README.md
In diegogarcilazo/deistools: Tools for Biostatistic datasets developed by DEIS.
deistools
Visión General
deistools es un paquete que simplifica la realización de tareas habituales de las áreas de bioestadística.
Instalación
install.packages(c('devtools','tidyverse','readxl','stringr')) #Dependencias
devtools::install_github('diegogarcilazo/deistools') #Instalar paquete de github
Funciones de Chequeo
El paquete deistools tiene incorporadas funciones para validar la información de las bases de mortalidad generadas por la DEIS.
El chequeo requiere información individual de las variables edad, codigo de edad, codigo de muerte (CIE10) y sexo. Estas variables son contrastadas con la información suministrada por la PAHO.
* Fuente de información: Se utilizó la información de las tablas sugeridas por http://www.paho.org/hq/index.php?option=com_docman&task=doc_download&gid=23700&Itemid=270&lang=en
Chequeo de Códigos Poco Útiles
Crear instancia
La checkCie10$new(args) crea el objeto de clase checkCie10 que nos permitirá utilizar los métodos de chequeo. La creación del objeto requiere de la indicación de variables obligatorias (edad, unidad de la edad, código de muerte, local de ocurrencia y sexo) y variables que consideremos importantes para la identificación de los registros.
library(deistools)
chequeo <- checkCie10$new(deistools::test_df, edad, unieda, codmuer, sexo, ocloc, id)
Warning in deistools::rec_age2day(as.numeric(~edad), ~unieda): There are
age equals 0 will be coerced to 1
------------------------------------------------------------------
Dataset = deistools::test_df
rows = 1000
------------------------------------------------------------------
list methods:
list_useless(). List certificates with useless code.
list_problems(). To list certificates problems.
list_enos(). Check for Notifiable infectous diseases.
list_unknown(). Check for unknown categories.
list_all(). list all vars.
------------------------------------------------------------------
Report methods
------------------------------------------------------------------
report_useless()
report_enos()
report_unknown()
------------------------------------------------------------------
plot methods:
------------------------------------------------------------------
plot_missing(). raster by missing status.
plot_useless(). Plot % of useless code by group age.
------------------------------------------------------------------
Help methods
------------------------------------------------------------------
help_useless()
help_indicators()
help_methods()
help_place()
------------------------------------------------------------------
Métodos de Códigos poco útiles.
report_useless(): Crea un reporte en la consola con 4 tablas que nos permiten evaluar el peso y la distribución de los códigos poco útiles.
chequeo$report_useless()
Warning: Factor `age` contains implicit NA, consider using
`forcats::fct_explicit_na`
Useless Report
----------------------------
Sí: 369 (36.9%)
No: 631
Total: 1000
1. Code Distribution:
code 1: 16 4.3%
code 2: 220 59.6%
code 3: 33 8.9%
code 4: 37 10.0%
code 5: 63 17.1%
2. Place of Occurrence:
Local | Code 0 | Code 1 | Code 2 | Code 3 | Code 4 | Code 5 | % |
---------------------------------------------------------------------
1: 117 4 45 6 12 16 41.5
2: 127 4 45 11 5 8 36.5
3: 130 4 39 4 8 15 35.0
4: 116 0 55 8 8 13 42.0
9: 141 4 36 4 4 11 29.5
3. Age Distribution:
Edad | Code 0 | Code 1 | Code 2 | Code 3 | Code 4 | Code 5 | % |
------------------------------------------------------------------
Neo 27 0 1 0 0 0 3.6
PosNeo 5 0 0 0 0 2 28.6
01 - 04 4 0 2 0 0 0 33.3
05 - 09 4 1 2 0 0 0 42.9
10 - 14 1 0 0 0 0 0 0.0
15 - 19 2 0 0 0 2 0 50.0
20 - 24 12 0 0 0 1 0 7.7
25 - 29 8 0 2 0 1 0 27.3
30 - 34 9 0 0 1 2 1 30.8
35 - 39 14 0 2 0 1 3 30.0
40 - 44 12 0 1 2 1 1 29.4
45 - 49 17 0 7 0 3 1 39.3
50 - 54 23 0 4 1 2 3 30.3
55 - 59 38 0 8 0 2 4 26.9
60 - 64 53 2 7 4 3 3 26.4
65 - 69 53 0 15 1 1 5 29.3
70 - 74 67 1 32 3 5 10 43.2
75 - 79 71 4 27 6 2 12 41.8
80 - 84 83 2 37 5 6 8 41.1
85 y + 127 6 71 10 5 9 44.3
NA 1 0 2 0 0 1 75.0
4. Sex Distribution:
Sex | Code 0 | Code 1 | Code 2 | Code 3 | Code 4 | Code 5 | % |
------------------------------------------------------------------
1: 349 9 110 17 25 39 36.4
2: 279 7 110 16 12 24 37.7
3: 1 0 0 0 0 0 0.0
9: 2 0 0 0 0 0 0.0
list_useless: Genera listas (data.frame) con los registros de códigos poco útiles.
chequeo$list_useless()
# A tibble: 369 x 7
id edad unieda codmuer entity sexo useless
<int> <int> <int> <chr> <chr> <int> <chr>
1 6 74 1 I509 INSUFICIENCIA CARDIACA, NO ESP… 2 2
2 6 88 1 I509 INSUFICIENCIA CARDIACA, NO ESP… 2 2
3 2 71 1 I509 INSUFICIENCIA CARDIACA, NO ESP… 1 2
4 6 7 1 G934 ENCEFALOPATIA NO ESPECIFICADA 2 2
5 6 85 1 I509 INSUFICIENCIA CARDIACA, NO ESP… 2 2
6 50 98 1 I10X HIPERTENSION ESENCIAL (PRIMARI… 2 1
7 6 80 1 A419 SEPSIS, NO ESPECIFICADA 1 2
8 66 71 1 J81X EDEMA PULMONAR 1 2
9 82 49 1 R99X OTRAS CAUSAS MAL DEFINIDAS Y L… 1 5
10 6 74 1 I709 ATEROSCLEROSIS GENERALIZADA Y … 1 1
# … with 359 more rows
Métodos de Códigos de Enfermedades de Notificación Obligatoria (ENOs).
report_enos(): Crea un reporte que nos permiten evaluar la distribución de los códigos correspondientes en a Enfermedades de Notificación Obligatoria (ENOs).
chequeo$report_enos()
Report Notifiable Infectous Diseases: [n, %]
--------------------------------------------
1: Neumonía [49, 79%]
2: Sida [5, 8.1%]
3: Enfermedad De Chagas [4, 6.5%]
4: Bronquiolitis < 2 [1, 1.6%]
5: Diarreas Agudas [1, 1.6%]
6: Meningitis Bacteriana Sin Especificar Agente [1, 1.6%]
7: Tuberculosis [1, 1.6%]
list_enos: Lista (data.frame) los certificados con códigos de enfermedades de notificación obligatoria.
chequeo$list_enos()
# A tibble: 62 x 7
id codmuer entity edad unieda sexo enos
<int> <chr> <chr> <int> <int> <int> <chr>
1 6 J189 NEUMONIA, NO ESPECIFICADA 20 1 2 Neumon…
2 2 B208 ENFERMEDAD POR VIH, RESULTANTE… 33 1 2 SIDA
3 14 J180 BRONCONEUMONIA, NO ESPECIFICADA 79 1 2 Neumon…
4 6 J189 NEUMONIA, NO ESPECIFICADA 81 1 1 Neumon…
5 6 J189 NEUMONIA, NO ESPECIFICADA 92 1 1 Neumon…
6 14 J189 NEUMONIA, NO ESPECIFICADA 87 1 2 Neumon…
7 82 A162 TUBERCULOSIS DE PULMON, SIN ME… 43 1 1 Tuberc…
8 2 J189 NEUMONIA, NO ESPECIFICADA 101 1 2 Neumon…
9 6 J189 NEUMONIA, NO ESPECIFICADA 86 1 2 Neumon…
10 14 J189 NEUMONIA, NO ESPECIFICADA 62 1 1 Neumon…
# … with 52 more rows
Métodos para generar listas de errores y warnings.
Las validaciones utilizadas se las divide en 6 indicadores:
Errores (errors) *:
- Asterisco: Son codigos válidos como códigos adicionales pero no se aceptan como causa básica de muerte(CBM).
- No CBD: Código que no es válido como CBM.
- Limitado a un sexo: restricción del código asociado al género.
- Límite de edad: código limitado a un rango de edad.
Alertas (warnings)*:
- Trivial: Son condiciones poco probables como causa de muerte.
- SMD: sospecha de muerte materna.
list_problems: Lista los certificados con problemas (errores y/o warnings)
chequeo$list_problems()
# A tibble: 380 x 13
id edad unieda codmuer entity sexo useless trivial SMD_in age_out
<int> <int> <int> <chr> <chr> <int> <chr> <dbl> <dbl> <dbl>
1 6 74 1 I509 INSUF… 2 2 0 0 0
2 6 88 1 I509 INSUF… 2 2 0 0 0
3 2 71 1 I509 INSUF… 1 2 0 0 0
4 6 7 1 G934 ENCEF… 2 2 0 0 0
5 6 20 1 J189 NEUMO… 2 0 0 1 0
6 6 85 1 I509 INSUF… 2 2 0 0 0
7 50 98 1 I10X HIPER… 2 1 0 0 0
8 6 80 1 A419 SEPSI… 1 2 0 0 0
9 66 71 1 J81X EDEMA… 1 2 0 0 0
10 82 49 1 R99X OTRAS… 1 5 0 0 0
# … with 370 more rows, and 3 more variables: no_cbd <dbl>,
# asterisco <dbl>, sex_out <dbl>
Chequeo de faltantes y desconocidos
report_completeness: Lista los certificados con problemas (errores y/o warnings)
chequeo$report_completeness()
# A tibble: 5 x 5
Name Correct Unknown NAs pct_correct
<chr> <int> <int> <int> <dbl>
1 sexo 997 3 0 99.7
2 edad 995 5 0 99.5
3 unieda 996 4 0 99.6
4 codmuer 1000 0 0 100
5 ocloc 1000 0 0 100
list_unknown: Lista los certificados con problemas (errores y/o warnings)
chequeo$list_unknown()
# A tibble: 8 x 5
id edad unieda codmuer sexo
<int> <int> <int> <chr> <int>
1 86 1 1 K631 9
2 6 0 9 R571 1
3 18 0 4 P220 2
4 58 10 4 P000 3
5 6 0 9 A419 1
6 6 0 9 I509 2
7 6 22 1 I678 9
8 18 0 9 C189 1
Listar todo.
list_all: Lista todos los certificados.
chequeo$list_all()
# A tibble: 1,000 x 26
id edad unieda codmuer sexo ocloc code_age_check entity asterisco
<int> <int> <int> <chr> <int> <dbl> <dbl> <chr> <lgl>
1 6 74 1 I509 2 1 27028. INSUF… FALSE
2 6 88 1 I509 2 2 32142 INSUF… FALSE
3 2 71 1 I509 1 3 25933. INSUF… FALSE
4 54 73 1 J449 1 4 26663. ENFER… FALSE
5 50 73 1 C259 2 9 26663. TUMOR… FALSE
6 6 7 1 G934 2 1 2557. ENCEF… FALSE
7 6 79 1 C329 1 2 28855. TUMOR… FALSE
8 6 20 1 J189 2 3 7305 NEUMO… FALSE
9 42 50 1 I219 2 4 18262. INFAR… FALSE
10 6 72 1 C509 2 9 26298 TUMOR… FALSE
# … with 990 more rows, and 17 more variables: trivial <lgl>,
# no_cbd <lgl>, useless <chr>, fetal <lgl>,
# suspected_maternal_death <int>, sex_limited <chr>,
# code_age_upper <dbl>, code_age_lower <dbl>, age_upper <dbl>,
# age_lower <dbl>, days_age_upper <dbl>, days_age_lower <dbl>,
# SMD_description <chr>, cie10 <chr>, age_out <lgl>, sex_out <lgl>,
# SMD_in <lgl>
Transformar las variables edad y uniedad en Grupos de Edad.
La función age_codeage() crea una variable de tipo factor ordered con los grupos de edad que utiliza la DEIS al incorporar la edad age y la unidad code_age (1 = Años, 2 = Meses, 3 = días, 4 = horas, 5 = minutos). Las dos variables ingresadas deben ser de tipo numeric.
library(tidyverse) #librería para análisis de datos
── Attaching packages ────────────────────────── tidyverse 1.2.1 ──
✔ ggplot2 3.1.0 ✔ purrr 0.3.0
✔ tibble 2.0.1 ✔ dplyr 0.8.0.1
✔ tidyr 0.8.2 ✔ stringr 1.4.0
✔ readr 1.3.1 ✔ forcats 0.4.0
── Conflicts ───────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag() masks stats::lag()
test_df2 <- test_df %>% # data.frame
mutate(grupoEdad = age_codeage(edad, unieda)) # Agrega una nueva variable
Warning in rec_age2day(age, code_age): There are age equals 0 will be
coerced to 1
test_df2
# A tibble: 1,000 x 7
id edad unieda codmuer sexo ocloc grupoEdad
<int> <int> <int> <chr> <int> <dbl> <ord>
1 6 74 1 I509 2 1 70 - 74
2 6 88 1 I509 2 2 85 y +
3 2 71 1 I509 1 3 70 - 74
4 54 73 1 J449 1 4 70 - 74
5 50 73 1 C259 2 9 70 - 74
6 6 7 1 G934 2 1 05 - 09
7 6 79 1 C329 1 2 75 - 79
8 6 20 1 J189 2 3 20 - 24
9 42 50 1 I219 2 4 50 - 54
10 6 72 1 C509 2 9 70 - 74
# … with 990 more rows
diegogarcilazo/deistools documentation built on May 21, 2019, 3:09 a.m.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
deistools
Visión General
deistools es un paquete que simplifica la realización de tareas habituales de las áreas de bioestadística.
Instalación
install.packages(c('devtools','tidyverse','readxl','stringr')) #Dependencias
devtools::install_github('diegogarcilazo/deistools') #Instalar paquete de github
Funciones de Chequeo
El paquete deistools tiene incorporadas funciones para validar la información de las bases de mortalidad generadas por la DEIS.
El chequeo requiere información individual de las variables edad, codigo de edad, codigo de muerte (CIE10) y sexo. Estas variables son contrastadas con la información suministrada por la PAHO.
* Fuente de información: Se utilizó la información de las tablas sugeridas por http://www.paho.org/hq/index.php?option=com_docman&task=doc_download&gid=23700&Itemid=270&lang=en
Chequeo de Códigos Poco Útiles
Crear instancia
La checkCie10$new(args) crea el objeto de clase checkCie10 que nos permitirá utilizar los métodos de chequeo. La creación del objeto requiere de la indicación de variables obligatorias (edad, unidad de la edad, código de muerte, local de ocurrencia y sexo) y variables que consideremos importantes para la identificación de los registros.
library(deistools)
chequeo <- checkCie10$new(deistools::test_df, edad, unieda, codmuer, sexo, ocloc, id)
Warning in deistools::rec_age2day(as.numeric(~edad), ~unieda): There are
age equals 0 will be coerced to 1
------------------------------------------------------------------
Dataset = deistools::test_df
rows = 1000
------------------------------------------------------------------
list methods:
list_useless(). List certificates with useless code.
list_problems(). To list certificates problems.
list_enos(). Check for Notifiable infectous diseases.
list_unknown(). Check for unknown categories.
list_all(). list all vars.
------------------------------------------------------------------
Report methods
------------------------------------------------------------------
report_useless()
report_enos()
report_unknown()
------------------------------------------------------------------
plot methods:
------------------------------------------------------------------
plot_missing(). raster by missing status.
plot_useless(). Plot % of useless code by group age.
------------------------------------------------------------------
Help methods
------------------------------------------------------------------
help_useless()
help_indicators()
help_methods()
help_place()
------------------------------------------------------------------
Métodos de Códigos poco útiles.
report_useless(): Crea un reporte en la consola con 4 tablas que nos permiten evaluar el peso y la distribución de los códigos poco útiles.
chequeo$report_useless()
Warning: Factor `age` contains implicit NA, consider using
`forcats::fct_explicit_na`
Useless Report
----------------------------
Sí: 369 (36.9%)
No: 631
Total: 1000
1. Code Distribution:
code 1: 16 4.3%
code 2: 220 59.6%
code 3: 33 8.9%
code 4: 37 10.0%
code 5: 63 17.1%
2. Place of Occurrence:
Local | Code 0 | Code 1 | Code 2 | Code 3 | Code 4 | Code 5 | % |
---------------------------------------------------------------------
1: 117 4 45 6 12 16 41.5
2: 127 4 45 11 5 8 36.5
3: 130 4 39 4 8 15 35.0
4: 116 0 55 8 8 13 42.0
9: 141 4 36 4 4 11 29.5
3. Age Distribution:
Edad | Code 0 | Code 1 | Code 2 | Code 3 | Code 4 | Code 5 | % |
------------------------------------------------------------------
Neo 27 0 1 0 0 0 3.6
PosNeo 5 0 0 0 0 2 28.6
01 - 04 4 0 2 0 0 0 33.3
05 - 09 4 1 2 0 0 0 42.9
10 - 14 1 0 0 0 0 0 0.0
15 - 19 2 0 0 0 2 0 50.0
20 - 24 12 0 0 0 1 0 7.7
25 - 29 8 0 2 0 1 0 27.3
30 - 34 9 0 0 1 2 1 30.8
35 - 39 14 0 2 0 1 3 30.0
40 - 44 12 0 1 2 1 1 29.4
45 - 49 17 0 7 0 3 1 39.3
50 - 54 23 0 4 1 2 3 30.3
55 - 59 38 0 8 0 2 4 26.9
60 - 64 53 2 7 4 3 3 26.4
65 - 69 53 0 15 1 1 5 29.3
70 - 74 67 1 32 3 5 10 43.2
75 - 79 71 4 27 6 2 12 41.8
80 - 84 83 2 37 5 6 8 41.1
85 y + 127 6 71 10 5 9 44.3
NA 1 0 2 0 0 1 75.0
4. Sex Distribution:
Sex | Code 0 | Code 1 | Code 2 | Code 3 | Code 4 | Code 5 | % |
------------------------------------------------------------------
1: 349 9 110 17 25 39 36.4
2: 279 7 110 16 12 24 37.7
3: 1 0 0 0 0 0 0.0
9: 2 0 0 0 0 0 0.0
list_useless: Genera listas (data.frame) con los registros de códigos poco útiles.
chequeo$list_useless()
# A tibble: 369 x 7
id edad unieda codmuer entity sexo useless
<int> <int> <int> <chr> <chr> <int> <chr>
1 6 74 1 I509 INSUFICIENCIA CARDIACA, NO ESP… 2 2
2 6 88 1 I509 INSUFICIENCIA CARDIACA, NO ESP… 2 2
3 2 71 1 I509 INSUFICIENCIA CARDIACA, NO ESP… 1 2
4 6 7 1 G934 ENCEFALOPATIA NO ESPECIFICADA 2 2
5 6 85 1 I509 INSUFICIENCIA CARDIACA, NO ESP… 2 2
6 50 98 1 I10X HIPERTENSION ESENCIAL (PRIMARI… 2 1
7 6 80 1 A419 SEPSIS, NO ESPECIFICADA 1 2
8 66 71 1 J81X EDEMA PULMONAR 1 2
9 82 49 1 R99X OTRAS CAUSAS MAL DEFINIDAS Y L… 1 5
10 6 74 1 I709 ATEROSCLEROSIS GENERALIZADA Y … 1 1
# … with 359 more rows
Métodos de Códigos de Enfermedades de Notificación Obligatoria (ENOs).
report_enos(): Crea un reporte que nos permiten evaluar la distribución de los códigos correspondientes en a Enfermedades de Notificación Obligatoria (ENOs).
chequeo$report_enos()
Report Notifiable Infectous Diseases: [n, %]
--------------------------------------------
1: Neumonía [49, 79%]
2: Sida [5, 8.1%]
3: Enfermedad De Chagas [4, 6.5%]
4: Bronquiolitis < 2 [1, 1.6%]
5: Diarreas Agudas [1, 1.6%]
6: Meningitis Bacteriana Sin Especificar Agente [1, 1.6%]
7: Tuberculosis [1, 1.6%]
list_enos: Lista (data.frame) los certificados con códigos de enfermedades de notificación obligatoria.
chequeo$list_enos()
# A tibble: 62 x 7
id codmuer entity edad unieda sexo enos
<int> <chr> <chr> <int> <int> <int> <chr>
1 6 J189 NEUMONIA, NO ESPECIFICADA 20 1 2 Neumon…
2 2 B208 ENFERMEDAD POR VIH, RESULTANTE… 33 1 2 SIDA
3 14 J180 BRONCONEUMONIA, NO ESPECIFICADA 79 1 2 Neumon…
4 6 J189 NEUMONIA, NO ESPECIFICADA 81 1 1 Neumon…
5 6 J189 NEUMONIA, NO ESPECIFICADA 92 1 1 Neumon…
6 14 J189 NEUMONIA, NO ESPECIFICADA 87 1 2 Neumon…
7 82 A162 TUBERCULOSIS DE PULMON, SIN ME… 43 1 1 Tuberc…
8 2 J189 NEUMONIA, NO ESPECIFICADA 101 1 2 Neumon…
9 6 J189 NEUMONIA, NO ESPECIFICADA 86 1 2 Neumon…
10 14 J189 NEUMONIA, NO ESPECIFICADA 62 1 1 Neumon…
# … with 52 more rows
Métodos para generar listas de errores y warnings.
Las validaciones utilizadas se las divide en 6 indicadores:
Errores (errors) *:
- Asterisco: Son codigos válidos como códigos adicionales pero no se aceptan como causa básica de muerte(CBM).
- No CBD: Código que no es válido como CBM.
- Limitado a un sexo: restricción del código asociado al género.
- Límite de edad: código limitado a un rango de edad.
Alertas (warnings)*:
- Trivial: Son condiciones poco probables como causa de muerte.
- SMD: sospecha de muerte materna.
list_problems: Lista los certificados con problemas (errores y/o warnings)
chequeo$list_problems()
# A tibble: 380 x 13
id edad unieda codmuer entity sexo useless trivial SMD_in age_out
<int> <int> <int> <chr> <chr> <int> <chr> <dbl> <dbl> <dbl>
1 6 74 1 I509 INSUF… 2 2 0 0 0
2 6 88 1 I509 INSUF… 2 2 0 0 0
3 2 71 1 I509 INSUF… 1 2 0 0 0
4 6 7 1 G934 ENCEF… 2 2 0 0 0
5 6 20 1 J189 NEUMO… 2 0 0 1 0
6 6 85 1 I509 INSUF… 2 2 0 0 0
7 50 98 1 I10X HIPER… 2 1 0 0 0
8 6 80 1 A419 SEPSI… 1 2 0 0 0
9 66 71 1 J81X EDEMA… 1 2 0 0 0
10 82 49 1 R99X OTRAS… 1 5 0 0 0
# … with 370 more rows, and 3 more variables: no_cbd <dbl>,
# asterisco <dbl>, sex_out <dbl>
Chequeo de faltantes y desconocidos
report_completeness: Lista los certificados con problemas (errores y/o warnings)
chequeo$report_completeness()
# A tibble: 5 x 5
Name Correct Unknown NAs pct_correct
<chr> <int> <int> <int> <dbl>
1 sexo 997 3 0 99.7
2 edad 995 5 0 99.5
3 unieda 996 4 0 99.6
4 codmuer 1000 0 0 100
5 ocloc 1000 0 0 100
list_unknown: Lista los certificados con problemas (errores y/o warnings)
chequeo$list_unknown()
# A tibble: 8 x 5
id edad unieda codmuer sexo
<int> <int> <int> <chr> <int>
1 86 1 1 K631 9
2 6 0 9 R571 1
3 18 0 4 P220 2
4 58 10 4 P000 3
5 6 0 9 A419 1
6 6 0 9 I509 2
7 6 22 1 I678 9
8 18 0 9 C189 1
Listar todo.
list_all: Lista todos los certificados.
chequeo$list_all()
# A tibble: 1,000 x 26
id edad unieda codmuer sexo ocloc code_age_check entity asterisco
<int> <int> <int> <chr> <int> <dbl> <dbl> <chr> <lgl>
1 6 74 1 I509 2 1 27028. INSUF… FALSE
2 6 88 1 I509 2 2 32142 INSUF… FALSE
3 2 71 1 I509 1 3 25933. INSUF… FALSE
4 54 73 1 J449 1 4 26663. ENFER… FALSE
5 50 73 1 C259 2 9 26663. TUMOR… FALSE
6 6 7 1 G934 2 1 2557. ENCEF… FALSE
7 6 79 1 C329 1 2 28855. TUMOR… FALSE
8 6 20 1 J189 2 3 7305 NEUMO… FALSE
9 42 50 1 I219 2 4 18262. INFAR… FALSE
10 6 72 1 C509 2 9 26298 TUMOR… FALSE
# … with 990 more rows, and 17 more variables: trivial <lgl>,
# no_cbd <lgl>, useless <chr>, fetal <lgl>,
# suspected_maternal_death <int>, sex_limited <chr>,
# code_age_upper <dbl>, code_age_lower <dbl>, age_upper <dbl>,
# age_lower <dbl>, days_age_upper <dbl>, days_age_lower <dbl>,
# SMD_description <chr>, cie10 <chr>, age_out <lgl>, sex_out <lgl>,
# SMD_in <lgl>
Transformar las variables edad y uniedad en Grupos de Edad.
La función age_codeage() crea una variable de tipo factor ordered con los grupos de edad que utiliza la DEIS al incorporar la edad age y la unidad code_age (1 = Años, 2 = Meses, 3 = días, 4 = horas, 5 = minutos). Las dos variables ingresadas deben ser de tipo numeric.
library(tidyverse) #librería para análisis de datos
── Attaching packages ────────────────────────── tidyverse 1.2.1 ──
✔ ggplot2 3.1.0 ✔ purrr 0.3.0
✔ tibble 2.0.1 ✔ dplyr 0.8.0.1
✔ tidyr 0.8.2 ✔ stringr 1.4.0
✔ readr 1.3.1 ✔ forcats 0.4.0
── Conflicts ───────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag() masks stats::lag()
test_df2 <- test_df %>% # data.frame
mutate(grupoEdad = age_codeage(edad, unieda)) # Agrega una nueva variable
Warning in rec_age2day(age, code_age): There are age equals 0 will be
coerced to 1
test_df2
# A tibble: 1,000 x 7
id edad unieda codmuer sexo ocloc grupoEdad
<int> <int> <int> <chr> <int> <dbl> <ord>
1 6 74 1 I509 2 1 70 - 74
2 6 88 1 I509 2 2 85 y +
3 2 71 1 I509 1 3 70 - 74
4 54 73 1 J449 1 4 70 - 74
5 50 73 1 C259 2 9 70 - 74
6 6 7 1 G934 2 1 05 - 09
7 6 79 1 C329 1 2 75 - 79
8 6 20 1 J189 2 3 20 - 24
9 42 50 1 I219 2 4 50 - 54
10 6 72 1 C509 2 9 70 - 74
# … with 990 more rows
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Embedding an R snippet on your website
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.