0,0,0,0,0,0),0)
  ent_8_media_movil <- round(ent_8_media_movil,digits = 1)
  ent_8$ent_8_media_movil <- ent_8_media_movil
  def_sur_merged <- merge(ent_1,ent_2,
                          by = "FECHA_DEF",
                          all.x = TRUE)
  def_sur_merged <- merge(def_sur_merged,ent_3,
                          by = "FECHA_DEF")
  def_sur_merged <- merge(def_sur_merged,ent_4,
                          by = "FECHA_DEF")
  def_sur_merged <- merge(def_sur_merged,ent_5,
                          by = "FECHA_DEF")
  def_sur_merged <- merge(def_sur_merged,ent_6,
                          by = "FECHA_DEF")
  def_sur_merged <- merge(def_sur_merged,ent_7,
                          by = "FECHA_DEF")
  def_sur_merged <- merge(def_sur_merged,ent_8,
                          by = "FECHA_DEF")
  plot_ly(x = as.Date(def_sur_merged$FECHA_DEF),
          mode = 'line') %>% 
    add_trace(y = def_sur_merged$ent_1_media_movil, 
              name = entidad1, 
              line = list(color = "#065535")) %>%
    add_trace(y = def_sur_merged$ent_2_media_movil, 
              name = entidad2, 
              line = list(color = "#003366")) %>% 
    add_trace(y = def_sur_merged$ent_3_media_movil, 
              name = entidad3, 
              line = list(color = "#8a2be2")) %>%
    add_trace(y = def_sur_merged$ent_4_media_movil, 
              name = entidad4, 
              line = list(color = "#FF69B4")) %>%
    add_trace(y = def_sur_merged$ent_5_media_movil, 
              name = entidad5, 
              line = list(color = "#ff0000")) %>%
    add_trace(y = def_sur_merged$ent_6_media_movil, 
              name = entidad6, 
              line = list(color = "#576675")) %>%
    add_trace(y = def_sur_merged$ent_7_media_movil, 
              name = entidad7, 
              line = list(color = "#0000ff")) %>%
    add_trace(y = def_sur_merged$ent_8_media_movil, 
              name = entidad8, 
              line = list(color = "#8AD2D8")) %>%
    layout(title = "Media Móvil de Defunciones por COVID-19 en las Entidades del SUR",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}

## POR FRONTERA SUR ### - EXITOSO
## Sur: Guerrero, Oaxaca, Chiapas, Veracruz, Tabasco, 
## Campeche, Yucatán y Quintana Roo.
Defunc_Sur(cov_data,
           entidad1 = "GUERRERO", entidad2 = "OAXACA",
           entidad3 = "CHIAPAS", entidad4 = "VERACRUZ",
           entidad5 = "TABASCO", entidad6 = "CAMPECHE",
           entidad7 = "YUCATÁN", entidad8 = "QUINTANO ROO")       ### Exitoso


```

# Municipios Selectos {data-navmenu="Series de Tiempo"}

## Casos Diarios {.tabset .tabset-fade}

### Región Citrícola
```{r Casos Citricola, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Citric <- function(dataset,entidad1,
                         municipio1,municipio2,
                         municipio3,municipio4,
                         municipio5,municipio6){
  munic_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_1_conteo = n())
  munic_1_mean <- rollmean(munic_1$munic_1_conteo,7)
  munic_1_media_movil <- append(munic_1_mean,c(0,0,0,0,0,0),0)
  munic_1_media_movil <- round(munic_1_media_movil,digits = 1)
  munic_1$munic_1_media_movil <- munic_1_media_movil
  munic_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_2_conteo = n())
  munic_2_mean <- rollmean(munic_2$munic_2_conteo,7)
  munic_2_media_movil <- append(munic_2_mean,c(0,0,0,0,0,0),0)
  munic_2_media_movil <- round(munic_2_media_movil,digits = 1)
  munic_2$munic_2_media_movil <- munic_2_media_movil
  munic_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_3_conteo = n())
  munic_3_mean <- rollmean(munic_3$munic_3_conteo,7)
  munic_3_media_movil <- append(munic_3_mean,c(0,0,0,0,0,0),0)
  munic_3_media_movil <- round(munic_3_media_movil)
  munic_3$munic_3_media_movil <- munic_3_media_movil
  munic_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_4_conteo = n())
  munic_4_mean <- rollmean(munic_4$munic_4_conteo,7)
  munic_4_media_movil <- append(munic_4_mean,c(0,0,0,0,0,0),0)
  munic_4_media_movil <- round(munic_4_media_movil)
  munic_4$munic_4_media_movil <- munic_4_media_movil
  munic_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_5_conteo = n())
  munic_5_mean <- rollmean(munic_5$munic_5_conteo,7)
  munic_5_media_movil <- append(munic_5_mean,c(0,0,0,0,0,0),0)
  munic_5_media_movil <- round(munic_5_media_movil,digits = 1)
  munic_5$munic_5_media_movil <- munic_5_media_movil
  munic_6 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio6) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_6_conteo = n())
  munic_6_mean <- rollmean(munic_6$munic_6_conteo,7)
  munic_6_media_movil <- append(munic_6_mean,c(0,0,0,0,0,0),0)
  munic_6_media_movil <- round(munic_6_media_movil,digits = 1)
  munic_6$munic_6_media_movil <- munic_6_media_movil
  munic_citric_merged <- merge(munic_1,munic_2,
                               by = "FECHA_SINTOMAS", all.x = TRUE)
  munic_citric_merged <- merge(munic_citric_merged,munic_3,
                               by = "FECHA_SINTOMAS", all.x = TRUE)
  munic_citric_merged <- merge(munic_citric_merged,munic_4,
                               by = "FECHA_SINTOMAS", all.x = TRUE)
  munic_citric_merged <- merge(munic_citric_merged,munic_5,
                               by = "FECHA_SINTOMAS", all.x = TRUE)
  munic_citric_merged <- merge(munic_citric_merged,munic_6,
                               by = "FECHA_SINTOMAS", all.x = TRUE)
  plot_ly(x = munic_citric_merged$FECHA_SINTOMAS, mode = 'line') %>%  #### Seleccionar los vectores de fechas mas cortos
    add_trace(y = munic_citric_merged$munic_1_media_movil, 
              name = "ALLENDE", 
              line = list(color = "#19D3F3")) %>% 
    add_trace(y = munic_citric_merged$munic_2_media_movil, 
              name = "HUALAHUISES", 
              line = list(color = "#FFA15A")) %>% 
    add_trace(y = munic_citric_merged$munic_3_media_movil, 
              name = "GENERAL TERÁN", 
              line = list(color = "#AB63FA")) %>%
    add_trace(y = munic_citric_merged$munic_4_media_movil, 
              name = "LINARES", 
              line = list(color = "#00CC96")) %>%
    add_trace(y = munic_citric_merged$munic_5_media_movil, 
              name = "MONTEMORELOS", 
              line = list(color = "#EF553B")) %>%
    add_trace(y = munic_citric_merged$munic_6_media_movil, 
              name = "RAYONES", 
              line = list(color = "#636EFA")) %>%
    layout(title = "Media Movil de Casos Confirmados por Municipios de Región Citrícola de Nuevo León",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Citric(cov_data,entidad1 = "NUEVO LEÓN",      ## EXITOSO
             municipio1 = 004,municipio2 = 029,
             municipio3 = 022,municipio4 = 033,
             municipio5 = 038,municipio6 = 043)
```

### Región Baja California
```{r Casos Baja California, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Baja_Calif <- function(dataset,entidad1,
                             municipio1,municipio2,
                             municipio3,municipio4,
                             municipio5,municipio6){
  munic_1 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio1) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_1_conteo = n())
  munic_1_mean <- rollmean(munic_1$munic_1_conteo,7)
  munic_1_media_movil <- append(munic_1_mean,c(0,0,0,0,0,0),0)
  munic_1_media_movil <- round(munic_1_media_movil,digits = 1)
  munic_1$munic_1_media_movil <- munic_1_media_movil
  munic_2 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio2) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_2_conteo = n())
  munic_2_mean <- rollmean(munic_2$munic_2_conteo,7)
  munic_2_media_movil <- append(munic_2_mean,c(0,0,0,0,0,0),0)
  munic_2_media_movil <- round(munic_2_media_movil)
  munic_2$munic_2_media_movil <- munic_2_media_movil
  munic_3 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio3) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_3_conteo = n())
  munic_3_mean <- rollmean(munic_3$munic_3_conteo,7)
  munic_3_media_movil <- append(munic_3_mean,c(0,0,0,0,0,0),0)
  munic_3_media_movil <- round(munic_3_media_movil,digits = 1)
  munic_3$munic_3_media_movil <- munic_3_media_movil
  munic_4 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio4) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_4_conteo = n())
  munic_4_mean <- rollmean(munic_4$munic_4_conteo,7)
  munic_4_media_movil <- append(munic_4_mean,c(0,0,0,0,0,0),0)
  munic_4_media_movil <- round(munic_4_media_movil,digits = 1)
  munic_4$munic_4_media_movil <- munic_4_media_movil
  munic_5 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio5) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_5_conteo = n())
  munic_5_mean <- rollmean(munic_5$munic_5_conteo,7)
  munic_5_media_movil <- append(munic_5_mean,c(0,0,0,0,0,0),0)
  munic_5_media_movil <- munic_5_media_movil
  munic_5$munic_5_media_movil <- munic_5_media_movil
  munic_6 <- dataset %>% 
    filter(ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio6) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(munic_6_conteo = n())
  munic_6_mean <- rollmean(munic_6$munic_6_conteo,7)
  munic_6_media_movil <- append(munic_6_mean,c(0,0,0,0,0,0),0)
  munic_6_media_movil <- round(munic_6_media_movil,digits = 1)
  munic_6$munic_6_media_movil <- munic_6_media_movil
  BC_merged <- merge(munic_1,munic_2,
                     by = "FECHA_SINTOMAS", all.x = TRUE)
  BC_merged <- merge(BC_merged,munic_3,
                     by = "FECHA_SINTOMAS", all.x = TRUE)
  BC_merged <- merge(BC_merged,munic_4,
                     by = "FECHA_SINTOMAS", all.x = TRUE)
  BC_merged <- merge(BC_merged,munic_5,
                     by = "FECHA_SINTOMAS", all.x = TRUE)
  BC_merged <- merge(BC_merged,munic_6,
                     by = "FECHA_SINTOMAS", all.x = TRUE)
  plot_ly(x = BC_merged$FECHA_SINTOMAS, mode = 'line') %>%  
    #### Seleccionar los vectores de fechas mas cortos
    add_trace(y = BC_merged$munic_1_media_movil, 
              name = "ENSENADA", 
              line = list(color = "#19D3F3")) %>% 
    add_trace(y = BC_merged$munic_2_media_movil, 
              name = "MEXICALI", 
              line = list(color = "#FFA15A")) %>% 
    add_trace(y = BC_merged$munic_3_media_movil, 
              name = "TECATE", 
              line = list(color = "#AB63FA")) %>%
    add_trace(y = BC_merged$munic_4_media_movil, 
              name = "TIJUANA", 
              line = list(color = "#00CC96")) %>%
    add_trace(y = BC_merged$munic_5_media_movil, 
              name = "PLAYAS DE ROSARITO", 
              line = list(color = "#EF553B")) %>%
    add_trace(y = BC_merged$munic_6_media_movil, 
              name = "NO ESPECIFICADO", 
              line = list(color = "#636EFA")) %>%
    layout(title = "Media Movil de Casos Confirmados por Municipios de Región Ensenada de Baja California",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Baja_Calif(cov_data,entidad1 = "BAJA CALIFORNIA",   ## EXITOSO
                 municipio1 = 001,municipio2 = 002,
                 municipio3 = 003,municipio4 = 004,
                 municipio5 = 005,municipio6 = 999)
```

# Análisis Combinados {data-navmenu="Series de Tiempo"}

## Row {.tabset .tabset-fade}

### Casos y Defunciones
```{r Casos y Defunciones, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Y_Def <- function(dataset){
  # Hacer función para filtrar un "vector" de las fechas de sintomas
  sintom <- dataset %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(conteo = n())
  # Calcular medias de casos por fechas para linea ajustado
  sintom_mean <- rollmean(sintom$conteo,7)
  media_movil <- append(sintom_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil,digits = 1)
  sintom$media_movil <- media_movil
  defunciones <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99") %>% 
    ## '!' mark means NOT what follows
    select(FECHA_DEF) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>%
    summarise(conteo = n())
  defunciones <- defunciones[-1,] ### Para eliminar rows of observaciones
  def_mean <- rollmean(defunciones$conteo,7)
  media_movil <- append(def_mean,c(0,0,0,0,0,0),0)
  media_movil <- round(media_movil,digits = 1)
  defunciones$media_movil <- media_movil
  # Demostrar en Gráfica con leyendas adecuadas
  plot_ly(x = sintom$FECHA_SINTOMAS[7:nrow(defunciones)], mode = 'line') %>% 
    add_trace(y = defunciones$media_movil[7:nrow(defunciones)], 
              name = "Defunciones", 
              line = list(color = "#FF0000")) %>% 
    add_trace(y = sintom$media_movil[7:nrow(defunciones)], 
              name = "Casos Confirmados", 
              line = list(color = "#7f7f7f")) %>% 
    layout(title = "Casos Confirmados y Defunciones por COVID-19 en México",
           yaxis = list(type = "log"),
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Y_Def(cov_data)
```

### Rural vs Ciudad (Un Ejemplo)
```{r Rural vs Ciudad, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
RurVsCiu <- function(dataset,entidad1,
                     municipio1,municipio2){
  munic_1 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99"
           & ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio1) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(munic_1_conteo = n())
  munic_1_mean <- rollmean(munic_1$munic_1_conteo,7)
  munic_1_media_movil <- append(munic_1_mean,c(0,0,0,0,0,0),0)
  munic_1_media_movil <- round(munic_1_media_movil,digits = 1)
  munic_1$munic_1_media_movil <- munic_1_media_movil
  munic_2 <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99" 
           & ENTIDAD_UM == entidad1 
           & MUNICIPIO_RES == municipio2) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(munic_2_conteo = n())
  munic_2_mean <- rollmean(munic_2$munic_2_conteo,7)
  munic_2_media_movil <- append(munic_2_mean,c(0,0,0,0,0,0),0)
  munic_2_media_movil <- round(munic_2_media_movil,digits = 1)
  munic_2$munic_2_media_movil <- munic_2_media_movil
  RVsC_merged <- merge(munic_1,munic_2,
                       by = "FECHA_DEF", all.x = TRUE)
  plot_ly(x = as.Date(RVsC_merged$FECHA_DEF, mode = 'line')) %>%  
    add_trace(y = RVsC_merged$munic_1_media_movil, 
              name = "MONTEMORELOS", 
              line = list(color = "#FF0000"),
              mode = 'lines') %>% 
    add_trace(y = RVsC_merged$munic_2_media_movil, 
              name = "MONTERREY", 
              line = list(color = "#7f7f7f"),
              mode = 'lines') %>% 
    layout(title = "Media moviles de Defunciones por COVID-19 entre un Área Rural y Área Urbana en México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
RurVsCiu(cov_data,entidad1 = "NUEVO LEÓN",
         municipio1 = 038,municipio2 = 039)
```

### Cambios de Casos en Porcentajes
```{r Delta Casos, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Casos_Compar <- function(dataset){      ### Exitoso 19/05/2022
  sintomas <- dataset %>% 
    select(FECHA_SINTOMAS) %>% 
    group_by(FECHA_SINTOMAS) %>% 
    arrange(FECHA_SINTOMAS) %>% 
    summarise(casos_conteo = n())
  sintomas_porcent <- sintomas %>% 
    mutate(pct_change = (casos_conteo/lag(casos_conteo) - 1) * 100)
  ### Lag fx using https://stackoverflow.com/questions/48196552/calculate-percentage-change-in-r-using-dplyr
  sintomas$pct_change <- round(sintomas_porcent$pct_change,digits = 1)
  plot_ly(x = sintomas$FECHA_SINTOMAS,
          mode = 'line') %>%
    add_trace(y = sintomas$pct_change, 
              name = "Casos", 
              line = list(color = "#7f7f7f")) %>% 
    layout(title = "Cambios de Porcentajes de Casos Confirmados por COVID-19 en México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Casos_Compar(cov_data)
```

### Cambios de Defunciones en Porcentajes
```{r Delta Defunciones, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Defunc_Compar <- function(dataset){
  defunc <- dataset %>% 
    filter(FECHA_DEF!="9999-99-99") %>%
    select(FECHA_DEF) %>% 
    group_by(FECHA_DEF) %>% 
    arrange(FECHA_DEF) %>% 
    summarise(defunc_conteo = n())
  defunc_porcent <- defunc %>% 
    mutate(pct_change = (defunc_conteo/lag(defunc_conteo) - 1) * 100) 
  defunc$pct_change <- round(defunc_porcent$pct_change,digits = 1)
  plot_ly(x = as.Date(defunc$FECHA_DEF[3:nrow(defunc)]),
          mode = 'line') %>%
    add_trace(y = defunc$pct_change[3:nrow(defunc)], 
              name = "Defunciones",
              line = list(color = "#7f7f7f")) %>% 
    layout(title = "Cambios de Porcentajes de Defunciones por COVID-19 en México",
           xaxis = list(rangeslider = list(visible = T),
                        title = "El periodo se puede desplazar con el uso de la barra"))
}
Defunc_Compar(cov_data)
```


```{r Población y Procesamiento, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
PoblXDist <- read_csv("C:/Users/Emerald/Downloads/eceg_2020_csv/conjunto_de_datos/INE_DISTRITO_2020.CSV",
                      show_col_types = FALSE)
Pobl_Mutated <- PoblXDist %>% 
  mutate(ENTIDAD=replace(ENTIDAD,ENTIDAD==1,"AGUASCALIENTES"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==2,"BAJA CALIFORNIA"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==3,"BAJA CALIFORNIA SUR"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==4,"CAMPECHE"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==5,"COAHUILA"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==6,"COLIMA"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==7,"CHIAPAS"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==8,"CHIHUAHUA"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==9,"CIUDAD DE MÉXICO"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==10,"DURANGO"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==11,"GUANAJUATO"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==12,"GUERRERO"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==13,"HIDALGO"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==14,"JALISCO"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==15,"MÉXICO"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==16,"MICHOACÁN"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==17,"MORELOS"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==18,"NAYARIT"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==19,"NUEVO LEÓN"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==20,"OAXACA"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==21,"PUEBLA"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==22,"QUERÉTARO"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==23,"QUINTANO ROO"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==24,"SAN LUIS POTOSÍ"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==25,"SINALOA"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==26,"SONORA"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==27,"TABASCO"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==28,"TAMAULIPAS"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==29,"TLAXCALA"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==30,"VERACRUZ"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==31,"YUCATÁN"),
         ENTIDAD=replace(ENTIDAD,ENTIDAD==32,"ZACATECAS"))
```


```{r Definición de Poblaciones, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
Pobl_Total <- function(dataset){
  sum(dataset$POBTOT) %>% 
    return()
}
Pobl_Total <- Pobl_Total(Pobl_Mutated)

Pobl_Baja_Cal <- function(dataset){
  baja_calif <- dataset %>% 
    filter(ENTIDAD == "BAJA CALIFORNIA")
  sum(baja_calif$POBTOT) %>%
    return()
}
Pobl_Baja_Cal(Pobl_Mutated)

Pobl_Nuevo_Leon <- function(dataset){
  nuevo_leon <- dataset %>% 
    filter(ENTIDAD == "NUEVO LEÓN")
  sum(nuevo_leon$POBTOT) %>%
    return()
}
Pobl_Nuevo_Leon(Pobl_Mutated)
```


```{r Definición de Parametros, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
Susceptibles <- Pobl_Total-(Recuperados+Defunciones+Activos)
Infectados <- Activos
Removidos <- Recuperados+Defunciones
Beta = 0.139
Gamma = 0.099
```


# Población Total {data-navmenu="Modelos SIRs"}

## Columns

### Fase 1 - Semana

```{r SIR Total, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
sir <- function(time, state, parameters) {
  
  with(as.list(c(state, parameters)), {
    
    dS <- -beta * S * I
    dI <-  beta * S * I - gamma * I
    dR <-                 gamma * I
    
    return(list(c(dS, dI, dR)))
  })
}

### Set parameters
## Proportion in each compartment: Susceptible 0.999999, Infected 0.000001, Recovered 0
init       <- c(S = 1-1e-6, I = 1e-6, R = 0.0)
## beta: infection parameter; gamma: recovery parameter
parameters <- c(beta = 0.139, gamma = 0.099)
## Time frame
times      <- seq(0, 70, by = 1)

## Solve using ode (General Solver for Ordinary Differential Equations)
out <- ode(y = init, times = times, func = sir, parms = parameters)
## change to data frame
out <- as.data.frame(out)
## Delete time variable
out$time <- NULL
## Show data
head(out, 10)

## Plot
matplot(x = times, y = out, type = "l",
        xlab = "Time", ylab = "Susceptible and Recovered", main = "SIR Model",
        lwd = 2, lty = 1, bty = "l", col = 2:4)

## Add legend
legend(40, 0.7, c("Susceptible", "Infected", "Recovered"), pch = 1, col = 2:4, bty = "n")  
```

## Columns
### Fase 2 - Semana {data-width=400}
```{r SIR Model 2 Total, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
## Create an SIR function
sir <- function(time, state, parameters) {
  
  with(as.list(c(state, parameters)), {
    
    dS <- -beta * S * I
    dI <-  beta * S * I - gamma * I
    dR <-                 gamma * I
    
    return(list(c(dS, dI, dR)))
  })
}

### Set parameters
## Proportion in each compartment: Susceptible 0.999999, Infected 0.000001, Recovered 0   pero en este he puesto valores exactos
init       <- c(S = Susceptibles, I = Infectados, R = Removidos)
## beta: infection parameter; gamma: recovery parameter
parameters <- c(beta = Beta, gamma = Gamma)
## Time frame
times      <- seq(0, 100, by = 1)

## Solve using ode (General Solver for Ordinary Differential Equations)
out <- ode(y = init, times = times, func = sir, parms = parameters)
## change to data frame
out <- as.data.frame(out)
## Delete time variable
out$time <- NULL
## Show data
head(out, 10)

## Plot
matplot(x = times, y = out, type = "l",
        xlab = "Time", ylab = "Susceptible and Recovered", main = "SIR Model",
        lwd = 1, lty = 1, bty = "l", col = 2:4)

## Add legend
legend(40, 0.7, c("Susceptible", "Infected", "Recovered"), pch = 1, col = 2:4, bty = "n")  

```

### Fase 3 - Semana

# Entidades  {data-navmenu="Modelos SIRs"}
## Columns

### Ciudad de México

## Columns
### Nuevo León

### Baja California

# Urbana vs Rural {data-navmenu="Modelos SIRs"}
## Columns

### Monterrey

### Montemorelos

## Columns
### Tijuana

### Ensenada


# Calidad de Datos
Los siguientes análisis demuestran la calidad y la normalidad de los datos usando un muestreo de 10 mil de casi 17 millones de observaciones registrados en la base de datos. 
El análisis para la calidad de datos usa un poder computacional significante cuál no está disponible en una computadora personal. 
Por lo tanto un muestreo seleccionado al azar es usado para simular la calidad y la normalidad de datos.

```{r Data Quality Fx Code Source, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
## FUNCION DE DQR ESPECIAL CON SCRIPT EXTERNO - FUNCIONS DE SOURCE
source("C:/Users/Emerald/OneDrive/Documents/CovidMex/R Scripts/dqr.R")
## 100K Sample for Descriptives
covsample <- cov_mutated %>% 
  sample_n(10000,replace = TRUE)
```

## Row {.tabset .tabset-fade}
### Variables Categóricas

```{r Calidad Categórica, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
Calidad_Cat <- function(dataset){
  DQRcat <- dataset %>%
    select_if(Negate(is.integer)) %>%
    QOfCategoricalF()
  NamesCat <- dataset %>% 
    select_if(Negate(is.integer)) %>% 
    names()
  DQRcat$NamesCat <- NamesCat
  DQRcat <- DQRcat[c(10,1,2,3,4,5,6,7,8,9)]
  DQRcat <- DQRcat[c(-1,-2),]
  ## Code for running the table (Categorical QoD)
  DQRcat %>% 
    kbl() %>% 
    kable_paper("hover",full_width=F)
}
Calidad_Cat(covsample)
```

### Variables Numéricas
```{r Calidad Númerica, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
## Numerical - CALIDAD DE DATOS
Calidad_Num <- function(dataset){
  DQRnum <- dataset %>% 
    select_if(is.integer) %>% 
    QOfContinuousF()
  NamesNum <- dataset %>% 
    select_if(is.integer) %>% 
    names()
  ## Code for running the table (Numerical QoD)
  DQRnum %>% 
    kbl () %>% 
    kable_paper(c("striped","hover"),full_width=F)
}
Calidad_Num(covsample)
```

### Normalidad de Datos
```{r Normalidad Selectas, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
## Tabla de Variables y la Normalidad organizado por género## - Important
Normalidad_Selectas <- function(dataset){
  dataset %>%
    select(EDAD,ORIGEN,SECTOR,SEXO,TIPO_PACIENTE,
           INTUBADO,NEUMONIA,NACIONALIDAD,EMBARAZO,
           HABLA_LENGUA_INDIG,INDIGENA,DIABETES,
           EPOC,ASMA,INMUSUPR,HIPERTENSION,CARDIOVASCULAR,
           OBESIDAD,RENAL_CRONICA,TABAQUISMO,OTRO_CASO,
           TOMA_MUESTRA_LAB,RESULTADO_LAB,TOMA_MUESTRA_ANTIGENO,
           RESULTADO_ANTIGENO,MIGRANTE,
           UCI,CLASIFICACION_FINAL) %>%
    tbl_summary(by="SEXO") %>% 
    modify_header(label="**VARIABLE**") %>% 
    bold_labels() %>% 
    add_p() %>% 
    add_n()
}
Normalidad_Selectas(covsample)
```