• Procesos de Normalización y Limpieza
• Panorama General
• Hallazgos y Recomendaciones

Los esfuerzos se han centrado en:

• Normalizar variables en base a criterios de profesionales SENDA, para datos de años en que estos criterios no se habían definido
• Definir perfiles consistentes de usuarios (ej., fecha de nacimiento, edad, sexo, etc.)
• Delimitar eventos tales como reingresos, cambios de centro, plan, programa, financiamiento, etc.
• Conservar la mayor cantidad de entradas de eventos/complejidades, que contengan diferencias entre un registro y otro.

• 163,146 entradas totales, originalmente agrupadas entre las bases de datos anuales.

a=nrow(CONS_C1_df_dup_JUL_2020)
b=nrow(CONS_C1_df_dup)-nrow(CONS_C1_df_dup_ENE_2020_prev)
c=nrow(CONS_C1_df_dup_ENE_2020_prev)-nrow(CONS_C1_df_dup_ENE_2020_prev2)
d=nrow(CONS_C1_df_dup_ENE_2020)-nrow(CONS_C1_df_dup_FEB_2020)
b_c_d=b+c+d
e=nrow(CONS_C1_df_dup_FEB_2020)-nrow(CONS_C1_df_dup_JUL_2020)

dt<- data.frame(cbind(id=c("Total de Tratamientos"),
         value=as.numeric(c(b_c_d,e,a)),
         parent=c("Entradas Duplicadas", 
         "Entradas correspondientes a eventos\nintermedios de tratamiento",
         "Tratamientos diferenciados por usuario")
         ))

dt<- dt %>% dplyr::mutate(value=as.numeric(value),
                          percent=paste0(round(100 * value/sum(value), 0), "%"),
                          Categoría=paste0(parent,"\n",percent))

percent <- function(x, digits = 2, format = "f", ...) {
  paste0(formatC(100 * x, format = format, digits = digits, ...), "%")
}
p<-
plotly::plot_ly(dt, labels = ~parent, values = ~value, type = 'pie',hole = 0.3,textposition = 'outside',textinfo = 'label+percent', marker = list(colors = c("hotpink4","cornsilk","lightgrey","darkgoldenrod","mediumpurple"))) %>%
    layout(xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
    yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))%>% 
  layout(legend = list(orientation = 'h',yanchor='top',xanchor='center',y=0,x=.5))
  
plotly_IMAGE(p, width = 1500, height = 500, format = "png", scale = 2,dpi=700,
             out_file = "G:/Mi unidad/Alvacast/SISTRAT 2019 (github)/Presentación a SENDA Jun 2020/test.png")
p

• 109.756 eventos, 85.048 usuarios.
• 73.2% Hombres; 26.8% Mujeres.
• El 50% de los usuarios tiene 34 años al ingreso [IQR 28-43]
• Sustancia Principal: Pasta Base (42.3%), Alcohol (31.7%), Cocaína (18.3%) y Marihuana (6.0%).
• Tipo de Plan: PG-PAI (41.3%), PG-PAB (34.7%), PG-PR (12.8%), M-PAI (6.0%) y M-PR (5.0%).
• Escolaridad: Ed. Primaria Completa/Incompleta (27.2%), Ed. Secundaria Completa/Incompleta (55.4%) y Mayor a Ed. Secundaria (17.0%).

i<- "senda"
  casos_no_cubiertos<-
    CONS_C1_df_dup_MAY_2020_prev_5 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt<2009) %>%
    dplyr::ungroup()%>%
    summarise(sum_total=sum(n_2_grupos))%>%
    unlist()

CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt>=2009) %>%
    ggplot2::ggplot(aes(x = fech_ing_qrt, y = freq,fill=grupo_var))+
    geom_area(alpha=0.6 , size=.5, colour="white") +
    scale_fill_viridis(discrete = T, direction = -1) +
    sjPlot::theme_sjplot2() +
    scale_x_yearqtr(format="%YQ%q", n=18,
                    limits=c(zoo::as.yearqtr("2009-04-01"), 
                             max=zoo::as.yearqtr("2019-11-13")))+
    scale_y_continuous(limits=c(0,1),labels = scales::percent)+
    labs(x="",y="Porcentajes",
         caption= paste0("Nota. Se ignoraron ", casos_no_cubiertos,
                         " casos con una fecha de admisión anterior al año 2009;\n", 
                         "Porcentajes por año y trimestre"))+
    #ylim(0,101)+
    # scale_y_continuous(limits=c(0,1),labels = scales::percent) +
    theme(legend.position="bottom")+
    guides(fill=guide_legend(ncol=3))+
    theme(legend.text = element_text(size=10))+
    theme(legend.title = element_blank(),
          panel.grid.minor = element_blank(), 
          panel.grid.major = element_blank(), 
          panel.grid.major.x = element_blank(),
          panel.background = element_blank(),
          axis.title.x = element_blank())+
    theme(axis.text.x = element_text(vjust = 0.5,hjust = 0.5,angle = 60), plot.caption=element_text(hjust=0)) 

if(isTRUE(getOption('knitr.in.progress'))==T){
    
} else {ggsave(paste0(i,".png"),dpi=320)}

## NULL

i<- "escolaridad_rec"
  casos_no_cubiertos<-
    CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt<2009) %>%
    dplyr::ungroup()%>%
    summarise(sum_total=sum(n_2_grupos))%>%
    unlist()

CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt>=2009) %>%
    ggplot2::ggplot(aes(x = fech_ing_qrt, y = freq,fill=grupo_var))+
    geom_area(alpha=0.6 , size=.5, colour="white") +
    scale_fill_viridis(discrete = T) +
    sjPlot::theme_sjplot2() +
    scale_x_yearqtr(format="%YQ%q", n=18,
                    limits=c(zoo::as.yearqtr("2009-04-01"), 
                             max=zoo::as.yearqtr("2019-11-13")))+
    scale_y_continuous(limits=c(0,1),labels = scales::percent)+
    labs(x="",y="Porcentajes",
         caption= paste0("Nota. Se ignoraron ", casos_no_cubiertos,
                         " casos con una fecha de admisión anterior al año 2009;\n", 
                         "Porcentajes por año y trimestre"))+
    #ylim(0,101)+
    # scale_y_continuous(limits=c(0,1),labels = scales::percent) +
    theme(legend.position="bottom")+
    guides(fill=guide_legend(ncol=3))+
    theme(legend.text = element_text(size=10))+
    theme(legend.title = element_blank(),
          panel.grid.minor = element_blank(), 
          panel.grid.major = element_blank(), 
          panel.grid.major.x = element_blank(),
          panel.background = element_blank(),
          axis.title.x = element_blank())+
    theme(axis.text.x = element_text(vjust = 0.5,hjust = 0.5,angle = 60), plot.caption=element_text(hjust=0)) 

if(isTRUE(getOption('knitr.in.progress'))==T){
    
} else {ggsave(paste0(i,".png"),dpi=320)}

NULL

i<- "estado_conyugal_2"
  casos_no_cubiertos<-
    CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt<2009) %>%
    dplyr::ungroup()%>%
    summarise(sum_total=sum(n_2_grupos))%>%
    unlist()

CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt>=2009) %>%
    ggplot2::ggplot(aes(x = fech_ing_qrt, y = freq,fill=grupo_var))+
    geom_area(alpha=0.6 , size=.5, colour="white") +
    scale_fill_viridis(discrete = T) +
    scale_y_continuous(limits=c(0,1),labels = scales::percent)+
    sjPlot::theme_sjplot2() +
    scale_x_yearqtr(format="%YQ%q", n=18,
                    limits=c(zoo::as.yearqtr("2009-04-01"), 
                             max=zoo::as.yearqtr("2019-11-13")))+
    labs(x="",y="Porcentajes",
         caption= paste0("Nota. Se ignoraron ", casos_no_cubiertos,
                         " casos con una fecha de admisión anterior al año 2009;\n", 
                         "Porcentajes por año y trimestre"))+
    #ylim(0,101)+
    # scale_y_continuous(limits=c(0,1),labels = scales::percent) +
    theme(legend.position="bottom")+
    guides(fill=guide_legend(ncol=3))+
    theme(legend.text = element_text(size=10))+
    theme(legend.title = element_blank(),
          panel.grid.minor = element_blank(), 
          panel.grid.major = element_blank(), 
          panel.grid.major.x = element_blank(),
          panel.background = element_blank(),
          axis.title.x = element_blank())+
    theme(axis.text.x = element_text(vjust = 0.5,hjust = 0.5,angle = 60), plot.caption=element_text(hjust=0)) 

if(isTRUE(getOption('knitr.in.progress'))==T){
    
} else {ggsave(paste0(i,".png"),dpi=320)}

## NULL

i<- "origen_ingreso_mod"
  casos_no_cubiertos<-
    CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt<2009) %>%
    dplyr::ungroup()%>%
    summarise(sum_total=sum(n_2_grupos))%>%
    unlist()

CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt>=2009) %>%
    ggplot2::ggplot(aes(x = fech_ing_qrt, y = freq,fill=grupo_var))+
    geom_area(alpha=0.6 , size=.5, colour="white") +
    scale_fill_viridis(discrete = T) +
    sjPlot::theme_sjplot2() +
    scale_y_continuous(limits=c(0,1),labels = scales::percent)+
    scale_x_yearqtr(format="%YQ%q", n=18,
                    limits=c(zoo::as.yearqtr("2009-04-01"), 
                             max=zoo::as.yearqtr("2019-11-13")))+
    labs(x="",y="Porcentajes",
         caption= paste0("Nota. Se ignoraron ", casos_no_cubiertos,
                         " casos con una fecha de admisión anterior al año 2009;\n", 
                         "Porcentajes por año y trimestre"))+
    #ylim(0,101)+
    # scale_y_continuous(limits=c(0,1),labels = scales::percent) +
    theme(legend.position="bottom")+
    guides(fill=guide_legend(ncol=3))+
    theme(legend.text = element_text(size=10))+
    theme(legend.title = element_blank(),
          panel.grid.minor = element_blank(), 
          panel.grid.major = element_blank(), 
          panel.grid.major.x = element_blank(),
          panel.background = element_blank(),
          axis.title.x = element_blank())+
    theme(axis.text.x = element_text(vjust = 0.5,hjust = 0.5,angle = 60), plot.caption=element_text(hjust=0)) 

if(isTRUE(getOption('knitr.in.progress'))==T){
    
} else {ggsave(paste0(i,".png"),dpi=320) }

## NULL

i<- "motivodeegreso_mod_imp"
#    geom_vline(xintercept = 60, color="darkred", size=1.5)

  casos_no_cubiertos<-
    CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt<2009|fech_ing_qrt>=2016.5) %>%
    dplyr::ungroup()%>%
    summarise(sum_total=sum(n_2_grupos))%>%
    unlist()

CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt>=2009,fech_ing_qrt<2016.5) %>%
    ggplot2::ggplot(aes(x = fech_ing_qrt, y = freq,fill=grupo_var))+
    geom_area(alpha=0.6 , size=.5, colour="white") +
    scale_fill_viridis(discrete = T) +
    sjPlot::theme_sjplot2() +
    scale_y_continuous(limits=c(0,1),labels = scales::percent)+
    scale_x_yearqtr(format="%YQ%q", n=18,
                    limits=c(zoo::as.yearqtr("2009-04-01"), 
                             max=zoo::as.yearqtr("2016-06-30")))+
    labs(x="",y="Porcentajes",
         caption= paste0("Nota. Se ignoraron ", formatC(casos_no_cubiertos, big.mark=","),
                         " casos con una fecha de admisión anterior al año 2009\n", 
                         "y posterior al segundo semestre del 2016; Porcentajes por año y trimestre"))+
    #ylim(0,101)+
    # scale_y_continuous(limits=c(0,1),labels = scales::percent) +
    theme(legend.position="bottom")+
    guides(fill=guide_legend(ncol=3))+
    theme(legend.text = element_text(size=10))+
    theme(legend.title = element_blank(),
          panel.grid.minor = element_blank(), 
          panel.grid.major = element_blank(), 
          panel.grid.major.x = element_blank(),
          panel.background = element_blank(),
          axis.title.x = element_blank())+
    theme(axis.text.x = element_text(vjust = 0.5,hjust = 0.5,angle = 60), plot.caption=element_text(hjust=0))+
  geom_vline(xintercept = zoo::as.yearqtr("2016-06-01"), color="darkred", size=1.5)

if(isTRUE(getOption('knitr.in.progress'))==T){
    
} else {ggsave(paste0(i,".png"),dpi=320)}

## NULL

i<- "motivodeegreso_mod_imp"
#    geom_vline(xintercept = 60, color="darkred", size=1.5)

  casos_no_cubiertos<-
    CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt<2016.5) %>%
    dplyr::ungroup()%>%
    summarise(sum_total=sum(n_2_grupos))%>%
    unlist()

CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt>=2016.5)%>%
    #dplyr::ungroup()%>%
    #summarise(sum_total=sum(n_2_grupos))%>%
    #unlist()
    ggplot2::ggplot(aes(x = fech_ing_qrt, y = freq,fill=grupo_var))+
    geom_area(alpha=0.6 , size=.5, colour="white") +
    scale_fill_viridis(discrete = T) +
    sjPlot::theme_sjplot2() +
    scale_y_continuous(limits=c(0,1),labels = scales::percent)+
    scale_x_yearqtr(format="%YQ%q", n=18,
                    limits=c(zoo::as.yearqtr("2016-07-01"), 
                             max=zoo::as.yearqtr("2019-11-13")))+
    labs(x="",y="Porcentajes",
         caption= paste0("Nota. Se ignoraron ", formatC(casos_no_cubiertos, big.mark=","),
                         " casos con una fecha de admisión anterior al tercer semestre del año 2016;\n", 
                         "Porcentajes por año y trimestre"))+
    #ylim(0,101)+
    # scale_y_continuous(limits=c(0,1),labels = scales::percent) +
    theme(legend.position="bottom")+
    guides(fill=guide_legend(ncol=3))+
    theme(legend.text = element_text(size=10))+
    theme(legend.title = element_blank(),
          panel.grid.minor = element_blank(), 
          panel.grid.major = element_blank(), 
          panel.grid.major.x = element_blank(),
          panel.background = element_blank(),
          axis.title.x = element_blank())+
    theme(axis.text.x = element_text(vjust = 0.5,hjust = 0.5,angle = 60), plot.caption=element_text(hjust=0))+
  geom_vline(xintercept = zoo::as.yearqtr("2016-06-01"), color="darkred", size=1.5)

if(isTRUE(getOption('knitr.in.progress'))==T){
    
} else {ggsave(paste0(i,"_2.png"),dpi=320)}

## NULL

i<- "sexo_2"
  casos_no_cubiertos<-
    CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt<2009) %>%
    dplyr::ungroup()%>%
    summarise(sum_total=sum(n_2_grupos))%>%
    unlist()

CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt>=2009) %>%
    ggplot2::ggplot(aes(x = fech_ing_qrt, y = freq,fill=grupo_var))+
    geom_area(alpha=0.6 , size=.5, colour="white") +
    scale_fill_viridis(discrete = T) +
    sjPlot::theme_sjplot2() +
    scale_y_continuous(limits=c(0,1),labels = scales::percent)+
    scale_x_yearqtr(format="%YQ%q", n=18,
                    limits=c(zoo::as.yearqtr("2009-04-01"), 
                             max=zoo::as.yearqtr("2019-11-13")))+
    labs(x="",y="Porcentajes",
         caption= paste0("Nota. Se ignoraron ", casos_no_cubiertos,
                         " casos con una fecha de admisión anterior al año 2009;\n", 
                         "Porcentajes por año y trimestre"))+
    #ylim(0,101)+
    # scale_y_continuous(limits=c(0,1),labels = scales::percent) +
    theme(legend.position="bottom")+
    guides(fill=guide_legend(ncol=3))+
    theme(legend.text = element_text(size=10))+
    theme(legend.title = element_blank(),
          panel.grid.minor = element_blank(), 
          panel.grid.major = element_blank(), 
          panel.grid.major.x = element_blank(),
          panel.background = element_blank(),
          axis.title.x = element_blank())+
    theme(axis.text.x = element_text(vjust = 0.5,hjust = 0.5,angle = 60), plot.caption=element_text(hjust=0)) 

if(isTRUE(getOption('knitr.in.progress'))==T){
    
} else {ggsave(paste0(i,".png"),dpi=320)}

## NULL

i<- "sus_ini_mod"
  casos_no_cubiertos<-
    CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt<2009) %>%
    dplyr::ungroup()%>%
    summarise(sum_total=sum(n_2_grupos))%>%
    unlist()

CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt>=2009) %>%
    ggplot2::ggplot(aes(x = fech_ing_qrt, y = freq,fill=grupo_var))+
    geom_area(alpha=0.6 , size=.5, colour="white") +
    scale_fill_viridis(discrete = T) +
    sjPlot::theme_sjplot2() +
    scale_y_continuous(limits=c(0,1),labels = scales::percent)+
    scale_x_yearqtr(format="%YQ%q", n=18,
                    limits=c(zoo::as.yearqtr("2009-04-01"), 
                             max=zoo::as.yearqtr("2019-11-13")))+
    labs(x="",y="Porcentajes",
         caption= paste0("Nota. Se ignoraron ", casos_no_cubiertos,
                         " casos con una fecha de admisión anterior al año 2009;\n", 
                         "Porcentajes por año y trimestre"))+
    #ylim(0,101)+
    # scale_y_continuous(limits=c(0,1),labels = scales::percent) +
    theme(legend.position="bottom")+
    guides(fill=guide_legend(ncol=3))+
    theme(legend.text = element_text(size=10))+
    theme(legend.title = element_blank(),
          panel.grid.minor = element_blank(), 
          panel.grid.major = element_blank(), 
          panel.grid.major.x = element_blank(),
          panel.background = element_blank(),
          axis.title.x = element_blank())+
    theme(axis.text.x = element_text(vjust = 0.5,hjust = 0.5,angle = 60), plot.caption=element_text(hjust=0)) 

if(isTRUE(getOption('knitr.in.progress'))==T){
    
} else {ggsave(paste0(i,".png"),dpi=320)}

## NULL

i<- "sus_principal_mod"
  casos_no_cubiertos<-
    CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt<2009) %>%
    dplyr::ungroup()%>%
    summarise(sum_total=sum(n_2_grupos))%>%
    unlist()

CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt>=2009) %>%
    ggplot2::ggplot(aes(x = fech_ing_qrt, y = freq,fill=grupo_var))+
    geom_area(alpha=0.6 , size=.5, colour="white") +
    scale_fill_viridis(discrete = T) +
    sjPlot::theme_sjplot2() +
    scale_y_continuous(limits=c(0,1),labels = scales::percent)+
    scale_x_yearqtr(format="%YQ%q", n=18,
                    limits=c(zoo::as.yearqtr("2009-04-01"), 
                             max=zoo::as.yearqtr("2019-11-13")))+
    labs(x="",y="Porcentajes",
         caption= paste0("Nota. Se ignoraron ", casos_no_cubiertos,
                         " casos con una fecha de admisión anterior al año 2009;\n", 
                         "Porcentajes por año y trimestre"))+
    #ylim(0,101)+
    # scale_y_continuous(limits=c(0,1),labels = scales::percent) +
    theme(legend.position="bottom")+
    guides(fill=guide_legend(ncol=3))+
    theme(legend.text = element_text(size=10))+
    theme(legend.title = element_blank(),
          panel.grid.minor = element_blank(), 
          panel.grid.major = element_blank(), 
          panel.grid.major.x = element_blank(),
          panel.background = element_blank(),
          axis.title.x = element_blank())+
    theme(axis.text.x = element_text(vjust = 0.5,hjust = 0.5,angle = 60), plot.caption=element_text(hjust=0)) 

if(isTRUE(getOption('knitr.in.progress'))==T){
    
} else {ggsave(paste0(i,".png"),dpi=320)}

## NULL

i<- "tipo_de_plan_2"
  casos_no_cubiertos<-
    CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt<2009) %>%
    dplyr::ungroup()%>%
    summarise(sum_total=sum(n_2_grupos))%>%
    unlist()

CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt>=2009) %>%
    ggplot2::ggplot(aes(x = fech_ing_qrt, y = freq,fill=grupo_var))+
    geom_area(alpha=0.6 , size=.5, colour="white") +
    scale_fill_viridis(discrete = T) +
    sjPlot::theme_sjplot2() +
    scale_y_continuous(limits=c(0,1),labels = scales::percent)+
    scale_x_yearqtr(format="%YQ%q", n=18,
                    limits=c(zoo::as.yearqtr("2009-04-01"), 
                             max=zoo::as.yearqtr("2019-11-13")))+
    labs(x="",y="Porcentajes",
         caption= paste0("Nota. Se ignoraron ", casos_no_cubiertos,
                         " casos con una fecha de admisión anterior al año 2009;\n", 
                         "Porcentajes por año y trimestre"))+
    #ylim(0,101)+
    # scale_y_continuous(limits=c(0,1),labels = scales::percent) +
    theme(legend.position="bottom")+
    guides(fill=guide_legend(ncol=3))+
    theme(legend.text = element_text(size=10))+
    theme(legend.title = element_blank(),
          panel.grid.minor = element_blank(), 
          panel.grid.major = element_blank(), 
          panel.grid.major.x = element_blank(),
          panel.background = element_blank(),
          axis.title.x = element_blank())+
    theme(axis.text.x = element_text(vjust = 0.5,hjust = 0.5,angle = 60), plot.caption=element_text(hjust=0)) 

if(isTRUE(getOption('knitr.in.progress'))==T){
    
} else {ggsave(paste0(i,".png"),dpi=320)}

## NULL

i<- "freq_cons_sus_prin"
  casos_no_cubiertos<-
    CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt<2009) %>%
    dplyr::ungroup()%>%
    summarise(sum_total=sum(n_2_grupos))%>%
    unlist()

CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=get(i))%>%
    dplyr::group_by(fech_ing_qrt, grupo_var)%>%
    summarise(n_2_grupos=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
    dplyr::filter(fech_ing_qrt>=2009) %>%
    ggplot2::ggplot(aes(x = fech_ing_qrt, y = freq,fill=grupo_var))+
    geom_area(alpha=0.6 , size=.5, colour="white") +
    scale_fill_viridis(discrete = T) +
    sjPlot::theme_sjplot2() +
    scale_y_continuous(limits=c(0,1),labels = scales::percent)+
    scale_x_yearqtr(format="%YQ%q", n=18,
                    limits=c(zoo::as.yearqtr("2009-04-01"), 
                             max=zoo::as.yearqtr("2019-11-13")))+
    labs(x="",y="Porcentajes",
         caption= paste0("Nota. Se ignoraron ", casos_no_cubiertos,
                         " casos con una fecha de admisión anterior al año 2009;\n", 
                         "Porcentajes por año y trimestre"))+
    #ylim(0,101)+
    # scale_y_continuous(limits=c(0,1),labels = scales::percent) +
    theme(legend.position="bottom")+
    guides(fill=guide_legend(ncol=3))+
    theme(legend.text = element_text(size=10))+
    theme(legend.title = element_blank(),
          panel.grid.minor = element_blank(), 
          panel.grid.major = element_blank(), 
          panel.grid.major.x = element_blank(),
          panel.background = element_blank(),
          axis.title.x = element_blank())+
    theme(axis.text.x = element_text(vjust = 0.5,hjust = 0.5,angle = 60), plot.caption=element_text(hjust=0)) 

if(isTRUE(getOption('knitr.in.progress'))==T){
    
} else {ggsave(paste0(i,".png"),dpi=320)}

## NULL

casos_no_cubiertos<-
  CONS_C1_df_dup_JUL_2020 %>% 
  dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
  dplyr::mutate(grupo_var=macrozona)%>%
  dplyr::group_by(fech_ing_qrt, grupo_var)%>%
  summarise(n_2_grupos=n())%>%
  dplyr::ungroup()%>%
  dplyr::group_by(fech_ing_qrt)%>%
  dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
  dplyr::filter(fech_ing_qrt<2009) %>%
  dplyr::ungroup()%>%
  summarise(sum_total=sum(n_2_grupos))%>%
  unlist()

CONS_C1_df_dup_JUL_2020 %>% 
  dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
  dplyr::mutate(grupo_var=macrozona)%>%
  dplyr::group_by(fech_ing_qrt, grupo_var)%>%
  summarise(n_2_grupos=n())%>%
  dplyr::ungroup()%>%
  dplyr::group_by(fech_ing_qrt)%>%
  dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
  dplyr::filter(fech_ing_qrt>=2009) %>%
  ggplot2::ggplot(aes(x = fech_ing_qrt, y = freq,fill=grupo_var))+
  geom_area(alpha=0.6 , size=.5, colour="white") +
  scale_fill_viridis(discrete = T) +
  sjPlot::theme_sjplot2() +
  scale_x_yearqtr(format="%YQ%q", n=18,
                  limits=c(zoo::as.yearqtr("2009-04-01"), 
                           max=zoo::as.yearqtr("2019-11-13")))+
  labs(x="",y="Porcentajes",
       caption= paste0("Nota. Se ignoraron ", casos_no_cubiertos,
                       "casos con una fecha de admisión anterior al año 2009;\n", 
                       "Norte= Arica, Tarapacá, Antofagasta, Atacama y Coquimbo;\n",
                       "Centro= Valparaíso, Metropolitana, O'Higgins, Maule, Ñuble y Bío-bío;\n",
                       "Sur= La Araucanía, Los Ríos, Los Lagos, Aysén y Magallanes;\n",
                       "https://www.cepchile.cl/cep/site/docs/20191120/20191120163604/libro_inmigracion_cifras.pdf"))+
  #ylim(0,101)+
  scale_y_continuous(limits=c(0,1),labels = scales::percent) +
  theme(legend.position="bottom")+
  guides(fill=guide_legend(ncol=4))+
  theme(legend.text = element_text(size=9))+
  theme(legend.title = element_blank(),
        panel.grid.minor = element_blank(), 
        panel.grid.major = element_blank(), 
        panel.grid.major.x = element_blank(),
        panel.background = element_blank(),
        axis.title.x = element_blank())+
  theme(axis.text.x = element_text(vjust = 0.5,hjust = 0.5,angle = 60), 
        plot.caption=element_text(size=8.5,hjust=0)) 

if(isTRUE(getOption('knitr.in.progress'))==T){
    
} else {ggsave(paste0("macrozona",".png"),dpi=320)}

## NULL

datos_region <- chilemapas::generar_regiones(mapa = chilemapas::mapa_comunas)

pop_region<-
chilemapas::censo_2017_comunas%>%
  dplyr::group_by(codigo_comuna)%>%
  summarise(sum_pop=sum(poblacion))%>%
  dplyr::left_join( chilemapas::mapa_comunas, by="codigo_comuna")%>%
  dplyr::group_by(codigo_region)%>%
  summarise(n=sum(sum_pop))

casos_region<-CONS_C1_df_dup_JUL_2020 %>%
  group_by(nombre_region)%>%
  summarise(n=n())%>%
  dplyr::mutate(cod.V1= str_sub(nombre_region, -3, -2))

dat2<-datos_region %>%
  dplyr:::left_join(as_tibble(casos_region), by=c("codigo_region"="cod.V1")) %>%
  dplyr::left_join(as_tibble(pop_region), c("codigo_region"="codigo_region"))%>%
  dplyr::rename("pop"="n.y","n"="n.x")%>%
  dplyr::mutate(pop_rate=round((n/pop)*100000),0)%>%
  dplyr::mutate(tooltip=paste0(`nombre_region`,"=",`n`,",\n Tasa:",pop_rate))


gg2<-ggplot(data=dat2) +
  #geom_sf(aes(fill=as.numeric(dat2$value))) +
  theme_minimal() +
  geom_sf_interactive(aes(fill = cut(as.numeric(`pop_rate`),round(quantile(as.numeric(`pop_rate`),na.rm=T),0), include.lowest=TRUE,dig.lab=10,right=T), tooltip = tooltip, data_id = codigo_region))+
  #scale_fill_brewer(palette="RdYlGn",direction = -1,na.value="grey80") +
  scale_fill_viridis_d(direction = 1,option= "E")+
  #scale_fill_gradient(low="white",high="steelblue") +
  #scale_fill_viridis(direction = 1, option="E")+
  labs(caption='Note: Sin casos registrados, en blanco',fill="N° tratamientos\npor cada 100,000 hab\n(cuartiles)")+
      theme(legend.title=element_text(size=20), 
    legend.text=element_text(size=18),
    plot.caption = element_text(hjust = 0, face = "italic",size=18))
gg2

ggsave(paste0("mapa_chile",".png"),dpi=500)

mapa_comunas = chilemapas::mapa_comunas

pop_comuna<-
chilemapas::censo_2017_comunas%>%
  dplyr::group_by(codigo_comuna)%>%
  summarise(sum_pop=sum(poblacion))

codigo_comunas<-
  CONS_C1_df_dup_JUL_2020 %>%
  dplyr::filter(grepl("Metropolitana",nombre_region))%>%
  dplyr::group_by(comuna_residencia_cod)%>%
  summarise(n=n())%>%
  dplyr::mutate(cod.V1= str_sub(comuna_residencia_cod, -6, -2))%>%
  # dplyr::select(-comuna_residencia_cod)%>%
  dplyr::mutate(cod.V1= stringr::str_replace(cod.V1, "\\(", "0"))

dat2<-mapa_comunas %>%
  dplyr:::left_join(as_tibble(codigo_comunas), by=c("codigo_comuna"="cod.V1")) %>%
  dplyr::filter(codigo_region=="13")%>%
  dplyr::left_join(as_tibble(pop_comuna), c("codigo_comuna"="codigo_comuna"))%>%
  dplyr::mutate(pop_rate=(n/sum_pop)*100000)%>%
  dplyr::mutate(tooltip=paste0(`comuna_residencia_cod`,"=",`n`,",\n Tasa:",round(pop_rate,0)))%>%
  dplyr::mutate(n_cut=cut(as.numeric(pop_rate),round(quantile(as.numeric(pop_rate),na.rm=T),0), include.lowest=TRUE,dig.lab=10,right=T))

dat2 <- as_tibble(dat2)

gg23<-
  ggplot(data=dat2) +
  # geom_sf(aes(fill=factor(n),geometry=geometry)) +
  theme_minimal() +
  geom_sf_interactive(aes(fill = pop_rate, tooltip = tooltip, data_id = codigo_comuna, geometry= geometry))+
  geom_sf_interactive(aes(fill = pop_rate, tooltip = tooltip, data_id = codigo_comuna, geometry= geometry))+
  scale_fill_viridis(direction = 1, option="E")+
  #scale_colour_brewer(breaks = rev(levels(dsamp$clarity)))+
  labs(caption='Fuente: CENSO 2017',fill="N° tratamientos\npor cada 100,000 hab (cuartiles)")# geom_sf(data = dat2, aes(fill = value)) +
#  coord_sf( expand = T)

gg23

if(isTRUE(getOption('knitr.in.progress'))==T){
    
} else {ggsave(paste0("comunas_rm",".png"),dpi=320)}

## NULL

• El 50% de los usuarios reporta haber iniciado su consumo a los 15 años [IQR 14-18].
• El 50% de los usuarios reporta haber iniciado su consumo en la sustancia principal al ingreso a los 18 años [IQR 15-24].

df_plots<-
  data.frame(cbind(
    variables=c("edad_al_ing","dias_trat_imp","edad_ini_cons", "edad_ini_sus_prin"),
    colors=c("grey70","mediumpurple2","khaki3","cornflowerblue")
  ))

 casos_no_cubiertos<-
    CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=as.numeric(get(df_plots[1,"variables"])))%>%
    dplyr::group_by(fech_ing_qrt)%>%
    summarise(median=quantile(grupo_var,.5,na.rm=T),
              q25=quantile(grupo_var,.25,na.rm=T),
              q75=quantile(grupo_var,.75,na.rm=T),
              n=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::filter(fech_ing_qrt<2009) %>%
    dplyr::ungroup()
  
  #eval(parse(text=df_plots[i,"variables"]))<- 
edad_al_ing<-
   CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=as.numeric(get(df_plots[1,"variables"])))%>%
    dplyr::group_by(fech_ing_qrt)%>%
    summarise(median=quantile(grupo_var,.5,na.rm=T),
              q25=quantile(grupo_var,.25,na.rm=T),
              q75=quantile(grupo_var,.75,na.rm=T),
              n=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::filter(fech_ing_qrt>=2009) %>%
    ggplot2::ggplot(aes(x = fech_ing_qrt))+
    geom_ribbon(aes(ymin = q25, ymax = q75), fill = df_plots[1,"colors"]) +
    geom_line(aes(y = median))+
    sjPlot::theme_sjplot2() +
    scale_x_yearqtr(format="%YQ%q", n=18,
                    limits=c(zoo::as.yearqtr("2009-04-01"), 
                             max=zoo::as.yearqtr("2019-11-13")))+
    labs(x="",y="Valores",
         caption= paste0("Nota. Se ignoraron ",sum(casos_no_cubiertos$n),
                         " casos con una fecha de admisión anterior al año 2009;\n", 
                         "Valores por año y trimestre"))+
    #ylim(5,30)+
    #scale_y_continuous(limits=c(0,1),labels = scales::percent) +
    theme(legend.position="bottom")+
    guides(fill=guide_legend(ncol=3))+
    theme(legend.text = element_text(size=10))+
    theme(legend.title = element_blank(),
          panel.grid.minor = element_blank(), 
          panel.grid.major = element_blank(), 
          panel.grid.major.x = element_blank(),
          panel.background = element_blank(),
          axis.title.x = element_blank())+
    theme(axis.text.x = element_text(vjust = 0.5,hjust = 0.5,angle = 60), plot.caption=element_text(hjust=0))

edad_al_ing

if(isTRUE(getOption('knitr.in.progress'))==T){
    
} else {ggsave(paste0(df_plots[1,"variables"],".png"),dpi=320)}

## NULL

df_plots<-
  data.frame(cbind(
    variables=c("edad_al_ing","dias_treat_imp_sin_na","edad_ini_cons", "edad_ini_sus_prin"),
    colors=c("grey70","mediumpurple2","khaki3","cornflowerblue")
  ))

 casos_no_cubiertos<-
    CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=as.numeric(get(df_plots[2,"variables"])))%>%
    dplyr::group_by(fech_ing_qrt)%>%
    summarise(median=quantile(grupo_var,.5,na.rm=T),
              q25=quantile(grupo_var,.25,na.rm=T),
              q75=quantile(grupo_var,.75,na.rm=T),
              n=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::filter(fech_ing_qrt<2009) %>%
    dplyr::ungroup()
  
  #eval(parse(text=df_plots[i,"variables"]))<- 
dias_trat_imp<-
   CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=as.numeric(get(df_plots[2,"variables"])))%>%
    dplyr::group_by(fech_ing_qrt)%>%
    summarise(median=quantile(grupo_var,.5,na.rm=T),
              q25=quantile(grupo_var,.25,na.rm=T),
              q75=quantile(grupo_var,.75,na.rm=T),
              n=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::filter(fech_ing_qrt>=2009) %>%
    ggplot2::ggplot(aes(x = fech_ing_qrt))+
    geom_ribbon(aes(ymin = q25, ymax = q75), fill = df_plots[2,"colors"]) +
    geom_line(aes(y = median))+
    sjPlot::theme_sjplot2() +
    scale_x_yearqtr(format="%YQ%q", n=18,
                    limits=c(zoo::as.yearqtr("2009-04-01"), 
                             max=zoo::as.yearqtr("2019-11-13")))+
    labs(x="",y="Valores",
         caption= paste0("Nota. Se ignoraron ",sum(casos_no_cubiertos$n),
                         " casos con una fecha de admisión anterior al año 2009;\n", 
                         "Valores por año y trimestre"))+
    #ylim(5,30)+
    #scale_y_continuous(limits=c(0,1),labels = scales::percent) +
    theme(legend.position="bottom")+
    guides(fill=guide_legend(ncol=3))+
    theme(legend.text = element_text(size=10))+
    theme(legend.title = element_blank(),
          panel.grid.minor = element_blank(), 
          panel.grid.major = element_blank(), 
          panel.grid.major.x = element_blank(),
          panel.background = element_blank(),
          axis.title.x = element_blank())+
    theme(axis.text.x = element_text(vjust = 0.5,hjust = 0.5,angle = 60), plot.caption=element_text(hjust=0))

dias_trat_imp

if(isTRUE(getOption('knitr.in.progress'))==T){
    
} else {ggsave(paste0(df_plots[2,"variables"],".png"),dpi=320)}

## NULL

df_plots<-
  data.frame(cbind(
    variables=c("edad_al_ing","dias_trat_imp","edad_ini_cons", "edad_ini_sus_prin"),
    colors=c("grey70","mediumpurple2","khaki3","cornflowerblue")
  ))

 casos_no_cubiertos<-
    CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=as.numeric(get(df_plots[3,"variables"])))%>%
    dplyr::group_by(fech_ing_qrt)%>%
    summarise(median=quantile(grupo_var,.5,na.rm=T),
              q25=quantile(grupo_var,.25,na.rm=T),
              q75=quantile(grupo_var,.75,na.rm=T),
              n=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::filter(fech_ing_qrt<2009) %>%
    dplyr::ungroup()
  
  #eval(parse(text=df_plots[i,"variables"]))<- 
edad_ini_cons<-
   CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=as.numeric(get(df_plots[3,"variables"])))%>%
    dplyr::group_by(fech_ing_qrt)%>%
    summarise(median=quantile(grupo_var,.5,na.rm=T),
              q25=quantile(grupo_var,.25,na.rm=T),
              q75=quantile(grupo_var,.75,na.rm=T),
              n=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::filter(fech_ing_qrt>=2009) %>%
    ggplot2::ggplot(aes(x = fech_ing_qrt))+
    geom_ribbon(aes(ymin = q25, ymax = q75), fill = df_plots[3,"colors"]) +
    geom_line(aes(y = median))+
    sjPlot::theme_sjplot2() +
    scale_x_yearqtr(format="%YQ%q", n=18,
                    limits=c(zoo::as.yearqtr("2009-04-01"), 
                             max=zoo::as.yearqtr("2019-11-13")))+
    labs(x="",y="Valores",
         caption= paste0("Nota. Se ignoraron ",sum(casos_no_cubiertos$n),
                         " casos con una fecha de admisión anterior al año 2009;\n", 
                         "Valores por año y trimestre"))+
    ylim(5,30)+
    #scale_y_continuous(limits=c(0,1),labels = scales::percent) +
    theme(legend.position="bottom")+
    guides(fill=guide_legend(ncol=3))+
    theme(legend.text = element_text(size=10))+
    theme(legend.title = element_blank(),
          panel.grid.minor = element_blank(), 
          panel.grid.major = element_blank(), 
          panel.grid.major.x = element_blank(),
          panel.background = element_blank(),
          axis.title.x = element_blank())+
    theme(axis.text.x = element_text(vjust = 0.5,hjust = 0.5,angle = 60), plot.caption=element_text(hjust=0))

edad_ini_cons

if(isTRUE(getOption('knitr.in.progress'))==T){
    
} else {ggsave(paste0(df_plots[3,"variables"],".png"),dpi=320)}

df_plots<-
  data.frame(cbind(
    variables=c("edad_al_ing","dias_trat_imp","edad_ini_cons", "edad_ini_sus_prin"),
    colors=c("grey70","mediumpurple2","khaki3","cornflowerblue")
  ))

 casos_no_cubiertos<-
    CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=as.numeric(get(df_plots[4,"variables"])))%>%
    dplyr::group_by(fech_ing_qrt)%>%
    summarise(median=quantile(grupo_var,.5,na.rm=T),
              q25=quantile(grupo_var,.25,na.rm=T),
              q75=quantile(grupo_var,.75,na.rm=T),
              n=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::filter(fech_ing_qrt<2009) %>%
    dplyr::ungroup()
  
  #eval(parse(text=df_plots[i,"variables"]))<- 
edad_al_ing<-
   CONS_C1_df_dup_JUL_2020 %>% 
    dplyr::mutate(fech_ing_qrt=zoo::as.yearqtr(fech_ing)) %>%
    dplyr::mutate(grupo_var=as.numeric(get(df_plots[4,"variables"])))%>%
    dplyr::group_by(fech_ing_qrt)%>%
    summarise(median=quantile(grupo_var,.5,na.rm=T),
              q25=quantile(grupo_var,.25,na.rm=T),
              q75=quantile(grupo_var,.75,na.rm=T),
              n=n())%>%
    dplyr::ungroup()%>%
    dplyr::group_by(fech_ing_qrt)%>%
    dplyr::filter(fech_ing_qrt>=2009) %>%
    ggplot2::ggplot(aes(x = fech_ing_qrt))+
    geom_ribbon(aes(ymin = q25, ymax = q75), fill = df_plots[4,"colors"]) +
    geom_line(aes(y = median))+
    sjPlot::theme_sjplot2() +
    scale_x_yearqtr(format="%YQ%q", n=18,
                    limits=c(zoo::as.yearqtr("2009-04-01"), 
                             max=zoo::as.yearqtr("2019-11-13")))+
    labs(x="",y="Valores",
         caption= paste0("Nota. Se ignoraron ",sum(casos_no_cubiertos$n),
                         " tratamientos con una fecha de admisión anterior al año 2009;\n", 
                         "Valores por año y trimestre"))+
    ylim(5,30)+
    #scale_y_continuous(limits=c(0,1),labels = scales::percent) +
    theme(legend.position="bottom")+
    guides(fill=guide_legend(ncol=3))+
    theme(legend.text = element_text(size=10))+
    theme(legend.title = element_blank(),
          panel.grid.minor = element_blank(), 
          panel.grid.major = element_blank(), 
          panel.grid.major.x = element_blank(),
          panel.background = element_blank(),
          axis.title.x = element_blank())+
    theme(axis.text.x = element_text(vjust = 0.5,hjust = 0.5,angle = 60), plot.caption=element_text(hjust=0))

edad_al_ing

if(isTRUE(getOption('knitr.in.progress'))==T){
    
} else {ggsave(paste0(df_plots[4,"variables"],".png"),dpi=320)}

• 24.708 (22.5%) corresponden a tratamientos con entradas posteriores para el mismo usuario.

• 17.764 usuarios presentan más de un tratamiento.

ggplot(CONS_C1_df_dup_JUL_2020,aes(x=diff_bet_treat),fill="steelblue")+
  geom_histogram(bins=90)+
  #theme_void()
  sjPlot::theme_sjplot2() +
  labs(y="Frecuencia",x= "Dif. con el siguiente Tratamiento (en días)",
       caption=paste0("Nota. Linea vertical= Mediana (",median(CONS_C1_df_dup_JUL_2020$diff_bet_treat,na.rm=T)," días de diferencia [IQR ",quantile(CONS_C1_df_dup_JUL_2020$diff_bet_treat,.25,na.rm=T),"-",quantile(CONS_C1_df_dup_JUL_2020$diff_bet_treat,.75,na.rm=T),"])"))+
  geom_vline(xintercept = median(CONS_C1_df_dup_JUL_2020$diff_bet_treat,na.rm=T), color="darkred", size=1.5)+
theme(legend.title = element_blank(),
      panel.grid.minor = element_blank(), 
      panel.grid.major = element_blank(), 
      panel.grid.major.x = element_blank(),
      panel.background = element_blank(),
      plot.caption=element_text(hjust=0))

if(isTRUE(getOption('knitr.in.progress'))==T){
    
} else {ggsave(paste0("Histograma_dias_entre_trat",".png"),dpi=320)}

## NULL

fill <- c("#5F9EA0", "#E1B378")

data_diff_treat<-
  CONS_C1_df_dup_JUL_2020%>%
  #dplyr::mutate(motivodeegreso_mod_imp=ifelse(grepl("Abandono Tardio",motivodeegreso_mod_imp) & dias_treat_imp_sin_na<90,"Abandono Temprano",as.character(motivodeegreso_mod_imp)))%>%
  #dplyr::filter(!is.na(diff_bet_treat))%>%
  dplyr::mutate(dias_trat_imp=round(dias_treat_imp_sin_na,0)) %>%
  dplyr::mutate(dias_trat_imp=cut2(dias_trat_imp, g =30))%>%
  
  dplyr::mutate(grupo_var=motivodeegreso_mod_imp)%>%
  dplyr::group_by(dias_trat_imp, grupo_var)%>%
  summarise(n_2_grupos=n())%>%
  dplyr::ungroup()%>%
  dplyr::group_by(dias_trat_imp)%>%
  dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
  dplyr::ungroup()

mot_egres_por_dias_trat<-
ggplot2::ggplot(data_diff_treat, aes(x = dias_trat_imp, y = freq,fill=grupo_var))+
  geom_bar(stat='identity', alpha=.8) + 
  scale_x_discrete()+
  scale_fill_viridis(discrete = T) +
  sjPlot::theme_sjplot2()+
  labs(x="",y="Porcentajes",
       caption= paste0("Nota. Se dividieron los Días de Tratamiento en 30 partes iguales;\n", 
                       "Porcentajes por días de tratamiento"))+
  #ylim(0,101)+
  scale_y_continuous(limits=c(0,1),labels = scales::percent) +
  theme(legend.position="bottom")+
  guides(fill=guide_legend(ncol=3))+
  theme(legend.text = element_text(size=10))+
  theme(legend.title = element_blank(),
        panel.grid.minor = element_blank(), 
        panel.grid.major = element_blank(), 
        panel.grid.major.x = element_blank(),
        panel.background = element_blank(),
        axis.title.x = element_blank())+
  theme(axis.text.x = element_text(vjust = 0.5,hjust = 0.5,angle = 60), plot.caption=element_text(hjust=0)) 

if(isTRUE(getOption('knitr.in.progress'))==T){
    ggplotly(mot_egres_por_dias_trat)
} else {ggsave(paste0("motivo de egreso por días trat",".png"),dpi=320)}

data_diff_treat<-
  CONS_C1_df_dup_JUL_2020%>%
  dplyr::filter(!is.na(diff_bet_treat))%>%
  janitor::tabyl(motivodeegreso_mod_imp)%>% 
  adorn_pct_formatting()%>%
  dplyr::filter(motivodeegreso_mod_imp %in% c("Abandono Tardio","Abandono Temprano","Alta Administrativa","Alta Terapéutica","Derivación"))%>%
  #dplyr::mutate(motivodeegreso_mod_imp=recode(motivodeegreso_mod_imp,"Abandono Tardio"=".Abandono Tardio", 
  #                     "Abandono Temprano" = ".Abandono Temprano"))%>% #el primer, el a cambiar y el otro es el original
  arrange(motivodeegreso_mod_imp)
p<-
plotly::plot_ly(data_diff_treat, sort = FALSE,labels = ~motivodeegreso_mod_imp, values = ~n, type = 'pie',hole = 0.3,textposition = 'outside',textinfo = 'label+percent', marker = list(colors = c("hotpink4","cornsilk","lightgrey","darkgoldenrod","mediumpurple"))) %>% #direction = "clockwise",
    layout(xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
    yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))%>% 
  layout(legend = 'none')

if(isTRUE(getOption('knitr.in.progress'))==T){
p  
} else {plotly_IMAGE(p, width = 1500, height = 500, format = "png", scale = 2,dpi=700,
             out_file = "G:/Mi unidad/Alvacast/SISTRAT 2019 (github)/Presentación a SENDA Jun 2020/motivo de egreso en tratamientos que tienen readmisiones.png")}  

fill <- c("#5F9EA0", "#E1B378")

data_diff_treat<-
  CONS_C1_df_dup_JUL_2020%>%
  dplyr::filter(!is.na(diff_bet_treat))%>%
  dplyr::mutate(diff_bet_treat=round(diff_bet_treat,0)) %>%
  dplyr::mutate(diff_bet_treat_g=cut2(diff_bet_treat, g =30))%>%
  
  dplyr::mutate(grupo_var=motivodeegreso_mod_imp)%>%
  dplyr::group_by(diff_bet_treat_g, grupo_var)%>%
  summarise(n_2_grupos=n())%>%
  dplyr::ungroup()%>%
  dplyr::group_by(diff_bet_treat_g)%>%
  dplyr::mutate(freq = (n_2_grupos / sum(n_2_grupos)))%>%
  dplyr::ungroup()

mot_egres_por_dias_diff_entre_trat<-
ggplot2::ggplot(data_diff_treat, aes(x = diff_bet_treat_g, y = freq,fill=grupo_var))+
  geom_bar(stat='identity', alpha=.8) + 
  scale_x_discrete()+
  scale_fill_viridis(discrete = T) +
  sjPlot::theme_sjplot2()+
  labs(x="",y="Porcentajes",
       caption= paste0("Nota. Se dividieron las Diferencias entre tratamientos en 30 partes iguales;\n", 
                       "Porcentajes por días de tratamiento;\n", "Se descartan aquellos registros que no poseen un tratamiento posterior"))+
  #ylim(0,101)+
  scale_y_continuous(limits=c(0,1),labels = scales::percent) +
  theme(legend.position="bottom")+
  guides(fill=guide_legend(ncol=3))+
  theme(legend.text = element_text(size=10))+
  theme(legend.title = element_blank(),
        panel.grid.minor = element_blank(), 
        panel.grid.major = element_blank(), 
        panel.grid.major.x = element_blank(),
        panel.background = element_blank(),
        axis.title.x = element_blank())+
  theme(axis.text.x = element_text(vjust = 0.5,hjust = 0.5,angle = 60), plot.caption=element_text(hjust=0)) 

if(isTRUE(getOption('knitr.in.progress'))==T){
    ggplotly(mot_egres_por_dias_diff_entre_trat)
} else {
  ggsave(paste0("motivo de egreso por días diff entre trat",".png"),dpi=320)
  }

• Cambios de centro sistemáticos (Ej. Hosp. Santa Cruz)
• ID de SENDA puede albergar a más de un RUT
• Fechas de inicio y término de tratamientos pueden superponerse en un mismo usuario
• Entradas que presentan más de un valor en variables invariantes al usuario (ej., sustancia de inicio).

• Contar con una base maestra que contenga información de cada usuario
• Precisar la codificación variable SENDA Sí
• Contar con nuevos validadores en base a otras variables interdependientes incorporadas
• Modificar el Identificador de usuario SENDA
• Contar con una ficha prellenada con información de cada usuario