In dantecasg/cdcperineq: Análisis de desigualdad social

knitr::opts_chunk$set(
  collapse = TRUE,
  comment = "#>",
  warning = FALSE, error = FALSE, message = FALSE, fig.align = 'center'
)

library(cdcperineq)
library(dplyr)
library(ggplot2)
library(cowplot)
library(optimx)

Resumen

El paquete cdcperineq permite la visualización de las desigualdades sociales que asentúan los efectos de alguna enfermedad. El paquete ofrece dos tipos de análisis:

Análisis por desigualdades.
Análisis por brechas.

El presente manual solo pretende demostrar el uso de las funciones del paquete. Para la interpretación y análisis de la información se sugiere revisar el trabajo de @article

Data de prueba

cdcperineq viene con una data integrada que representa diferentes determinantes sociales a nivel de latinoamérica para diferentes periodos. Además, presenta información sobre la incidencia de tuberculosis, la cual será utilizada a manera de ejmplo.

library(cdcperineq)
library(dplyr)
library(ggplot2)
library(cowplot)

glimpse(ineq_data)

Para el correcto uso de las funciones, la data debe tener un formato específico. Esto puede realizarse con la función data_proc. Este paso asegura también que el usuario sepa las variables que se utilizarán y el tipo de análisis.

Funciones para el análisis de la desigualdad

En el siguiente ejemplo se evaluará la desgualdad para los años 2000, 2005 y 2010 para la tuberculosis en base a la esperanza de vida al nacer. La función requiere los años a analizar (periodo), el parámetro social (vari.x), la razón de incidencia (vari.ir) y la cantidad de casos de una enfermedad (vari.num). También es necesario especificar cuál es la columna que tiene los años (year), las regiones (region) y la cantidad de población (población).

# 
tabla = data_proc(
    data = ineq_data,
    tipo = 'desigualdad',
    periodo = c(2000, 2005, 2010),
    vari.x = 'lexp',
    vari.ir = 'ir_tb',
    vari.num = 'num_tb_cases',
    anhos = 'year',
    region = 'country',
    poblacion = 'population')

A partir de tabla se pueden hacer algunos gráficos como la desgiualdad social

ineq_gra(
    data = tabla,
    xlab = 'Gradiente de población a nivel de país definido por esperanza de vida al nacer',
    ylab = 'Razón de incidencia de tuberculosis por 100,000 peronas')

ineq_reg(
    data = tabla,
    xlab = 'Gradiente de población a nivel de país definido por esperanza de vida al nacer',
    ylab = 'Grafduebte de la razón de incidencia de tuberculosis por 100,000 peronas')

o tablas con estadísticas que pueden complementar el análisis.

ineq_tab(tabla)

Ambas funciones son muy fáciles de utilizar.

Funciones para el análisis de las brechas

El procedimiento es prácticamente el mismo que el realizado para el análisis de la desigualdad. Las diferencias están en indicarle a data_proc que ordene la data según el formato de brechas.

tabla = data_proc(
    data = ineq_data,
    tipo = 'brecha',
    periodo = c(2000, 2005, 2010),
    vari.x = 'lexp',
    vari.ir = 'ir_tb',
    vari.num = 'num_tb_cases',
    anhos = 'year',
    region = 'country',
    poblacion = 'population')

Para realizar las gráficas y tablas, las funciones son similares al de desigualdades, solo que con un nombre diferente.

brecha_gra(
    data = tabla,
    xlab = 'Cuartiles de esperanza de vida al nacer',
    ylab = 'Razón de incidencia estimada promedio de tuberculosis')

brecha_tab(tabla)

Web App

El paquete también incluye una función que permite visualizar la información disponible de manera interactiva.

# Parámetros sociales
soc_var = c(
    'Esperanza de vida' = 'lexp',
    'Gasto en salud' = 'hexp',
    'Acceso a instalaciones mejoradas de saneamiento' = 'impsfac',
    'Tasa de detección de tuberculosis' = 'pnotified')

# Parámetros de salud
salud = list('Tuberculosis' = c(IR = 'ir_tb', Num = 'num_tb_cases'))

# Años de análisis
years = c(2000, 2005, 2010)

# Web app
desi_app(
    data = ineq_data,
    salud = salud, 
    social = social,
    years = years)