pandemia_vacunados.Rmd

---
title: "Pandemia de vacunados"
output: html_notebook
---

```{r}
library(readr)
library(dplyr)
library(lubridate)
library(ggplot2)
library(stringr)
library(kableExtra)
library(forcats)
library(rlang)
```
```{css}
    caption {
      color: black;
      font-weight: bold;
      font-size: 1.0em;
    } 
```


```{r}

positivos <- read_delim("2022_02_08_positivos_covid.csv", delim = ";") %>%     
    mutate_at(
        vars(contains("FECHA")),
        function(x) { as.Date(as.character(x), "%Y%m%d") } 
    )
tmp <- colnames(positivos) 
tmp[5] <- "METODO"
colnames(positivos) <- tmp
```

```{r}
positivos
```

```{r}
positivos %>% 
    count(FECHA_RESULTADO) %>% 
    ggplot() + 
    geom_line(aes(x=FECHA_RESULTADO, y = n)) + 
    labs(
        title= "Pruebas positivas de Covid",
        subtitle ="Fuente: Datos abiertos MINSA, al 06/02/2022",
        x = "Fecha de resultado de prueba",
        y = "Numero de pruebas positivas"
    ) + 
  scale_x_date(breaks = scales::breaks_pretty(10))+ 
  theme_minimal() + 
  theme(
      plot.title = element_text(size=30),
      axis.title = element_text(size=20),
      # axis.ticks = element_text(size=14),
      axis.text.y=element_text(size=20)
  ) 

```


```{r}
if (!file.exists(paste0(Sys.Date(), "_", "resumen_vacunacion.csv")))
{
    # De https://www.datosabiertos.gob.pe/dataset/vacunacion
    # Ver en el get-data-minsa.bash como lo proceso para obtener vacunas_proyeccion.csv
  
    vacunacion <- read_csv("2022_02_08_vacunas_proyeccion.csv")
    n_vacs <- count(vacunacion, id_persona)
    write_csv(n_vacs, paste0(Sys.Date(), "_", "resumen_vacunacion.csv")) # reduce rows    
} else{
    n_vacs <- read_csv(paste0(Sys.Date(), "_", "resumen_vacunacion.csv")) 
}
```


Corte al 15/12/2021 - Filter from 15/12/2021 to 06/02/2022
15/12/21 is when the so called 3rd wave started......and also the beginning of the 'obligation' of a vaccinepass/ID/QR
¿Por qué elegir esta fecha de corte?

- Para ver unos dias antes del inicio de la 3era ola
- Por el inicio del "carnet de vacunacion"

```{r}
positivos %>% 
    filter(FECHA_RESULTADO >= as.Date("15/12/2021", "%d/%m/%Y")) %>% 
    nrow()
```

#### Cruzando positivos con vacunados

Se puede comprobar el cruce haciendo una busqueda del ID PERSONA en la data original y comparando la edad. 
Tal vez valdria la pena hacer la proyeccion con edad para comprobar que los datos esten bien cruzados. Haciendo una muestrita a dedo, parece bien

grep 24662352 2022_01_24_TB_VACUNACION_COVID19/TB_VACUNACION_COVID19.csv
grep 24662596 2022_01_24_TB_VACUNACION_COVID19/TB_VACUNACION_COVID19.csv
grep 24662367 2022_01_24_TB_VACUNACION_COVID19/TB_VACUNACION_COVID19.csv

```{r}
con_vac <- 
    positivos %>% 
    filter(FECHA_RESULTADO >= as.Date("15/12/2021", "%d/%m/%Y")) %>% 
    left_join(n_vacs) 
```


Notar que en los datos de positividad hay ID_PERSONA vacios, por lo que no puedo decir si estan vac, no vac o que ?
In the positivos : con_vac are empty id_persona's so we don't know if they are vaxxed or not or something else ? 

```{r}
all_vaxxed <- nrow(con_vac)
all_vaxxed # Show the amount of all tested persons since 15/12/2021 :
```
Now let's correct and remove empty id_persona :

```{r}
con_vac <- filter(con_vac, !is.na(id_persona))
nrow(con_vac)
```
So there are a # of records of tested people, with no id_persona:
```{r}
all_vaxxed_no_id <- all_vaxxed - nrow(con_vac)
all_vaxxed_no_id
```
estos # positivos que no se puede saber su estado de vacunacion
These # positives we have no idea about vaxxed status

Porcentaje general de positividad segun dosis

```{r}
con_vac %>%
    count(n, sort=F, name = 'nn') %>% 
    mutate(
        p = round(nn/nrow(con_vac)*100, 3),
        n = if_else(is.na(n), "0", as.character(n))
    ) %>% 
    rename(
        `Número de dosis` = n,
        `Número de positivos` = nn,
        `Porcentaje del total de positivos` = p,
    ) %>% 
      kbl(
          caption = "Distribución de pruebas positivas según estado de vacunación, desde 15/12/2021 hasta 06/02/2022"
         ) %>%
    kable_material_dark()
```



```{r}
con_vac %>%
    count(id_persona, name='positivos_x_persona') %>%
    count(positivos_x_persona, sort=T) %>% 
    mutate(p = round(n/sum(n)*100, 3)) %>%
    rename(
        `Número de veces positivo` = positivos_x_persona,
        `Número de personas` = n,
        `Porcentaje del total` = p,
    ) %>% 
    kbl(
        caption = "<b style='color:black !important; text-align:center !important;'>Distribución de pruebas positivas según número de positivos por cada persona, desde 15/12/2021 hasta 06/02/2022</b>", 
    ) %>%
    kable_paper(full_width=F)
```

Notar que, en este periodo de 15/12 - 06/02 hay:

- 26 personas que dan 4 veces positivo
- 680 que dan 3 veces positivos
- 35403 que dan 2 veces positivo (razonable ?, habria que ver)

Las duplicaciones suenan razonables, pero 3 o 4 suena raro... Facil y se hicieron la prueba varias veces. 
Igual, el 96.5% de los datos corresponde a personas que salieron positivo 1 sola vez


Verlo por proporciones diarias afianza la idea

````{r}
gc()
````

Saves some GiB's, helps prevent crashing R

```{r}
con_vac %>% 
    rename(n_dosis=n) %>% 
    count(FECHA_RESULTADO, n_dosis, name='x_dia_x_dosis') %>% 
    group_by(FECHA_RESULTADO) %>% 
    mutate(
        p = x_dia_x_dosis/sum(x_dia_x_dosis)*100,
        n_dosis = forcats::fct_rev(if_else(is.na(n_dosis), "0", as.character(n_dosis)))
    ) %>% 
    ggplot() + 
    geom_col(aes(x=FECHA_RESULTADO, y = p, fill=n_dosis)) + 
    labs(
        title = "Pruebas Positivas COVID x # vac.",
        subtitle = "Desde 15/12/2021 hasta 06/02/2022 | Fuente: Datos Abiertos Minsa | @gjrossir",
        y = "Porcentaje (%) de pruebas positivas",
        x = "Fecha de resultado de prueba por dia",
        fill = "# de dosis"
    ) +
    scale_x_date(date_breaks = "1 week", date_labels =  "%d/%m/%y")  + 
    scale_fill_manual(values = rev(c("#000000", "#c71e1d", "#c71e1d","#ffe59c", "#4D9748", "#0000FF"))) +
    theme_minimal() + 
    theme(
        plot.title = element_text(size=25),
        axis.title = element_text(size=20),
        # axis.ticks = element_text(size=14),
        axis.text.x=element_text(angle=90),
        axis.text.y=element_text(size=20),
        legend.text = element_text(size=18),
        legend.title = element_text(size=16)
    ) 
``` 

### Viendolo por metodos

```{r}
count(con_vac, METODO,sort=T) %>% 
    rename(
        `Tipo de prueba` = METODO,
        `Número de pruebas` = n
    ) %>% 
    kbl(
        caption = "<b style='color:black !important; text-align:center !important;'>Distribución de pruebas positivas según tipo de prueba,<br>desde 15/12/2021 hasta 06/02/2022</b>", 
    ) %>%
    kable_paper(full_width=F)
    # kable_material_dark(full_width = F, )
```


##### Disclaimer en los datos abiertos

Es el registro diario de casos positivos de covid-19 confirmados con cualquier tipo de prueba y que presentan síntomas. Cada registro es igual a una persona, la cual puede caracterizarse por sexo, edad y ubicación geográfica hasta nivel de distrito.

Directiva Sanitaria para la vigilancia epidemiológica de la enfermedad de Coronavirus en el Perú, aquí se establece los lineamientos y procedimientos de identificación de casos positivos, para más detalle ver el link:

https://www.gob.pe/institucion/minsa/normas-legales/1322786-905-2020-minsa

Nota: Desde el 02/06/2020 los casos por PR no incluye las IPRESS privadas que realizan tamizaje a trabajadores de empresas en el marco de la reactivación económica, debido a que el objetivo de este tamizaje NO permite identificar casos nuevos en personas sospechosas

Fuente: Instituto Nacional de Salud y Centro Nacional de Epidemiologia, prevención y Control de Enfermedades –