❤️
⚕️Salud

Tuberculosis: Analisis Epidemiologico

Analisis epidemiologico de tuberculosis: incidencia, mortalidad, factores de riesgo y tendencias temporales.

4 min de lectura
epidemiologiatuberculosissalud publicaRRPubs

Tuberculosis: Analisis Epidemiologico

Publicado originalmente en RPubs — Presentacion interactiva con codigo R reproducible. Ver en RPubs.


Analisis epidemiologico de tuberculosis: incidencia, mortalidad, factores de riesgo y tendencias temporales.

Contenido de la presentacion

Tuberculosis

0.1 Preprocesamiento

0.2 Autocorrelograma tasa general y de los casos

0.3 Hacer los conteos y las tasas por región y semana (tabla)

0.4 Hacer la serie por pertenencia étnica

0.5 Imputación de pertenencia étnica

0.6 Hacer la serie por resultado prueba VIH

0.7 Tablas

0.8 COVID

0.9 Modelo Poisson con offset

0.10 Población étnia y grupo de edad

0.11 Grafica covid y tuberculosis

0.12 Mapas con tasas anuales

0.13 Modelo

TAREAS https://docs.google.com/spreadsheets/d/1YDgZRMf1QuaCD3pRU_4RvmftX5zZJIoU3KD2GTn4-0w/edit#gid=0

Horas https://docs.google.com/spreadsheets/d/1bjHda-4I0oTYmI3fDGIAANk_ydQLj82LClWG5tvJyXc/edit#gid=0

Documento https://docs.google.com/document/d/1sI7it7-zlehi2uVJpJ-s33ViKRno7Ctl/edit

Esta consignado en el archivo Salome.R que es es archivo principal de preprocesamiento.

El lag 4, 9 y el lag 13, donde los coeficientes de autocorrelación son relativamente altos.

Se crea la variable con pertenencia étnica y sin pertenencia étnica - “Con pertenencia étnica”=c(“INDIGENA”, “NEGRO, MULATO, AFROCOLOMBIANO”, “ROOM (GITANO)”, “RAIZAL”, “AFROCOLOMBIANO”, “PALENQUERO”),

A partir de los datos del Censo, se realiza la impitación de la población con pertenencia étnica de los municipios

## AFROCOLOMBIANO INDIGENA ## 2 2623 ## MESTIZO NEGRO, MULATO, AFROCOLOMBIANO ## 4289 2124 ## OTRO PALENQUERO ## 39818 1 ## RAIZAL ROOM (GITANO) ## 81 13 ## # A tibble: 6 × 7 ## # Groups: ano, semana_epidemiologica [6] ## semana_epidemiologica ano ano_semana_epide…¹ con_p…² sin_p…³ pob_c…⁴ pob_s…⁵ ## <chr> <chr> <chr> <dbl> <dbl> <dbl> <dbl> ## 1 00 2018 2018-00 55 446 5645292 4.26e7 ## 2 01 2018 2018-01 45 189 5645292 4.26e7 ## 3 02 2018 2018-02 34 233 5645292 4.26e7 ## 4 03 2018 2018-03 15 120 5645292 4.26e7 ## 5 04 2018 2018-04 50 324 5645292 4.26e7 ## 6 05 2018 2018-05 27 192 5645292 4.26e7 ## # … with abbreviated variable names ¹​ano_semana_epidemiologica, ## # ²​con_pertenencia, ³​sin_pertenencia, ⁴​pob_con_pertenencia, ## # ⁵​pob_sin_pertenencia

Ajustar un modelo Poisson con los casos como respuesta (población como offset), incluyendo como explicativas grupo de edad, sexo, tiempo, dicotómica covid, # de casos COVID-19

semana es un consecutivo semana, poblaciones, conteo, por cada grupo de edad

proyecciones edades etnicas etnia no sexo

# A tibble: 6 × 6 ## # Groups: ano, semana_epidemiologica, Sexo, grupo_edad [4] ## ano semana_epidemiologica Sexo grupo_edad pertenencia_etnica casos_tu…¹ ## <chr> <chr> <chr> <fct> <fct> <int> ## 1 2018 00 F [0,5) Con pertenencia étnica 1 ## 2 2018 00 F [0,5) Sin pertenencia étnica 1 ## 3 2018 00 F [5,10) Con pertenencia étnica 2 ## 4 2018 00 F [10,15) Sin pertenencia étnica 1 ## 5 2018 00 F [15,20) Con pertenencia étnica 1 ## 6 2018 00 F [15,20) Sin pertenencia étnica 11 ## # … with abbreviated variable name ¹​casos_tuberculosis 0.10 Población étnia y grupo de edad ## ## Antes Después ## 5754 4283 0.11 Grafica covid y tuberculosis

Generalized linear mixed model fit by maximum likelihood (Laplace ## Approximation) [glmerMod] ## Family: Negative Binomial(109.7204) ( log ) ## Formula: casos_tuberculosis ~ grupo_edad + sexo + pertenencia_etnica + ## covid + offset(log(poblacion)) + (1 | semana) ## Data: pegada_completa[pegada_completa$semana <= 200, ] ## ## AIC BIC logLik deviance df.resid ## 38411.5 38583.5 -19181.8 38363.5 9532 ## ## Scaled residuals: ## Min 1Q Median 3Q Max ## -2.7145 -0.6118 -0.0687 0.5662 9.1974 ## ## Random effects: ## Groups Name Variance Std.Dev. ## semana (Intercept) 0.08126 0.2851 ## Number of obs: 9556, groups: semana, 200 ## ## Fixed effects: ## Estimate Std. Error z value Pr(>|z|) ## (Intercept) -13.59204 0.05348 -254.155 < 2e-16 ## grupo_edad[10,15) -0.08899 0.06460 -1.378 0.16831 ## grupo_edad[15,20) 0.83053 0.04935 16.829 < 2e-16 ## grupo_edad[20,25) 1.60609 0.04658 34.481 < 2e-16 ## grupo_edad[25,30) 1.79335 0.04627 38.757 < 2e-16 ## grupo_edad[30,35) 1.73279 0.04

[Contenido completo disponible en la presentacion de RPubs]


Ver presentacion completa en RPubs


Material desarrollado por Daniel Garavito como parte de su labor docente e investigadora. Todo el contenido incluye codigo R reproducible.

Mas publicaciones en RPubs/bogotan.