Dev fix(impor_data_event): adding extra validation for dengue 2016

R/import_data.R

@@ -170,6 +170,17 @@ import_data_event <- function(nombre_event,
       data_import <- limpiar_encabezado(data_import)
       data_import$fec_def <- as.character(data_import$fec_def)
       nombre_cols <- names(data_import)
+      index_cols_eve <- which(stringr::str_detect(nombre_cols,
+                                                  stringr::fixed("cod_eve_"))
+                              %in% TRUE)
+      if (!identical(index_cols_eve,
+                     integer(0))) {
+          names(data_import)[index_cols_eve[1]] <- "cod_eve"
+          index_cols_eve[1] <- index_cols_eve[-1]
+          data_import <-
+            data_import[, -index_cols_eve]
+          nombre_cols <- names(data_import)
+      }
       nombre_cols <- nombre_cols[-which(nombre_cols %in% cols_remover)]
       data_event <- rbind(data_event, data_import[, nombre_cols])
     }
@@ -214,7 +225,8 @@ import_sep_data <- function(path_data = NULL, cache = TRUE) {
       }
     }
     if (stringr::str_detect(file_name, ".xls")) {
-      data <- readxl::read_excel(file_path)
+      data <- readxl::read_excel(file_path,
+                                 col_types = "text")
     }
   }
   return(data)

inst/rmarkdown/templates/reports/skeleton/skeleton.Rmd

@@ -1,11 +1,11 @@
 ---
 output:
-  pdf_document: 
-    number_sections: true
   html_document:
     number_sections: true
     fig_caption: true
     css: style.css
+  pdf_document: 
+    number_sections: true
   word_document: 
     number_sections: true
 header-includes:
@@ -38,6 +38,30 @@ params:
   municipio:
     value: ""
     label: Municipio
+  temporal_distribution:
+    value: TRUE
+    input: checkbox
+    label: Distribucion temporal de los casos
+  epi_sex_distribution:
+    value: TRUE
+    input: checkbox
+    label: Distribucion de casos por sexo y semana epidemiológica
+  age_distribution:
+    value: TRUE
+    input: checkbox
+    label: Distribucion de casos por edad
+  age_sex_distribution:
+    value: TRUE
+    input: checkbox
+    label: Distribucion de casos por edad y sexo
+  mpio_distribution:
+    value: TRUE
+    input: checkbox
+    label: Distribucion de casos por municipio
+  spatial_distribution:
+    value: TRUE
+    input: checkbox
+    label: Distribución espacial de casos
 editor_options: 
   markdown: 
     wrap: sentence
@@ -107,6 +131,7 @@ fuente <- "Fuente SIVIGILA, Datos libres"
     <h3 class="fuente">`r fuente`</h3>
 </div>
 ```
+
 ```{r import_data, include = FALSE}
 data_event <-  import_data_event(nombre_event = params$nombre_evento,
                                  year = params$year)
@@ -127,8 +152,7 @@ data_event_filtrada <-  geo_filtro(data_event = data_event_limpia,
 ```
 En este reporte se presenta el comportamiento del `r stringr::str_to_title(params$nombre_evento)` durante el año `r params$year` para Colombia con base en la fuente de datos SIVIGILA de acceso libre. En total en Colombia durante `r params$year` se reportaron `r nrow(data_event)` casos en todo el territorio nacional, en el departamento del `r params$departmento` se reportaron `r nrow(data_event_filtrada)` casos.
 
-# Distribución temporal de los casos
-
+`r if (params$temporal_distribution) {"# Distribución temporal de los casos"}`
 ```{r cases_by_onset_symptom_date, include = FALSE}
 casos_iniciosin_dia <- agrupar_fecha_inisintomas(data_event =
                                                    data_event_filtrada)
@@ -137,9 +161,9 @@ mes_mayor_casos <- obtener_meses_mas_casos(data_event =
                                            col_fechas = "ini_sin")
 ```
 
-Los casos se distribuyen a lo largo de los meses de enero a diciembre de `r params$year`, teniendo un mayor reporte en el mes de `r mes_mayor_casos` tanto por fecha de inicio de síntomas (Ver Figura 1) como por fecha de notificación (Ver Figura 2).
+`r if (params$temporal_distribution) {paste0("Los casos se distribuyen a lo largo de los meses de enero a diciembre de ", params$year, " teniendo un mayor reporte en el mes de ", mes_mayor_casos$Meses, " tanto por fecha de inicio de síntomas (Ver Figura 1) como por fecha de notificación (Ver Figura 2).")}`
 
-```{r plot_cases_by_onset_symptom_date, fig.height = 5, fig.width = 11, fig.cap = "Distribucion de casos por dia de inicio de sintomas"}
+```{r plot_cases_by_onset_symptom_date, fig.height = 5, fig.width = 11, fig.cap = "Distribucion de casos por dia de inicio de sintomas", include = params$temporal_distribution, eval = params$temporal_distribution}
 plot_fecha_inisintomas(data_agrupada = casos_iniciosin_dia,
                        uni_marca = "semanaepi")
 ```
@@ -149,14 +173,14 @@ casos_fecha_notifica_dia <- agrupar_fecha_notifica(data_event =
                                                      data_event_filtrada)
 ```
 
-```{r plot_cases_by_onset_notification_date, fig.height = 5, fig.width = 10, fig.cap = "Distribucion de casos por fecha de notificacion"}
+```{r plot_cases_by_onset_notification_date, fig.height = 5, fig.width = 10, fig.cap = "Distribucion de casos por fecha de notificacion", include = params$temporal_distribution, eval = params$temporal_distribution}
 plot_fecha_notifica(data_agrupada = casos_fecha_notifica_dia,
                     uni_marca = "semanaepi")
 ```
 
 \newpage
 
-# Distribución de casos por sexo y semana epidemiológica
+`r if (params$epi_sex_distribution) {"# Distribución de casos por sexo y semana epidemiológica"}`
 
 ```{r distribution_cg, include = FALSE}
 casos_sex <- agrupar_sex(data_event = data_event_filtrada)
@@ -172,9 +196,9 @@ if (isTRUE(porcentaje_femenino < porcentaje_masculino)) {
 }
 ```
 
-En el total de casos para `r params$year` se observa una predominancia del sexo `r sexo_mayor[1]` (`r sexo_mayor[2]`)% respecto al sexo `r sexo_menor[1]` (`r sexo_menor[2]`)% (Ver Figura 3).
+`r if (params$epi_sex_distribution) {paste0("En el total de casos para ",  params$year, " se observa una predominancia del sexo ", sexo_mayor[1],  " (", sexo_mayor[2], ")% respecto al sexo ", sexo_menor[1], " (", sexo_menor[2], ")% (Ver Figura 3).")}`
 
-```{r distribution_cg_plots, fig.height = 5, fig.width = 8, fig.cap = "Distribucion de casos por sexo"}
+```{r distribution_cg_plots, fig.height = 5, fig.width = 8, fig.cap = "Distribucion de casos por sexo", include = params$epi_sex_distribution}
 plot_sex(data_agrupada = casos_sex)
 ```
 
@@ -184,36 +208,36 @@ plot_sex(data_agrupada = casos_sex)
 casos_sex_semanaepi <- agrupar_sex_semanaepi(data_event = data_event_filtrada)
 ```
 
-Esta predominancia del reporte de casos del sexo `r sexo_mayor[1]` se mantuvo a lo largo de la mayoria de semanas epidemiológicas (Ver figura 4).
+`r if (params$epi_sex_distribution) {paste0("Esta predominancia del reporte de casos del sexo ", sexo_mayor[1], " se mantuvo a lo largo de la mayoria de semanas epidemiológicas (Ver figura 4).")}`
 
-```{r plot_cg_semanaepi, fig.height = 9, fig.width = 11, fig.cap =  "Distribucion de casos por sexo y semana epidemiologica"}
+```{r plot_cg_semanaepi, fig.height = 9, fig.width = 11, fig.cap =  "Distribucion de casos por sexo y semana epidemiologica", include = params$epi_sex_distribution}
 plot_sex_semanaepi(data_agrupada = casos_sex_semanaepi)
 ```
 
-# Distribución de casos por edad
+`r if (params$age_distribution) {"# Distribución de casos por edad"}`
 
 ```{r distribution_age_d, include = FALSE}
 casos_edad <- agrupar_edad(data_event = data_event_filtrada, interval_edad = 10)
 age_most_cases <- obtener_fila_mas_casos(data_event = casos_edad)
 ```
 
-La distribución de los casos por grupos etarios muestra una tendencia decreciente a medida que se avanza en la edad. La población de `r age_most_cases$edad` años representó el `r  age_most_cases$porcentaje` % de todos los casos de `r stringr::str_to_title(params$nombre_evento)` (Ver figura 5).
+`r if (params$age_distribution) {paste0("La distribución de los casos por grupos etarios muestra una tendencia decreciente a medida que se avanza en la edad. La población de ", age_most_cases$edad, " años representó el ",  age_most_cases$porcentaje, " % de todos los casos de ", stringr::str_to_title(params$nombre_evento), " (Ver figura 5).")}`
 
-```{r distribution_age, fig.height = 3, fig.width = 8, fig.cap =  "Distribucion de casos por edad"}
+```{r distribution_age, fig.height = 3, fig.width = 8, fig.cap =  "Distribucion de casos por edad", include = params$age_distribution}
 plot_edad(data_agrupada = casos_edad)
 ```
 
 \newpage
 
-# Distribución de casos por edad y sexo
+`r if(params$age_sex_distribution) {"# Distribución de casos por edad y sexo"}`
 
-```{r distribution_age_anger, fig.height = 3, fig.width = 9, fig.cap =  "Distribucion de casos por edad y genero"}
+```{r distribution_age_anger, fig.height = 3, fig.width = 9, fig.cap =  "Distribucion de casos por edad y genero", include = params$age_sex_distribution}
 casos_edad_sex <- agrupar_edad_sex(data_event = data_event_filtrada,
                                    interval_edad = 10)
 plot_edad_sex(data_agrupada = casos_edad_sex)
 ```
 
-# Distribución de casos por municipio
+`r if(params$mpio_distribution) {"# Distribución de casos por municipio"}`
 
 ```{r group_distribution_municipios,  results='hide', echo = FALSE, error = FALSE, warning = FALSE, include = FALSE, message = FALSE}
 dist_espacial_dpto <- agrupar_mpio(data_event = data_event_filtrada,
@@ -223,22 +247,22 @@ espacial_mayor_casos <- obtener_fila_mas_casos(data_event =
                                                  dist_espacial_dpto)
 ```
 
-Los casos se distribuyen a lo largo de `r nrow(dist_espacial_dpto)` municipios del departamento de `r params$departmento`, teniendo un mayor reporte el municipio de `r stringr::str_to_title(espacial_mayor_casos$nombre)` con `r espacial_mayor_casos$casos` casos (Ver Figura 7).
+`r if(params$mpio_distribution) {paste0("Los casos se distribuyen a lo largo de ", nrow(dist_espacial_dpto), " municipios del departamento de ", params$departmento, " teniendo un mayor reporte el municipio de ", stringr::str_to_title(espacial_mayor_casos$nombre), " con ", espacial_mayor_casos$casos, " casos (Ver Figura 7).")}`
 
-```{r plot_distribution_municipios, fig.height = 15, fig.width = 10, fig.cap = "Distribucion de casos por municipio"}
+```{r plot_distribution_municipios, fig.height = 15, fig.width = 10, fig.cap = "Distribucion de casos por municipio", include = params$mpio_distribution}
 plot_spatial <- plot_mpios(data_agrupada = dist_espacial_dpto)
 plot_spatial
 ```
 
 \newpage
 
-# Distribución espacial de casos
+`r if(params$spatial_distribution) {"# Distribución espacial de casos"}`
 
 ```{r plot_distribution_spatial, results='hide', echo = FALSE, error = FALSE, warning = FALSE, include = FALSE, message = FALSE}
 mapa <- plot_map(data_agrupada = dist_espacial_dpto)
 ```
 
-```{r map_distribution_spatial, echo = FALSE, error = FALSE, warning = FALSE, include = TRUE, message = FALSE, cache = FALSE, results = FALSE, comment = FALSE, fig.height = 16, fig.width = 14, fig.cap =  "Distribucion espacial de casos"}
+```{r map_distribution_spatial, echo = FALSE, error = FALSE, warning = FALSE, include = TRUE, message = FALSE, cache = FALSE, results = FALSE, comment = FALSE, fig.height = 16, fig.width = 14, fig.cap =  "Distribucion espacial de casos", include = params$spatial_distribution}
 mapa
 ```
 
@@ -255,10 +279,11 @@ e.  El reporte de casos de `r stringr::str_to_title(params$nombre_evento)` predo
 # Sugerencias
 
 Se recomienda ampliar o incluir los siguientes componentes, según el contexto, objetivo, alcance y las dimensiones que apliquen al reporte:
+
 a.  Identificar factores socioeconómicos que pueden influir en la propagación de la enfermedad o evento.
 b.  Evaluar la capacidad de respuesta del sistema de salud en diferentes niveles administrativos.
 c.  Identificar condiciones ambientales que pueden influir en la propagación de la enfermedad.
 d.  Analizar la relación entre variables climáticas y la ocurrencia de casos.
 e.  Evaluar la presencia de vectores o reservorios específicos en la región.
 f.  Analizar comparativamente la situación municipal, departamental o nacional.
-g.  Sugerir acciones de salud pública para mitigar la enfermedad.
+g.  Sugerir acciones de salud pública para mitigar la enfermedad.