COVID19AR

A package for analysing COVID-19 Argentina’s outbreak

Package

Release	Usage	Development

Argentina COVID19 open data

How to get started (Development version)

Install the R package using the following commands on the R console:

# install.packages("devtools")
devtools::install_github("rOpenStats/COVID19AR")

How to use it

First add variable with your preferred configurations in ~/.Renviron. COVID19AR_data_dir is mandatory while COVID19AR_credits can be configured if you want to publish your own research.

COVID19AR_data_dir = "~/.R/COVID19AR"
COVID19AR_credits = "@youralias"

library(COVID19AR)
#> Loading required package: dplyr
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union
#> Loading required package: knitr
#> Loading required package: magrittr
#> Loading required package: lgr
#> Warning: replacing previous import 'ggplot2::Layout' by 'lgr::Layout' when
#> loading 'COVID19AR'
#> Warning: replacing previous import 'readr::col_factor' by 'scales::col_factor'
#> when loading 'COVID19AR'
#> Warning: replacing previous import 'magrittr::equals' by 'testthat::equals' when
#> loading 'COVID19AR'
#> Warning: replacing previous import 'magrittr::not' by 'testthat::not' when
#> loading 'COVID19AR'
#> Warning: replacing previous import 'magrittr::is_less_than' by
#> 'testthat::is_less_than' when loading 'COVID19AR'
#> Warning: replacing previous import 'dplyr::matches' by 'testthat::matches' when
#> loading 'COVID19AR'
library(ggplot2)
#> 
#> Attaching package: 'ggplot2'
#> The following object is masked from 'package:lgr':
#> 
#>     Layout

COVID19AR datos abiertos del Ministerio de Salud de la Nación

opendata From Ministerio de Salud de la Nación Argentina

log.dir <- file.path(getEnv("data_dir"), "logs")
dir.create(log.dir, recursive = TRUE, showWarnings = FALSE)
log.file <- file.path(log.dir, "covid19ar.log")
lgr::get_logger("root")$add_appender(AppenderFile$new(log.file))
lgr::threshold("info", lgr::get_logger("root"))
lgr::threshold("info", lgr::get_logger("COVID19ARCurator"))

# Data from
# http://datos.salud.gob.ar/dataset/covid-19-casos-registrados-en-la-republica-argentina
covid19.curator <- COVID19ARCurator$new(report.date = Sys.Date() -1 , 
                                        download.new.data = FALSE)

dummy <- covid19.curator$loadData()
#> INFO  [08:04:24.980] Exists dest path? {dest.path: ~/.R/COVID19AR/Covid19Casos.csv, exists.dest.path: TRUE}
dummy <- covid19.curator$curateData()
#> INFO  [08:04:32.301] Normalize 
#> INFO  [08:04:34.365] checkSoundness 
#> INFO  [08:04:35.283] Mutating data 
#> INFO  [08:07:48.473] Last days rows {date: 2020-08-24, n: 28267}
#> INFO  [08:07:48.528] Last days rows {date: 2020-08-25, n: 19172}
#> INFO  [08:07:48.530] Future rows {date: 2020-08-29, n: 1}
# Dates of current processed file
max(covid19.curator$data$fecha_apertura, na.rm = TRUE)
#> [1] "2020-08-25"
# Inicio de síntomas

max(covid19.curator$data$fecha_inicio_sintomas,  na.rm = TRUE)
#> [1] "2020-08-25"

# Ultima muerte
max(covid19.curator$data$fecha_fallecimiento,  na.rm = TRUE)
#> [1] "2020-08-25"

report.date <- max(covid19.curator$data$fecha_inicio_sintomas,  na.rm = TRUE)
covid19.ar.summary <- covid19.curator$makeSummary(group.vars = NULL)

kable(covid19.ar.summary %>% select(max_fecha_diagnostico, confirmados, fallecidos, letalidad.min.porc, letalidad.max.porc, count_fecha_diagnostico, tests, positividad.porc))

max_fecha_diagnostico	confirmados	fallecidos	letalidad.min.porc	letalidad.max.porc	count_fecha_diagnostico	tests	positividad.porc
2020-08-29	359633	7563	0.016	0.021	185	987175	0.364

covid19.ar.provincia.summary <- covid19.curator$makeSummary(group.vars = c("residencia_provincia_nombre"))
covid19.ar.provincia.summary.100.confirmed <- covid19.ar.provincia.summary %>% 
  filter(confirmados >= 100) %>%
  arrange(desc(confirmados))
# Provinces with > 100 confirmed cases
kable(covid19.ar.provincia.summary.100.confirmed %>% select(residencia_provincia_nombre, confirmados, fallecidos, confirmados, fallecidos, letalidad.min.porc, letalidad.max.porc, count_fecha_diagnostico, tests, positividad.porc))

residencia_provincia_nombre	confirmados	fallecidos	letalidad.min.porc	letalidad.max.porc	count_fecha_diagnostico	tests	positividad.porc
Buenos Aires	222784	4510	0.015	0.020	182	524976	0.424
CABA	86926	2018	0.019	0.023	179	218107	0.399
Jujuy	6836	196	0.017	0.029	159	18861	0.362
Córdoba	6411	107	0.013	0.017	169	45560	0.141
Santa Fe	5382	65	0.009	0.012	165	33584	0.160
Mendoza	5070	113	0.015	0.022	168	15859	0.320
Chaco	4966	199	0.031	0.040	167	30607	0.162
Río Negro	4938	139	0.025	0.028	162	13281	0.372
Entre Ríos	2509	31	0.010	0.012	162	8788	0.286
Neuquén	2415	41	0.014	0.017	164	7435	0.325
Salta	2104	32	0.010	0.015	157	5068	0.415
Tierra del Fuego	1803	22	0.010	0.012	161	5355	0.337
SIN ESPECIFICAR	1582	8	0.004	0.005	155	3624	0.437
Santa Cruz	1410	12	0.007	0.009	154	3928	0.359
Tucumán	1278	7	0.001	0.005	160	16436	0.078
La Rioja	1177	47	0.036	0.040	154	6035	0.195
Santiago del Estero	654	4	0.003	0.006	148	7720	0.085
Chubut	580	6	0.005	0.010	148	4471	0.130
Corrientes	260	2	0.004	0.008	159	6375	0.041
La Pampa	194	1	0.004	0.005	142	2265	0.086
San Juan	109	0	0.000	0.000	153	1232	0.088

covid19.ar.summary <- covid19.curator$makeSummary(group.vars = c("residencia_provincia_nombre"))
nrow(covid19.ar.summary)
#> [1] 25
porc.cols <- names(covid19.ar.summary)[grep("porc", names(covid19.ar.summary))]
kable((covid19.ar.summary %>% filter(confirmados > 0) %>% arrange(desc(confirmados))) %>% 
        select_at(c("residencia_provincia_nombre", "confirmados", "tests", "fallecidos", "dias.fallecimiento",porc.cols)))

residencia_provincia_nombre	confirmados	tests	fallecidos	dias.fallecimiento	letalidad.min.porc	letalidad.max.porc	positividad.porc	internados.porc	cuidado.intensivo.porc	respirador.porc
Buenos Aires	222784	524976	4510	14.6	0.015	0.020	0.424	0.088	0.012	0.005
CABA	86926	218107	2018	15.7	0.019	0.023	0.399	0.176	0.018	0.009
Jujuy	6836	18861	196	12.8	0.017	0.029	0.362	0.007	0.001	0.001
Córdoba	6411	45560	107	17.8	0.013	0.017	0.141	0.034	0.010	0.005
Santa Fe	5382	33584	65	12.7	0.009	0.012	0.160	0.057	0.013	0.006
Mendoza	5070	15859	113	11.5	0.015	0.022	0.320	0.233	0.012	0.004
Chaco	4966	30607	199	15.0	0.031	0.040	0.162	0.112	0.062	0.027
Río Negro	4938	13281	139	12.5	0.025	0.028	0.372	0.281	0.015	0.010
Entre Ríos	2509	8788	31	10.5	0.010	0.012	0.286	0.127	0.009	0.002
Neuquén	2415	7435	41	16.9	0.014	0.017	0.325	0.594	0.014	0.009
Salta	2104	5068	32	7.5	0.010	0.015	0.415	0.183	0.016	0.006
Tierra del Fuego	1803	5355	22	12.7	0.010	0.012	0.337	0.021	0.008	0.008
SIN ESPECIFICAR	1582	3624	8	20.1	0.004	0.005	0.437	0.064	0.007	0.004
Santa Cruz	1410	3928	12	11.3	0.007	0.009	0.359	0.055	0.016	0.011
Tucumán	1278	16436	7	13.2	0.001	0.005	0.078	0.127	0.014	0.002
La Rioja	1177	6035	47	11.1	0.036	0.040	0.195	0.025	0.005	0.002
Santiago del Estero	654	7720	4	2.7	0.003	0.006	0.085	0.008	0.003	0.000
Chubut	580	4471	6	16.0	0.005	0.010	0.130	0.043	0.012	0.010
Corrientes	260	6375	2	12.0	0.004	0.008	0.041	0.023	0.008	0.004
La Pampa	194	2265	1	27.0	0.004	0.005	0.086	0.082	0.015	0.005
San Juan	109	1232	0	NaN	0.000	0.000	0.088	0.073	0.009	0.000
Formosa	83	1043	1	12.0	0.009	0.012	0.080	0.012	0.000	0.000
Catamarca	63	2809	0	NaN	0.000	0.000	0.022	0.000	0.000	0.000
Misiones	59	2750	2	6.5	0.013	0.034	0.021	0.508	0.102	0.051
San Luis	40	1006	0	NaN	0.000	0.000	0.040	0.300	0.025	0.000

rg <- ReportGeneratorCOVID19AR$new(covid19ar.curator = covid19.curator)
rg$preprocess()
#> Parsed with column specification:
#> cols(
#>   .default = col_double(),
#>   residencia_provincia_nombre = col_character(),
#>   residencia_departamento_nombre = col_character(),
#>   fecha_apertura = col_date(format = ""),
#>   max_fecha_diagnostico = col_date(format = ""),
#>   max_fecha_inicio_sintomas = col_date(format = ""),
#>   confirmados.inc = col_logical(),
#>   confirmados.rate = col_logical(),
#>   fallecidos.inc = col_logical(),
#>   tests.inc = col_logical(),
#>   tests.rate = col_logical(),
#>   sospechosos.inc = col_logical()
#> )
#> See spec(...) for full column specifications.
rg$getDepartamentosExponentialGrowthPlot()
#> Scale for 'y' is already present. Adding another scale for 'y', which will
#> replace the existing scale.

rg$getDepartamentosCrossSectionConfirmedPostivityPlot()

covid19.ar.summary <- covid19.curator$makeSummary(group.vars = c("sepi_apertura"))
#> INFO  [08:08:45.274] Processing {current.group: }
nrow(covid19.ar.summary)
#> [1] 26
porc.cols <- names(covid19.ar.summary)[grep("porc", names(covid19.ar.summary))]
kable(covid19.ar.summary %>% 
        filter(confirmados > 0) %>% 
        arrange(sepi_apertura, desc(confirmados)) %>% 
        select_at(c("sepi_apertura", "max_fecha_diagnostico", "count_fecha_diagnostico", "confirmados", "tests", "internados", "fallecidos",  porc.cols)))

sepi_apertura	max_fecha_diagnostico	count_fecha_diagnostico	confirmados	tests	internados	fallecidos	letalidad.min.porc	letalidad.max.porc	positividad.porc	internados.porc	cuidado.intensivo.porc	respirador.porc
10	2020-08-12	20	15	86	9	1	0.048	0.067	0.174	0.600	0.133	0.133
11	2020-08-12	40	98	667	66	9	0.065	0.092	0.147	0.673	0.122	0.061
12	2020-08-22	66	416	2051	257	17	0.033	0.041	0.203	0.618	0.091	0.053
13	2020-08-22	101	1092	5521	602	64	0.050	0.059	0.198	0.551	0.093	0.056
14	2020-08-24	140	1798	11544	983	115	0.053	0.064	0.156	0.547	0.093	0.056
15	2020-08-24	165	2479	20267	1338	180	0.060	0.073	0.122	0.540	0.089	0.050
16	2020-08-24	177	3310	31877	1697	240	0.058	0.073	0.104	0.513	0.079	0.043
17	2020-08-24	180	4476	45939	2232	348	0.063	0.078	0.097	0.499	0.071	0.037
18	2020-08-24	180	5516	59137	2643	430	0.063	0.078	0.093	0.479	0.064	0.034
19	2020-08-24	180	7006	73278	3248	515	0.060	0.074	0.096	0.464	0.060	0.031
20	2020-08-25	181	9450	90717	4110	620	0.055	0.066	0.104	0.435	0.055	0.028
21	2020-08-25	181	13896	114171	5461	783	0.047	0.056	0.122	0.393	0.048	0.024
22	2020-08-25	181	19206	139583	6923	985	0.043	0.051	0.138	0.360	0.044	0.022
23	2020-08-25	181	25747	167884	8483	1236	0.041	0.048	0.153	0.329	0.041	0.019
24	2020-08-25	181	35500	203044	10655	1529	0.037	0.043	0.175	0.300	0.036	0.017
25	2020-08-25	181	48458	244507	13046	1915	0.034	0.040	0.198	0.269	0.031	0.014
26	2020-08-25	181	66361	296618	16148	2431	0.032	0.037	0.224	0.243	0.028	0.013
27	2020-08-25	181	85234	347676	18970	3016	0.030	0.035	0.245	0.223	0.026	0.011
28	2020-08-25	182	108714	406658	22303	3750	0.030	0.034	0.267	0.205	0.024	0.011
29	2020-08-25	184	137581	477896	25881	4563	0.028	0.033	0.288	0.188	0.022	0.010
30	2020-08-25	184	175138	563304	29497	5424	0.026	0.031	0.311	0.168	0.020	0.009
31	2020-08-29	185	213735	651177	32613	6110	0.024	0.029	0.328	0.153	0.018	0.008
32	2020-08-29	185	261530	756456	36018	6860	0.022	0.026	0.346	0.138	0.016	0.008
33	2020-08-29	185	305718	865063	38872	7300	0.020	0.024	0.353	0.127	0.015	0.007
34	2020-08-29	185	349127	964038	40906	7546	0.017	0.022	0.362	0.117	0.014	0.006
35	2020-08-29	185	359633	987175	41280	7563	0.016	0.021	0.364	0.115	0.014	0.006

```r
covid19.ar.summary <- covid19.curator$makeSummary(group.vars = c("residencia_provincia_nombre", "sepi_apertura"))
#> INFO  [08:10:14.647] Processing {current.group: residencia_provincia_nombre = Buenos Aires}
#> INFO  [08:11:08.642] Processing {current.group: residencia_provincia_nombre = CABA}
#> INFO  [08:11:33.567] Processing {current.group: residencia_provincia_nombre = Catamarca}
#> INFO  [08:11:35.935] Processing {current.group: residencia_provincia_nombre = Chaco}
#> INFO  [08:11:42.567] Processing {current.group: residencia_provincia_nombre = Chubut}
#> INFO  [08:11:46.052] Processing {current.group: residencia_provincia_nombre = Córdoba}
#> INFO  [08:11:53.695] Processing {current.group: residencia_provincia_nombre = Corrientes}
#> INFO  [08:11:57.208] Processing {current.group: residencia_provincia_nombre = Entre Ríos}
#> INFO  [08:12:00.751] Processing {current.group: residencia_provincia_nombre = Formosa}
#> INFO  [08:12:03.175] Processing {current.group: residencia_provincia_nombre = Jujuy}
#> INFO  [08:12:07.416] Processing {current.group: residencia_provincia_nombre = La Pampa}
#> INFO  [08:12:10.192] Processing {current.group: residencia_provincia_nombre = La Rioja}
#> INFO  [08:12:14.884] Processing {current.group: residencia_provincia_nombre = Mendoza}
#> INFO  [08:12:22.026] Processing {current.group: residencia_provincia_nombre = Misiones}
#> INFO  [08:12:24.760] Processing {current.group: residencia_provincia_nombre = Neuquén}
#> INFO  [08:12:28.455] Processing {current.group: residencia_provincia_nombre = Río Negro}
#> INFO  [08:12:33.281] Processing {current.group: residencia_provincia_nombre = Salta}
#> INFO  [08:12:36.261] Processing {current.group: residencia_provincia_nombre = San Juan}
#> INFO  [08:12:38.927] Processing {current.group: residencia_provincia_nombre = San Luis}
#> INFO  [08:12:41.670] Processing {current.group: residencia_provincia_nombre = Santa Cruz}
#> INFO  [08:12:44.419] Processing {current.group: residencia_provincia_nombre = Santa Fe}
#> INFO  [08:12:50.917] Processing {current.group: residencia_provincia_nombre = Santiago del Estero}
#> INFO  [08:12:56.381] Processing {current.group: residencia_provincia_nombre = SIN ESPECIFICAR}
#> INFO  [08:12:59.490] Processing {current.group: residencia_provincia_nombre = Tierra del Fuego}
#> INFO  [08:13:02.658] Processing {current.group: residencia_provincia_nombre = Tucumán}
nrow(covid19.ar.summary)
#> [1] 586
porc.cols <- names(covid19.ar.summary)[grep("porc", names(covid19.ar.summary))]
sepi.fechas <- covid19.curator$data %>% 
  group_by(sepi_apertura) %>% 
  summarize(ultima_fecha_sepi = max(fecha_apertura), .groups = "keep")


data2plot <- covid19.ar.summary %>%
                filter(residencia_provincia_nombre %in% covid19.ar.provincia.summary.100.confirmed$residencia_provincia_nombre) %>%
                filter(confirmados > 0 ) %>%
                filter(positividad.porc <=0.6 | confirmados >= 20)

                
data2plot %<>% inner_join(sepi.fechas, by = "sepi_apertura")
dates <- sort(unique(data2plot$ultima_fecha_sepi))

covplot <- data2plot %>%
 ggplot(aes(x = ultima_fecha_sepi, y = confirmados, color = "confirmados")) +
 geom_line() +
 facet_wrap(~residencia_provincia_nombre, ncol = 2, scales = "free_y") +
 labs(title = "Evolución de casos confirmados y tests\n en provincias > 100 confirmados")
covplot <- covplot +
 geom_line(aes(x = ultima_fecha_sepi, y = tests, color = "tests")) +
 facet_wrap(~residencia_provincia_nombre, ncol = 2, scales = "free_y")
covplot <- setupTheme(covplot, report.date = report.date, x.values = dates, x.type = "dates",
                     total.colors = 2,
                     data.provider.abv = "@msalnacion", base.size = 6)
covplot <- covplot + scale_y_log10()
#> Scale for 'y' is already present. Adding another scale for 'y', which will
#> replace the existing scale.
covplot

covplot <- data2plot %>%
 ggplot(aes(x = ultima_fecha_sepi, y = positividad.porc, color = "positividad.porc")) +
 geom_line() +
 facet_wrap(~residencia_provincia_nombre, ncol = 2, scales = "free_y") +
 labs(title = "Porcentajes de positividad, uso de UCI, respirador y letalidad\n en provincias > 100 confirmados")
covplot <- covplot +
 geom_line(aes(x = ultima_fecha_sepi, y = cuidado.intensivo.porc, color = "cuidado.intensivo.porc")) +
 facet_wrap(~residencia_provincia_nombre, ncol = 2, scales = "free_y")
covplot <- covplot  +
 geom_line(aes(x = ultima_fecha_sepi, y = respirador.porc, color = "respirador.porc"))+
 facet_wrap(~residencia_provincia_nombre, ncol = 2, scales = "free_y")
covplot <- covplot +
 geom_line(aes(x = ultima_fecha_sepi, y = letalidad.min.porc, color = "letalidad.min.porc")) +
 facet_wrap(~residencia_provincia_nombre, ncol = 2, scales = "free_y")

covplot <- setupTheme(covplot, report.date = report.date, x.values = dates, x.type = "dates",
                     total.colors = 4,
                     data.provider.abv = "@msalnacion", base.size = 6)
covplot

covid19.ar.summary <- covid19.curator$makeSummary(group.vars = c("residencia_provincia_nombre", "sexo"))
nrow(covid19.ar.summary)
#> [1] 66
porc.cols <- names(covid19.ar.summary)[grep("porc", names(covid19.ar.summary))]
kable((covid19.ar.summary %>% filter(confirmados >= 10) %>% arrange(desc(confirmados))) %>% select_at(c("residencia_provincia_nombre", "sexo", "confirmados", "internados", "fallecidos",  porc.cols)))

residencia_provincia_nombre	sexo	confirmados	internados	fallecidos	letalidad.min.porc	letalidad.max.porc	positividad.porc	internados.porc	cuidado.intensivo.porc	respirador.porc
Buenos Aires	M	113966	10725	2575	0.017	0.023	0.442	0.094	0.014	0.006
Buenos Aires	F	107989	8857	1905	0.013	0.018	0.407	0.082	0.009	0.003
CABA	F	43831	7472	927	0.017	0.021	0.378	0.170	0.013	0.006
CABA	M	42753	7713	1072	0.021	0.025	0.423	0.180	0.022	0.011
Jujuy	M	4081	34	119	0.018	0.029	0.389	0.008	0.001	0.001
Córdoba	M	3209	103	57	0.014	0.018	0.145	0.032	0.010	0.006
Córdoba	F	3193	113	50	0.012	0.016	0.137	0.035	0.009	0.005
Jujuy	F	2746	14	76	0.016	0.028	0.330	0.005	0.001	0.001
Santa Fe	F	2732	134	25	0.007	0.009	0.154	0.049	0.011	0.004
Santa Fe	M	2649	171	40	0.011	0.015	0.168	0.065	0.015	0.009
Río Negro	F	2569	713	53	0.018	0.021	0.362	0.278	0.009	0.004
Mendoza	F	2565	600	36	0.010	0.014	0.316	0.234	0.006	0.002
Chaco	M	2506	288	126	0.039	0.050	0.165	0.115	0.069	0.033
Mendoza	M	2486	574	75	0.020	0.030	0.325	0.231	0.019	0.007
Chaco	F	2458	269	73	0.022	0.030	0.160	0.109	0.055	0.021
Río Negro	M	2368	676	86	0.032	0.036	0.383	0.285	0.022	0.016
Entre Ríos	F	1304	161	11	0.007	0.008	0.283	0.123	0.007	0.001
Salta	M	1229	228	24	0.013	0.020	0.409	0.186	0.020	0.009
Neuquén	M	1214	720	22	0.015	0.018	0.332	0.593	0.014	0.010
Entre Ríos	M	1203	156	20	0.013	0.017	0.288	0.130	0.012	0.003
Neuquén	F	1201	714	19	0.013	0.016	0.318	0.595	0.013	0.007
Tierra del Fuego	M	1002	25	13	0.011	0.013	0.360	0.025	0.012	0.011
SIN ESPECIFICAR	F	932	51	3	0.003	0.003	0.427	0.055	0.004	0.000
Salta	F	871	155	8	0.006	0.009	0.425	0.178	0.010	0.001
Buenos Aires	NR	829	77	30	0.023	0.036	0.452	0.093	0.024	0.011
Tierra del Fuego	F	787	13	9	0.010	0.011	0.307	0.017	0.004	0.004
Santa Cruz	M	711	38	8	0.010	0.011	0.369	0.053	0.018	0.013
Santa Cruz	F	698	40	4	0.005	0.006	0.350	0.057	0.014	0.010
Tucumán	M	673	88	4	0.001	0.006	0.067	0.131	0.010	0.001
SIN ESPECIFICAR	M	645	49	4	0.005	0.006	0.454	0.076	0.009	0.008
La Rioja	M	632	14	31	0.045	0.049	0.202	0.022	0.002	0.000
Tucumán	F	605	74	3	0.001	0.005	0.096	0.122	0.018	0.003
La Rioja	F	542	15	16	0.027	0.030	0.189	0.028	0.009	0.004
Santiago del Estero	M	370	4	3	0.004	0.008	0.071	0.011	0.005	0.000
CABA	NR	342	93	19	0.033	0.056	0.401	0.272	0.038	0.026
Chubut	M	313	18	4	0.006	0.013	0.137	0.058	0.016	0.016
Santiago del Estero	F	281	1	1	0.002	0.004	0.122	0.004	0.000	0.000
Chubut	F	261	6	2	0.004	0.008	0.122	0.023	0.008	0.004
Corrientes	M	152	6	2	0.007	0.013	0.042	0.039	0.007	0.007
La Pampa	F	110	11	0	0.000	0.000	0.087	0.100	0.018	0.009
Corrientes	F	108	0	0	0.000	0.000	0.039	0.000	0.009	0.000
La Pampa	M	84	5	1	0.009	0.012	0.084	0.060	0.012	0.000
Formosa	M	67	0	0	0.000	0.000	0.108	0.000	0.000	0.000
San Juan	M	62	4	0	0.000	0.000	0.090	0.065	0.000	0.000
San Juan	F	47	4	0	0.000	0.000	0.087	0.085	0.021	0.000
Catamarca	M	41	0	0	0.000	0.000	0.023	0.000	0.000	0.000
Misiones	M	37	16	1	0.011	0.027	0.025	0.432	0.108	0.054
San Luis	M	28	8	0	0.000	0.000	0.050	0.286	0.036	0.000
Catamarca	F	22	0	0	0.000	0.000	0.022	0.000	0.000	0.000
Misiones	F	22	14	1	0.017	0.045	0.017	0.636	0.091	0.045
Mendoza	NR	19	5	2	0.045	0.105	0.200	0.263	0.000	0.000
Formosa	F	16	1	1	0.037	0.062	0.038	0.062	0.000	0.000
Tierra del Fuego	NR	14	0	0	0.000	0.000	2.800	0.000	0.000	0.000
San Luis	F	12	4	0	0.000	0.000	0.027	0.333	0.000	0.000

covid19.ar.summary <- covid19.curator$makeSummary(group.vars = c("residencia_provincia_nombre", "edad.rango"))
#> Warning in max.default(structure(c(NA_real_, NA_real_, NA_real_, NA_real_, : no
#> non-missing arguments to max; returning -Inf

#> Warning in max.default(structure(c(NA_real_, NA_real_, NA_real_, NA_real_, : no
#> non-missing arguments to max; returning -Inf

 # Share per province
  provinces.cases <-covid19.ar.summary %>%
    group_by(residencia_provincia_nombre) %>%
    summarise(fallecidos.total.provincia = sum(fallecidos),
              confirmados.total.provincia = sum(confirmados),
              .groups = "keep")
 covid19.ar.summary %<>% inner_join(provinces.cases, by = "residencia_provincia_nombre")
 covid19.ar.summary %<>% mutate(fallecidos.prop = fallecidos/fallecidos.total.provincia)
 covid19.ar.summary %<>% mutate(confirmados.prop = confirmados/confirmados.total.provincia)

 # Data 2 plot
 data2plot <- covid19.ar.summary %>% filter(residencia_provincia_nombre %in%
 # Proporción de confirmados por rango etario
 covid19.ar.provincia.summary.100.confirmed$residencia_provincia_nombre)

 
 covidplot <-
   data2plot %>%
   ggplot(aes(x = edad.rango, y = confirmados.prop, fill = edad.rango)) +
   geom_bar(stat = "identity") + facet_wrap(~residencia_provincia_nombre, ncol = 2, scales = "free_y") +
   labs(title = "Proporción de confirmados por rango etario\n en provincias > 100 confirmados")

 covidplot <- setupTheme(covidplot, report.date = report.date, x.values = NULL, x.type = NULL,
                         total.colors = length(unique(data2plot$edad.rango)),
                         data.provider.abv = "@msalnacion", base.size = 6)
 # Proporción de muertos por rango etario
 covidplot

 #Plot of deaths share
 covidplot <-
    data2plot %>%
    ggplot(aes(x = edad.rango, y = fallecidos.prop, fill = edad.rango)) +
    geom_bar(stat = "identity") + facet_wrap(~residencia_provincia_nombre, ncol = 2, scales = "free_y") +
    labs(title = "Proporción de muertos por rango etario\n en provincias > 100 confirmados")
 covidplot <- setupTheme(covidplot, report.date = report.date, x.values = NULL, x.type = NULL,
                      total.colors = length(unique(data2plot$edad.rango)),
                      data.provider.abv = "@msalnacion", base.size = 6)
 # Proporción de muertos por rango etario
 covidplot
#> Warning: Removed 15 rows containing missing values (position_stack).

 # UCI rate
 covidplot <- data2plot %>%
   ggplot(aes(x = edad.rango, y = cuidado.intensivo.porc, fill = edad.rango)) +
   geom_bar(stat = "identity") + facet_wrap(~residencia_provincia_nombre, ncol = 2, scales = "free_y") +
    labs(title = "Porcentaje de pacientes en Unidades de Cuidados Intensivos por rango etario\n en provincias > 100 confirmados")
 covidplot <- setupTheme(covidplot, report.date = report.date, x.values = NULL, x.type = NULL,
                      total.colors = length(unique(data2plot$edad.rango)),
                      data.provider.abv = "@msalnacion", base.size = 6)
 covidplot

 # ventilator rate
 covidplot <- data2plot %>%
   ggplot(aes(x = edad.rango, y = respirador.porc, fill = edad.rango)) +
   geom_bar(stat = "identity") +
   facet_wrap(~residencia_provincia_nombre, ncol = 2, scales = "free_y") +
   labs(title = "Porcentaje de pacientes que utilizaron respirador mecánico por rango etario\n en provincias > 100 confirmados")
 covidplot <- setupTheme(covidplot, report.date = report.date, x.values = NULL, x.type = NULL,
                      total.colors = length(unique(data2plot$edad.rango)),
                      data.provider.abv = "@msalnacion", base.size = 6)
 covidplot

 # fatality rate

 covidplot <- data2plot %>%
  ggplot(aes(x = edad.rango, y = letalidad.min.porc, fill = edad.rango)) +
  geom_bar(stat = "identity") +
  facet_wrap(~residencia_provincia_nombre, ncol = 2, scales = "free_y") +
  labs(title = "Porcentaje de letalidad por rango etario\n en provincias > 100 confirmados")
 covidplot <- setupTheme(covidplot, report.date = report.date, x.values = NULL, x.type = NULL,
                      total.colors = length(unique(data2plot$edad.rango)),
                      data.provider.abv = "@msalnacion", base.size = 6)
 covidplot

Generar diferentes agregaciones y guardar csv / Generate different aggregations

output.dir <- "~/.R/COVID19AR/"
dir.create(output.dir, showWarnings = FALSE, recursive = TRUE)
exportAggregatedTables(covid19.curator, output.dir = output.dir,
                       aggrupation.criteria = list(provincia_residencia = c("residencia_provincia_nombre"),
                                                   provincia_localidad_residencia = c("residencia_provincia_nombre", "residencia_departamento_nombre"),
                                                   provincia_residencia_sexo = c("residencia_provincia_nombre", "sexo"),
                                                   edad_rango_sexo = c("edad.rango", "sexo"),
                                                   provincia_residencia_edad_rango = c("residencia_provincia_nombre", "edad.rango"),
                                                   provincia_residencia_sepi_apertura = c("residencia_provincia_nombre", "sepi_apertura"),
                                                   provincia_residencia = c("residencia_provincia_nombre", "residencia_departamento_nombre", "sepi_apertura"),
                                                   provincia_residencia_fecha_apertura = c("residencia_provincia_nombre", "fecha_apertura")))

All this tables are accesible at COVID19ARdata

How to Cite This Work

Citation

Alejandro Baranek, COVID19AR, 2020. URL: https://github.com/rOpenStats/COVID19AR

BibTex
@techreport{baranek2020Covid19AR,
Author = {Alejandro Baranek},
Institution = {rOpenStats},
Title = {COVID19AR: a package for analysing Argentina COVID-19 outbreak},
Url = {https://github.com/rOpenStats/COVID19AR},
Year = {2020}}

Name		Name	Last commit message	Last commit date
Latest commit History 141 Commits
R		R
inst/extdata/testcases		inst/extdata/testcases
man		man
tests		tests
.Rbuildignore		.Rbuildignore
.gitignore		.gitignore
.lintr		.lintr
.travis.yml		.travis.yml
COVID19AR.Rproj		COVID19AR.Rproj
DESCRIPTION		DESCRIPTION
LICENSE		LICENSE
NAMESPACE		NAMESPACE
README-deaths.Rmd		README-deaths.Rmd
README-deaths.md		README-deaths.md
README.Rmd		README.Rmd
README.md		README.md

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Repository files navigation

COVID19AR

Package

Argentina COVID19 open data

How to get started (Development version)

How to use it

COVID19AR datos abiertos del Ministerio de Salud de la Nación

Generar diferentes agregaciones y guardar csv / Generate different aggregations

How to Cite This Work

About

Releases

Packages

Languages

License

rOpenStats/COVID19ARreports2008

Folders and files

Latest commit

History

Repository files navigation

COVID19AR

Package

Argentina COVID19 open data

How to get started (Development version)

How to use it

COVID19AR datos abiertos del Ministerio de Salud de la Nación

Generar diferentes agregaciones y guardar csv / Generate different aggregations

How to Cite This Work

About

Resources

License

Stars

Watchers

Forks

Releases

Packages 0

Languages

Packages