Package 'covidmx' reference manual

Title:	Descarga y analiza datos de COVID-19 en México
Description:	Herramientas para el análisis de datos de COVID-19 en México. Descarga y analiza los datos para COVID-19 de la Direccion General de Epidemiología de México (DGE) <https://www.gob.mx/salud/documentos/datos-abiertos-152127>, la Red de Infecciones Respiratorias Agudas Graves (Red IRAG) <https://www.gits.igg.unam.mx/red-irag-dashboard/reviewHome> y la Iniciativa Global para compartir todos los datos de influenza (GISAID) <https://gisaid.org/>. English: Downloads and analyzes data of COVID-19 from the Mexican General Directorate of Epidemiology (DGE), the Network of Severe Acute Respiratory Infections (IRAG network),and the Global Initiative on Sharing All Influenza Data GISAID.
Authors:	Rodrigo Zepeda-Tello [aut, cre] , Mauricio Hernandez-Avila [aut], Alberto Almuiña [ctb] (Author of included zzz fragment), Jonah Gabry [ctb] (Author of included cmdstanr fragment), Rok Češnovar [ctb] (Author of included cmdstanr fragment), Ben Bales [ctb] (Author of included cmdstanr fragment), Mitzi Morris [ctb] (Author of included cmdstanr fragment), Mikhail Popov [ctb] (Author of included cmdstanr fragment), Mike Lawrence [ctb] (Author of included cmdstanr fragment), William Michael Landau [ctb] (Author of included cmdstanr fragment), Jacob Socolar [ctb] (Author of included cmdstanr fragment), Andrew Johnson [ctb] (Author of included cmdstanr fragment), Instituto Mexicano del Seguro Social [cph, fnd]
Maintainer:	Rodrigo Zepeda-Tello <[email protected]>
License:	MIT + file LICENSE
Version:	0.7.8
Built:	2024-09-10 05:41:57 UTC
Source:	https://github.com/rodrigozepeda/covidmx

Casos de COVID-19 en Mexico

Description

casos Calcula el numero de casos registrados por fecha agrupando (o sin hacerlo) por diferentes covariables. Por default calcula el total de casos (con y sin prueba positiva)

Usage

casos(
  datos_covid,
  entidades = c("AGUASCALIENTES", "BAJA CALIFORNIA", "BAJA CALIFORNIA SUR", "CAMPECHE",
    "CHIAPAS", "CHIHUAHUA", "CIUDAD DE MÉXICO", "COAHUILA DE ZARAGOZA", "COLIMA",
    "DURANGO", "GUANAJUATO", "GUERRERO", "HIDALGO", "JALISCO", "MÉXICO",
    "MICHOACÁN DE OCAMPO", "MORELOS", "NAYARIT", "NUEVO LEÓN", "OAXACA", "PUEBLA",
    "QUERÉTARO", "QUINTANA ROO", "SAN LUIS POTOSÍ", "SINALOA", "SONORA", "TABASCO",
    "TAMAULIPAS", "TLAXCALA", "VERACRUZ DE IGNACIO DE LA LLAVE", "YUCATÁN", "ZACATECAS"),
  group_by_entidad = TRUE,
  entidad_tipo = c("Unidad Medica", "Residencia", "Nacimiento"),
  fecha_tipo = c("Sintomas", "Ingreso", "Defuncion"),
  tipo_clasificacion = c("Sospechosos", "Confirmados COVID", "Negativo a COVID",
    "Inválido", "No realizado"),
  group_by_tipo_clasificacion = FALSE,
  tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO", "NO ESPECIFICADO"),
  group_by_tipo_paciente = FALSE,
  tipo_uci = c("SI", "NO", "NO APLICA", "SE IGNORA", "NO ESPECIFICADO"),
  group_by_tipo_uci = FALSE,
  tipo_sector = c("CRUZ ROJA", "DIF", "ESTATAL", "IMSS", "IMSS-BIENESTAR", "ISSSTE",
    "MUNICIPAL", "PEMEX", "PRIVADA", "SEDENA", "SEMAR", "SSA", "UNIVERSITARIO",
    "NO ESPECIFICADO"),
  group_by_tipo_sector = FALSE,
  defunciones = FALSE,
  edad_cut = NULL,
  as_tibble = TRUE,
  fill_zeros = as_tibble,
  list_name = "casos",
  .grouping_vars = c()
)
casos(
  datos_covid,
  entidades = c("AGUASCALIENTES", "BAJA CALIFORNIA", "BAJA CALIFORNIA SUR", "CAMPECHE",
    "CHIAPAS", "CHIHUAHUA", "CIUDAD DE MÉXICO", "COAHUILA DE ZARAGOZA", "COLIMA",
    "DURANGO", "GUANAJUATO", "GUERRERO", "HIDALGO", "JALISCO", "MÉXICO",
    "MICHOACÁN DE OCAMPO", "MORELOS", "NAYARIT", "NUEVO LEÓN", "OAXACA", "PUEBLA",
    "QUERÉTARO", "QUINTANA ROO", "SAN LUIS POTOSÍ", "SINALOA", "SONORA", "TABASCO",
    "TAMAULIPAS", "TLAXCALA", "VERACRUZ DE IGNACIO DE LA LLAVE", "YUCATÁN", "ZACATECAS"),
  group_by_entidad = TRUE,
  entidad_tipo = c("Unidad Medica", "Residencia", "Nacimiento"),
  fecha_tipo = c("Sintomas", "Ingreso", "Defuncion"),
  tipo_clasificacion = c("Sospechosos", "Confirmados COVID", "Negativo a COVID",
    "Inválido", "No realizado"),
  group_by_tipo_clasificacion = FALSE,
  tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO", "NO ESPECIFICADO"),
  group_by_tipo_paciente = FALSE,
  tipo_uci = c("SI", "NO", "NO APLICA", "SE IGNORA", "NO ESPECIFICADO"),
  group_by_tipo_uci = FALSE,
  tipo_sector = c("CRUZ ROJA", "DIF", "ESTATAL", "IMSS", "IMSS-BIENESTAR", "ISSSTE",
    "MUNICIPAL", "PEMEX", "PRIVADA", "SEDENA", "SEMAR", "SSA", "UNIVERSITARIO",
    "NO ESPECIFICADO"),
  group_by_tipo_sector = FALSE,
  defunciones = FALSE,
  edad_cut = NULL,
  as_tibble = TRUE,
  fill_zeros = as_tibble,
  list_name = "casos",
  .grouping_vars = c()
)

Arguments

`datos_covid`	(obligatorio) Lista de `tibble`s o `duckdb`s resultante de `descarga_datos_abiertos()` o `read_datos_abiertos()`
`entidades`	(opcional) Vector con las entidades de las unidades medicas a analizar. Opciones: `AGUASCALIENTES`, `⁠BAJA CALIFORNIA⁠`, `⁠BAJA CALIFORNIA SUR⁠`, `CAMPECHE`, `CHIAPAS`, `CHIHUAHUA`, `⁠CIUDAD DE MEXICO⁠`, `⁠COAHUILA DE ZARAGOZA⁠` , `COLIMA`, `DURANGO`, `GUANAJUATO`, `GUERRERO`, `HIDALGO`, `JALISCO`, `MEXICO`, `⁠MICHOACAN DE OCAMPO⁠`, `MORELOS`,`NAYARIT` `⁠NUEVO LEON⁠`, `OAXACA` ,`PUEBLA`, `QUERETARO`,`⁠QUINTANA ROO⁠`, `⁠SAN LUIS POTOSI⁠`, `SINALOA`, `SONORA`, `TABASCO`, `TAMAULIPAS`,`TLAXCALA`, `⁠VERACRUZ DE IGNACIO DE LA LLAVE⁠`, `YUCATAN`, `ZACATECAS`.
`group_by_entidad`	(opcional) `TRUE` obtiene los casos para cada entidad reportando en cada fecha la entidad y los casos en dicha entidad. `FALSE` junta las `entidades` sumando sus casos en una sola observacion por cada fecha.
`entidad_tipo`	(opcional) Indica a que se refiere las `entidades` seleccionadas. Elige una de las opciones: `⁠Unidad Medica⁠` (entidad de la unidad medica), `Nacimiento` (entidad de origen del individuo) o `Residencia` (entidad donde reside el individuo).
`fecha_tipo`	(opcional) Selecciona si la fecha que se utiliza es la fecha de `Ingreso` (si aplica), la fecha de `Sintomas` o la de `Defuncion` (si aplica). El default es fecha de `Sintomas`.
`tipo_clasificacion`	(opcional) Vector con el tipo de clasificaciones (por la prueba) a incluir:`Sospechosos`,`⁠Confirmados COVID⁠`, `⁠Negativo a COVID⁠`, `⁠Inv\u00e1lido⁠`, `⁠No realizado⁠`
`group_by_tipo_clasificacion`	(opcional) Booleana determinando si regresa la base con cada entrada agrupada por `tipo_clasificacion` (es decir cada fecha se generan tantos observaciones como grupos de tipo de clasificación) en caso `TRUE`. Si `FALSE` suma todos los casos del tipo de clasificacion por fecha dando un solo numero por fecha. El defalt es `FALSE`.
`tipo_paciente`	(opcional) Vector con el tipo de pacientes a incluir. Opciones: `AMBULATORIO`, `HOSPITALIZADO`, `⁠NO ESPECIFICADO⁠`. Por default se incluyen todos.
`group_by_tipo_paciente`	(opcional) Booleana determinando (caso `TRUE`) si regresa la base con cada entrada agrupada por `tipo_paciente` (es decir cada fecha se genera un renglon para `AMBULATORIO`, un renglon para `HOSPITALIZADO`, etc) o bien si se suman todos los grupos y cada fecha reporta solo la suma de estos (estilo `AMBULATORIO + HOSPITALIZADO` segun las categorias de `tipo_paciente`) El default es `FALSE`.
`tipo_uci`	(opcional) Vector con el tipo de valores para Unidad de Cuidado Intensivo (UCI) a incluir: `SI`,`NO`,`⁠NO APLICA⁠`,`⁠SE IGNORA⁠`,`⁠NO ESPECIFICADO⁠`. Por default se incluyen todos.
`group_by_tipo_uci`	(opcional) Booleana. El caso `TRUE` determina si regresa la base con cada fecha teniendo diferentes renglones uno para cada `tipo_uci` (es decir cada fecha se generan tantos observaciones como grupos de tipo de UCI) o bien en una sola fecha se suman todos los tipos de UCI (`FALSE`). El default es `FALSE`.
`tipo_sector`	(opcional) Vector con los sectores del sistema de salud a incluir: `⁠CRUZ ROJA⁠`,`DIF`,`ESTATAL`,`IMSS`,`IMSS-BIENESTAR`,`ISSSTE`, `MUNICIPAL`,`PEMEX`, `PRIVADA`,`SEDENA`,`SEMAR`,`SSA`, `UNIVERSITARIO`,`⁠NO ESPECIFICADO⁠`. Por default se incluyen todos.
`group_by_tipo_sector`	(opcional) Booleana determina en el caso de `TRUE` si regresa la base con cada entrada agrupada por `tipo_sector` (es decir cada fecha tiene una entrada con los del `IMSS`, una entrada distinta con los de `ISSSTE`, etc) o bien en caso de `FALSE` se devuelve una sola entrada por fecha con la suma `IMSS + ISSSTE + etc` segun los sectores seleccionados. El default es `FALSE`.
`defunciones`	(opcional) Booleana si incluir sólo defunciones `TRUE` o a todos `FALSE`. El default es `FALSE`.
`edad_cut`	(opcional) Vector con secuencia de edades para hacer grupos. Por ejemplo `edad_cut = c(0, 10, Inf)` arma dos grupos de edad de 0 a 10 y de 10 a infinito o bien `edad_cut = c(15, 20)` deja sólo los registros entre 15 y 20 años. Por default es `NULL` y no arma grupos etarios.
`as_tibble`	(opcional) Regresar como `tibble` el resultado. En caso de que `as_tibble` sea `FALSE` se devuelve como conexion en `duckdb`. Se recomienda el default (`tibble`).
`fill_zeros`	(opcional) En caso de que el resultado sea un `tibble` regresa observaciones para todas las combinaciones de variables incluyendo como 0 aquellas fechas cuando no se observaron casos. En caso contrario no se incluyen las filas donde no se observaron casos.
`list_name`	(opcional) Asigna un nombre en la lista de datos a la base generada
`.grouping_vars`	(opcional) Vector de variables adicionales de agrupacion de los conteos. Por ejemplo si se agrega `.grouping_vars = 'DIABETES'` entonces para cada fecha habra dos conteos de casos uno de los que tienen diabetes y uno de los que no.

Details

La función es un grupo de funciones de dplyr optimizadas para velocidad. Por ejemplo calcular los casos por entidad se hace lo siguiente

datos_covid |> casos()

es lo mismo que:

library(dplyr)
datos_covid$casos <- datos_covid$dats |>
    group_by(ENTIDAD_UM, FECHA_SINTOMAS) |>
    tally() |>
    left_join(datos_covid$dict$ENTIDAD_UM, by = c("ENTIDAD_UM" = "CLAVE_ENTIDAD"))

Elaboraciones mas complicadas en casos tienen su equivalente en dplyr por ejemplo:

datos_covid <- datos_covid |>
  casos(
    entidad_tipo = "Residencia",
    entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR"),
    group_by_tipo_clasificacion = FALSE,
    tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO"),
    group_by_tipo_paciente = TRUE,
    list_name = "bajas"
  )

es equivalente a

datos_covid$bajas <- datos_covid$dats |>
   filter(ENTIDAD_RES == "02" | ENTIDAD_RES == "03") |> #BC/BCS
   filter(TIPO_PACIENTE == 1 | TIPO_PACIENTE == 2) |> #Ambulatorio/Hospitalizado
   group_by(FECHA_SINTOMAS, ENTIDAD_RES, TIPO_PACIENTE) |>
   tally() |>
   left_join(datos_covid$dict$ENTIDAD_RES, by = c("ENTIDAD_RES" = "CLAVE_ENTIDAD")) |>
   left_join(datos_covid$dict$PACIENTE, by = c("TIPO_PACIENTE" = "CLAVE"))

Value

Une a la lista de datos_covid una nueva entrada de nombre list_name (default: casos) con una base de datos (tibble o dbConnection) con los resultados agregados.

casos - Base de datos generara con los datos agregados (el nombre cambia si se usa list_name).
dict - Diccionario de datos
dats - Datos originales (conexion a duckdb o tibble)
disconnect - Función para desconectarte de duckdb
... - Cualquier otro elemento que ya existiera en datos_covid

Examples


# Para el ejemplo usaremos los datos precargados (datosabiertos) pero tu puedes
# correr el ejemplo descargando informacion mas reciente:
datos_covid <- datosabiertos

# Casos por entidad
datos_covid <- datos_covid |> casos()
head(datos_covid$casos)

# Defunciones por entidad
datos_covid <- datos_covid |> casos(defunciones = TRUE, list_name = "defunciones")
head(datos_covid$defunciones)

# Hospitalizados por entidad
datos_covid <- datos_covid |>
  casos(tipo_paciente = "HOSPITALIZADO", list_name = "hospitalizados")
head(datos_covid$hospitalizados)

# UCI por entidad

datos_covid <- datos_covid |> casos(tipo_uci = "SI", list_name = "uci")
head(datos_covid$uci)

# Solo pacientes IMSS
datos_covid <- datos_covid |> casos(tipo_sector = "IMSS", list_name = "imss")
head(datos_covid$imss)

# Pacientes IMSS y PEMEX separados
datos_covid <- datos_covid |> casos(tipo_sector = c("IMSS", "PEMEX"), list_name = "imss_y_pemex")
head(datos_covid$imss_y_pemex)

# Pacientes IMSS y PEMEX sumados
datos_covid <- datos_covid |>
  casos(
    tipo_sector = c("IMSS", "PEMEX"), list_name = "imss_+_pemex",
    group_by_tipo_sector = TRUE
  )
head(datos_covid$`imss_+_pemex`)

# Solo los de BAJA CALIFORNIA
datos_covid <- datos_covid |>
  casos(entidades = c("BAJA CALIFORNIA"), list_name = "BC")
head(datos_covid$BC)

# Solo los de BAJA CALIFORNIA por residencia
datos_covid <- datos_covid |>
  casos(entidades = c("BAJA CALIFORNIA"), entidad_tipo = "Residencia", list_name = "residencia")
head(datos_covid$residencia)

# Agrupando casos por tipo de clasificacion
datos_covid <- datos_covid |>
  casos(
    entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR"),
    group_by_tipo_clasificacion = TRUE,
    list_name = "BC_BCS"
  )
head(datos_covid$BC_BCS)

# Regresa la suma de los de BC + BCS por tipo de paciente
datos_covid <- datos_covid |>
  casos(
    entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR"),
    group_by_tipo_clasificacion = FALSE,
    tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO"),
    group_by_tipo_paciente = TRUE,
    list_name = "BC_+_BCS"
  )
head(datos_covid$`BC_+_BCS`)

# Si deseas agrupar por una variable que no este en las opciones
datos_covid <- datos_covid |>
  casos(
    group_by_entidad = FALSE,
    tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO"),
    group_by_tipo_paciente = TRUE,
    list_name = "sexo",
    .grouping_vars = c("SEXO")
  )
head(datos_covid$sexo)

# Si no recuerdas la codificacion de los sexos puedes usar el diccionario:
datos_covid$sexo <- datos_covid$sexo |>
  dplyr::left_join(datos_covid$dict$SEXO, by = c("SEXO" = "CLAVE"))
head(datos_covid$sexo)

# Si no recuerdas todas las variables de la base puedes usar glimpse para ver por
# que otras variables puedes clasificar
datos_covid$dats |> dplyr::glimpse()


# Una vez hayas concluido tu trabajo no olvides desconectar
datos_covid$disconnect()

# Para el ejemplo usaremos los datos precargados (datosabiertos) pero tu puedes
# correr el ejemplo descargando informacion mas reciente:
datos_covid <- datosabiertos

# Casos por entidad
datos_covid <- datos_covid |> casos()
head(datos_covid$casos)

# Defunciones por entidad
datos_covid <- datos_covid |> casos(defunciones = TRUE, list_name = "defunciones")
head(datos_covid$defunciones)

# Hospitalizados por entidad
datos_covid <- datos_covid |>
  casos(tipo_paciente = "HOSPITALIZADO", list_name = "hospitalizados")
head(datos_covid$hospitalizados)

# UCI por entidad

datos_covid <- datos_covid |> casos(tipo_uci = "SI", list_name = "uci")
head(datos_covid$uci)

# Solo pacientes IMSS
datos_covid <- datos_covid |> casos(tipo_sector = "IMSS", list_name = "imss")
head(datos_covid$imss)

# Pacientes IMSS y PEMEX separados
datos_covid <- datos_covid |> casos(tipo_sector = c("IMSS", "PEMEX"), list_name = "imss_y_pemex")
head(datos_covid$imss_y_pemex)

# Pacientes IMSS y PEMEX sumados
datos_covid <- datos_covid |>
  casos(
    tipo_sector = c("IMSS", "PEMEX"), list_name = "imss_+_pemex",
    group_by_tipo_sector = TRUE
  )
head(datos_covid$`imss_+_pemex`)

# Solo los de BAJA CALIFORNIA
datos_covid <- datos_covid |>
  casos(entidades = c("BAJA CALIFORNIA"), list_name = "BC")
head(datos_covid$BC)

# Solo los de BAJA CALIFORNIA por residencia
datos_covid <- datos_covid |>
  casos(entidades = c("BAJA CALIFORNIA"), entidad_tipo = "Residencia", list_name = "residencia")
head(datos_covid$residencia)

# Agrupando casos por tipo de clasificacion
datos_covid <- datos_covid |>
  casos(
    entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR"),
    group_by_tipo_clasificacion = TRUE,
    list_name = "BC_BCS"
  )
head(datos_covid$BC_BCS)

# Regresa la suma de los de BC + BCS por tipo de paciente
datos_covid <- datos_covid |>
  casos(
    entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR"),
    group_by_tipo_clasificacion = FALSE,
    tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO"),
    group_by_tipo_paciente = TRUE,
    list_name = "BC_+_BCS"
  )
head(datos_covid$`BC_+_BCS`)

# Si deseas agrupar por una variable que no este en las opciones
datos_covid <- datos_covid |>
  casos(
    group_by_entidad = FALSE,
    tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO"),
    group_by_tipo_paciente = TRUE,
    list_name = "sexo",
    .grouping_vars = c("SEXO")
  )
head(datos_covid$sexo)

# Si no recuerdas la codificacion de los sexos puedes usar el diccionario:
datos_covid$sexo <- datos_covid$sexo |>
  dplyr::left_join(datos_covid$dict$SEXO, by = c("SEXO" = "CLAVE"))
head(datos_covid$sexo)

# Si no recuerdas todas las variables de la base puedes usar glimpse para ver por
# que otras variables puedes clasificar
datos_covid$dats |> dplyr::glimpse()


# Una vez hayas concluido tu trabajo no olvides desconectar
datos_covid$disconnect()

Case Fatality Rate (CFR)

Description

Calcula la proporcion de enfermos que fallecen sobre todos los enfermos confirmados en distintas categorias (residencia / edad / etc)

Usage

cfr(
  datos_covid,
  entidades = c("AGUASCALIENTES", "BAJA CALIFORNIA", "BAJA CALIFORNIA SUR", "CAMPECHE",
    "CHIAPAS", "CHIHUAHUA", "CIUDAD DE MÉXICO", "COAHUILA DE ZARAGOZA", "COLIMA",
    "DURANGO", "GUANAJUATO", "GUERRERO", "HIDALGO", "JALISCO", "MÉXICO",
    "MICHOACÁN DE OCAMPO", "MORELOS", "NAYARIT", "NUEVO LEÓN", "OAXACA", "PUEBLA",
    "QUERÉTARO", "QUINTANA ROO", "SAN LUIS POTOSÍ", "SINALOA", "SONORA", "TABASCO",
    "TAMAULIPAS", "TLAXCALA", "VERACRUZ DE IGNACIO DE LA LLAVE", "YUCATÁN", "ZACATECAS"),
  group_by_entidad = TRUE,
  entidad_tipo = c("Unidad Medica", "Residencia", "Nacimiento"),
  fecha_tipo = c("Sintomas", "Ingreso", "Defuncion"),
  tipo_uci = c("SI", "NO", "NO APLICA", "SE IGNORA", "NO ESPECIFICADO"),
  group_by_tipo_uci = FALSE,
  tipo_clasificacion = c("Confirmados COVID"),
  group_by_tipo_clasificacion = FALSE,
  tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO", "NO ESPECIFICADO"),
  group_by_tipo_paciente = FALSE,
  tipo_sector = c("CRUZ ROJA", "DIF", "ESTATAL", "IMSS", "IMSS-BIENESTAR", "ISSSTE",
    "MUNICIPAL", "PEMEX", "PRIVADA", "SEDENA", "SEMAR", "SSA", "UNIVERSITARIO",
    "NO ESPECIFICADO"),
  group_by_tipo_sector = FALSE,
  edad_cut = NULL,
  fill_NA = TRUE,
  list_name = "case fatality rate",
  .grouping_vars = c()
)
cfr(
  datos_covid,
  entidades = c("AGUASCALIENTES", "BAJA CALIFORNIA", "BAJA CALIFORNIA SUR", "CAMPECHE",
    "CHIAPAS", "CHIHUAHUA", "CIUDAD DE MÉXICO", "COAHUILA DE ZARAGOZA", "COLIMA",
    "DURANGO", "GUANAJUATO", "GUERRERO", "HIDALGO", "JALISCO", "MÉXICO",
    "MICHOACÁN DE OCAMPO", "MORELOS", "NAYARIT", "NUEVO LEÓN", "OAXACA", "PUEBLA",
    "QUERÉTARO", "QUINTANA ROO", "SAN LUIS POTOSÍ", "SINALOA", "SONORA", "TABASCO",
    "TAMAULIPAS", "TLAXCALA", "VERACRUZ DE IGNACIO DE LA LLAVE", "YUCATÁN", "ZACATECAS"),
  group_by_entidad = TRUE,
  entidad_tipo = c("Unidad Medica", "Residencia", "Nacimiento"),
  fecha_tipo = c("Sintomas", "Ingreso", "Defuncion"),
  tipo_uci = c("SI", "NO", "NO APLICA", "SE IGNORA", "NO ESPECIFICADO"),
  group_by_tipo_uci = FALSE,
  tipo_clasificacion = c("Confirmados COVID"),
  group_by_tipo_clasificacion = FALSE,
  tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO", "NO ESPECIFICADO"),
  group_by_tipo_paciente = FALSE,
  tipo_sector = c("CRUZ ROJA", "DIF", "ESTATAL", "IMSS", "IMSS-BIENESTAR", "ISSSTE",
    "MUNICIPAL", "PEMEX", "PRIVADA", "SEDENA", "SEMAR", "SSA", "UNIVERSITARIO",
    "NO ESPECIFICADO"),
  group_by_tipo_sector = FALSE,
  edad_cut = NULL,
  fill_NA = TRUE,
  list_name = "case fatality rate",
  .grouping_vars = c()
)

Arguments

`datos_covid`	(obligatorio) Lista de `tibble`s o `duckdb`s resultante de `descarga_datos_abiertos()` o `read_datos_abiertos()`
`entidades`	(opcional) Vector con las entidades de las unidades medicas a analizar. Opciones: `AGUASCALIENTES`, `⁠BAJA CALIFORNIA⁠`, `⁠BAJA CALIFORNIA SUR⁠`, `CAMPECHE`, `CHIAPAS`, `CHIHUAHUA`, `⁠CIUDAD DE MEXICO⁠`, `⁠COAHUILA DE ZARAGOZA⁠` , `COLIMA`, `DURANGO`, `GUANAJUATO`, `GUERRERO`, `HIDALGO`, `JALISCO`, `MEXICO`, `⁠MICHOACAN DE OCAMPO⁠`, `MORELOS`,`NAYARIT` `⁠NUEVO LEON⁠`, `OAXACA` ,`PUEBLA`, `QUERETARO`,`⁠QUINTANA ROO⁠`, `⁠SAN LUIS POTOSI⁠`, `SINALOA`, `SONORA`, `TABASCO`, `TAMAULIPAS`,`TLAXCALA`, `⁠VERACRUZ DE IGNACIO DE LA LLAVE⁠`, `YUCATAN`, `ZACATECAS`.
`group_by_entidad`	(opcional) `TRUE` obtiene los casos para cada entidad reportando en cada fecha la entidad y los casos en dicha entidad. `FALSE` junta las `entidades` sumando sus casos en una sola observacion por cada fecha.
`entidad_tipo`	(opcional) Indica a que se refiere las `entidades` seleccionadas. Elige una de las opciones: `⁠Unidad Medica⁠` (entidad de la unidad medica), `Nacimiento` (entidad de origen del individuo) o `Residencia` (entidad donde reside el individuo).
`fecha_tipo`	(opcional) Selecciona si la fecha que se utiliza es la fecha de `Ingreso` (si aplica), la fecha de `Sintomas` o la de `Defuncion` (si aplica). El default es fecha de `Sintomas`.
`tipo_uci`	(opcional) Vector con el tipo de valores para Unidad de Cuidado Intensivo (UCI) a incluir: `SI`,`NO`,`⁠NO APLICA⁠`,`⁠SE IGNORA⁠`,`⁠NO ESPECIFICADO⁠`. Por default se incluyen todos.
`group_by_tipo_uci`	(opcional) Booleana. El caso `TRUE` determina si regresa la base con cada fecha teniendo diferentes renglones uno para cada `tipo_uci` (es decir cada fecha se generan tantos observaciones como grupos de tipo de UCI) o bien en una sola fecha se suman todos los tipos de UCI (`FALSE`). El default es `FALSE`.
`tipo_clasificacion`	(opcional) Vector con el tipo de clasificaciones (por la prueba) a incluir:`Sospechosos`,`⁠Confirmados COVID⁠`, `⁠Negativo a COVID⁠`, `⁠Inv\u00e1lido⁠`, `⁠No realizado⁠`
`group_by_tipo_clasificacion`	(opcional) Booleana determinando si regresa la base con cada entrada agrupada por `tipo_clasificacion` (es decir cada fecha se generan tantos observaciones como grupos de tipo de clasificación) en caso `TRUE`. Si `FALSE` suma todos los casos del tipo de clasificacion por fecha dando un solo numero por fecha. El defalt es `FALSE`.
`tipo_paciente`	(opcional) Vector con el tipo de pacientes a incluir. Opciones: `AMBULATORIO`, `HOSPITALIZADO`, `⁠NO ESPECIFICADO⁠`. Por default se incluyen todos.
`group_by_tipo_paciente`	(opcional) Booleana determinando (caso `TRUE`) si regresa la base con cada entrada agrupada por `tipo_paciente` (es decir cada fecha se genera un renglon para `AMBULATORIO`, un renglon para `HOSPITALIZADO`, etc) o bien si se suman todos los grupos y cada fecha reporta solo la suma de estos (estilo `AMBULATORIO + HOSPITALIZADO` segun las categorias de `tipo_paciente`) El default es `FALSE`.
`tipo_sector`	(opcional) Vector con los sectores del sistema de salud a incluir: `⁠CRUZ ROJA⁠`,`DIF`,`ESTATAL`,`IMSS`,`IMSS-BIENESTAR`,`ISSSTE`, `MUNICIPAL`,`PEMEX`, `PRIVADA`,`SEDENA`,`SEMAR`,`SSA`, `UNIVERSITARIO`,`⁠NO ESPECIFICADO⁠`. Por default se incluyen todos.
`group_by_tipo_sector`	(opcional) Booleana determina en el caso de `TRUE` si regresa la base con cada entrada agrupada por `tipo_sector` (es decir cada fecha tiene una entrada con los del `IMSS`, una entrada distinta con los de `ISSSTE`, etc) o bien en caso de `FALSE` se devuelve una sola entrada por fecha con la suma `IMSS + ISSSTE + etc` segun los sectores seleccionados. El default es `FALSE`.
`edad_cut`	(opcional) Vector con secuencia de edades para hacer grupos. Por ejemplo `edad_cut = c(0, 10, Inf)` arma dos grupos de edad de 0 a 10 y de 10 a infinito o bien `edad_cut = c(15, 20)` deja sólo los registros entre 15 y 20 años. Por default es `NULL` y no arma grupos etarios.
`fill_NA`	(opcional) Regresa observaciones para todas las combinaciones de variables incluyendo como `NA` donde no se observaron casos en el denominador. En caso contrario no se incluyen las filas donde no se observaron casos.
`list_name`	(opcional) Asigna un nombre en la lista de datos a la base generada
`.grouping_vars`	(opcional) Vector de variables adicionales de agrupacion de los conteos. Por ejemplo si se agrega `.grouping_vars = 'DIABETES'` entonces para cada fecha habra dos conteos de casos uno de los que tienen diabetes y uno de los que no.

Details

El case fatality rate se define como

$\frac{\# Defunciones}{Total de enfermos}$

Si se utiliza la opción tipo_clasificacion se puede cambiar la definicion de enfermo (por default se incluyen solamente "Confirmados COVID").

Value

Une a la lista de datos_covid una nueva entrada de nombre list_name (default: ⁠case fatality rate⁠) con una base de datos (tibble o duckdb) con los resultados agregados.

⁠case fatality rate⁠ - Base de datos generara con los datos agregados (el nombre cambia si se usa list_name).
dict - Diccionario de datos
dats - Datos originales (conexion a duckdb o tibble)
disconnect - Función para desconectarte de duckdb
... - Cualquier otro elemento que ya existiera en datos_covid

Examples


# Para el ejemplo usaremos los datos precargados (datosabiertos) pero tu puedes
# correr el ejemplo descargando informacion mas reciente.
datos_covid <- datosabiertos

# Casos a nivel nacional por entidad
datos_covid <- datos_covid |> cfr()
head(datos_covid$`case fatality rate`)

# Agregando todos los estados
datos_covid <- datos_covid |>
  cfr(list_name = "cfr_nacional", group_by_entidad = FALSE)
head(datos_covid$`cfr_nacional`)

# CFR en Baja California
datos_covid <- datos_covid |>
  cfr(entidades = c("BAJA CALIFORNIA"), list_name = "cfr_bc")
head(datos_covid$`cfr_bc`)

# Calcula el CFR suponiendo toda la base son confirmados
datos_covid <- datos_covid |>
  cfr(
    entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR"),
    tipo_clasificacion = c(
      "Sospechosos", "Confirmados COVID",
      "Negativo a COVID", "Inv\u00e1lido", "No realizado"
    ),
    group_by_tipo_clasificacion = TRUE, list_name = "bc_bcs_cfr"
  )
head(datos_covid$`bc_bcs_cfr`) # Los NA es porque no habia observaciones en el denominador

# Distinguiendo entre ambulatorio y hospitalizado
datos_covid <- datos_covid |>
  cfr(
    tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO"),
    group_by_tipo_paciente = TRUE,
    list_name = "cfr_paciente"
  )
head(datos_covid$cfr_paciente)

# CFR en distintos grupos de edad (0 a 20, 20 a 60 y 60+)
datos_covid <- datos_covid |>
  cfr(edad_cut = c(0, 20, 60, Inf), list_name = "cfr_edad")
head(datos_covid$cfr_edad)

# Si deseas agrupar por una variable que no este en las opciones
datos_covid <- datos_covid |>
  cfr(.grouping_vars = c("DIABETES"), list_name = "cfr_diab")
head(datos_covid$cfr_diab)

# Finalmente desconectamos
datos_covid$disconnect()

# Para el ejemplo usaremos los datos precargados (datosabiertos) pero tu puedes
# correr el ejemplo descargando informacion mas reciente.
datos_covid <- datosabiertos

# Casos a nivel nacional por entidad
datos_covid <- datos_covid |> cfr()
head(datos_covid$`case fatality rate`)

# Agregando todos los estados
datos_covid <- datos_covid |>
  cfr(list_name = "cfr_nacional", group_by_entidad = FALSE)
head(datos_covid$`cfr_nacional`)

# CFR en Baja California
datos_covid <- datos_covid |>
  cfr(entidades = c("BAJA CALIFORNIA"), list_name = "cfr_bc")
head(datos_covid$`cfr_bc`)

# Calcula el CFR suponiendo toda la base son confirmados
datos_covid <- datos_covid |>
  cfr(
    entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR"),
    tipo_clasificacion = c(
      "Sospechosos", "Confirmados COVID",
      "Negativo a COVID", "Inv\u00e1lido", "No realizado"
    ),
    group_by_tipo_clasificacion = TRUE, list_name = "bc_bcs_cfr"
  )
head(datos_covid$`bc_bcs_cfr`) # Los NA es porque no habia observaciones en el denominador

# Distinguiendo entre ambulatorio y hospitalizado
datos_covid <- datos_covid |>
  cfr(
    tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO"),
    group_by_tipo_paciente = TRUE,
    list_name = "cfr_paciente"
  )
head(datos_covid$cfr_paciente)

# CFR en distintos grupos de edad (0 a 20, 20 a 60 y 60+)
datos_covid <- datos_covid |>
  cfr(edad_cut = c(0, 20, 60, Inf), list_name = "cfr_edad")
head(datos_covid$cfr_edad)

# Si deseas agrupar por una variable que no este en las opciones
datos_covid <- datos_covid |>
  cfr(.grouping_vars = c("DIABETES"), list_name = "cfr_diab")
head(datos_covid$cfr_diab)

# Finalmente desconectamos
datos_covid$disconnect()

Funcion para verificar la existencia de los sitios web de datos de covid

Description

La funcion recorre cada uno de los sitios y verifica su existencia.

Usage

check_sites(covid_data = TRUE, dictionnary = TRUE)
check_sites(covid_data = TRUE, dictionnary = TRUE)

Arguments

`covid_data`	(opcional) Variable booleana `TRUE` si verifica los sitios de datos y `FALSE` si no los verifica
`dictionnary`	(opcional) Variable booleana `TRUE` si verifica los sitios del diccionario y `FALSE` si no lo verifica

Value

Devuelve TRUE si todos los sitios web existen, FALSEen caso de que no.

Examples

# Verificamos que existan los sitios cambiando a TRUE cualquiera:
check_sites(covid_data = FALSE, dictionnary = FALSE)

# Verificamos que existan los sitios cambiando a TRUE cualquiera:
check_sites(covid_data = FALSE, dictionnary = FALSE)

Case Hospitalization Rate (CHR)

Description

chr Calcula la proporción de enfermos que resultan hospitalizados sobre todos los enfermos confirmados en distintas categorías (residencia / edad / etc)

Usage

chr(
  datos_covid,
  entidades = c("AGUASCALIENTES", "BAJA CALIFORNIA", "BAJA CALIFORNIA SUR", "CAMPECHE",
    "CHIAPAS", "CHIHUAHUA", "CIUDAD DE MÉXICO", "COAHUILA DE ZARAGOZA", "COLIMA",
    "DURANGO", "GUANAJUATO", "GUERRERO", "HIDALGO", "JALISCO", "MÉXICO",
    "MICHOACÁN DE OCAMPO", "MORELOS", "NAYARIT", "NUEVO LEÓN", "OAXACA", "PUEBLA",
    "QUERÉTARO", "QUINTANA ROO", "SAN LUIS POTOSÍ", "SINALOA", "SONORA", "TABASCO",
    "TAMAULIPAS", "TLAXCALA", "VERACRUZ DE IGNACIO DE LA LLAVE", "YUCATÁN", "ZACATECAS"),
  group_by_entidad = TRUE,
  entidad_tipo = c("Unidad Medica", "Residencia", "Nacimiento"),
  fecha_tipo = c("Sintomas", "Ingreso", "Defuncion"),
  tipo_clasificacion = c("Confirmados COVID"),
  group_by_tipo_clasificacion = FALSE,
  incluir_paciente_no_especificado = FALSE,
  tipo_sector = c("CRUZ ROJA", "DIF", "ESTATAL", "IMSS", "IMSS-BIENESTAR", "ISSSTE",
    "MUNICIPAL", "PEMEX", "PRIVADA", "SEDENA", "SEMAR", "SSA", "UNIVERSITARIO",
    "NO ESPECIFICADO"),
  group_by_tipo_sector = FALSE,
  defunciones = FALSE,
  edad_cut = NULL,
  fill_NA = TRUE,
  list_name = "case hospitalization rate",
  .grouping_vars = c()
)
chr(
  datos_covid,
  entidades = c("AGUASCALIENTES", "BAJA CALIFORNIA", "BAJA CALIFORNIA SUR", "CAMPECHE",
    "CHIAPAS", "CHIHUAHUA", "CIUDAD DE MÉXICO", "COAHUILA DE ZARAGOZA", "COLIMA",
    "DURANGO", "GUANAJUATO", "GUERRERO", "HIDALGO", "JALISCO", "MÉXICO",
    "MICHOACÁN DE OCAMPO", "MORELOS", "NAYARIT", "NUEVO LEÓN", "OAXACA", "PUEBLA",
    "QUERÉTARO", "QUINTANA ROO", "SAN LUIS POTOSÍ", "SINALOA", "SONORA", "TABASCO",
    "TAMAULIPAS", "TLAXCALA", "VERACRUZ DE IGNACIO DE LA LLAVE", "YUCATÁN", "ZACATECAS"),
  group_by_entidad = TRUE,
  entidad_tipo = c("Unidad Medica", "Residencia", "Nacimiento"),
  fecha_tipo = c("Sintomas", "Ingreso", "Defuncion"),
  tipo_clasificacion = c("Confirmados COVID"),
  group_by_tipo_clasificacion = FALSE,
  incluir_paciente_no_especificado = FALSE,
  tipo_sector = c("CRUZ ROJA", "DIF", "ESTATAL", "IMSS", "IMSS-BIENESTAR", "ISSSTE",
    "MUNICIPAL", "PEMEX", "PRIVADA", "SEDENA", "SEMAR", "SSA", "UNIVERSITARIO",
    "NO ESPECIFICADO"),
  group_by_tipo_sector = FALSE,
  defunciones = FALSE,
  edad_cut = NULL,
  fill_NA = TRUE,
  list_name = "case hospitalization rate",
  .grouping_vars = c()
)

Arguments

`datos_covid`	(obligatorio) Lista de `tibble`s o `duckdb`s resultante de `descarga_datos_abiertos()` o `read_datos_abiertos()`
`entidades`	(opcional) Vector con las entidades de las unidades medicas a analizar. Opciones: `AGUASCALIENTES`, `⁠BAJA CALIFORNIA⁠`, `⁠BAJA CALIFORNIA SUR⁠`, `CAMPECHE`, `CHIAPAS`, `CHIHUAHUA`, `⁠CIUDAD DE MEXICO⁠`, `⁠COAHUILA DE ZARAGOZA⁠` , `COLIMA`, `DURANGO`, `GUANAJUATO`, `GUERRERO`, `HIDALGO`, `JALISCO`, `MEXICO`, `⁠MICHOACAN DE OCAMPO⁠`, `MORELOS`,`NAYARIT` `⁠NUEVO LEON⁠`, `OAXACA` ,`PUEBLA`, `QUERETARO`,`⁠QUINTANA ROO⁠`, `⁠SAN LUIS POTOSI⁠`, `SINALOA`, `SONORA`, `TABASCO`, `TAMAULIPAS`,`TLAXCALA`, `⁠VERACRUZ DE IGNACIO DE LA LLAVE⁠`, `YUCATAN`, `ZACATECAS`.
`group_by_entidad`	(opcional) `TRUE` obtiene los casos para cada entidad reportando en cada fecha la entidad y los casos en dicha entidad. `FALSE` junta las `entidades` sumando sus casos en una sola observacion por cada fecha.
`entidad_tipo`	(opcional) Indica a que se refiere las `entidades` seleccionadas. Elige una de las opciones: `⁠Unidad Medica⁠` (entidad de la unidad medica), `Nacimiento` (entidad de origen del individuo) o `Residencia` (entidad donde reside el individuo).
`fecha_tipo`	(opcional) Selecciona si la fecha que se utiliza es la fecha de `Ingreso` (si aplica), la fecha de `Sintomas` o la de `Defuncion` (si aplica). El default es fecha de `Sintomas`.
`tipo_clasificacion`	(opcional) Vector con el tipo de clasificaciones (por la prueba) a incluir:`Sospechosos`,`⁠Confirmados COVID⁠`, `⁠Negativo a COVID⁠`, `⁠Inv\u00e1lido⁠`, `⁠No realizado⁠`
`group_by_tipo_clasificacion`	(opcional) Booleana determinando si regresa la base con cada entrada agrupada por `tipo_clasificacion` (es decir cada fecha se generan tantos observaciones como grupos de tipo de clasificación) en caso `TRUE`. Si `FALSE` suma todos los casos del tipo de clasificacion por fecha dando un solo numero por fecha. El defalt es `FALSE`.
`incluir_paciente_no_especificado`	(opcional) Si en el denominador se incluyen los pacientescuyo tipo es `⁠NO ESPECIFICADO⁠`. Por default es `FALSE` por lo que sólo se incluyen `AMBULATORIO`, `HOSPITALIZADO`.
`tipo_sector`	(opcional) Vector con los sectores del sistema de salud a incluir: `⁠CRUZ ROJA⁠`,`DIF`,`ESTATAL`,`IMSS`,`IMSS-BIENESTAR`,`ISSSTE`, `MUNICIPAL`,`PEMEX`, `PRIVADA`,`SEDENA`,`SEMAR`,`SSA`, `UNIVERSITARIO`,`⁠NO ESPECIFICADO⁠`. Por default se incluyen todos.
`group_by_tipo_sector`	(opcional) Booleana determina en el caso de `TRUE` si regresa la base con cada entrada agrupada por `tipo_sector` (es decir cada fecha tiene una entrada con los del `IMSS`, una entrada distinta con los de `ISSSTE`, etc) o bien en caso de `FALSE` se devuelve una sola entrada por fecha con la suma `IMSS + ISSSTE + etc` segun los sectores seleccionados. El default es `FALSE`.
`defunciones`	(opcional) Booleana si incluir sólo defunciones `TRUE` o a todos `FALSE`. El default es `FALSE`.
`edad_cut`	(opcional) Vector con secuencia de edades para hacer grupos. Por ejemplo `edad_cut = c(0, 10, Inf)` arma dos grupos de edad de 0 a 10 y de 10 a infinito o bien `edad_cut = c(15, 20)` deja sólo los registros entre 15 y 20 años. Por default es `NULL` y no arma grupos etarios.
`fill_NA`	(opcional) Regresa observaciones para todas las combinaciones de variables incluyendo como `NA` donde no se observaron casos en el denominador. En caso contrario no se incluyen las filas donde no se observaron casos.
`list_name`	(opcional) Asigna un nombre en la lista de datos a la base generada
`.grouping_vars`	(opcional) Vector de variables adicionales de agrupacion de los conteos. Por ejemplo si se agrega `.grouping_vars = 'DIABETES'` entonces para cada fecha habra dos conteos de casos uno de los que tienen diabetes y uno de los que no.

Details

El case hospitalization rate se define como

$\frac{\# Hospitalizados}{Total de enfermos}$

Si se utiliza la opción incluir_paciente_no_especificado se puede cambiar la definicion de Total de enfermos para incluir a los pacientes que dicen ⁠NO ESPECIFICADO⁠. Estos por default se excluyen justo por su naturaleza desconocida.

Value

Une a la lista de datos_covid una nueva entrada de nombre list_name (default: ⁠case hospitalization rate⁠) con una base de datos (tibble o duckdb) con los resultados agregados.

⁠case hospitalization rate⁠ - Base de datos generara con los datos agregados (el nombre cambia si se usa list_name).
dict - Diccionario de datos
dats - Datos originales (conexion a duckdb o tibble)
disconnect - Función para desconectarte de duckdb
... - Cualquier otro elemento que ya existiera en datos_covid

Examples


# Para el ejemplo usaremos los datos precargados (datosabiertos) pero tu puedes
# correr el ejemplo descargando informacion mas reciente.
datos_covid <- datosabiertos

# Casos a nivel nacional
datos_covid <- datos_covid |> chr()
head(datos_covid$`case hospitalization rate`)

# Nacional

datos_covid <- datos_covid |> chr(list_name = "chr_nacional", group_by_entidad = FALSE)
head(datos_covid$`chr_nacional`)

# CHR en IMSS e ISSSTE
datos_covid <- datos_covid |>
  chr(tipo_sector = c("IMSS", "ISSSTE"), list_name = "chimss", group_by_tipo_sector = TRUE)
head(datos_covid$`chimss`)

# Calcula el CHR sobre toda la base
datos_covid <- datos_covid |>
  chr(
    tipo_clasificacion = c(
      "Sospechosos", "Confirmados COVID",
      "Negativo a COVID", "Inv\u00e1lido", "No realizado"
    ),
    group_by_tipo_clasificacion = TRUE, list_name = "chr_todos"
  )
head(datos_covid$`chr_todos`)

# Distinguiendo sólo entre defunciones
datos_covid <- datos_covid |>
  chr(defunciones = TRUE, list_name = "chr_defun")
head(datos_covid$`chr_defun`)

# Si deseas agrupar por una variable que no este en las opciones
datos_covid <- datos_covid |>
  chr(.grouping_vars = c("DIABETES"), list_name = "chr_diab")
head(datos_covid$chr_diab)

# Finalmente desconectamos
datos_covid$disconnect()

# Para el ejemplo usaremos los datos precargados (datosabiertos) pero tu puedes
# correr el ejemplo descargando informacion mas reciente.
datos_covid <- datosabiertos

# Casos a nivel nacional
datos_covid <- datos_covid |> chr()
head(datos_covid$`case hospitalization rate`)

# Nacional

datos_covid <- datos_covid |> chr(list_name = "chr_nacional", group_by_entidad = FALSE)
head(datos_covid$`chr_nacional`)

# CHR en IMSS e ISSSTE
datos_covid <- datos_covid |>
  chr(tipo_sector = c("IMSS", "ISSSTE"), list_name = "chimss", group_by_tipo_sector = TRUE)
head(datos_covid$`chimss`)

# Calcula el CHR sobre toda la base
datos_covid <- datos_covid |>
  chr(
    tipo_clasificacion = c(
      "Sospechosos", "Confirmados COVID",
      "Negativo a COVID", "Inv\u00e1lido", "No realizado"
    ),
    group_by_tipo_clasificacion = TRUE, list_name = "chr_todos"
  )
head(datos_covid$`chr_todos`)

# Distinguiendo sólo entre defunciones
datos_covid <- datos_covid |>
  chr(defunciones = TRUE, list_name = "chr_defun")
head(datos_covid$`chr_defun`)

# Si deseas agrupar por una variable que no este en las opciones
datos_covid <- datos_covid |>
  chr(.grouping_vars = c("DIABETES"), list_name = "chr_diab")
head(datos_covid$chr_diab)

# Finalmente desconectamos
datos_covid$disconnect()

Datos abiertos de COVID-19

Description

Base de datos que contiene una extraccion pequenia de la base de datos abiertos que se obtiene mediante descarga_datos_abiertos.

Usage

datosabiertos
datosabiertos

Format

Una lista con tres objetos

dats: Base de datos de la DGE actualizada el 8 septiembre 2022 filtrada a BC, BCS en julio y agosto del 2022
dict: Diccionario de datos
disconnect: Funcion que simula desconexion de duckdb

Details

El proposito de esta base es poder probar las funciones que se aplican sobre datos_covid. La base contiene solo las entidades de ⁠BAJA CALIFORNIA⁠ y ⁠BAJA CALIFORNIA SUR⁠ durante julio y agosto del 2021.

Source

https://www.gob.mx/salud/documentos/datos-abiertos-152127

Descarga de datos abiertos

Description

Funcion para la descarga de datos abiertos de la Direccion General de Epidemiologia (DGE)

Usage

descarga_datos_abiertos(
  dbdir = tempfile(fileext = ".duckdb"),
  sites.covid = get_sites_covid(),
  site.covid.dic = get_site_dic(),
  read_format = c("duckdb", "tibble"),
  drv = duckdb::duckdb(),
  pragma_memory_limit = Sys.getenv("pragma_memory_limit"),
  tblname = "covidmx",
  colClasses = get_col_class(),
  download_process = c("pins", "download.file"),
  unzip_command = Sys.getenv("unzip_command"),
  unzip_args = Sys.getenv("unzip_args"),
  unzip_args_dict = list(exdir = ".", overwrite = TRUE),
  check_unzip_install = TRUE,
  clear_zip = (download_process[1] != "pins"),
  clear_csv = TRUE,
  use_dict = TRUE,
  datos_abiertos_zip_paths = NULL,
  datos_abiertos_unzipped_path = NULL,
  datos_abiertos_tbl = NULL,
  diccionario_zip_path = NULL,
  diccionario_unzipped_path = NULL,
  diccionario = NULL,
  quiet = FALSE,
  cache_datos = NULL,
  use_cache_on_failure = TRUE,
  cache_diccionario = NULL,
  force_download = FALSE,
  show_warnings = TRUE,
  board_url_name = "datos_abiertos",
  board_url_name_dict = "diccionario_covid",
  download_file_args = list(method = "curl", destfile = tempfile(), quiet = quiet),
  download_file_args_dict = download_file_args,
  descarga_db_datos_abiertos_tbl_args = list(),
  descarga_db_diccionario_ssa_args = list(),
  ...
)
descarga_datos_abiertos(
  dbdir = tempfile(fileext = ".duckdb"),
  sites.covid = get_sites_covid(),
  site.covid.dic = get_site_dic(),
  read_format = c("duckdb", "tibble"),
  drv = duckdb::duckdb(),
  pragma_memory_limit = Sys.getenv("pragma_memory_limit"),
  tblname = "covidmx",
  colClasses = get_col_class(),
  download_process = c("pins", "download.file"),
  unzip_command = Sys.getenv("unzip_command"),
  unzip_args = Sys.getenv("unzip_args"),
  unzip_args_dict = list(exdir = ".", overwrite = TRUE),
  check_unzip_install = TRUE,
  clear_zip = (download_process[1] != "pins"),
  clear_csv = TRUE,
  use_dict = TRUE,
  datos_abiertos_zip_paths = NULL,
  datos_abiertos_unzipped_path = NULL,
  datos_abiertos_tbl = NULL,
  diccionario_zip_path = NULL,
  diccionario_unzipped_path = NULL,
  diccionario = NULL,
  quiet = FALSE,
  cache_datos = NULL,
  use_cache_on_failure = TRUE,
  cache_diccionario = NULL,
  force_download = FALSE,
  show_warnings = TRUE,
  board_url_name = "datos_abiertos",
  board_url_name_dict = "diccionario_covid",
  download_file_args = list(method = "curl", destfile = tempfile(), quiet = quiet),
  download_file_args_dict = download_file_args,
  descarga_db_datos_abiertos_tbl_args = list(),
  descarga_db_diccionario_ssa_args = list(),
  ...
)

Arguments

`dbdir`	(opcional) Direccion donde guardar la base de datos con terminacion `.duckdb`. Corresponde al argumento de `duckdb::dbConnect__duckdb_driver()`
`sites.covid`	(opcional) Sitios web con el vinculo a los archivos `.zip` de l os datos abiertos. Puedes cambiarlo por uno de los historicos, por ejemplo. La estructura es `c("nombre" = "url", "nombre2" = "url2")`. La ultima verificacion del sitio web default fue el 6 de septiembre del 2022.
`site.covid.dic`	(opcional) Sitio desde el cual descarga del diccionario de datos. La ultima verificacion del sitio fue el 6 de septiembre 2022.
`read_format`	(opcional) `"duckdb"` o `"tibble"` establece el formato de lectura de la base de datos. En la mayoria de los casos `"tibble"` va a resultar en un error de memoria. La opcion de `"duckdb"` siempre es mas rapida por lo cual es el default.
`drv`	(opcional) Un driver para `dbConnect` (default `duckdb::duckdb()`)
`pragma_memory_limit`	(opcional) Limite de memoria para el programa (ver PRAGMAS). Cambialo a que sea mas o menos la mitad de tu RAM. La forma mas sencilla es como una variable ambiental con `Sys.setenv('pragma_memory_limit' = '1GB')` por ejemplo para un limite de 1 gigabyte.
`tblname`	(opcional) Nombre de la tabla de `duckdb` donde guardar los datos por default se llama `covidmx`. Solo es relevante si estas usando el mismo `dbdir` para otro proyecto distinto.
`colClasses`	(opcional) Clases de la columna para leer en `duckdb::read_csv_duckdb()`.
`download_process`	(opcional) Metodo para descargar ya sea `pins` o `download.file`. Se recomienda `pins` pues guarda en memoria la fecha de la ultima descarga y analiza si ha pasado mas de un dia desde la descarga. En caso afirmativo verifica si el archivo ha cambiado y si hubo cambios entonces lo descarga.
`unzip_command`	(opcional) Forma de extraer la base de datos de datos abiertos si `unzip` falla. La forma de llamarla es con `system2(unzip_command, args = c(unzip_args, file_download_data))`.
`unzip_args`	(opcional) Argumentos de extraccion de la base de datos de datos abiertos si `unzip` falla. La forma de llamarla es con `system2(unzip_command, args = c(unzip_args, file_download_data))`.
`unzip_args_dict`	(opcional) Lista de argumentos para usar `utils::unzip` en el diccionario de datos.
`check_unzip_install`	(opcional) Bandera de verificacion para checar si tienes lo necesario para unzippear los datos en el caso de que `unzip` no sirva.
`clear_zip`	(opcional) Si borrar los archivos `.zip` descargados para el diccionario y los datos abiertos. No se recomienda si estas usando `pins`. Ve la nota para mas informacion.
`clear_csv`	(opcional) Si borrar los archivos `.csv` que se generan despues de abrir el zip. El default es que si pues en general solo requieres el `duckdb`.
`use_dict`	(opcional) Si descargar el diccionario de `site.covid.dic`.
`datos_abiertos_zip_paths`	(opcional) Camino a los datos abiertos si ya los descargaste en `zip`
`datos_abiertos_unzipped_path`	(opcional) Camino a los datos abiertos `csv` si ya los descargaste y descomprimiste el archivo `zip` en un `csv`
`datos_abiertos_tbl`	(opcional) Camino a un archivo `.duckdb` con los datos formateados
`diccionario_zip_path`	(opcional) Camino al diccionario si ya losdescargaste en `zip`
`diccionario_unzipped_path`	(opcional) Camino al diccionario `csv` si ya lo descargaste y descomprimiste el archivo `zip` en un `csv`
`diccionario`	(opcional) Lo que resulta de realizar una descarga del diccionario usando `descarga_diccionario`
`quiet`	(opcional) Variable para no mostrar mensajes
`cache_datos`	(opcional) Direccion donde guardar los datos en memoria usando `pins` para no tener que volver a descargarlos si nada ha cambiado
`use_cache_on_failure`	(opcional) Booleana. Establece que si no se pueden descargar datos nuevos utilice los que tenga en memoria. Por default es `TRUE`.
`cache_diccionario`	(opcional) Direccion donde guardar el diccionario en memoria usando `pins` para no tener que volver a descargarlo si nada ha cambiado
`force_download`	(opcional) Analiza si cambio el pin y descarga datos nuevos en caso afirmativo aunque haya pasado menos de un dia.
`show_warnings`	(opcional) si arrojar `warnings`
`board_url_name`	(opcional) Establece el nombre del `pins::board_url` para los datos abiertos (si ya usas pins para que no se empalme). Por default se llama `datos_abiertos`
`board_url_name_dict`	(opcional) Establece el nombre del `pins::board_url` para los datos abiertos. Por default se llama `diccionario_covid`
`download_file_args`	(opcional) Lista de argumentos adicionales para `download.file` de los datos si se elige este metodo para descargar.
`download_file_args_dict`	(opcional) Lista de argumentos adicionales para `download.file` del diccionario si se elige este metodo de descarga.
`descarga_db_datos_abiertos_tbl_args`	(opcional) Lista con argumentos adicionales para el `pins::pin_download` de datos abiertos
`descarga_db_diccionario_ssa_args`	(opcional) Lista con argumentos adicionales para el `pins::pin_download` de datos abiertos
`...`	(opcional) Parametros adicionales para `DBI::dbConnect`.

Details

La funcion de descarga principal es descarga_datos_abiertos() llama las siguientes funciones en orden:

descarga_diccionario() Se encarga de descargar y formatear el diccionario de datos
descarga_db() Se encarga de descargar y formatear la base de datos
pega_db_datos_abiertos_tbl_y_diccionario() Pega ambos en el formato lista de covidmx

A su vez descarga_diccionario() ejecuta las siguientes para obtener el diccionario de datos:

descarga_db_diccionario_ssa() Descarga el diccionario de la DGE
unzip_db_diccionario_ssa() Libera el archivo zip descargado
parse_db_diccionario_ssa() Genera una lista de tiblles con el diccionario por variable

Por otro lado,descarga_db() ejecuta las siguientes para obtener los datos abiertos:

descarga_db_datos_abiertos_tbl() Descarga las bases de datos de covid de la DGE
unzip_db_datos_abiertos_tbl() Libera el archivo zip descargado
parse_db_datos_abiertos_tbl() Genera una base de datos en duckdb (o tibble) c on la informacion

Si en algun momento se interrumpio la descarga o hubo problemas de conexion o detuviste el proceso de generacion de la base de datos abiertos puedes llamar a las funciones de read_datos_abiertos().

Value

Lista de valores:

dats - Tabla conectada mediante duckdb::dbConnect__duckdb_driver() (si duckdb) o tibble (si tibble)
disconnect - Funcion para cerrar la conexion a la base de datos.
dict - Lista de tibbles con el diccionario de datos para cada variable

Memoria `RAM`

Si tienes RAM que te sobre puedes no crear una base de datos en duckdb sino leer directo el archivo csv. Esto se logra con read_format = tibble. No lo recomiendo pues puedes terminar con tu sesion de R si se te acaba la memoria.

Windows Para abrir el archivo .zip quiza requieras tambien descargar e instalar ⁠7Zip⁠ por default el sistema lo busca en ⁠C:\\Program Files\\7-Zip\\7z.exe⁠ pero si no esta ese directorio es necesario que en unzip_command especifiques el camino donde se instalo ⁠7z.exe⁠.

Uso de `pins`

Para almacenar los datos se utiliza un pequenio cambio sobre la libreria pins. Los datos se descargan y se almacenan en cache junto con informacion sobre cuando fue la descarga. Si no ha pasado un dia desde la ultima descarga no se descarga nada nuevo. Si los datos que se tienen no han cambiado respecto a lo que esta en linea tampoco se vuelven a descargar aunque haya pasado mas de un dia.

Si se te fue el Internet No te preocupes, pins lee tu descarga mas reciente.

Para ver donde estan descargados tus datos usa pins::board_cache_path(). Para borrarlos usa pins::cache_prune().

Metodos de `unzip`

Por default el programa intenta abrir la base de datos con utils::unzip(). Sin embargo historicamente la base de datos ha estado codificada de tal forma que utils::unzip() no pueda abrirla. Para ello se utilizaban diferentes comandos en particular el default que hemos visto funcionaba son los comandos de terminal unzip (en Linux/OSX) y ⁠7zip⁠ (en Windows). En caso de ser requeridos el sistema te lo hara saber junto con las instrucciones de instalacion

Note

No te recomiendo borrar el cache con clear_zip o editarlo por cualquier otro medio si estas usando pins pues puede romperse la dependencia. Si accidentalmente lo borraste usa pins::board_cache_path() para ir al path y borrar manualmente toda la carpeta.

References

Secretaría de Salud (2022). Datos Abiertos de COVID-19 URL: https://www.gob.mx/salud/documentos/datos-abiertos-152127

Examples


# Descarga de la base de datos junto con diccionario en duckdb y la guarda en
# un archivo temporal.
# Puede cambiarse el dlink por el adecuado o dejarse en blanco
# quita la opción de sites.covid t site.covid.dic para descargar los de la DGE. 
# Esto es solo un ejemplo.
file_duck <- tempfile(fileext = ".duckdb")

#Estos links deben omitirse en una corrida normal. Se incluyen por ahora como ejemplo
#pero las opciones site.covid.dic y sites.covid deben eliminarse de abajo.
dlink     <- "https://github.com/RodrigoZepeda/covidmx/raw/main/datos_abiertos_covid19.zip"
diclink   <- "https://github.com/RodrigoZepeda/covidmx/raw/main/diccionario_datos_covid19.zip"

#En el ejemplo de R por normas de CRAN tenemos que hacerlo así pero en tu
#computadora puedes solo usar descargar datos sin el if else
if (RCurl::url.exists(dlink) & RCurl::url.exists(diclink)){
  datos_covid <- descarga_datos_abiertos(
    dbdir = file_duck,
    sites.covid = dlink, 
    site.covid.dic = diclink,
    show_warnings = FALSE
  )
  # Luego haces algo con esos datos...

  # Cuando terminas cierras la sesion:
  datos_covid$disconnect()

  # Despues podras leerlos con read_datos_abiertos cuando quieras:
  datos_covid <- read_datos_abiertos(dbdir = file_duck, site.covid.dic = diclink)
  datos_covid$disconnect()

  # Si no pones `dbdir` nota que los datos se guardan en un archivo temporal que se elimina
  # al cerrar tu sesion
  datos_covid <- descarga_datos_abiertos(sites.covid = dlink, show_warnings = FALSE,
                      site.covid.dic = diclink)

} else {
  datos_covid <- datosabiertos
}

# Desconectamos
datos_covid$disconnect()

# Descarga de la base de datos junto con diccionario en duckdb y la guarda en
# un archivo temporal.
# Puede cambiarse el dlink por el adecuado o dejarse en blanco
# quita la opción de sites.covid t site.covid.dic para descargar los de la DGE. 
# Esto es solo un ejemplo.
file_duck <- tempfile(fileext = ".duckdb")

#Estos links deben omitirse en una corrida normal. Se incluyen por ahora como ejemplo
#pero las opciones site.covid.dic y sites.covid deben eliminarse de abajo.
dlink     <- "https://github.com/RodrigoZepeda/covidmx/raw/main/datos_abiertos_covid19.zip"
diclink   <- "https://github.com/RodrigoZepeda/covidmx/raw/main/diccionario_datos_covid19.zip"

#En el ejemplo de R por normas de CRAN tenemos que hacerlo así pero en tu
#computadora puedes solo usar descargar datos sin el if else
if (RCurl::url.exists(dlink) & RCurl::url.exists(diclink)){
  datos_covid <- descarga_datos_abiertos(
    dbdir = file_duck,
    sites.covid = dlink, 
    site.covid.dic = diclink,
    show_warnings = FALSE
  )
  # Luego haces algo con esos datos...

  # Cuando terminas cierras la sesion:
  datos_covid$disconnect()

  # Despues podras leerlos con read_datos_abiertos cuando quieras:
  datos_covid <- read_datos_abiertos(dbdir = file_duck, site.covid.dic = diclink)
  datos_covid$disconnect()

  # Si no pones `dbdir` nota que los datos se guardan en un archivo temporal que se elimina
  # al cerrar tu sesion
  datos_covid <- descarga_datos_abiertos(sites.covid = dlink, show_warnings = FALSE,
                      site.covid.dic = diclink)

} else {
  datos_covid <- datosabiertos
}

# Desconectamos
datos_covid$disconnect()

Descarga la base de datos de ocupacion hospitalaria de la red IRAG

Description

descarga_datos_red_irag Lee los datos de ocupacion hospitalaria de la ⁠RED IRAG⁠ disponibles en https://www.gits.igg.unam.mx/red-irag-dashboard/reviewHome# y analizados a traves de RodrigoZepeda/CapacidadHospitalariaMX

Usage

descarga_datos_red_irag(
  nivel = c("Estatal", "Unidad Médica"),
  cache = NULL,
  use_cache_on_failure = TRUE,
  quiet = TRUE,
  force_download = FALSE,
  show_warnings = TRUE,
  ...
)
descarga_datos_red_irag(
  nivel = c("Estatal", "Unidad Médica"),
  cache = NULL,
  use_cache_on_failure = TRUE,
  quiet = TRUE,
  force_download = FALSE,
  show_warnings = TRUE,
  ...
)

Arguments

`nivel`	(opcional) Regresa la ocupacion `"Estatal"`(default) o por `"Unidad Medica"`
`cache`	(opcional) cache para `pins::board_url()`. Representa el directorio donde se almacenaran los datos descargados en formato de `pins`.
`use_cache_on_failure`	(opcional) parametro para `pins::board_url()`. En caso de `TRUE` (default) si no puede descargar nueva informacion utiliza la que ya tiene en memoria aunque sea vieja.
`quiet`	(opcional) booleana para no imprimir mensajes en la consola.
`force_download`	(opcional) analiza si cambio el pin y descarga datos nuevos en caso afirmativo.
`show_warnings`	(opcional) si arrojar `warnings` o callar
`...`	parametros adicionales para `pins::pin_download()`.

Details

Los datos de Red IRAG son descargados diariamente de manera automatica en Github: RodrigoZepeda/CapacidadHospitalariaMX y esta funcion los lee de ahi. Puede que esten un poco rezagados respecto a la pagina de la ⁠RED IRAG⁠ (https://www.gits.igg.unam.mx/red-irag-dashboard/reviewHome#) pero el rezago nunca es mayor a un dia.

Value

tibble con los datos de ocupacion hospitalaria

⁠Unidad médica⁠ - En caso nivel = "Unidad Medica" la unidad a la que pertenecen los datos
Institución - Institucion a la que pertenece la unidad medica
Estado - Entidad federativa de la informacion o de la unidad
CLUES - La Clave Unica de Establecimientos de Salud para la unidad (si nivel = "Unidad Medica")
Fecha - La fecha a la cual corresponde dicha ocupacion
Actualizacion - La fecha de actualizacion ultima de los datos.
⁠Hospitalizados (%)⁠ - Porcentaje de ocupacion en camas de hospitalizacion.
⁠Ventilación (%)⁠ - Porcentaje de ocupacion en ventiladores.
⁠UCI y Ventilación (%)⁠ - Porcentaje de ocupacion en unidades de cuidado intensivo con ventilacion.

References

Secretaría de Salud (2022). Sistema de Información de la Red IRAG URL: https://www.gits.igg.unam.mx/red-irag-dashboard/reviewHome

Zepeda-Tello, R. (2022). Descarga Automática de Datos de la Red IRAG URL: https://github.com/RodrigoZepeda/CapacidadHospitalariaMX

Examples


# Descarga de datos estatales
url_global <- paste0(
  "https://media.githubusercontent.com/media/RodrigoZepeda/",
  "CapacidadHospitalariaMX/master/processed/"
)

if (RCurl::url.exists(paste0(url_global, "HospitalizacionesMX_estatal.csv"))) {
  ocupacion_hospitalaria <- descarga_datos_red_irag("Estatal", show_warnings = FALSE)
}

# También puedes hacer la descarga por unidad medica
# Descarga de datos por unidad medica
if (RCurl::url.exists(paste0(url_global, "HospitalizacionesMX_unidad_medica.csv"))) {
  ocupacion_unidad <- descarga_datos_red_irag("Unidad Medica", show_warnings = FALSE)
}


# Descarga de datos estatales
url_global <- paste0(
  "https://media.githubusercontent.com/media/RodrigoZepeda/",
  "CapacidadHospitalariaMX/master/processed/"
)

if (RCurl::url.exists(paste0(url_global, "HospitalizacionesMX_estatal.csv"))) {
  ocupacion_hospitalaria <- descarga_datos_red_irag("Estatal", show_warnings = FALSE)
}

# También puedes hacer la descarga por unidad medica
# Descarga de datos por unidad medica
if (RCurl::url.exists(paste0(url_global, "HospitalizacionesMX_unidad_medica.csv"))) {
  ocupacion_unidad <- descarga_datos_red_irag("Unidad Medica", show_warnings = FALSE)
}

Lee la base de datos de variantes de COVID-19 en Mexico generada por GISAID

Description

descarga_datos_variantes_GISAID Lee los datos de variantes del reporte nacional diario en RodrigoZepeda/VariantesCovid creado a partir de la informacion de la Global Initiative on Sharing Avian Influenza Data (GISAID)

Usage

descarga_datos_variantes_GISAID(
  nivel = c("nacional", "cdmx"),
  cache = NULL,
  use_cache_on_failure = TRUE,
  quiet = FALSE,
  force_download = FALSE,
  show_warnings = TRUE,
  ...
)
descarga_datos_variantes_GISAID(
  nivel = c("nacional", "cdmx"),
  cache = NULL,
  use_cache_on_failure = TRUE,
  quiet = FALSE,
  force_download = FALSE,
  show_warnings = TRUE,
  ...
)

Arguments

`nivel`	(opcional) si se desea descargar informacion `"nacional"` (default) o de la Ciudad de Mexico: `"cdmx"`.
`cache`	(opcional) cache para `pins::board_url()`. Representa el directorio donde se almacenaran los datos descargados en formato de `pins`.
`use_cache_on_failure`	(opcional) parametro para `pins::board_url()`. En caso de `TRUE` (default) si no puede descargar nueva informacion utiliza la que ya tiene en memoria aunque sea vieja.
`quiet`	(opcional) booleana para no imprimir mensajes en la consola.
`force_download`	(opcional) analiza si cambio el pin y descarga datos nuevos en caso afirmativo.
`show_warnings`	(opcional) si arrojar `warnings` o callar
`...`	parametros adicionales para `pins::pin_download()`.

Details

Cada vez que uses estos datos necesitas citar a GISAID (ver referencias) asi como el reporte en RodrigoZepeda/VariantesCovid

Los datos son descargados de manera automatica en mi Github: RodrigoZepeda/VariantesCovid el programa descarga_datos_variantes_GISAID se conecta a dicho repositorio, busca si la informacion esta actualizada y si si la descarga, si no, utiliza informacion almacenada en el cache local.

La descarga usa el paquete pins

Value

tibble con los datos de porcentuales de variantes

variant - La variante clasificada mediante Pangolin
semana - Semana epidemiologica lubridate::epiweek() a la que corresponde la variante
ano - Anio al que corresponde la toma de muestra
n - El total de muestras de dicha semana registradas para esa variante
freq - La proporcion de las variantes de dicha semana ocupada por dicha variante. Se obtiene dividiendo n/sum(n) para cada semana.
Actualizacion - La fecha de actualizacion ultima de los datos.
Fuente - La fuente desde la cual se obtuvo la informacion de dicha variante.

References

Khare, S., et al (2021) GISAID's Role in Pandemic Response. China CDC Weekly, 3(49): 1049-1051. doi:10.46234/ccdcw2021.255 PMCID: 8668406

Elbe, S. and Buckland-Merrett, G. (2017) Data, disease and diplomacy: GISAID’s innovative contribution to global health. Global Challenges, 1:33-46. doi:10.1002/gch2.1018 PMCID: 31565258

Shu, Y. and McCauley, J. (2017) GISAID: from vision to reality. EuroSurveillance, 22(13) doi:10.2807/1560-7917.ES.2017.22.13.30494 PMCID: PMC5388101

Zepeda-Tello, R. (2022). Reporte Nacional de Variantes de COVID-19. URL: https://github.com/RodrigoZepeda/VariantesCovid

Examples


# Descarga de variantes a nivel nacional
url_global <- "https://raw.githubusercontent.com/RodrigoZepeda/VariantesCovid/main/tablas/"
if (RCurl::url.exists(paste0(url_global, "Proporcion_variantes_nacional.csv"))) {
  variantes_covid <- descarga_datos_variantes_GISAID("nacional")
}

# Descarga de variantes para CDMX
if (RCurl::url.exists(paste0(url_global, "Proporcion_variantes_cdmx.csv"))) {
  variantes_covid <- descarga_datos_variantes_GISAID("cdmx")
}

# Descarga de variantes a nivel nacional
url_global <- "https://raw.githubusercontent.com/RodrigoZepeda/VariantesCovid/main/tablas/"
if (RCurl::url.exists(paste0(url_global, "Proporcion_variantes_nacional.csv"))) {
  variantes_covid <- descarga_datos_variantes_GISAID("nacional")
}

# Descarga de variantes para CDMX
if (RCurl::url.exists(paste0(url_global, "Proporcion_variantes_cdmx.csv"))) {
  variantes_covid <- descarga_datos_variantes_GISAID("cdmx")
}

Auxiliares para la descarga de datos abiertos

Description

Conjunto de funciones para apoyar la descarga de datos abiertos de la Direccion General de Epidemiologia (DGE)

La funcion de descarga principal es descarga_datos_abiertos() llama las siguientes funciones en orden:

descarga_diccionario() Se encarga de descargar y formatear el diccionario de datos
descarga_db() Se encarga de descargar y formatear la base de datos
pega_db_datos_abiertos_tbl_y_diccionario() Pega ambos en el formato lista de covidmx

A su vez descarga_diccionario() ejecuta las siguientes para obtener el diccionario de datos:

descarga_db_diccionario_ssa() Descarga el diccionario de la DGE
unzip_db_diccionario_ssa() Libera el archivo zip descargado
parse_db_diccionario_ssa() Genera una lista de tiblles con el diccionario por variable

Por otro lado,descarga_db() ejecuta las siguientes para obtener los datos abiertos:

descarga_db_datos_abiertos_tbl() Descarga las bases de datos de covid de la DGE
unzip_db_datos_abiertos_tbl() Libera el archivo zip descargado
parse_db_datos_abiertos_tbl() Genera una base de datos en duckdb (o tibble) con la informacion

Si en algun momento se interrumpio la descarga o hubo problemas de conexion o detuviste el proceso de generacion de la base de datos abiertos puedes llamar a las funciones de read_datos_abiertos().

Usage

descarga_db(
  read_format = c("duckdb", "tibble"),
  tblname = "covidmx",
  pragma_memory_limit = Sys.getenv("pragma_memory_limit"),
  drv = duckdb::duckdb(),
  dbdir = tempfile(fileext = ".duckdb"),
  colClasses = get_col_class(),
  sites.covid = get_sites_covid(),
  download_process = c("pins", "download.file"),
  unzip_command = Sys.getenv("unzip_command"),
  unzip_args = Sys.getenv("unzip_args"),
  check_unzip_install = TRUE,
  clear_zip = (download_process[1] != "pins"),
  clear_csv = TRUE,
  force_download = FALSE,
  show_warnings = TRUE,
  datos_abiertos_zip_paths = NULL,
  datos_abiertos_unzipped_path = NULL,
  datos_abiertos_tbl = NULL,
  quiet = FALSE,
  board_url_name = "datos_abiertos",
  cache = NULL,
  use_cache_on_failure = TRUE,
  download_file_args = list(method = "curl", destfile = tempfile(), quiet = quiet),
  descarga_db_datos_abiertos_tbl_args = list(),
  ...
)

descarga_diccionario(
  download_process = c("pins", "download.file"),
  site.covid.dic = get_site_dic(),
  quiet = FALSE,
  clear_zip = download_process[1] != "pins",
  clear_csv = TRUE,
  diccionario_zip_path = NULL,
  diccionario_unzipped_path = NULL,
  diccionario = NULL,
  board_url_name_dict = "diccionario_covid",
  cache_diccionario = NULL,
  use_cache_on_failure = TRUE,
  force_download = FALSE,
  show_warnings = TRUE,
  download_file_args_dict = list(method = "curl", destfile = tempfile(), quiet = quiet),
  unzip_args_dict = list(exdir = ".", overwrite = TRUE),
  descarga_db_diccionario_ssa_args = list()
)

descarga_db_datos_abiertos_tbl(
  download_process = c("pins", "download.file"),
  sites.covid = get_sites_covid(),
  quiet = FALSE,
  board_url_name = "datos_abiertos",
  cache = NULL,
  use_cache_on_failure = TRUE,
  force_download = FALSE,
  show_warnings = TRUE,
  download_file_args = list(method = "curl", destfile = tempfile(), quiet = quiet),
  ...
)

descarga_db_diccionario_ssa(
  download_process = c("pins", "download.file"),
  site.covid.dic = get_site_dic(),
  quiet = FALSE,
  board_url_name_dict = "diccionario_covid",
  cache_diccionario = NULL,
  use_cache_on_failure = TRUE,
  force_download = FALSE,
  show_warnings = TRUE,
  download_file_args_dict = list(method = "curl", destfile = tempfile(), quiet = quiet),
  ...
)

unzip_db_datos_abiertos_tbl(
  datos_abiertos_zip_paths,
  unzip_command = Sys.getenv("unzip_command"),
  unzip_args = Sys.getenv("unzip_args"),
  check_unzip_install = TRUE,
  quiet = FALSE,
  clear_zip = FALSE
)

unzip_db_diccionario_ssa(
  diccionario_zip_path,
  unzip_args_dict = list(exdir = ".", overwrite = TRUE),
  clear_zip = FALSE
)

parse_db_diccionario_ssa(diccionario_unzipped_path, clear_csv = FALSE)

parse_db_datos_abiertos_tbl(
  datos_abiertos_unzipped_path,
  read_format = c("duckdb", "tibble"),
  pragma_memory_limit = Sys.getenv("pragma_memory_limit"),
  dbdir = tempfile(fileext = ".duckdb"),
  drv = duckdb::duckdb(),
  colClasses = get_col_class(),
  tblname = "covidmx",
  quiet = TRUE,
  clear_csv = FALSE,
  ...
)

pega_db_datos_abiertos_tbl_y_diccionario(datos_abiertos_tbl, diccionario)
descarga_db(
  read_format = c("duckdb", "tibble"),
  tblname = "covidmx",
  pragma_memory_limit = Sys.getenv("pragma_memory_limit"),
  drv = duckdb::duckdb(),
  dbdir = tempfile(fileext = ".duckdb"),
  colClasses = get_col_class(),
  sites.covid = get_sites_covid(),
  download_process = c("pins", "download.file"),
  unzip_command = Sys.getenv("unzip_command"),
  unzip_args = Sys.getenv("unzip_args"),
  check_unzip_install = TRUE,
  clear_zip = (download_process[1] != "pins"),
  clear_csv = TRUE,
  force_download = FALSE,
  show_warnings = TRUE,
  datos_abiertos_zip_paths = NULL,
  datos_abiertos_unzipped_path = NULL,
  datos_abiertos_tbl = NULL,
  quiet = FALSE,
  board_url_name = "datos_abiertos",
  cache = NULL,
  use_cache_on_failure = TRUE,
  download_file_args = list(method = "curl", destfile = tempfile(), quiet = quiet),
  descarga_db_datos_abiertos_tbl_args = list(),
  ...
)

descarga_diccionario(
  download_process = c("pins", "download.file"),
  site.covid.dic = get_site_dic(),
  quiet = FALSE,
  clear_zip = download_process[1] != "pins",
  clear_csv = TRUE,
  diccionario_zip_path = NULL,
  diccionario_unzipped_path = NULL,
  diccionario = NULL,
  board_url_name_dict = "diccionario_covid",
  cache_diccionario = NULL,
  use_cache_on_failure = TRUE,
  force_download = FALSE,
  show_warnings = TRUE,
  download_file_args_dict = list(method = "curl", destfile = tempfile(), quiet = quiet),
  unzip_args_dict = list(exdir = ".", overwrite = TRUE),
  descarga_db_diccionario_ssa_args = list()
)

descarga_db_datos_abiertos_tbl(
  download_process = c("pins", "download.file"),
  sites.covid = get_sites_covid(),
  quiet = FALSE,
  board_url_name = "datos_abiertos",
  cache = NULL,
  use_cache_on_failure = TRUE,
  force_download = FALSE,
  show_warnings = TRUE,
  download_file_args = list(method = "curl", destfile = tempfile(), quiet = quiet),
  ...
)

descarga_db_diccionario_ssa(
  download_process = c("pins", "download.file"),
  site.covid.dic = get_site_dic(),
  quiet = FALSE,
  board_url_name_dict = "diccionario_covid",
  cache_diccionario = NULL,
  use_cache_on_failure = TRUE,
  force_download = FALSE,
  show_warnings = TRUE,
  download_file_args_dict = list(method = "curl", destfile = tempfile(), quiet = quiet),
  ...
)

unzip_db_datos_abiertos_tbl(
  datos_abiertos_zip_paths,
  unzip_command = Sys.getenv("unzip_command"),
  unzip_args = Sys.getenv("unzip_args"),
  check_unzip_install = TRUE,
  quiet = FALSE,
  clear_zip = FALSE
)

unzip_db_diccionario_ssa(
  diccionario_zip_path,
  unzip_args_dict = list(exdir = ".", overwrite = TRUE),
  clear_zip = FALSE
)

parse_db_diccionario_ssa(diccionario_unzipped_path, clear_csv = FALSE)

parse_db_datos_abiertos_tbl(
  datos_abiertos_unzipped_path,
  read_format = c("duckdb", "tibble"),
  pragma_memory_limit = Sys.getenv("pragma_memory_limit"),
  dbdir = tempfile(fileext = ".duckdb"),
  drv = duckdb::duckdb(),
  colClasses = get_col_class(),
  tblname = "covidmx",
  quiet = TRUE,
  clear_csv = FALSE,
  ...
)

pega_db_datos_abiertos_tbl_y_diccionario(datos_abiertos_tbl, diccionario)

Arguments

`read_format`	(opcional) `"duckdb"` o `"tibble"` establece el formato de lectura de la base de datos. En la mayoria de los casos `"tibble"` va a resultar en un error de memoria. La opcion de `"duckdb"` siempre es mas rapida por lo cual es el default.
`tblname`	(opcional) Nombre de la tabla de `duckdb` donde guardar los datos por default se llama `covidmx`. Solo es relevante si estas usando el mismo `dbdir` para otro proyecto distinto.
`pragma_memory_limit`	(opcional) Limite de memoria para el programa (ver PRAGMAS). Cambialo a que sea mas o menos la mitad de tu RAM. La forma mas sencilla es como una variable ambiental con `Sys.setenv('pragma_memory_limit' = '1GB')` por ejemplo para un limite de 1 gigabyte.
`drv`	(opcional) Un driver para `dbConnect` (default `duckdb::duckdb()`)
`dbdir`	(opcional) Direccion donde guardar la base de datos con terminacion `.duckdb`. Corresponde al argumento de `duckdb::dbConnect__duckdb_driver()`
`colClasses`	(opcional) Clases de la columna para leer en `duckdb::read_csv_duckdb()`.
`sites.covid`	(opcional) Sitios web con el vinculo a los archivos `.zip` de l os datos abiertos. Puedes cambiarlo por uno de los historicos, por ejemplo. La estructura es `c("nombre" = "url", "nombre2" = "url2")`. La ultima verificacion del sitio web default fue el 6 de septiembre del 2022.
`download_process`	(opcional) Metodo para descargar ya sea `pins` o `download.file`. Se recomienda `pins` pues guarda en memoria la fecha de la ultima descarga y analiza si ha pasado mas de un dia desde la descarga. En caso afirmativo verifica si el archivo ha cambiado y si hubo cambios entonces lo descarga.
`unzip_command`	(opcional) Forma de extraer la base de datos de datos abiertos si `unzip` falla. La forma de llamarla es con `system2(unzip_command, args = c(unzip_args, file_download_data))`.
`unzip_args`	(opcional) Argumentos de extraccion de la base de datos de datos abiertos si `unzip` falla. La forma de llamarla es con `system2(unzip_command, args = c(unzip_args, file_download_data))`.
`check_unzip_install`	(opcional) Bandera de verificacion para checar si tienes lo necesario para unzippear los datos en el caso de que `unzip` no sirva.
`clear_zip`	(opcional) Si borrar los archivos `.zip` descargados para el diccionario y los datos abiertos. No se recomienda si estas usando `pins`. Ve la nota para mas informacion.
`clear_csv`	(opcional) Si borrar los archivos `.csv` que se generan despues de abrir el zip. El default es que si pues en general solo requieres el `duckdb`.
`force_download`	(opcional) Analiza si cambio el pin y descarga datos nuevos en caso afirmativo aunque haya pasado menos de un dia.
`show_warnings`	(opcional) si arrojar `warnings`
`datos_abiertos_zip_paths`	(opcional) Camino a los datos abiertos si ya los descargaste en `zip`
`datos_abiertos_unzipped_path`	(opcional) Camino a los datos abiertos `csv` si ya los descargaste y descomprimiste el archivo `zip` en un `csv`
`datos_abiertos_tbl`	(opcional) Camino a un archivo `.duckdb` con los datos formateados
`quiet`	(opcional) Variable para no mostrar mensajes
`board_url_name`	(opcional) Establece el nombre del `pins::board_url` para los datos abiertos (si ya usas pins para que no se empalme). Por default se llama `datos_abiertos`
`cache`	parametro para el cache de `pins::board_url`
`use_cache_on_failure`	(opcional) Booleana. Establece que si no se pueden descargar datos nuevos utilice los que tenga en memoria. Por default es `TRUE`.
`download_file_args`	(opcional) Lista de argumentos adicionales para `download.file` de los datos si se elige este metodo para descargar.
`descarga_db_datos_abiertos_tbl_args`	(opcional) Lista con argumentos adicionales para el `pins::pin_download` de datos abiertos
`...`	Parametros adicionales para `pins::pin_download`
`site.covid.dic`	(opcional) Sitio desde el cual descarga del diccionario de datos. La ultima verificacion del sitio fue el 6 de septiembre 2022.
`diccionario_zip_path`	(opcional) Camino al diccionario si ya losdescargaste en `zip`
`diccionario_unzipped_path`	(opcional) Camino al diccionario `csv` si ya lo descargaste y descomprimiste el archivo `zip` en un `csv`
`diccionario`	(opcional) Lo que resulta de realizar una descarga del diccionario usando `descarga_diccionario`
`board_url_name_dict`	(opcional) Establece el nombre del `pins::board_url` para los datos abiertos. Por default se llama `diccionario_covid`
`cache_diccionario`	(opcional) Direccion donde guardar el diccionario en memoria usando `pins` para no tener que volver a descargarlo si nada ha cambiado
`download_file_args_dict`	(opcional) Lista de argumentos adicionales para `download.file` del diccionario si se elige este metodo de descarga.
`unzip_args_dict`	(opcional) Lista de argumentos para usar `utils::unzip` en el diccionario de datos.
`descarga_db_diccionario_ssa_args`	(opcional) Lista con argumentos adicionales para el `pins::pin_download` de datos abiertos

Value

Lista de valores:

dats - Tabla conectada mediante duckdb::dbConnect__duckdb_driver() (si duckdb) o tibble (si tibble)
disconnect - Funcion para cerrar la conexion a la base de datos.
dict - Lista de tibbles con el diccionario de datos para cada variable

Examples


#Estos links deben omitirse en una corrida normal. Se incluyen por ahora como ejemplo
#pero las opciones site.covid.dic y sites.covid deben eliminarse de abajo.
diclink   <- "https://github.com/RodrigoZepeda/covidmx/raw/main/diccionario_datos_covid19.zip"
dlink     <- "https://github.com/RodrigoZepeda/covidmx/raw/main/datos_abiertos_covid19.zip"

#' #En el ejemplo de R por normas de CRAN tenemos que hacerlo así pero en tu
#computadora puedes solo usar descargar datos sin el if else
if (RCurl::url.exists(dlink) & RCurl::url.exists(diclink)){
  
  # Descarga solo el diccionario no oficial (omite el site.covid.dic para el de DGE)
  diccionario <- descarga_diccionario(show_warnings = FALSE, site.covid.dic = diclink)

  # O bien descarga solo los datos abiertos de ejemplo desde Github
  # omite el dlink (o cámbialo por el vínculo correcto) para descargar los datos de la DGE
  datos_abiertos <- descarga_db(sites.covid = dlink, show_warnings = FALSE)

  # Pegalos en el formato que se necesita para el resto de funciones
  datos_covid <- pega_db_datos_abiertos_tbl_y_diccionario(datos_abiertos, diccionario)

  # Desconectamos
  datos_covid$disconnect()

  # Tambien puedes descargar paso por paso
  datos_abiertos <- descarga_db_datos_abiertos_tbl(
    sites.covid = dlink,
    show_warnings = FALSE
  ) |> # Descarga
  unzip_db_datos_abiertos_tbl() |> # Unzippea
  parse_db_datos_abiertos_tbl() # Duckdb

  # O bien el diccionario
  diccionario <- descarga_db_diccionario_ssa(site.covid.dic = diclink) |> # Descarga
  unzip_db_diccionario_ssa() |> # Unzippea
  parse_db_diccionario_ssa() # Tibble

  # Si descargaste cada uno por separado necesitas la funcion pega para
  # juntarlos en un unico objeto
  datos_covid <- pega_db_datos_abiertos_tbl_y_diccionario(datos_abiertos, diccionario)
}

#Estos links deben omitirse en una corrida normal. Se incluyen por ahora como ejemplo
#pero las opciones site.covid.dic y sites.covid deben eliminarse de abajo.
diclink   <- "https://github.com/RodrigoZepeda/covidmx/raw/main/diccionario_datos_covid19.zip"
dlink     <- "https://github.com/RodrigoZepeda/covidmx/raw/main/datos_abiertos_covid19.zip"

#' #En el ejemplo de R por normas de CRAN tenemos que hacerlo así pero en tu
#computadora puedes solo usar descargar datos sin el if else
if (RCurl::url.exists(dlink) & RCurl::url.exists(diclink)){
  
  # Descarga solo el diccionario no oficial (omite el site.covid.dic para el de DGE)
  diccionario <- descarga_diccionario(show_warnings = FALSE, site.covid.dic = diclink)

  # O bien descarga solo los datos abiertos de ejemplo desde Github
  # omite el dlink (o cámbialo por el vínculo correcto) para descargar los datos de la DGE
  datos_abiertos <- descarga_db(sites.covid = dlink, show_warnings = FALSE)

  # Pegalos en el formato que se necesita para el resto de funciones
  datos_covid <- pega_db_datos_abiertos_tbl_y_diccionario(datos_abiertos, diccionario)

  # Desconectamos
  datos_covid$disconnect()

  # Tambien puedes descargar paso por paso
  datos_abiertos <- descarga_db_datos_abiertos_tbl(
    sites.covid = dlink,
    show_warnings = FALSE
  ) |> # Descarga
  unzip_db_datos_abiertos_tbl() |> # Unzippea
  parse_db_datos_abiertos_tbl() # Duckdb

  # O bien el diccionario
  diccionario <- descarga_db_diccionario_ssa(site.covid.dic = diclink) |> # Descarga
  unzip_db_diccionario_ssa() |> # Unzippea
  parse_db_diccionario_ssa() # Tibble

  # Si descargaste cada uno por separado necesitas la funcion pega para
  # juntarlos en un unico objeto
  datos_covid <- pega_db_datos_abiertos_tbl_y_diccionario(datos_abiertos, diccionario)
}

RT: Número efectivo de reproducción

Description

estima_rt Calcula el número efectivo de reproducción por fecha y entidad usando los metodos de EpiEstim::estimate_R(). Por default calcula el número efectivo de reproducción para cada estado.

Usage

estima_rt(
  datos_covid,
  entidades = c("AGUASCALIENTES", "BAJA CALIFORNIA", "BAJA CALIFORNIA SUR", "CAMPECHE",
    "CHIAPAS", "CHIHUAHUA", "CIUDAD DE MÉXICO", "COAHUILA DE ZARAGOZA", "COLIMA",
    "DURANGO", "GUANAJUATO", "GUERRERO", "HIDALGO", "JALISCO", "MÉXICO",
    "MICHOACÁN DE OCAMPO", "MORELOS", "NAYARIT", "NUEVO LEÓN", "OAXACA", "PUEBLA",
    "QUERÉTARO", "QUINTANA ROO", "SAN LUIS POTOSÍ", "SINALOA", "SONORA", "TABASCO",
    "TAMAULIPAS", "TLAXCALA", "VERACRUZ DE IGNACIO DE LA LLAVE", "YUCATÁN", "ZACATECAS"),
  group_by_entidad = TRUE,
  entidad_tipo = c("Unidad Medica", "Residencia", "Nacimiento"),
  fecha_tipo = c("Sintomas", "Ingreso", "Defuncion"),
  tipo_clasificacion = c("Sospechosos", "Confirmados COVID", "Negativo a COVID",
    "Inválido", "No realizado"),
  tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO", "NO ESPECIFICADO"),
  list_name = "estima_rt",
  min_date = as.POSIXct("2020-01-01", tz = Sys.timezone(), format = "%Y-%m-%d"),
  max_date = as.POSIXct(Sys.time()),
  method = "parametric_si",
  config = if (requireNamespace("EpiEstim", quietly = TRUE)) {
    
    EpiEstim::make_config(list(mean_si = 2.5, std_si = 1.6))
 } else {
     NULL
 },
  ...
)
estima_rt(
  datos_covid,
  entidades = c("AGUASCALIENTES", "BAJA CALIFORNIA", "BAJA CALIFORNIA SUR", "CAMPECHE",
    "CHIAPAS", "CHIHUAHUA", "CIUDAD DE MÉXICO", "COAHUILA DE ZARAGOZA", "COLIMA",
    "DURANGO", "GUANAJUATO", "GUERRERO", "HIDALGO", "JALISCO", "MÉXICO",
    "MICHOACÁN DE OCAMPO", "MORELOS", "NAYARIT", "NUEVO LEÓN", "OAXACA", "PUEBLA",
    "QUERÉTARO", "QUINTANA ROO", "SAN LUIS POTOSÍ", "SINALOA", "SONORA", "TABASCO",
    "TAMAULIPAS", "TLAXCALA", "VERACRUZ DE IGNACIO DE LA LLAVE", "YUCATÁN", "ZACATECAS"),
  group_by_entidad = TRUE,
  entidad_tipo = c("Unidad Medica", "Residencia", "Nacimiento"),
  fecha_tipo = c("Sintomas", "Ingreso", "Defuncion"),
  tipo_clasificacion = c("Sospechosos", "Confirmados COVID", "Negativo a COVID",
    "Inválido", "No realizado"),
  tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO", "NO ESPECIFICADO"),
  list_name = "estima_rt",
  min_date = as.POSIXct("2020-01-01", tz = Sys.timezone(), format = "%Y-%m-%d"),
  max_date = as.POSIXct(Sys.time()),
  method = "parametric_si",
  config = if (requireNamespace("EpiEstim", quietly = TRUE)) {
    
    EpiEstim::make_config(list(mean_si = 2.5, std_si = 1.6))
 } else {
     NULL
 },
  ...
)

Arguments

`datos_covid`	(obligatorio) Lista de `tibble`s o `duckdb`s resultante de `descarga_datos_abiertos()` o `read_datos_abiertos()`
`entidades`	(opcional) Vector con las entidades de las unidades medicas a analizar. Opciones: `AGUASCALIENTES`, `⁠BAJA CALIFORNIA⁠`, `⁠BAJA CALIFORNIA SUR⁠`, `CAMPECHE`, `CHIAPAS`, `CHIHUAHUA`, `⁠CIUDAD DE MEXICO⁠`, `⁠COAHUILA DE ZARAGOZA⁠` , `COLIMA`, `DURANGO`, `GUANAJUATO`, `GUERRERO`, `HIDALGO`, `JALISCO`, `MEXICO`, `⁠MICHOACAN DE OCAMPO⁠`, `MORELOS`,`NAYARIT` `⁠NUEVO LEON⁠`, `OAXACA` ,`PUEBLA`, `QUERETARO`,`⁠QUINTANA ROO⁠`, `⁠SAN LUIS POTOSI⁠`, `SINALOA`, `SONORA`, `TABASCO`, `TAMAULIPAS`,`TLAXCALA`, `⁠VERACRUZ DE IGNACIO DE LA LLAVE⁠`, `YUCATAN`, `ZACATECAS`.
`group_by_entidad`	(opcional) `TRUE` obtiene los casos para cada entidad reportando en cada fecha la entidad y los casos en dicha entidad. `FALSE` junta las `entidades` sumando sus casos en una sola observacion por cada fecha.
`entidad_tipo`	(opcional) Indica a que se refiere las `entidades` seleccionadas. Elige una de las opciones: `⁠Unidad Medica⁠` (entidad de la unidad medica), `Nacimiento` (entidad de origen del individuo) o `Residencia` (entidad donde reside el individuo).
`fecha_tipo`	(opcional) Selecciona si la fecha que se utiliza es la fecha de `Ingreso` (si aplica), la fecha de `Sintomas` o la de `Defuncion` (si aplica). El default es fecha de `Sintomas`.
`tipo_clasificacion`	(opcional) Vector con el tipo de clasificaciones (por la prueba) a incluir:`Sospechosos`,`⁠Confirmados COVID⁠`, `⁠Negativo a COVID⁠`, `⁠Inv\u00e1lido⁠`, `⁠No realizado⁠`
`tipo_paciente`	(opcional) Vector con el tipo de pacientes a incluir. Opciones: `AMBULATORIO`, `HOSPITALIZADO`, `⁠NO ESPECIFICADO⁠`. Por default se incluyen todos.
`list_name`	(opcional) Asigna un nombre en la lista de datos a la base generada
`min_date`	(opcional) Mínima fecha a partir de la cual estimar el RT.
`max_date`	(opcional) Máxima fecha a partir de la cual estimar el RT.
`method`	(opcional) Metodo para estimar el RT con `EpiEstim::estimate_R()`. Por default se recomienda el método paramétrico de intervalo serial `parametric_si`.
`config`	(opcional) Configuracion para la estimacion del RT usando `EpiEstim::make_config()`. Por default se utiliza una media del intervalo serial de `mean_si = 2.5` y una desviación estandar de `std_si = 1.6`. Sin embargo, como el intervalo serial depende mucho de la variante se recomienda cambiarlo.
`...`	(opcional) Parámetros adicionales para `EpiEstim::estimate_R()`.

Details

Se sugiere establecer una mínima fecha y una máxima fecha con min_date y max_date para la estimación pues los intervalos seriales de omicron son distintos a los de la variante delta.

Value

Une a la lista de datos_covid una nueva entrada de nombre list_name (default: estima_rt) con una base de datos (tibble) con los resultados agregados.

estima_rt - Base de datos generara con los datos agregados (el nombre cambia si se usa list_name).
dict - Diccionario de datos
dats - Datos originales (conexion a duckdb o tibble)
disconnect - Función para desconectarte de duckdb
... - Cualquier otro elemento que ya existiera en datos_covid

Examples


# Para el ejemplo usaremos los datos precargados (datosabiertos) pero tu puedes
# correr el ejemplo descargando informacion mas reciente.
datos_covid <- datosabiertos

# Casos a nivel nacional por estado en todos

suppressWarnings(
  datos_covid <- datos_covid |> estima_rt()
)
head(datos_covid$estima_rt)

# Cambios en la fecha de estimacion siguiendo la recomendacion
# y obtenemos todo a nivel nacional
datos_covid <- datos_covid |> estima_rt(
  min_date = as.POSIXct("2021-07-01"),
  max_date = as.POSIXct("2021-09-01"),
  list_name = "rt_min_max",
  group_by_entidad = FALSE
)
head(datos_covid$rt_min_max)

# Casos a nivel nacional en los confirmados
datos_covid <- datos_covid |>
  estima_rt(
    tipo_clasificacion = "Confirmados COVID",
    group_by_entidad = FALSE,
    list_name = "rt_confirmados"
  )
head(datos_covid$rt_confirmados)

#' # Cambios en los parametros de epiestim
# estos parametros no tienen razon de ser mas alla de mostrar como se cambian
datos_covid <- datos_covid |>
  estima_rt(
    group_by_entidad = FALSE,
    list_name = "config_rt",
    method = "uncertain_si", # Metodo de estimacion
    config = EpiEstim::make_config(
      mean_si = 2.4,
      std_si = 0.3,
      std_mean_si = 0.2,
      min_mean_si = 2,
      max_mean_si = 4,
      std_std_si = 0.1,
      min_std_si = 0.1,
      max_std_si = 1.0
    )
  )
head(datos_covid$config_rt)

# Casos en BC, BCS en los confirmados
datos_covid |>
  estima_rt(
    entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR"),
    tipo_clasificacion = "Confirmados COVID",
    group_by_entidad = TRUE,
    list_name = "rt_bc_bcs"
  ) |>
  plot_covid(
    df_name = "rt_bc_bcs", df_date_index = "FECHA_SINTOMAS",
    df_variable = "Mean(R)", df_covariates = "ENTIDAD_FEDERATIVA"
  )


# Finalmente desconectamos
datos_covid$disconnect()

# Para el ejemplo usaremos los datos precargados (datosabiertos) pero tu puedes
# correr el ejemplo descargando informacion mas reciente.
datos_covid <- datosabiertos

# Casos a nivel nacional por estado en todos

suppressWarnings(
  datos_covid <- datos_covid |> estima_rt()
)
head(datos_covid$estima_rt)

# Cambios en la fecha de estimacion siguiendo la recomendacion
# y obtenemos todo a nivel nacional
datos_covid <- datos_covid |> estima_rt(
  min_date = as.POSIXct("2021-07-01"),
  max_date = as.POSIXct("2021-09-01"),
  list_name = "rt_min_max",
  group_by_entidad = FALSE
)
head(datos_covid$rt_min_max)

# Casos a nivel nacional en los confirmados
datos_covid <- datos_covid |>
  estima_rt(
    tipo_clasificacion = "Confirmados COVID",
    group_by_entidad = FALSE,
    list_name = "rt_confirmados"
  )
head(datos_covid$rt_confirmados)

#' # Cambios en los parametros de epiestim
# estos parametros no tienen razon de ser mas alla de mostrar como se cambian
datos_covid <- datos_covid |>
  estima_rt(
    group_by_entidad = FALSE,
    list_name = "config_rt",
    method = "uncertain_si", # Metodo de estimacion
    config = EpiEstim::make_config(
      mean_si = 2.4,
      std_si = 0.3,
      std_mean_si = 0.2,
      min_mean_si = 2,
      max_mean_si = 4,
      std_std_si = 0.1,
      min_std_si = 0.1,
      max_std_si = 1.0
    )
  )
head(datos_covid$config_rt)

# Casos en BC, BCS en los confirmados
datos_covid |>
  estima_rt(
    entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR"),
    tipo_clasificacion = "Confirmados COVID",
    group_by_entidad = TRUE,
    list_name = "rt_bc_bcs"
  ) |>
  plot_covid(
    df_name = "rt_bc_bcs", df_date_index = "FECHA_SINTOMAS",
    df_variable = "Mean(R)", df_covariates = "ENTIDAD_FEDERATIVA"
  )


# Finalmente desconectamos
datos_covid$disconnect()

Numero de Pruebas

Description

numero_pruebas Calcula el numero total de pruebas por fecha agrupando (o sin hacerlo) por covariables. Por default calcula la el numero de pruebas de antigeno y PCR por separado para cada estado.

Usage

numero_pruebas(
  datos_covid,
  entidades = c("AGUASCALIENTES", "BAJA CALIFORNIA", "BAJA CALIFORNIA SUR", "CAMPECHE",
    "CHIAPAS", "CHIHUAHUA", "CIUDAD DE MÉXICO", "COAHUILA DE ZARAGOZA", "COLIMA",
    "DURANGO", "GUANAJUATO", "GUERRERO", "HIDALGO", "JALISCO", "MÉXICO",
    "MICHOACÁN DE OCAMPO", "MORELOS", "NAYARIT", "NUEVO LEÓN", "OAXACA", "PUEBLA",
    "QUERÉTARO", "QUINTANA ROO", "SAN LUIS POTOSÍ", "SINALOA", "SONORA", "TABASCO",
    "TAMAULIPAS", "TLAXCALA", "VERACRUZ DE IGNACIO DE LA LLAVE", "YUCATÁN", "ZACATECAS"),
  group_by_entidad = TRUE,
  entidad_tipo = c("Unidad Medica", "Residencia", "Nacimiento"),
  fecha_tipo = c("Sintomas", "Ingreso", "Defuncion"),
  tipo_prueba = c("Antigeno", "PCR"),
  group_by_tipo_prueba = TRUE,
  tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO", "NO ESPECIFICADO"),
  group_by_tipo_paciente = FALSE,
  tipo_uci = c("SI", "NO", "NO APLICA", "SE IGNORA", "NO ESPECIFICADO"),
  group_by_tipo_uci = FALSE,
  tipo_sector = c("CRUZ ROJA", "DIF", "ESTATAL", "IMSS", "IMSS-BIENESTAR", "ISSSTE",
    "MUNICIPAL", "PEMEX", "PRIVADA", "SEDENA", "SEMAR", "SSA", "UNIVERSITARIO",
    "NO ESPECIFICADO"),
  group_by_tipo_sector = FALSE,
  defunciones = FALSE,
  edad_cut = NULL,
  as_tibble = TRUE,
  fill_zeros = as_tibble,
  list_name = "numero_pruebas",
  .grouping_vars = c()
)
numero_pruebas(
  datos_covid,
  entidades = c("AGUASCALIENTES", "BAJA CALIFORNIA", "BAJA CALIFORNIA SUR", "CAMPECHE",
    "CHIAPAS", "CHIHUAHUA", "CIUDAD DE MÉXICO", "COAHUILA DE ZARAGOZA", "COLIMA",
    "DURANGO", "GUANAJUATO", "GUERRERO", "HIDALGO", "JALISCO", "MÉXICO",
    "MICHOACÁN DE OCAMPO", "MORELOS", "NAYARIT", "NUEVO LEÓN", "OAXACA", "PUEBLA",
    "QUERÉTARO", "QUINTANA ROO", "SAN LUIS POTOSÍ", "SINALOA", "SONORA", "TABASCO",
    "TAMAULIPAS", "TLAXCALA", "VERACRUZ DE IGNACIO DE LA LLAVE", "YUCATÁN", "ZACATECAS"),
  group_by_entidad = TRUE,
  entidad_tipo = c("Unidad Medica", "Residencia", "Nacimiento"),
  fecha_tipo = c("Sintomas", "Ingreso", "Defuncion"),
  tipo_prueba = c("Antigeno", "PCR"),
  group_by_tipo_prueba = TRUE,
  tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO", "NO ESPECIFICADO"),
  group_by_tipo_paciente = FALSE,
  tipo_uci = c("SI", "NO", "NO APLICA", "SE IGNORA", "NO ESPECIFICADO"),
  group_by_tipo_uci = FALSE,
  tipo_sector = c("CRUZ ROJA", "DIF", "ESTATAL", "IMSS", "IMSS-BIENESTAR", "ISSSTE",
    "MUNICIPAL", "PEMEX", "PRIVADA", "SEDENA", "SEMAR", "SSA", "UNIVERSITARIO",
    "NO ESPECIFICADO"),
  group_by_tipo_sector = FALSE,
  defunciones = FALSE,
  edad_cut = NULL,
  as_tibble = TRUE,
  fill_zeros = as_tibble,
  list_name = "numero_pruebas",
  .grouping_vars = c()
)

Arguments

`datos_covid`	(obligatorio) Lista de `tibble`s o `duckdb`s resultante de `descarga_datos_abiertos()` o `read_datos_abiertos()`
`entidades`	(opcional) Vector con las entidades de las unidades medicas a analizar. Opciones: `AGUASCALIENTES`, `⁠BAJA CALIFORNIA⁠`, `⁠BAJA CALIFORNIA SUR⁠`, `CAMPECHE`, `CHIAPAS`, `CHIHUAHUA`, `⁠CIUDAD DE MEXICO⁠`, `⁠COAHUILA DE ZARAGOZA⁠` , `COLIMA`, `DURANGO`, `GUANAJUATO`, `GUERRERO`, `HIDALGO`, `JALISCO`, `MEXICO`, `⁠MICHOACAN DE OCAMPO⁠`, `MORELOS`,`NAYARIT` `⁠NUEVO LEON⁠`, `OAXACA` ,`PUEBLA`, `QUERETARO`,`⁠QUINTANA ROO⁠`, `⁠SAN LUIS POTOSI⁠`, `SINALOA`, `SONORA`, `TABASCO`, `TAMAULIPAS`,`TLAXCALA`, `⁠VERACRUZ DE IGNACIO DE LA LLAVE⁠`, `YUCATAN`, `ZACATECAS`.
`group_by_entidad`	(opcional) `TRUE` obtiene los casos para cada entidad reportando en cada fecha la entidad y los casos en dicha entidad. `FALSE` junta las `entidades` sumando sus casos en una sola observacion por cada fecha.
`entidad_tipo`	(opcional) Indica a que se refiere las `entidades` seleccionadas. Elige una de las opciones: `⁠Unidad Medica⁠` (entidad de la unidad medica), `Nacimiento` (entidad de origen del individuo) o `Residencia` (entidad donde reside el individuo).
`fecha_tipo`	(opcional) Selecciona si la fecha que se utiliza es la fecha de `Ingreso` (si aplica), la fecha de `Sintomas` o la de `Defuncion` (si aplica). El default es fecha de `Sintomas`.
`tipo_prueba`	(opcional) Vector con el tipo de pruebas a incluir `Antigeno`, `PCR`. Por default se incluyen ambas.
`group_by_tipo_prueba`	(opcional) Booleana determinando si regresa la base con cada entrada agrupada por `tipo_prueba`. En caso `TRUE` (cada fecha y entidad reporta separado el los casos de PCR y Antigeno). En caso `FALSE` se juntan los casos de PCR y Antigeno para devolver un unico numero por fecha.
`tipo_paciente`	(opcional) Vector con el tipo de pacientes a incluir. Opciones: `AMBULATORIO`, `HOSPITALIZADO`, `⁠NO ESPECIFICADO⁠`. Por default se incluyen todos.
`group_by_tipo_paciente`	(opcional) Booleana determinando (caso `TRUE`) si regresa la base con cada entrada agrupada por `tipo_paciente` (es decir cada fecha se genera un renglon para `AMBULATORIO`, un renglon para `HOSPITALIZADO`, etc) o bien si se suman todos los grupos y cada fecha reporta solo la suma de estos (estilo `AMBULATORIO + HOSPITALIZADO` segun las categorias de `tipo_paciente`) El default es `FALSE`.
`tipo_uci`	(opcional) Vector con el tipo de valores para Unidad de Cuidado Intensivo (UCI) a incluir: `SI`,`NO`,`⁠NO APLICA⁠`,`⁠SE IGNORA⁠`,`⁠NO ESPECIFICADO⁠`. Por default se incluyen todos.
`group_by_tipo_uci`	(opcional) Booleana. El caso `TRUE` determina si regresa la base con cada fecha teniendo diferentes renglones uno para cada `tipo_uci` (es decir cada fecha se generan tantos observaciones como grupos de tipo de UCI) o bien en una sola fecha se suman todos los tipos de UCI (`FALSE`). El default es `FALSE`.
`tipo_sector`	(opcional) Vector con los sectores del sistema de salud a incluir: `⁠CRUZ ROJA⁠`,`DIF`,`ESTATAL`,`IMSS`,`IMSS-BIENESTAR`,`ISSSTE`, `MUNICIPAL`,`PEMEX`, `PRIVADA`,`SEDENA`,`SEMAR`,`SSA`, `UNIVERSITARIO`,`⁠NO ESPECIFICADO⁠`. Por default se incluyen todos.
`group_by_tipo_sector`	(opcional) Booleana determina en el caso de `TRUE` si regresa la base con cada entrada agrupada por `tipo_sector` (es decir cada fecha tiene una entrada con los del `IMSS`, una entrada distinta con los de `ISSSTE`, etc) o bien en caso de `FALSE` se devuelve una sola entrada por fecha con la suma `IMSS + ISSSTE + etc` segun los sectores seleccionados. El default es `FALSE`.
`defunciones`	(opcional) Booleana si incluir sólo defunciones `TRUE` o a todos `FALSE`. El default es `FALSE`.
`edad_cut`	(opcional) Vector con secuencia de edades para hacer grupos. Por ejemplo `edad_cut = c(0, 10, Inf)` arma dos grupos de edad de 0 a 10 y de 10 a infinito o bien `edad_cut = c(15, 20)` deja sólo los registros entre 15 y 20 años. Por default es `NULL` y no arma grupos etarios.
`as_tibble`	(opcional) Regresar como `tibble` el resultado. En caso de que `as_tibble` sea `FALSE` se devuelve como conexion en `duckdb`. Se recomienda el default (`tibble`).
`fill_zeros`	(opcional) En caso de que el resultado sea un `tibble` regresa observaciones para todas las combinaciones de variables incluyendo como 0 aquellas fechas cuando no se observaron casos. En caso contrario no se incluyen las filas donde no se observaron casos.
`list_name`	(opcional) Asigna un nombre en la lista de datos a la base generada
`.grouping_vars`	(opcional) Vector de variables adicionales de agrupacion de los conteos. Por ejemplo si se agrega `.grouping_vars = 'DIABETES'` entonces para cada fecha habra dos conteos de casos uno de los que tienen diabetes y uno de los que no.

Details

Las pruebas de PCR (polymerase chain reaction) identifican material genetico de un organismo (por ejemplo un virus como el COVID-19 o la influenza). Las pruebas de antigeno (o pruebas rapidas) detectan algunas proteinas que conforman el virus.

Para mas informacion sobre las pruebas y su interpretacion puedes consultar las guias del CDC

Value

Adiciona a la lista de datos_covid una nueva entrada de nombre list_name (default: numero_pruebas) con una base de datos (tibble o duckdb) con los resultados agregados.

numero_pruebas - Base de datos generara con los datos agregados (el nombre cambia si se usa list_name).
dict - Diccionario de datos
dats - Datos originales (conexion a duckdb o tibble)
disconnect - Función para desconectarte de duckdb
... - Cualquier otro elemento que ya existiera en datos_covid

Examples


# Para el ejemplo usaremos los datos precargados (datosabiertos) pero tu puedes
# correr el ejemplo descargando informacion mas reciente.
datos_covid <- datosabiertos

# Número de pruebas PCR/Antigeno a nivel nacional por estado
datos_covid <- datos_covid |> numero_pruebas()
head(datos_covid$numero_pruebas)

# Número de pruebas nacionales pero sin separar por tipo ni estado
datos_covid <- datos_covid |>
  numero_pruebas(
    group_by_entidad = FALSE, group_by_tipo_prueba = FALSE,
    list_name = "Todas_las_pruebas"
  )
head(datos_covid$Todas_las_pruebas)

# Positivos en Baja California Sur
datos_covid <- datos_covid |>
  numero_pruebas(
    entidades = c("BAJA CALIFORNIA SUR"),
    list_name = "BCS"
  )
head(datos_covid$BCS)

# Si deseas agrupar por una variable que no este en las opciones asi como tipo paciente
datos_covid <- datos_covid |>
  numero_pruebas(
    tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO"),
    group_by_tipo_paciente = TRUE,
    .grouping_vars = c("DIABETES"),
    list_name = "pruebas_diabetes"
  )
head(datos_covid$pruebas_diabetes)

# Una vez hayas concluido tu trabajo no olvides desconectar
datos_covid$disconnect()
# Para el ejemplo usaremos los datos precargados (datosabiertos) pero tu puedes
# correr el ejemplo descargando informacion mas reciente.
datos_covid <- datosabiertos

# Número de pruebas PCR/Antigeno a nivel nacional por estado
datos_covid <- datos_covid |> numero_pruebas()
head(datos_covid$numero_pruebas)

# Número de pruebas nacionales pero sin separar por tipo ni estado
datos_covid <- datos_covid |>
  numero_pruebas(
    group_by_entidad = FALSE, group_by_tipo_prueba = FALSE,
    list_name = "Todas_las_pruebas"
  )
head(datos_covid$Todas_las_pruebas)

# Positivos en Baja California Sur
datos_covid <- datos_covid |>
  numero_pruebas(
    entidades = c("BAJA CALIFORNIA SUR"),
    list_name = "BCS"
  )
head(datos_covid$BCS)

# Si deseas agrupar por una variable que no este en las opciones asi como tipo paciente
datos_covid <- datos_covid |>
  numero_pruebas(
    tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO"),
    group_by_tipo_paciente = TRUE,
    .grouping_vars = c("DIABETES"),
    list_name = "pruebas_diabetes"
  )
head(datos_covid$pruebas_diabetes)

# Una vez hayas concluido tu trabajo no olvides desconectar
datos_covid$disconnect()

Grafica los casos de COVID-19

Description

plot_covid Intenta graficar automaticamente la base de datos de covid generados por casos()

Usage

plot_covid(
  datos_covid,
  df_name = "casos",
  df_date_index = stringr::str_subset(colnames(datos_covid[df_name][[1]]),
    "FECHA|fecha|Fecha"),
  df_variable = NULL,
  df_covariates = c(),
  facet_scale = "free_y",
  facet_ncol = 4,
  date_break_format = "2 months",
  date_labels_format = "%B-%y",
  type = c("point", "line", "spline", "area"),
  plot_theme = ggplot2::theme(panel.background = ggplot2::element_rect(fill = "white"),
    plot.background = ggplot2::element_rect(fill = "white"), axis.text.x =
    ggplot2::element_text(angle = 90, hjust = 1), axis.line.x =
    ggplot2::element_line(color = "black"), legend.position = "none"),
  ...
)
plot_covid(
  datos_covid,
  df_name = "casos",
  df_date_index = stringr::str_subset(colnames(datos_covid[df_name][[1]]),
    "FECHA|fecha|Fecha"),
  df_variable = NULL,
  df_covariates = c(),
  facet_scale = "free_y",
  facet_ncol = 4,
  date_break_format = "2 months",
  date_labels_format = "%B-%y",
  type = c("point", "line", "spline", "area"),
  plot_theme = ggplot2::theme(panel.background = ggplot2::element_rect(fill = "white"),
    plot.background = ggplot2::element_rect(fill = "white"), axis.text.x =
    ggplot2::element_text(angle = 90, hjust = 1), axis.line.x =
    ggplot2::element_line(color = "black"), legend.position = "none"),
  ...
)

Arguments

`datos_covid`	(obligatorio) Lista de `tibble`s resultante de `casos()`, `cfr()`, `chr()`, `positividad()` o `rt()`
`df_name`	(opcional) Nombre de la base de datos dentro de la lista `datos_covid`
`df_date_index`	(opcional) Nombre de la variable que contiene la fecha
`df_variable`	(opcional) Nombre de la variable que se va a graficar en el eje y
`df_covariates`	(opcional) Covariables para el `facet_wrap` (maximo 2)
`facet_scale`	(opcional) Escala para el `ggplot2::facet_wrap()`
`facet_ncol`	(opcional) Numero de columnas para el `ggplot2::facet_wrap()`
`date_break_format`	(opcional) Breaks para el eje x `ggplot2::scale_x_date()`
`date_labels_format`	(opcional) Formato de fecha para el eje x `ggplot2::scale_x_date()`
`type`	(opcional) Tipo de grafica (`line`, `area`, `spline` o `point`)
`plot_theme`	(opcional) Tema para el `ggplot2` (ejemplo `ggplot2::theme_classic()`).
`...`	(opcional) Parametros adicionales para `ggformula::geom_spline()` en caso de elegir `type="spline"`

Value

Un ggplot2 con la imagen graficada.

Examples


# Para el ejemplo usaremos los datos precargados (datosabiertos) pero tu puedes
# correr el ejemplo descargando informacion mas reciente:
datos_covid <- datosabiertos

# Aqui muchos aparecen en cero si usas el default de datosabiertos
# porque la base de datosabiertos tiene muy pocos casos
datos_covid |>
  casos(list_name = "casos_for_plot", group_by_entidad = FALSE) |>
  plot_covid(df_name = "casos_for_plot")

# Grafica de casos nacional

datos_covid |>
  casos(group_by_entidad = FALSE, list_name = "plot_nal") |>
  plot_covid(df_name = "plot_nal")

# Ajuste mediante splines
datos_covid |>
  casos(group_by_entidad = FALSE, list_name = "spline_nacional") |>
  plot_covid(df_name = "spline_nacional", type = "spline", spar = 0.5)

# Graficacion por covariables
# el objeto devuelto es un objeto de ggplot2 al que se le puede dar formato
if (!requireNamespace("ggplot2", quietly = TRUE)) {
  datos_covid |>
    chr(
      group_by_entidad = TRUE, list_name = "plot_nal", .grouping_vars = c("SEXO"),
      entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR")
    ) |>
    plot_covid(
      df_name = "plot_nal",
      date_break_format = "1 week",
      date_labels_format = "%d/%B/%Y",
      df_covariates = c("SEXO", "ENTIDAD_FEDERATIVA"),
      type = "area"
    ) +
    ggplot2::ggtitle("Plot nacional")
}

# Puedes tambien primero editar el tibble que usaras por ejemplo poniendo
# los nombres de los sexos
datos_covid <- datos_covid |>
  chr(
    group_by_entidad = TRUE, list_name = "plot_nal", .grouping_vars = c("SEXO"),
    entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR")
  )


# Finalmente desconectamos
datos_covid$disconnect()

# Para el ejemplo usaremos los datos precargados (datosabiertos) pero tu puedes
# correr el ejemplo descargando informacion mas reciente:
datos_covid <- datosabiertos

# Aqui muchos aparecen en cero si usas el default de datosabiertos
# porque la base de datosabiertos tiene muy pocos casos
datos_covid |>
  casos(list_name = "casos_for_plot", group_by_entidad = FALSE) |>
  plot_covid(df_name = "casos_for_plot")

# Grafica de casos nacional

datos_covid |>
  casos(group_by_entidad = FALSE, list_name = "plot_nal") |>
  plot_covid(df_name = "plot_nal")

# Ajuste mediante splines
datos_covid |>
  casos(group_by_entidad = FALSE, list_name = "spline_nacional") |>
  plot_covid(df_name = "spline_nacional", type = "spline", spar = 0.5)

# Graficacion por covariables
# el objeto devuelto es un objeto de ggplot2 al que se le puede dar formato
if (!requireNamespace("ggplot2", quietly = TRUE)) {
  datos_covid |>
    chr(
      group_by_entidad = TRUE, list_name = "plot_nal", .grouping_vars = c("SEXO"),
      entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR")
    ) |>
    plot_covid(
      df_name = "plot_nal",
      date_break_format = "1 week",
      date_labels_format = "%d/%B/%Y",
      df_covariates = c("SEXO", "ENTIDAD_FEDERATIVA"),
      type = "area"
    ) +
    ggplot2::ggtitle("Plot nacional")
}

# Puedes tambien primero editar el tibble que usaras por ejemplo poniendo
# los nombres de los sexos
datos_covid <- datos_covid |>
  chr(
    group_by_entidad = TRUE, list_name = "plot_nal", .grouping_vars = c("SEXO"),
    entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR")
  )


# Finalmente desconectamos
datos_covid$disconnect()

Positividad

Description

positividad Calcula la positividad por fecha agrupando (o sin hacerlo) por covariables. Por default calcula la positividad de las pruebas haciendo Antigeno y PCR por separado, cada una por fecha y entidad.

Usage

positividad(
  datos_covid,
  entidades = c("AGUASCALIENTES", "BAJA CALIFORNIA", "BAJA CALIFORNIA SUR", "CAMPECHE",
    "CHIAPAS", "CHIHUAHUA", "CIUDAD DE MÉXICO", "COAHUILA DE ZARAGOZA", "COLIMA",
    "DURANGO", "GUANAJUATO", "GUERRERO", "HIDALGO", "JALISCO", "MÉXICO",
    "MICHOACÁN DE OCAMPO", "MORELOS", "NAYARIT", "NUEVO LEÓN", "OAXACA", "PUEBLA",
    "QUERÉTARO", "QUINTANA ROO", "SAN LUIS POTOSÍ", "SINALOA", "SONORA", "TABASCO",
    "TAMAULIPAS", "TLAXCALA", "VERACRUZ DE IGNACIO DE LA LLAVE", "YUCATÁN", "ZACATECAS"),
  group_by_entidad = TRUE,
  entidad_tipo = c("Unidad Medica", "Residencia", "Nacimiento"),
  fecha_tipo = c("Sintomas", "Ingreso", "Defuncion"),
  tipo_prueba = c("Antigeno", "PCR"),
  group_by_tipo_prueba = TRUE,
  tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO", "NO ESPECIFICADO"),
  group_by_tipo_paciente = FALSE,
  tipo_uci = c("SI", "NO", "NO APLICA", "SE IGNORA", "NO ESPECIFICADO"),
  group_by_tipo_uci = FALSE,
  tipo_sector = c("CRUZ ROJA", "DIF", "ESTATAL", "IMSS", "IMSS-BIENESTAR", "ISSSTE",
    "MUNICIPAL", "PEMEX", "PRIVADA", "SEDENA", "SEMAR", "SSA", "UNIVERSITARIO",
    "NO ESPECIFICADO"),
  group_by_tipo_sector = FALSE,
  defunciones = FALSE,
  edad_cut = NULL,
  fill_NA = TRUE,
  list_name = "positividad",
  remove_inconclusive = TRUE,
  .grouping_vars = c()
)
positividad(
  datos_covid,
  entidades = c("AGUASCALIENTES", "BAJA CALIFORNIA", "BAJA CALIFORNIA SUR", "CAMPECHE",
    "CHIAPAS", "CHIHUAHUA", "CIUDAD DE MÉXICO", "COAHUILA DE ZARAGOZA", "COLIMA",
    "DURANGO", "GUANAJUATO", "GUERRERO", "HIDALGO", "JALISCO", "MÉXICO",
    "MICHOACÁN DE OCAMPO", "MORELOS", "NAYARIT", "NUEVO LEÓN", "OAXACA", "PUEBLA",
    "QUERÉTARO", "QUINTANA ROO", "SAN LUIS POTOSÍ", "SINALOA", "SONORA", "TABASCO",
    "TAMAULIPAS", "TLAXCALA", "VERACRUZ DE IGNACIO DE LA LLAVE", "YUCATÁN", "ZACATECAS"),
  group_by_entidad = TRUE,
  entidad_tipo = c("Unidad Medica", "Residencia", "Nacimiento"),
  fecha_tipo = c("Sintomas", "Ingreso", "Defuncion"),
  tipo_prueba = c("Antigeno", "PCR"),
  group_by_tipo_prueba = TRUE,
  tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO", "NO ESPECIFICADO"),
  group_by_tipo_paciente = FALSE,
  tipo_uci = c("SI", "NO", "NO APLICA", "SE IGNORA", "NO ESPECIFICADO"),
  group_by_tipo_uci = FALSE,
  tipo_sector = c("CRUZ ROJA", "DIF", "ESTATAL", "IMSS", "IMSS-BIENESTAR", "ISSSTE",
    "MUNICIPAL", "PEMEX", "PRIVADA", "SEDENA", "SEMAR", "SSA", "UNIVERSITARIO",
    "NO ESPECIFICADO"),
  group_by_tipo_sector = FALSE,
  defunciones = FALSE,
  edad_cut = NULL,
  fill_NA = TRUE,
  list_name = "positividad",
  remove_inconclusive = TRUE,
  .grouping_vars = c()
)

Arguments

`datos_covid`	(obligatorio) Lista de `tibble`s o `duckdb`s resultante de `descarga_datos_abiertos()` o `read_datos_abiertos()`
`entidades`	(opcional) Vector con las entidades de las unidades medicas a analizar. Opciones: `AGUASCALIENTES`, `⁠BAJA CALIFORNIA⁠`, `⁠BAJA CALIFORNIA SUR⁠`, `CAMPECHE`, `CHIAPAS`, `CHIHUAHUA`, `⁠CIUDAD DE MEXICO⁠`, `⁠COAHUILA DE ZARAGOZA⁠` , `COLIMA`, `DURANGO`, `GUANAJUATO`, `GUERRERO`, `HIDALGO`, `JALISCO`, `MEXICO`, `⁠MICHOACAN DE OCAMPO⁠`, `MORELOS`,`NAYARIT` `⁠NUEVO LEON⁠`, `OAXACA` ,`PUEBLA`, `QUERETARO`,`⁠QUINTANA ROO⁠`, `⁠SAN LUIS POTOSI⁠`, `SINALOA`, `SONORA`, `TABASCO`, `TAMAULIPAS`,`TLAXCALA`, `⁠VERACRUZ DE IGNACIO DE LA LLAVE⁠`, `YUCATAN`, `ZACATECAS`.
`group_by_entidad`	(opcional) `TRUE` obtiene los casos para cada entidad reportando en cada fecha la entidad y los casos en dicha entidad. `FALSE` junta las `entidades` sumando sus casos en una sola observacion por cada fecha.
`entidad_tipo`	(opcional) Indica a que se refiere las `entidades` seleccionadas. Elige una de las opciones: `⁠Unidad Medica⁠` (entidad de la unidad medica), `Nacimiento` (entidad de origen del individuo) o `Residencia` (entidad donde reside el individuo).
`fecha_tipo`	(opcional) Selecciona si la fecha que se utiliza es la fecha de `Ingreso` (si aplica), la fecha de `Sintomas` o la de `Defuncion` (si aplica). El default es fecha de `Sintomas`.
`tipo_prueba`	(opcional) Vector con el tipo de pruebas a incluir `Antigeno`, `PCR`. Por default se incluyen ambas.
`group_by_tipo_prueba`	(opcional) Booleana determinando si regresa la base con cada entrada agrupada por `tipo_prueba`. En caso `TRUE` (cada fecha y entidad reporta separado el los casos de PCR y Antigeno). En caso `FALSE` se juntan los casos de PCR y Antigeno para devolver un unico numero por fecha.
`tipo_paciente`	(opcional) Vector con el tipo de pacientes a incluir. Opciones: `AMBULATORIO`, `HOSPITALIZADO`, `⁠NO ESPECIFICADO⁠`. Por default se incluyen todos.
`group_by_tipo_paciente`	(opcional) Booleana determinando (caso `TRUE`) si regresa la base con cada entrada agrupada por `tipo_paciente` (es decir cada fecha se genera un renglon para `AMBULATORIO`, un renglon para `HOSPITALIZADO`, etc) o bien si se suman todos los grupos y cada fecha reporta solo la suma de estos (estilo `AMBULATORIO + HOSPITALIZADO` segun las categorias de `tipo_paciente`) El default es `FALSE`.
`tipo_uci`	(opcional) Vector con el tipo de valores para Unidad de Cuidado Intensivo (UCI) a incluir: `SI`,`NO`,`⁠NO APLICA⁠`,`⁠SE IGNORA⁠`,`⁠NO ESPECIFICADO⁠`. Por default se incluyen todos.
`group_by_tipo_uci`	(opcional) Booleana. El caso `TRUE` determina si regresa la base con cada fecha teniendo diferentes renglones uno para cada `tipo_uci` (es decir cada fecha se generan tantos observaciones como grupos de tipo de UCI) o bien en una sola fecha se suman todos los tipos de UCI (`FALSE`). El default es `FALSE`.
`tipo_sector`	(opcional) Vector con los sectores del sistema de salud a incluir: `⁠CRUZ ROJA⁠`,`DIF`,`ESTATAL`,`IMSS`,`IMSS-BIENESTAR`,`ISSSTE`, `MUNICIPAL`,`PEMEX`, `PRIVADA`,`SEDENA`,`SEMAR`,`SSA`, `UNIVERSITARIO`,`⁠NO ESPECIFICADO⁠`. Por default se incluyen todos.
`group_by_tipo_sector`	(opcional) Booleana determina en el caso de `TRUE` si regresa la base con cada entrada agrupada por `tipo_sector` (es decir cada fecha tiene una entrada con los del `IMSS`, una entrada distinta con los de `ISSSTE`, etc) o bien en caso de `FALSE` se devuelve una sola entrada por fecha con la suma `IMSS + ISSSTE + etc` segun los sectores seleccionados. El default es `FALSE`.
`defunciones`	(opcional) Booleana si incluir sólo defunciones `TRUE` o a todos `FALSE`. El default es `FALSE`.
`edad_cut`	(opcional) Vector con secuencia de edades para hacer grupos. Por ejemplo `edad_cut = c(0, 10, Inf)` arma dos grupos de edad de 0 a 10 y de 10 a infinito o bien `edad_cut = c(15, 20)` deja sólo los registros entre 15 y 20 años. Por default es `NULL` y no arma grupos etarios.
`fill_NA`	(opcional) Regresa observaciones para todas las combinaciones de variables incluyendo como `NA` donde no se observaron casos en el denominador. En caso contrario no se incluyen las filas donde no se observaron casos.
`list_name`	(opcional) Asigna un nombre en la lista de datos a la base generada
`remove_inconclusive`	(opcional) Si `TRUE` no considera en el denominador de la positividad las pruebas cuyo resultado es inconcluso o aún no ha sido otorgado. Si `FALSE` considera a todos. Por default es `TRUE`.
`.grouping_vars`	(opcional) Vector de variables adicionales de agrupacion de los conteos. Por ejemplo si se agrega `.grouping_vars = 'DIABETES'` entonces para cada fecha habra dos conteos de casos uno de los que tienen diabetes y uno de los que no.

Details

La positividad se define como

$\frac{\# Pruebas positivas}{Total de pruebas}$

Si se utiliza la opción remove_inconclusive = TRUE el Total de pruebas se calcula utilizando solo POSITIVOS + NEGATIVOS. Si remove_inconclusive = FALSE se calcula utilizando todas las personas que tuvieron prueba: ⁠POSITIVOS + NEGATIVOS + INCONCLUSOS + SIN RESULTADO⁠.

Si no se realizaron pruebas un dia la positividad no esta definida pues el Total de pruebas es cero. En ese caso si fill_NA = TRUE se devuelven las entradas de esos dias pero con valor NA.

Value

Une a la lista de datos_covid una nueva entrada de nombre list_name (default: positividad) con una base de datos (tibble) con los resultados agregados.

positividad - Base de datos generara con los datos agregados (el nombre cambia si se usa list_name).
dict - Diccionario de datos
dats - Datos originales (conexion a duckdb o tibble)
disconnect - Función para desconectarte de duckdb
... - Cualquier otro elemento que ya existiera en datos_covid

References

Furuse, Y., Ko, Y. K., Ninomiya, K., Suzuki, M., & Oshitani, H. (2021). Relationship of test positivity rates with COVID-19 epidemic dynamics. International journal of environmental research and public health, 18(9), 4655.

Al Dallal, A., AlDallal, U., & Al Dallal, J. (2021). Positivity rate: an indicator for the spread of COVID-19. Current Medical Research and Opinion, 37(12), 2067-2076.

Examples


# Para el ejemplo usaremos los datos precargados (datosabiertos) pero tu puedes
# correr el ejemplo descargando informacion mas reciente.
datos_covid <- datosabiertos

# Casos a nivel nacional por estado por tipo de prueba
datos_covid <- datos_covid |> positividad()
head(datos_covid$positividad)


# Total nacional sumando todas las pruebas del pais
datos_covid <- datos_covid |>
  positividad(group_by_entidad = FALSE, list_name = "positividad_nacional")
head(datos_covid$positividad_nacional)

# Positivos en Baja California y Baja California Sur
datos_covid <- datos_covid |>
  positividad(
    entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR"),
    list_name = "positividad_californiana"
  )
head(datos_covid$positividad_californiana)

# Agrupando ambas pruebas en una sola positividad global
datos_covid <- datos_covid |>
  positividad(
    entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR"),
    group_by_tipo_prueba = FALSE,
    list_name = "positividad_californiana_2"
  )
head(datos_covid$positividad_californiana_2)

# Regresa la suma de ambos estados pero dividiendo por tipo de paciente
datos_covid <- datos_covid |>
  positividad(
    entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR"),
    group_by_entidad = FALSE,
    tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO"),
    group_by_tipo_paciente = TRUE,
    list_name = "positividad_paciente"
  )
head(datos_covid$positividad_paciente)

# Si deseas agrupar por una variable que no este en las opciones va en .grouping_vars
datos_covid <- datos_covid |>
  positividad(
    tipo_sector = "IMSS",
    .grouping_vars = c("SEXO"),
    list_name = "positividad_imss_sexo"
  )
head(datos_covid$positividad_imss_sexo)


# Una vez hayas concluido tu trabajo no olvides desconectar
datos_covid$disconnect()
# Para el ejemplo usaremos los datos precargados (datosabiertos) pero tu puedes
# correr el ejemplo descargando informacion mas reciente.
datos_covid <- datosabiertos

# Casos a nivel nacional por estado por tipo de prueba
datos_covid <- datos_covid |> positividad()
head(datos_covid$positividad)


# Total nacional sumando todas las pruebas del pais
datos_covid <- datos_covid |>
  positividad(group_by_entidad = FALSE, list_name = "positividad_nacional")
head(datos_covid$positividad_nacional)

# Positivos en Baja California y Baja California Sur
datos_covid <- datos_covid |>
  positividad(
    entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR"),
    list_name = "positividad_californiana"
  )
head(datos_covid$positividad_californiana)

# Agrupando ambas pruebas en una sola positividad global
datos_covid <- datos_covid |>
  positividad(
    entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR"),
    group_by_tipo_prueba = FALSE,
    list_name = "positividad_californiana_2"
  )
head(datos_covid$positividad_californiana_2)

# Regresa la suma de ambos estados pero dividiendo por tipo de paciente
datos_covid <- datos_covid |>
  positividad(
    entidades = c("BAJA CALIFORNIA", "BAJA CALIFORNIA SUR"),
    group_by_entidad = FALSE,
    tipo_paciente = c("AMBULATORIO", "HOSPITALIZADO"),
    group_by_tipo_paciente = TRUE,
    list_name = "positividad_paciente"
  )
head(datos_covid$positividad_paciente)

# Si deseas agrupar por una variable que no este en las opciones va en .grouping_vars
datos_covid <- datos_covid |>
  positividad(
    tipo_sector = "IMSS",
    .grouping_vars = c("SEXO"),
    list_name = "positividad_imss_sexo"
  )
head(datos_covid$positividad_imss_sexo)


# Una vez hayas concluido tu trabajo no olvides desconectar
datos_covid$disconnect()

Lee la base de datos de la direccion general de epidemiologia que ya descargaste

Description

read_datos_abiertos Lee los datos abiertos almacenados en tu base de duckdb que bajaste con descarga_datos_abiertos. Intenta de manera automática determinar si los lee de duckdb, csv ó zip

Usage

read_datos_abiertos(
  datos_abiertos_path = NULL,
  dbdir = tempfile(fileext = ".duckdb"),
  tblname = "covidmx",
  pragma_memory_limit = Sys.getenv("pragma_memory_limit"),
  drv = duckdb::duckdb(),
  colClasses = get_col_class(),
  read_format = c("duckdb", "tibble"),
  ...
)
read_datos_abiertos(
  datos_abiertos_path = NULL,
  dbdir = tempfile(fileext = ".duckdb"),
  tblname = "covidmx",
  pragma_memory_limit = Sys.getenv("pragma_memory_limit"),
  drv = duckdb::duckdb(),
  colClasses = get_col_class(),
  read_format = c("duckdb", "tibble"),
  ...
)

Arguments

`datos_abiertos_path`	(obligatorio) Camino a los datos abiertos si son un `zip`, un `csv` o un `.duckdb`
`dbdir`	(opcional) Direccion donde guardar la base de datos con terminacion `.duckdb`. Corresponde al argumento de `duckdb::dbConnect__duckdb_driver()`
`tblname`	(opcional) Nombre de la tabla de `duckdb` donde guardar los datos por default se llama `covidmx`. Solo es relevante si estas usando el mismo `dbdir` para otro proyecto distinto.
`pragma_memory_limit`	(opcional) Limite de memoria para el programa (ver PRAGMAS). Cambialo a que sea mas o menos la mitad de tu RAM. La forma mas sencilla es como una variable ambiental con `Sys.setenv('pragma_memory_limit' = '1GB')` por ejemplo para un limite de 1 gigabyte.
`drv`	(opcional) Un driver para `dbConnect` (default `duckdb::duckdb()`)
`colClasses`	(opcional) Clases de la columna para leer en `duckdb::read_csv_duckdb()`.
`read_format`	(opcional) `"duckdb"` o `"tibble"` establece el formato de lectura de la base de datos. En la mayoria de los casos `"tibble"` va a resultar en un error de memoria. La opcion de `"duckdb"` siempre es mas rapida por lo cual es el default.
`...`	(opcional) parametros adicionales para `descarga_datos_abiertos()`

Value

Lista de valores:

dats - Tabla conectada mediante DBI::dbConnect (si duckdb) o tibble (si tibble)
disconnect - Funcion para cerrar la conexion a la base de datos.
dict - Lista de tibbles con el diccionario de datos para cada variable

Note

Para guardar tu base con duckdb cambia el dbdir a un archivo .duckdb. Como ejemplo dbdir = "ejemplo.duckdb".

Examples


#Archivo temporal donde guardar las cosas es cualquier .duckdb
file_duck <- tempfile(fileext = ".duckdb")

#Estos links deben omitirse en una corrida normal. Se incluyen por ahora como ejemplo
#pero las opciones site.covid.dic y sites.covid deben eliminarse de abajo.
dlink   <- "https://github.com/RodrigoZepeda/covidmx/raw/main/datos_abiertos_covid19.zip"
diclink <- "https://github.com/RodrigoZepeda/covidmx/raw/main/diccionario_datos_covid19.zip"

if (RCurl::url.exists(dlink) & RCurl::url.exists(diclink)){
  # EJEMPLO 0: Descarga los datos abiertos en archivo file_duck
  descarga_datos_abiertos(dbdir = file_duck, sites.covid = dlink, show_warnings = FALSE, 
      site.covid.dic = diclink)$disconnect()

  # EJEMPLO 1: Lee los datos de duckdb una vez descargados
  datos_covid <- read_datos_abiertos(file_duck, show_warnings = FALSE, 
                                      site.covid.dic = diclink) # Lee duckdb
  datos_covid$disconnect()

# EJEMPLO 2: Lee los datos desde un zip descargado
# Descarga archivos de la DGE y guarda el zip
direccion_zip <- descarga_db_datos_abiertos_tbl(sites.covid = dlink, show_warnings = FALSE)
# Lee zip
datos_covid <- read_datos_abiertos(direccion_zip, dbdir = file_duck, show_warnings = FALSE,
                    site.covid.dic = diclink)
datos_covid$disconnect()

# EJEMPLO 3: Lee los datos desde un zip descargado
# Descarga archivos zip de la DGE
direccion_zip <- descarga_db_datos_abiertos_tbl(sites.covid = dlink, show_warnings = FALSE)
direccion_csv <- unzip_db_datos_abiertos_tbl(direccion_zip) # Descomprime el zip para tener csv
# Lee los csv
datos_covid <- read_datos_abiertos(direccion_csv, dbdir = file_duck, show_warnings = FALSE,
                                     site.covid.dic = diclink) 
datos_covid$disconnect()

# EJEMPLO 4: Si ya tenias el diccionario lo puedes agregar
# Simula la idea de ya tener el diccionario
diccionario <- descarga_diccionario(show_warnings = FALSE, site.covid.dic = diclink) 
datos_covid <- read_datos_abiertos(file_duck, diccionario = diccionario, show_warnings = FALSE)
datos_covid$disconnect()

# EJEMPLO 5: Si ya tenias el diccionario como archivo zip
# Descarga el diccionario para tenerlo como zip
diccionario_zip <- descarga_db_diccionario_ssa(show_warnings = FALSE, site.covid.dic = diclink) 
datos_covid <- read_datos_abiertos(file_duck, diccionario_zip_path = diccionario_zip, 
                                    show_warnings = FALSE)
datos_covid$disconnect()

# EJEMPLO 6: Si ya tenias el diccionario como archivo xlsx
# Descarga el diccionario para tenerlo como zip
diccionario_zip <- descarga_db_diccionario_ssa(show_warnings = FALSE, site.covid.dic = diclink)
# Abre el csv del diccionario
diccionario_csv <- unzip_db_diccionario_ssa(diccionario_zip) 
datos_covid <- read_datos_abiertos(file_duck,
  diccionario_unzipped_path = diccionario_csv,
  show_warnings = FALSE
)
datos_covid$disconnect()
}

#Archivo temporal donde guardar las cosas es cualquier .duckdb
file_duck <- tempfile(fileext = ".duckdb")

#Estos links deben omitirse en una corrida normal. Se incluyen por ahora como ejemplo
#pero las opciones site.covid.dic y sites.covid deben eliminarse de abajo.
dlink   <- "https://github.com/RodrigoZepeda/covidmx/raw/main/datos_abiertos_covid19.zip"
diclink <- "https://github.com/RodrigoZepeda/covidmx/raw/main/diccionario_datos_covid19.zip"

if (RCurl::url.exists(dlink) & RCurl::url.exists(diclink)){
  # EJEMPLO 0: Descarga los datos abiertos en archivo file_duck
  descarga_datos_abiertos(dbdir = file_duck, sites.covid = dlink, show_warnings = FALSE, 
      site.covid.dic = diclink)$disconnect()

  # EJEMPLO 1: Lee los datos de duckdb una vez descargados
  datos_covid <- read_datos_abiertos(file_duck, show_warnings = FALSE, 
                                      site.covid.dic = diclink) # Lee duckdb
  datos_covid$disconnect()

# EJEMPLO 2: Lee los datos desde un zip descargado
# Descarga archivos de la DGE y guarda el zip
direccion_zip <- descarga_db_datos_abiertos_tbl(sites.covid = dlink, show_warnings = FALSE)
# Lee zip
datos_covid <- read_datos_abiertos(direccion_zip, dbdir = file_duck, show_warnings = FALSE,
                    site.covid.dic = diclink)
datos_covid$disconnect()

# EJEMPLO 3: Lee los datos desde un zip descargado
# Descarga archivos zip de la DGE
direccion_zip <- descarga_db_datos_abiertos_tbl(sites.covid = dlink, show_warnings = FALSE)
direccion_csv <- unzip_db_datos_abiertos_tbl(direccion_zip) # Descomprime el zip para tener csv
# Lee los csv
datos_covid <- read_datos_abiertos(direccion_csv, dbdir = file_duck, show_warnings = FALSE,
                                     site.covid.dic = diclink) 
datos_covid$disconnect()

# EJEMPLO 4: Si ya tenias el diccionario lo puedes agregar
# Simula la idea de ya tener el diccionario
diccionario <- descarga_diccionario(show_warnings = FALSE, site.covid.dic = diclink) 
datos_covid <- read_datos_abiertos(file_duck, diccionario = diccionario, show_warnings = FALSE)
datos_covid$disconnect()

# EJEMPLO 5: Si ya tenias el diccionario como archivo zip
# Descarga el diccionario para tenerlo como zip
diccionario_zip <- descarga_db_diccionario_ssa(show_warnings = FALSE, site.covid.dic = diclink) 
datos_covid <- read_datos_abiertos(file_duck, diccionario_zip_path = diccionario_zip, 
                                    show_warnings = FALSE)
datos_covid$disconnect()

# EJEMPLO 6: Si ya tenias el diccionario como archivo xlsx
# Descarga el diccionario para tenerlo como zip
diccionario_zip <- descarga_db_diccionario_ssa(show_warnings = FALSE, site.covid.dic = diclink)
# Abre el csv del diccionario
diccionario_csv <- unzip_db_diccionario_ssa(diccionario_zip) 
datos_covid <- read_datos_abiertos(file_duck,
  diccionario_unzipped_path = diccionario_csv,
  show_warnings = FALSE
)
datos_covid$disconnect()
}

Auxiliares de lectura para la base de la Direccion General de Epidemiologia

Description

La funcion principal es read_datos_abiertos() la cual decide si los lee de zip, duckdb o csv Tambien puedes usar las auxiliares respectivas

read_datos_abiertos_zip() Si sólo descargaste los datos de la DGE en .zip
read_datos_abiertos_csv() Si descargaste los datos de la DGE en .zip y los descomprimiste.
read_datos_abiertos_duckdb() Si ya creaste tu table en duckdb

Usage

read_datos_abiertos_zip(
  datos_abiertos_zip_paths,
  diccionario_zip_path = NULL,
  diccionario_unzipped_path = NULL,
  diccionario = NULL,
  read_format = c("duckdb", "tibble"),
  tblname = "covidmx",
  drv = duckdb::duckdb(),
  dbdir = tempfile(fileext = ".duckdb"),
  colClasses = get_col_class(),
  download_process = c("pins", "download.file"),
  site.covid.dic = paste0("http://datosabiertos.salud.", "gob.mx/gobmx/salud/datos_a",
    "biertos/diccionario_datos_", "covid19.zip"),
  unzip_command = Sys.getenv("unzip_command"),
  unzip_args = Sys.getenv("unzip_args"),
  unzip_args_dict = list(exdir = ".", overwrite = TRUE),
  check_unzip_install = TRUE,
  clear_zip = (download_process[1] != "pins"),
  clear_csv = TRUE,
  use_dict = TRUE,
  quiet = FALSE,
  cache_datos = NULL,
  use_cache_on_failure = TRUE,
  cache_diccionario = NULL,
  force_download = FALSE,
  show_warnings = TRUE,
  board_url_name = "datos_abiertos",
  board_url_name_dict = "diccionario_covid",
  download_file_args = list(method = "curl", destfile = tempfile(), quiet = quiet),
  descarga_db_diccionario_ssa_args = list(),
  ...
)

read_datos_abiertos_csv(
  datos_abiertos_unzipped_path,
  diccionario_zip_path = NULL,
  diccionario_unzipped_path = NULL,
  diccionario = NULL,
  read_format = c("duckdb", "tibble"),
  tblname = "covidmx",
  drv = duckdb::duckdb(),
  dbdir = tempfile(fileext = ".duckdb"),
  colClasses = get_col_class(),
  download_process = c("pins", "download.file"),
  site.covid.dic = paste0("http://datosabiertos.salud.", "gob.mx/gobmx/salud/datos_a",
    "biertos/diccionario_datos_", "covid19.zip"),
  unzip_args_dict = list(exdir = ".", overwrite = TRUE),
  clear_csv = TRUE,
  quiet = FALSE,
  use_cache_on_failure = TRUE,
  cache_diccionario = NULL,
  force_download = FALSE,
  show_warnings = TRUE,
  board_url_name_dict = "diccionario_covid",
  download_file_args = list(method = "curl", destfile = tempfile(), quiet = quiet),
  descarga_db_diccionario_ssa_args = list(),
  ...
)

read_datos_abiertos_duckdb(
  datos_abiertos_tbl,
  drv = duckdb::duckdb(),
  tblname = "covidmx",
  pragma_memory_limit = Sys.getenv("pragma_memory_limit"),
  diccionario_zip_path = NULL,
  diccionario_unzipped_path = NULL,
  diccionario = NULL,
  download_process = c("pins", "download.file"),
  site.covid.dic = paste0("http://datosabiertos.salud.", "gob.mx/gobmx/salud/datos_a",
    "biertos/diccionario_datos_", "covid19.zip"),
  unzip_args_dict = list(exdir = ".", overwrite = TRUE),
  clear_zip = download_process[1] != "pins",
  clear_csv = TRUE,
  use_dict = TRUE,
  quiet = FALSE,
  use_cache_on_failure = TRUE,
  cache_diccionario = NULL,
  force_download = FALSE,
  show_warnings = TRUE,
  board_url_name_dict = "diccionario_covid",
  download_file_args = list(method = "curl", destfile = tempfile(), quiet = quiet),
  descarga_db_diccionario_ssa_args = list(),
  ...
)
read_datos_abiertos_zip(
  datos_abiertos_zip_paths,
  diccionario_zip_path = NULL,
  diccionario_unzipped_path = NULL,
  diccionario = NULL,
  read_format = c("duckdb", "tibble"),
  tblname = "covidmx",
  drv = duckdb::duckdb(),
  dbdir = tempfile(fileext = ".duckdb"),
  colClasses = get_col_class(),
  download_process = c("pins", "download.file"),
  site.covid.dic = paste0("http://datosabiertos.salud.", "gob.mx/gobmx/salud/datos_a",
    "biertos/diccionario_datos_", "covid19.zip"),
  unzip_command = Sys.getenv("unzip_command"),
  unzip_args = Sys.getenv("unzip_args"),
  unzip_args_dict = list(exdir = ".", overwrite = TRUE),
  check_unzip_install = TRUE,
  clear_zip = (download_process[1] != "pins"),
  clear_csv = TRUE,
  use_dict = TRUE,
  quiet = FALSE,
  cache_datos = NULL,
  use_cache_on_failure = TRUE,
  cache_diccionario = NULL,
  force_download = FALSE,
  show_warnings = TRUE,
  board_url_name = "datos_abiertos",
  board_url_name_dict = "diccionario_covid",
  download_file_args = list(method = "curl", destfile = tempfile(), quiet = quiet),
  descarga_db_diccionario_ssa_args = list(),
  ...
)

read_datos_abiertos_csv(
  datos_abiertos_unzipped_path,
  diccionario_zip_path = NULL,
  diccionario_unzipped_path = NULL,
  diccionario = NULL,
  read_format = c("duckdb", "tibble"),
  tblname = "covidmx",
  drv = duckdb::duckdb(),
  dbdir = tempfile(fileext = ".duckdb"),
  colClasses = get_col_class(),
  download_process = c("pins", "download.file"),
  site.covid.dic = paste0("http://datosabiertos.salud.", "gob.mx/gobmx/salud/datos_a",
    "biertos/diccionario_datos_", "covid19.zip"),
  unzip_args_dict = list(exdir = ".", overwrite = TRUE),
  clear_csv = TRUE,
  quiet = FALSE,
  use_cache_on_failure = TRUE,
  cache_diccionario = NULL,
  force_download = FALSE,
  show_warnings = TRUE,
  board_url_name_dict = "diccionario_covid",
  download_file_args = list(method = "curl", destfile = tempfile(), quiet = quiet),
  descarga_db_diccionario_ssa_args = list(),
  ...
)

read_datos_abiertos_duckdb(
  datos_abiertos_tbl,
  drv = duckdb::duckdb(),
  tblname = "covidmx",
  pragma_memory_limit = Sys.getenv("pragma_memory_limit"),
  diccionario_zip_path = NULL,
  diccionario_unzipped_path = NULL,
  diccionario = NULL,
  download_process = c("pins", "download.file"),
  site.covid.dic = paste0("http://datosabiertos.salud.", "gob.mx/gobmx/salud/datos_a",
    "biertos/diccionario_datos_", "covid19.zip"),
  unzip_args_dict = list(exdir = ".", overwrite = TRUE),
  clear_zip = download_process[1] != "pins",
  clear_csv = TRUE,
  use_dict = TRUE,
  quiet = FALSE,
  use_cache_on_failure = TRUE,
  cache_diccionario = NULL,
  force_download = FALSE,
  show_warnings = TRUE,
  board_url_name_dict = "diccionario_covid",
  download_file_args = list(method = "curl", destfile = tempfile(), quiet = quiet),
  descarga_db_diccionario_ssa_args = list(),
  ...
)

Arguments

`datos_abiertos_zip_paths`	(opcional) Camino a los datos abiertos si ya los descargaste en `zip`
`diccionario_zip_path`	(opcional) Camino al diccionario si ya losdescargaste en `zip`
`diccionario_unzipped_path`	(opcional) Camino al diccionario `csv` si ya lo descargaste y descomprimiste el archivo `zip` en un `csv`
`diccionario`	(opcional) Lo que resulta de realizar una descarga del diccionario usando `descarga_diccionario`
`read_format`	(opcional) `"duckdb"` o `"tibble"` establece el formato de lectura de la base de datos. En la mayoria de los casos `"tibble"` va a resultar en un error de memoria. La opcion de `"duckdb"` siempre es mas rapida por lo cual es el default.
`tblname`	(opcional) Nombre de la tabla de `duckdb` donde guardar los datos por default se llama `covidmx`. Solo es relevante si estas usando el mismo `dbdir` para otro proyecto distinto.
`drv`	(opcional) Un driver para `dbConnect` (default `duckdb::duckdb()`)
`dbdir`	(opcional) Direccion donde guardar la base de datos con terminacion `.duckdb`. Corresponde al argumento de `duckdb::dbConnect__duckdb_driver()`
`colClasses`	(opcional) Clases de la columna para leer en `duckdb::read_csv_duckdb()`.
`download_process`	(opcional) Metodo para descargar ya sea `pins` o `download.file`. Se recomienda `pins` pues guarda en memoria la fecha de la ultima descarga y analiza si ha pasado mas de un dia desde la descarga. En caso afirmativo verifica si el archivo ha cambiado y si hubo cambios entonces lo descarga.
`site.covid.dic`	(opcional) Sitio desde el cual descarga del diccionario de datos. La ultima verificacion del sitio fue el 6 de septiembre 2022.
`unzip_command`	(opcional) Forma de extraer la base de datos de datos abiertos si `unzip` falla. La forma de llamarla es con `system2(unzip_command, args = c(unzip_args, file_download_data))`.
`unzip_args`	(opcional) Argumentos de extraccion de la base de datos de datos abiertos si `unzip` falla. La forma de llamarla es con `system2(unzip_command, args = c(unzip_args, file_download_data))`.
`unzip_args_dict`	(opcional) Lista de argumentos para usar `utils::unzip` en el diccionario de datos.
`check_unzip_install`	(opcional) Bandera de verificacion para checar si tienes lo necesario para unzippear los datos en el caso de que `unzip` no sirva.
`clear_zip`	(opcional) Si borrar los archivos `.zip` descargados para el diccionario y los datos abiertos. No se recomienda si estas usando `pins`. Ve la nota para mas informacion.
`clear_csv`	(opcional) Si borrar los archivos `.csv` que se generan despues de abrir el zip. El default es que si pues en general solo requieres el `duckdb`.
`use_dict`	(opcional) Si descargar el diccionario de `site.covid.dic`.
`quiet`	(opcional) Variable para no mostrar mensajes
`cache_datos`	(opcional) Direccion donde guardar los datos en memoria usando `pins` para no tener que volver a descargarlos si nada ha cambiado
`use_cache_on_failure`	(opcional) Booleana. Establece que si no se pueden descargar datos nuevos utilice los que tenga en memoria. Por default es `TRUE`.
`cache_diccionario`	(opcional) Direccion donde guardar el diccionario en memoria usando `pins` para no tener que volver a descargarlo si nada ha cambiado
`force_download`	(opcional) Analiza si cambio el pin y descarga datos nuevos en caso afirmativo aunque haya pasado menos de un dia.
`show_warnings`	(opcional) si arrojar `warnings`
`board_url_name`	(opcional) Establece el nombre del `pins::board_url` para los datos abiertos (si ya usas pins para que no se empalme). Por default se llama `datos_abiertos`
`board_url_name_dict`	(opcional) Establece el nombre del `pins::board_url` para los datos abiertos. Por default se llama `diccionario_covid`
`download_file_args`	(opcional) Lista de argumentos adicionales para `download.file` de los datos si se elige este metodo para descargar.
`descarga_db_diccionario_ssa_args`	(opcional) Lista con argumentos adicionales para el `pins::pin_download` de datos abiertos
`...`	(opcional) Parametros adicionales para `DBI::dbConnect`.
`datos_abiertos_unzipped_path`	(opcional) Camino a los datos abiertos `csv` si ya los descargaste y descomprimiste el archivo `zip` en un `csv`
`datos_abiertos_tbl`	(opcional) Camino a un archivo `.duckdb` con los datos formateados
`pragma_memory_limit`	(opcional) Limite de memoria para el programa (ver PRAGMAS). Cambialo a que sea mas o menos la mitad de tu RAM. La forma mas sencilla es como una variable ambiental con `Sys.setenv('pragma_memory_limit' = '1GB')` por ejemplo para un limite de 1 gigabyte.

Value

Lista de valores:

dats - Tabla conectada mediante DBI::dbConnect (si duckdb) o tibble (si tibble)
disconnect - Funcion para cerrar la conexion a la base de datos.
dict - Lista de tibbles con el diccionario de datos para cada variable

Note

Para guardar tu base con duckdb cambia el dbdir a un archivo .duckdb. Como ejemplo dbdir = "ejemplo.duckdb".

Examples


# Lee los datos de duckdb una vez descargados
# quita la opción de sites.covid para descargar los de la DGE. 
# Esto es solo un ejemplo.
file_ejemplo <- tempfile(fileext = ".duckdb")

#Estos links deben omitirse en una corrida normal. Se incluyen por ahora como ejemplo
#pero las opciones site.covid.dic y sites.covid deben eliminarse de abajo.
dlink        <- "https://github.com/RodrigoZepeda/covidmx/raw/main/datos_abiertos_covid19.zip"
diclink      <- "https://github.com/RodrigoZepeda/covidmx/raw/main/diccionario_datos_covid19.zip"

#En el ejemplo de R por normas de CRAN tenemos que hacerlo así pero en tu
#computadora puedes solo usar descargar datos sin el if else
if (RCurl::url.exists(dlink) & RCurl::url.exists(diclink)){

  #Necesitamos la base para verificar los reads
  datos_covid <- descarga_datos_abiertos(
    dbdir = file_ejemplo,
    sites.covid = dlink, 
    site.covid.dic = diclink,
    show_warnings = FALSE
  )
  datos_covid$disconnect()
  
  datos_covid <- read_datos_abiertos(file_ejemplo, show_warnings = FALSE, 
                    site.covid.dic = diclink)
  datos_covid$disconnect()

   # Es lo mismo que:
  datos_covid <- read_datos_abiertos_duckdb(file_ejemplo, show_warnings = FALSE,
                                            site.covid.dic = diclink)
  datos_covid$disconnect()

  # Descarga los datos y lee de un zip guardandolos a la vez en
  # base de nombre datos_desde_zip.duckdb
  direccion_zip <- descarga_db_datos_abiertos_tbl(sites.covid = dlink, show_warnings = FALSE,
                                                  site.covid.dic = diclink)
                                                 
  datos_covid <- read_datos_abiertos(direccion_zip,
    dbdir = file_ejemplo,
    site.covid.dic = diclink,
    show_warnings = FALSE
  )
  datos_covid$disconnect()

  # Es lo mismo que:
  datos_covid <- read_datos_abiertos_zip(direccion_zip,
    site.covid.dic = diclink,
    dbdir = file_ejemplo,
    show_warnings = FALSE
  )
  datos_covid$disconnect()

  # Descarga los datos y lee de un csv
  direccion_zip <- descarga_db_datos_abiertos_tbl(sites.covid = dlink, show_warnings = FALSE)
  direccion_csv <- unzip_db_datos_abiertos_tbl(direccion_zip)
  datos_covid   <- read_datos_abiertos(direccion_csv, show_warnings = FALSE, 
                                          site.covid.dic = diclink)
  datos_covid$disconnect()

  # Es lo mismo que:
  direccion_csv <- unzip_db_datos_abiertos_tbl(direccion_zip)
  datos_covid   <- read_datos_abiertos_csv(direccion_csv, show_warnings = FALSE,
                          site.covid.dic = diclink)
  datos_covid$disconnect()
}

# Lee los datos de duckdb una vez descargados
# quita la opción de sites.covid para descargar los de la DGE. 
# Esto es solo un ejemplo.
file_ejemplo <- tempfile(fileext = ".duckdb")

#Estos links deben omitirse en una corrida normal. Se incluyen por ahora como ejemplo
#pero las opciones site.covid.dic y sites.covid deben eliminarse de abajo.
dlink        <- "https://github.com/RodrigoZepeda/covidmx/raw/main/datos_abiertos_covid19.zip"
diclink      <- "https://github.com/RodrigoZepeda/covidmx/raw/main/diccionario_datos_covid19.zip"

#En el ejemplo de R por normas de CRAN tenemos que hacerlo así pero en tu
#computadora puedes solo usar descargar datos sin el if else
if (RCurl::url.exists(dlink) & RCurl::url.exists(diclink)){

  #Necesitamos la base para verificar los reads
  datos_covid <- descarga_datos_abiertos(
    dbdir = file_ejemplo,
    sites.covid = dlink, 
    site.covid.dic = diclink,
    show_warnings = FALSE
  )
  datos_covid$disconnect()
  
  datos_covid <- read_datos_abiertos(file_ejemplo, show_warnings = FALSE, 
                    site.covid.dic = diclink)
  datos_covid$disconnect()

   # Es lo mismo que:
  datos_covid <- read_datos_abiertos_duckdb(file_ejemplo, show_warnings = FALSE,
                                            site.covid.dic = diclink)
  datos_covid$disconnect()

  # Descarga los datos y lee de un zip guardandolos a la vez en
  # base de nombre datos_desde_zip.duckdb
  direccion_zip <- descarga_db_datos_abiertos_tbl(sites.covid = dlink, show_warnings = FALSE,
                                                  site.covid.dic = diclink)
                                                 
  datos_covid <- read_datos_abiertos(direccion_zip,
    dbdir = file_ejemplo,
    site.covid.dic = diclink,
    show_warnings = FALSE
  )
  datos_covid$disconnect()

  # Es lo mismo que:
  datos_covid <- read_datos_abiertos_zip(direccion_zip,
    site.covid.dic = diclink,
    dbdir = file_ejemplo,
    show_warnings = FALSE
  )
  datos_covid$disconnect()

  # Descarga los datos y lee de un csv
  direccion_zip <- descarga_db_datos_abiertos_tbl(sites.covid = dlink, show_warnings = FALSE)
  direccion_csv <- unzip_db_datos_abiertos_tbl(direccion_zip)
  datos_covid   <- read_datos_abiertos(direccion_csv, show_warnings = FALSE, 
                                          site.covid.dic = diclink)
  datos_covid$disconnect()

  # Es lo mismo que:
  direccion_csv <- unzip_db_datos_abiertos_tbl(direccion_zip)
  datos_covid   <- read_datos_abiertos_csv(direccion_csv, show_warnings = FALSE,
                          site.covid.dic = diclink)
  datos_covid$disconnect()
}

Actualiza el paquete covidmx

Description

Descarga e instala la version mas reciente de covidmx desde Github https://github.com/RodrigoZepeda/covidmx

Usage

update_covidmx(quiet = FALSE, force = FALSE, ...)
update_covidmx(quiet = FALSE, force = FALSE, ...)

Arguments

`quiet`	(opcional) Determina si instalar en silencio
`force`	(opcional) Determina si forzar la reinstalacion
`...`	(opcional) Parametros adicionales para `remotes::install_github()`

Value

Ningún valor. Se llama para actualizar el paquete a la versión más reciente desde Github.

Note

Actualiza el paquete instalando todas las dependencias necesarias.

Examples

## Not run: 
# Actualiza el paquete de coivdmx de Github | Updates the covidmx package from Github
update_covidmx()

## End(Not run)

## Not run: 
# Actualiza el paquete de coivdmx de Github | Updates the covidmx package from Github
update_covidmx()

## End(Not run)

Package 'covidmx'

Help Index

Casos de COVID-19 en Mexico

Description

Usage

Arguments

Details

Value

See Also

Examples

Case Fatality Rate (CFR)

Description

Usage

Arguments

Details

Value

See Also

Examples

Funcion para verificar la existencia de los sitios web de datos de covid

Description

Usage

Arguments

Value

Examples

Case Hospitalization Rate (CHR)

Description

Usage

Arguments

Details

Value

See Also

Examples

Datos abiertos de COVID-19

Description

Usage

Format

Details

Source

Descarga de datos abiertos

Description

Usage

Arguments

Details

Value

Memoria RAM

Uso de pins

Metodos de unzip

Note

References

See Also

Examples

Descarga la base de datos de ocupacion hospitalaria de la red IRAG

Description

Usage

Arguments

Details

Value

References

See Also

Examples

Lee la base de datos de variantes de COVID-19 en Mexico generada por GISAID

Description

Usage

Arguments

Details

Value

References

See Also

Examples

Auxiliares para la descarga de datos abiertos

Description

Usage

Arguments

Value

See Also

Examples

RT: Número efectivo de reproducción

Description

Usage

Arguments

Memoria `RAM`

Uso de `pins`

Metodos de `unzip`