#-----------------------situacionhuila---------------------------------
#----------------------------------------------------------------------
setwd("C:/SSDH/BES_SAR_HUILA/Semana 39/tablas")
rm(list=ls())
bd_col<-read.csv("bd_nal27092020.csv",header = T,sep=",",dec=",",encoding="UTF-8")
bd_huila<-filter(bd_col,Departamento.o.Distrito=="Huila")
names(bd_huila)
dim(bd_huila)
bd_huila$Fecha.de.notificación<-ymd_hms(bd_huila$Fecha.de.notificación)
inc_huila<-table(bd_huila$Fecha.de.notificación)
dim(inc_huila)
p_huila<-1122622
nor_inc_huila<-inc_huila/p_huila*100000
acu_inc_huila<-cumsum(nor_inc_huila)
setwd("C:/SSDH/BES_SAR_HUILA/Semana 39/figuras")
jpeg(filename = "Huila.jpeg",
width=8,height=3,units="in",bg="white",res=400)
mypar(1,3)
plot(nor_inc_huila,ylab="Infectados / 100 mil habitantes", xlab="Días del brote", main="Incidencia - Huila", type="l")
plot(acu_inc_huila, col = "blue",ylab="Infectados / 100 mil habitantes", xlab="Días del brote", main="Prevalencia - Huila", type="l" )
plot(acu_inc_huila,log="y", col = "red",ylab="Infectados / 100 mil habitantes", xlab="Días de pandemia", main="Escala Semi-logarítmica - Huila", type="l" )
dev.off()
setwd("C:/SSDH/BES_SAR_HUILA/Semana 39/figuras")
jpeg(filename = "notificaciondiaria_2709.jpeg",
width=20,height=10,units="cm",bg="white",res=400)
mypar()
casos_dia<-incidence(bd_huila$Fecha.de.notificación, interval = 1, groups = bd_huila$atención)
plot(casos_dia, ylab="Notificación diaria")
dev.off()
x1b<-incidence(bd_huila$Fecha.de.notificación, interval = 1, groups = bd_huila$Ciudad.de.ubicación)
x1b<-as.data.frame(x1b)
write.csv(as.data.frame(x1b),
file="inchuilaciudad.csv")
inc_pciudad<-read.csv("inchuilaciudad.csv",header = T,sep=";",dec=",",encoding="utf-8")
names(inc_pciudad)
inc_pciudad$dates<-dmy(inc_pciudad$dates)
ggplot(data=inc_pciudad, aes(x=inc_pciudad$dates,y=inc_pciudad$Neiva))+geom_point(color="red")
#----------------------------------------------------------------------
#-----------------letalidad general y modelo loglineal-----------
#----------------------------------------------------------------------
# curva de letalidad
# INCIDENCIA DE FALLECIDOS
rm(list=ls())
setwd("C:/SSDH/BES_SAR_HUILA/Semana 39/tablas")
bd_fallecidos<-read.csv("bd_fallecidos27092020.csv",header = T,sep=";",dec=".",encoding="UTF-8")
attach(bd_fallecidos)
str(bd_fallecidos)
names(bd_fallecidos)
View(bd_fallecidos)
EGRESO<-dmy(EGRESO)
setwd("C:/SSDH/BES_SAR_HUILA/Semana 39/figuras")
jpeg(filename = "fallecidos_genero_2709.jpeg",
width=30,height=8,units="cm",bg="white",res=400)
plot(incidence(EGRESO, interval = "EPIweek", groups = GENERO), ylab="Incidencia semanal")
dev.off()
jpeg(filename = "fallecidos_EAPB_2709.jpeg",
width=30,height=14,units="cm",bg="white",res=400)
plot(incidence(EGRESO, interval = "EPIweek", groups = IPS), ylab="Incidencia semanal")
dev.off()
# MODELO DE REGRESION LOG LINEAL PARA LA FASE DE CRECIMIENTO TEMPRANO DE LA LETALIDAD
#modelando la incidencia
if.salida<-incidence(EGRESO, interval = 1)
class(if.salida)
if.salida
summary(if.salida)
plot(if.salida)
plot(if.salida[1:185])
#ajuste de un modelo de regresión log lineal que excluye ceros
# intervalo de confianza del 90%
ajuste.temprano<-fit(if.salida[83:183],level = 0.9)
ajuste.temprano
plot(ajuste.temprano)
setwd("C:/SSDH/BES_SAR_HUILA/Semana 39/figuras")
jpeg(filename = "ajusteincidenciafallecidos_2709.jpeg",
width=20,height=8,units="cm",bg="white",res=400)
plot(if.salida[1:187], fit = ajuste.temprano,xlab="Fecha de muerte", ylab="Fallecidos diarios")
dev.off()
letal_sem<-incidence(Fecha.Not, interval = "EPIweek", groups = Estado)
setwd("C:/SSDH/BES_SAR_HUILA/Semana 39/tablas")
write.csv(as.data.frame(letal_sem),
file="LS.csv")
LETAL_SEM<-read.csv("LS.csv",header = T,sep=";",dec=",",encoding="utf-8")
attach(LETAL_SEM)
names(LETAL_SEM)
View(LETAL_SEM)
dim(LETAL_SEM)
LS<-LETAL_SEM[,10]
setwd("C:/SSDH/BES_SAR_HUILA/Semana 39/figuras")
jpeg(filename = "01LETALIDADSEMANAL_2709.jpeg",
width=20,height=8,units="cm",bg="white",res=400)
mypar()
plot(X,LS, ylab="% MORTALIDAD POR CASO", xlab="Semanas Epidemiológicas", type="b")
#limite de positividad 5%
abline(h=5, col="red")
#inicio semana 22, 2 de agosto
abline(v=24,col="blue")
abline(v=28,col="blue")
abline(v=32,col="blue")
abline(v=36,col="blue")
dev.off()
MODELO SIR: en 1927 Kermack y Mc Kendrick, publicaron un modelo de 3 ecuaciones con sentido biológico que describe el comportamiento de los Susceptibles, los Infectados y los Recuperados en una epidemia. Explica cómo rápidamente brotan los infectados y posteriormente desaparece de forma repentina.
NÚMERO REPRODUCTIVO BÁSICO O INICIAL: número promedio de casos secundarios por uno primario . Este parámetro puede ser estimado en diferentes momentos de la epidemia.
PICO DEL BROTE: es el momento de la epidemia donde se presenta el mayor número de nuevos infectados.
POBLACIÓN SUSCEPTIBLE: son las personas que por falta de inmunidad contra la infección pueden contagiarse de la enfermedad.
APLANAMIENTO DE LA CURVA: cuando por medio de medidas de intervención se logra reducir el tamaño del pico del brote extendiendo la curva en el tiempo. Lo que busca es que la población se infecta más lentamente, para esto el Ro debe disminuir sin ser menor o igual a 1.
SUPRESIÓN: por medio de fuertes medidas de intervención, se para el crecimiento de la curva de contagiados y se retrasa la aparición del pico. Para esto el Ro debe ser menor que 1.
PERIODO DE INCUBACIÓN: tiempo entre la infección y el inicio de síntomas.