💻 Sitio web: https://rodrigozepeda.github.io/covidmx/
Descarga, etiqueta y analiza los datos abiertos de COVID-19 en México. El propósito de este paquete es hacer la descarga, análisis y graficación de manera rápida para que tú no tengas que preocuparte por bajar el archivo a tiempo, agrupar funciones o realizar visualizaciones sino en lo importante: analizar la información.
remotes::install_github("RodrigoZepeda/covidmx")
Puedes descargar la información de variantes de GISAID de la publicación de Github, ocupación hospitalaria de RED IRAG a partir del Github y datos abiertos de la SSA todo con los siguientes comandos.
El proceso está optimizado mediante
duckdbpara que puedas realizarqueriessobre la base de > 15 millones de personas en segundos.
library(covidmx)
#Datos de variantes (cdmx o nacional)
variantes <- descarga_datos_variantes_GISAID("nacional")
#Datos de ocupación hopsitalaria de Red IRAG ('Estatal' o 'Unidad Médica')
ocupacion <- descarga_datos_red_irag("Estatal")
#Descarga datos abiertos de covid, guarda en duckdb (mi_archivo_de_datos.duckdb)
# y te da una conexión
datos_covid <- descarga_datos_abiertos(dbdir = "mi_archivo_de_datos.duckdb")
Todas las descargas del paquete son inteligentes y si ha pasado poco tiempo desde tu última descarga te pregunta primero antes de comprometerse a descargar de nuevo.
Puedes volver a leer tu base descargada haciendo:
datos_covid <- read_datos_abiertos(dbdir = "mi_archivo_de_datos.duckdb")
Las funciones principales del paquete son:
#Calcula los casos (totales) por entidad y devuelve un tibble
datos_covid <- datos_covid %>% casos()
#Calcula la cantidad de pruebas realizadas
datos_covid <- datos_covid %>% numero_pruebas()
#Calcula la positividad
datos_covid <- datos_covid %>% positividad()
#Calcula el case fatality rate
datos_covid <- datos_covid %>% cfr()
#Calcula el case hospitalization rate
datos_covid <- datos_covid %>% chr()
#Estimación del número efectivo de reproducción
datos_covid <- datos_covid %>% estima_rt()
#¡Grafica!
datos_covid %>% plot_covid()
Nota No olvides citar a GISAID, RED IRAG o SSA y las publicaciones asociadas además del paquete.
Todas las opciones de casos:
datos_covid %>%
casos(
#Lista de entidades que deseas
entidades = c("AGUASCALIENTES", "BAJA CALIFORNIA",
"BAJA CALIFORNIA SUR","CAMPECHE", "CHIAPAS",
"CHIHUAHUA","CIUDAD DE M\u00c9XICO",
"COAHUILA DE ZARAGOZA" , "COLIMA", "DURANGO",
"GUANAJUATO", "GUERRERO","HIDALGO", "JALISCO",
"M\u00c9XICO", "MICHOAC\u00c1N DE OCAMPO",
"MORELOS","NAYARIT", "NUEVO LE\u00d3N", "OAXACA",
"PUEBLA", "QUER\u00c9TARO", "QUINTANA ROO",
"SAN LUIS POTOS\u00cd", "SINALOA", "SONORA",
"TABASCO", "TAMAULIPAS", "TLAXCALA",
"VERACRUZ DE IGNACIO DE LA LLAVE",
"YUCAT\u00c1N", "ZACATECAS"),
#Si quieres que los resultados salgan por entidad = TRUE o ya agregados = FALSE
group_by_entidad = TRUE,
#Selecciona esas entidades a qué tipo de entidad refieren: Unidad Médica,
#Residencia o Nacimiento
entidad_tipo = "Residencia",
#Selecciona la fecha para la base de datos: Síntomas, Ingreso, Defunción
fecha_tipo = "Ingreso",
#Selecciona todas las variables de clasificación que deseas agregar:
tipo_clasificacion = c("Sospechosos","Confirmados COVID",
"Negativo a COVID", "Inválido",
"No realizado"),
#Selecciona si deseas agrupar por la variable tipo_clasificacion
group_by_tipo_clasificacion = TRUE,
#Selecciona todos los pacientes quieres incluir:
tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO",
"NO ESPECIFICADO"),
#Selecciona si agrupar por tipo de paciente
group_by_tipo_paciente = TRUE,
#Selecciona todas las opciones de Unidad de Cuidado Intensivo
#del paciente:
tipo_uci = c("SI","NO","NO APLICA","SE IGNORA",
"NO ESPECIFICADO"),
#Selecciona si agrupar por tipo de unidad
group_by_tipo_uci = TRUE,
#Selecciona los sectores del sistema de salud a incluir
tipo_sector = c("CRUZ ROJA", "DIF", "ESTATAL", "IMSS",
"IMSS-BIENESTAR", "ISSSTE",
"MUNICIPAL", "PEMEX", "PRIVADA",
"SEDENA", "SEMAR", "SSA",
"UNIVERSITARIO","NO ESPECIFICADO"),
#Selecciona si deseas agrupar por tipo de sector
group_by_tipo_sector = FALSE,
#Selecciona si deseas sólo los que tuvieron defunción
defunciones = TRUE,
#Selecciona los grupos de edad que deseas incluir en rango
edad_cut = c(20, 40, 60), #Edades 20-40 y 40-60
#Selecciona si devolver el objeto como tibble
as_tibble = TRUE,
#Selecciona si rellenar los conteos (n) con ceros
#cuando no haya observaciones.
fill_zeros = TRUE,
#Nombre para llamarle en el objeto lista que regresa
list_name = "Ejemplo defunciones",
#Otras variables para agrupar no incluidas
.grouping_vars = c("DIABETES", "SEXO"))
#> # A tibble:
#> FECHA_INGRESO DIABETES SEXO EDAD_CAT ENTIDAD_RES CLASIFICACION_FINAL
#> <date> <dbl> <dbl> <chr> <chr> <dbl>
#> 1 2020-01-01 2 1 (40,60] 30 7
#> 2 2020-01-02 2 1 (40,60] 30 7
#> 3 2020-01-02 2 2 (20,40] 11 7
#> 4 2020-01-02 2 2 (20,40] 26 7
#> 5 2020-01-02 2 2 (40,60] 22 5
#> 6 2020-01-03 1 1 (40,60] 05 7
#> 7 2020-01-03 1 2 (40,60] 26 7
#> 8 2020-01-03 1 2 (40,60] 28 7
#> 9 2020-01-03 2 1 (40,60] 15 6
#> 10 2020-01-03 2 2 (40,60] 13 7
#> 11 2020-01-04 2 1 (20,40] 05 7
#> 12 2020-01-04 2 2 (40,60] 21 7
#> 13 2020-01-05 1 1 (40,60] 30 7
#> 14 2020-01-05 1 2 (40,60] 09 5
#> 15 2020-01-05 2 2 (20,40] 26 6
#> 16 2020-01-05 2 2 (40,60] 28 7
#> 17 2020-01-06 1 1 (40,60] 02 7
#> 18 2020-01-06 1 2 (40,60] 15 7
#> 19 2020-01-06 2 1 (40,60] 08 6
#> 20 2020-01-06 2 1 (40,60] 09 7
#> # … with 8 more variables: TIPO_PACIENTE <dbl>, UCI <dbl>, n <int64>,
#> # ENTIDAD_FEDERATIVA <chr>, ABREVIATURA <chr>, CLASIFICACIÓN <chr>,
#> # DESCRIPCION_TIPO_PACIENTE <chr>, DESCRIPCION_TIPO_UCI <chr>
-
Para ver todas las funciones del paquete ve a Primeros Pasos
-
Puedes ver un estudio de caso del paquete para Ciudad de México en este link
-
Puedes ver las preguntas frecuentes acá o bien levantar un issue en Github con el
labeldequestion.