Skip to content

Commit

Permalink
Merge branch 'main' into repo-size
Browse files Browse the repository at this point in the history
  • Loading branch information
@GeraldineGomez
GeraldineGomez authored Oct 9, 2023
2 parents 4821f1a + 53c682a commit 8d0a9b6
Show file tree
Hide file tree
Showing 76 changed files with 563 additions and 357 deletions.
20 changes: 16 additions & 4 deletions DESCRIPTION
View file
Original file line number Diff line number Diff line change
Expand Up @@ -4,9 +4,19 @@ Type: Package
Version: 0.0.2.0
Authors@R:
c(
person("Zulma M. Cucunubá", role = "aut"),
person("Geraldine Gómez Millán", role = c("aut", "cre"),
email = "[email protected]")
person(given = "Geraldine", family = "Gómez Millán", email = "[email protected]", role = c("aut", "cre", "ctb"),
comment = c(ORCID = "https://orcid.org/0009-0007-8701-0568")),
person(given = "Zulma M.", family = "Cucunubá", email = "[email protected]", role = c("aut", "ctb"),
comment = c(ORCID = "https://orcid.org/0000-0002-8165-3198")),
person(given = "Hugo", family = "Gruson", email = "[email protected]", role = c("ctb"),
comment = c(ORCID = "https://orcid.org/0000-0002-4094-1476")),
person(given = "Laura", family = "Gómez Bermeo", email = "[email protected]", role = c("ctb"),
comment = c(ORCID = "https://orcid.org/0000-0003-4028-2893")),
person(given = "Miguel", family = "Gámez", role = c("ctb")),
person(given = "Jennifer", family = "Méndez-Romero", role = c("ctb")),
person(given = "Johan", family = "Calderón", role = c("ctb")),
person(given = "Lady", family = "Flórez-Tapiero", role = c("ctb")),
person(given = "Verónica", family = "Tangarife-Arredondo", role = c("ctb"))
)
Description: Provides functions for data wrangling and automated reports
from SIVIGILA source.
Expand All @@ -23,10 +33,12 @@ Imports:
stringr,
xml2,
epitrix,
sf
sf,
readxl
Suggests:
knitr,
rmarkdown
Depends: R (>= 2.10)
Config/Needs/website:
epiverse-trace/epiversetheme
VignetteBuilder: knitr
86 changes: 51 additions & 35 deletions R/checking_data.R
View file
Original file line number Diff line number Diff line change
Expand Up @@ -40,8 +40,9 @@ filtrar_event <- function(nombre_event,
#' @return Un data frame con los datos filtrados con la enfermedad,
#' departamentos y municipios seleccionados
#' @examples
#' data_event <- import_data_event(2019, "DENGUE")
#' data_event <- limpiar_encabezado(data_event)
#' data(dengue2020)
#' data_event <- dengue2020
#' data_event <- limpiar_data_sivigila(data_event, 2020)
#' geo_filtro(data_event, nombre_dpto = "ANTIOQUIA")
#' @export
geo_filtro <- function(data_event, nombre_dpto = NULL, nombre_mun = NULL) {
Expand Down Expand Up @@ -101,7 +102,9 @@ obtener_cods_dpto <- function(geo_cods) {
#' @return Un data frame con los casos por tipo de población especial
#' de una enfermedad o evento
#' @examples
#' data_event <- import_data_event(2019, "DENGUE")
#' data(dengue2020)
#' data_event <- dengue2020
#' data_event <- limpiar_data_sivigila(data_event, 2020)
#' obtener_casos_pob_especial(data_event = data_event)
#' @export
obtener_casos_pob_especial <- function(data_event) {
Expand All @@ -116,10 +119,9 @@ obtener_casos_pob_especial <- function(data_event) {
"special_populations_names")
casos_especiales <- c()
for (sp in pob_especial) {
casos_especiales <- append(casos_especiales, sum(
eval(parse(text =
paste0("data_event$", sp)))
))
data_event[[sp]] <- as.numeric(data_event[[sp]])
casos_especiales <- append(casos_especiales,
sum(data_event[[sp]]))
}
data_pob_especial <- data.frame(
poblacion = pob_especial,
Expand All @@ -138,8 +140,9 @@ obtener_casos_pob_especial <- function(data_event) {
#' @return Un data frame con los datos de una enfermedad o
#' evento agrupados por semana epidemiológica y número de casos
#' @examples
#' data_event <- import_data_event(2019, "DENGUE")
#' data_event <- limpiar_encabezado(data_event)
#' data(dengue2020)
#' data_event <- dengue2020
#' data_event <- limpiar_data_sivigila(data_event, 2020)
#' agrupar_casos_semanaepi(data_event = data_event)
#' @export
agrupar_casos_semanaepi <- function(data_event) {
Expand All @@ -165,8 +168,9 @@ agrupar_casos_semanaepi <- function(data_event) {
#' o evento agrupados por el nombre de la(s) columna(s) y el
#' número de casos; su valor por defecto es TRUE
#' @examples
#' data_event <- import_data_event(2019, "DENGUE")
#' data_event <- limpiar_encabezado(data_event)
#' data(dengue2020)
#' data_event <- dengue2020
#' data_event <- limpiar_data_sivigila(data_event, 2020)
#' agrupar_cols_casos(data_event = data_event,
#' cols_nombres = "sexo",
#' agr_porcentaje = TRUE)
Expand All @@ -176,6 +180,8 @@ agrupar_casos_semanaepi <- function(data_event) {
agrupar_cols_casos <- function(data_event,
cols_nombres,
agr_porcentaje = FALSE) {
cols_nombres <- append(cols_nombres, c("nombre_evento"))
print(cols_nombres)
data_event_agrupada <- data_event %>%
dplyr::group_by_at(cols_nombres) %>%
dplyr::summarise(casos = dplyr::n(), .groups = "drop")
Expand Down Expand Up @@ -212,8 +218,9 @@ agrupar_cols_casos <- function(data_event,
#' @return Un data frame con los datos de la enfermedad o evento
#' agrupados por el rango de edad y número de casos
#' @examples
#' data_event <- import_data_event(2019, "DENGUE")
#' data_event <- limpiar_encabezado(data_event)
#' data(dengue2020)
#' data_event <- dengue2020
#' data_event <- limpiar_data_sivigila(data_event, 2020)
#' data_edad <- agrupar_cols_casos(data_event = data_event,
#' c("edad", "semana"),
#' agr_porcentaje = TRUE)
Expand Down Expand Up @@ -269,8 +276,9 @@ agrupar_rango_edad_casos <- function(data_event,
#' @return Un data frame con los datos de una enfermedad
#' o evento agrupados por nombre de columna(s) y número de casos
#' @examples
#' data_event <- import_data_event(2019, "DENGUE")
#' data_event <- limpiar_encabezado(data_event)
#' data(dengue2020)
#' data_event <- dengue2020
#' data_event <- limpiar_data_sivigila(data_event, 2020)
#' agrupar_cols_casos(data_event = data_event,
#' cols_nombres = "sexo",
#' agr_porcentaje = TRUE)
Expand All @@ -280,6 +288,7 @@ agrupar_rango_edad_casos <- function(data_event,
agrupar_cols_casos <- function(data_event,
cols_nombres,
agr_porcentaje = FALSE) {
cols_nombres <- append(cols_nombres, c("nombre_evento"))
data_event_agrupada <- data_event %>%
dplyr::group_by_at(cols_nombres) %>%
dplyr::summarise(casos = dplyr::n(), .groups = "drop")
Expand Down Expand Up @@ -309,8 +318,9 @@ agrupar_cols_casos <- function(data_event,
#' @return Un data frame con los datos de la enfermedad o evento
#' agrupados por fecha de inicio de síntomas y número de casos
#' @examples
#' data_event <- import_data_event(2019, "DENGUE")
#' data_event <- limpiar_encabezado(data_event)
#' data(dengue2020)
#' data_event <- dengue2020
#' data_event <- limpiar_data_sivigila(data_event, 2020)
#' agrupar_fecha_inisintomas(data_event = data_event,
#' col_nombre = "ini_sin",
#' tipo = "month")
Expand Down Expand Up @@ -348,8 +358,9 @@ agrupar_fecha_inisintomas <- function(data_event,
#' @return Un data frame con los datos de enfermedades agrupados por fecha de
#' notificación y número de casos
#' @examples
#' data_event <- import_data_event(2019, "DENGUE")
#' data_event <- limpiar_encabezado(data_event)
#' data(dengue2020)
#' data_event <- dengue2020
#' data_event <- limpiar_data_sivigila(data_event, 2020)
#' agrupar_fecha_notifica(data_event = data_event,
#' col_nombre = "fec_not",
#' tipo = "month")
Expand Down Expand Up @@ -387,8 +398,9 @@ agrupar_fecha_notifica <- function(data_event,
#' @return Un data frame con los datos de la enfermedad o evento
#' agrupados por sexo y número de casos
#' @examples
#' data_event <- import_data_event(2019, "DENGUE")
#' data_event <- limpiar_encabezado(data_event)
#' data(dengue2020)
#' data_event <- dengue2020
#' data_event <- limpiar_data_sivigila(data_event, 2020)
#' agrupar_sex(data_event = data_event,
#' col_nombre = "sexo",
#' porcentaje = TRUE)
Expand Down Expand Up @@ -417,17 +429,16 @@ agrupar_sex <- function(data_event,
#' @return Un data frame con los datos de la enfermedad o evento
#' agrupados por sexo, semana epidemiológica y número de casos
#' @examples
#' data_event <- import_data_event(2019, "DENGUE")
#' data_event <- limpiar_encabezado(data_event)
#' data(dengue2020)
#' data_event <- dengue2020
#' data_event <- limpiar_data_sivigila(data_event, 2020)
#' agrupar_sex_semanaepi(data_event = data_event,
#' col_nombres = c("sexo", "semana"),
#' porcentaje = TRUE)
#' @export
agrupar_sex_semanaepi <- function(data_event,
col_nombres = c("sexo", "semana"),
porcentaje = TRUE) {
cols_ocurrenc <- obtener_tip_ocurren_geo(data_event$cod_eve[1])
col_nombres <- append(col_nombres, cols_ocurrenc)
data_event_sex_semanaepi <- agrupar_cols_casos(data_event,
col_nombres,
porcentaje)
Expand All @@ -451,8 +462,9 @@ agrupar_sex_semanaepi <- function(data_event,
#' @return Un data frame con los datos de la enfermedad o evento agrupados
#' por edad y número de casos
#' @examples
#' data_event <- import_data_event(2019, "DENGUE")
#' data_event <- limpiar_encabezado(data_event)
#' data(dengue2020)
#' data_event <- dengue2020
#' data_event <- limpiar_data_sivigila(data_event, 2020)
#' agrupar_edad(data_event = data_event,
#' col_nombre = "edad",
#' porcentaje = FALSE)
Expand Down Expand Up @@ -494,8 +506,9 @@ agrupar_edad <- function(data_event,
#' @return Un data frame con los datos de enfermedades agrupados
#' por edades, sexo y número de casos
#' @examples
#' data_event <- import_data_event(2019, "DENGUE")
#' data_event <- limpiar_encabezado(data_event)
#' data(dengue2020)
#' data_event <- dengue2020
#' data_event <- limpiar_data_sivigila(data_event, 2020)
#' agrupar_edad_sex(data_event = data_event,
#' col_nombres = c("edad", "sexo"),
#' porcentaje = TRUE)
Expand Down Expand Up @@ -541,8 +554,9 @@ agrupar_edad_sex <- function(data_event,
#' @return Un data frame con los datos de la enfermedad o evento agrupados
#' por poblaciones especiales y casos
#' @examples
#' data_event <- import_data_event(2019, "DENGUE")
#' data_event <- limpiar_encabezado(data_event)
#' data(dengue2020)
#' data_event <- dengue2020
#' data_event <- limpiar_data_sivigila(data_event, 2020)
#' agrupar_pob_especial(data_event = data_event,
#' col_nombre = "poblacion",
#' porcentaje = TRUE)
Expand Down Expand Up @@ -575,8 +589,9 @@ agrupar_pob_especial <- function(data_event,
#' @return Un data frame con los datos de la enfermedad o evento agrupados
#' por códigos de departamento y número de casos
#' @examples
#' data_event <- import_data_event(2019, "DENGUE")
#' data_event <- limpiar_encabezado(data_event)
#' data(dengue2020)
#' data_event <- dengue2020
#' data_event <- limpiar_data_sivigila(data_event, 2020)
#' agrupar_dpto(data_event = data_event,
#' col_nombre = "cod_dpto_o",
#' porcentaje = FALSE)
Expand Down Expand Up @@ -613,8 +628,9 @@ agrupar_dpto <- function(data_event,
#' @return Un data frame con los datos de la enfermedad o evento agrupados
#' por códigos de municipios y número de casos
#' @examples
#' data_event <- import_data_event(2019, "DENGUE")
#' data_event <- limpiar_encabezado(data_event)
#' data(dengue2020)
#' data_event <- dengue2020
#' data_event <- limpiar_data_sivigila(data_event, 2020)
#' agrupar_mun(data_event = data_event,
#' dept_nombre = "Antioquia",
#' col_nombre = "cod_mun_o",
Expand Down
Loading

0 comments on commit 8d0a9b6

Please sign in to comment.