Chilean prosecutor’s office Data merge (Step 3.1)

Show code 
script src = "https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js"
Show code 
 $(document).ready(function() {
    $('body').prepend('<div class=\"zoomDiv\"><img src=\"\" class=\"zoomImg\"></div>');
    // onClick function for all plots (img's)
    $('img:not(.zoomImg)').click(function() {
      $('.zoomImg').attr('src', $(this).attr('src')).css({width: '100%'});
      $('.zoomDiv').css({opacity: '1', width: 'auto', border: '1px solid white', borderRadius: '5px', position: 'fixed', top: '50%', left: '50%', marginRight: '-50%', transform: 'translate(-50%, -50%)', boxShadow: '0px 0px 50px #888888', zIndex: '50', overflow: 'auto', maxHeight: '100%'});
    });
    // onClick function for zoomImg
    $('img.zoomImg').click(function() {
      $('.zoomDiv').css({opacity: '0', width: '0%'}); 
    });
  });
Show code 
<script src="hideOutput.js"></script>
Show code 
$(document).ready(function() {    
    $chunks = $('.fold');    
    $chunks.each(function () {      // add button to source code chunks     
    if ( $(this).hasClass('s') ) {       
        $('pre.r', this).prepend("<div class=\"showopt\">Show Source</div><br style=\"line-height:22px;\"/>");
            $('pre.r', this).children('code').attr('class', 'folded');     
            }      // add button to output chunks     
        if ( $(this).hasClass('o') ) {       
            $('pre:not(.r)', this).has('code').prepend("<div class=\"showopt\">Show Output</div><br style=\"line-height:22px;\"/>");       
            $('pre:not(.r)', this).children('code:not(r)').addClass('folded');        // add button to plots       
            $(this).find('img').wrap('<pre class=\"plot\"></pre>');       
            $('pre.plot', this).prepend("<div class=\"showopt\">Show Plot</div><br style=\"line-height:22px;\"/>");       
            $('pre.plot', this).children('img').addClass('folded');      
            }   
});    // hide all chunks when document is loaded   
    $('.folded').css('display', 'none')    // function to toggle the visibility   
    $('.showopt').click(function() {     
            var label = $(this).html();     
            if (label.indexOf("Show") >= 0) {       
                $(this).html(label.replace("Show", "Hide"));     
            } else {
              $(this).html(label.replace("Hide", "Show"));     
            }     
    $(this).siblings('code, img').slideToggle('fast', 'swing');   
    }); 
});

Several issues were found in the first stage of the exploration of the matches.

Replace missing sex and nationality

Sex

Show code 
`%>%`<- magrittr::`%>%`
#no definido
#janitor::tabyl(Base_fiscalia_v5$sexo)[[3]]
sex_nodef<-
Base_fiscalia_v5%>% 
    dplyr::filter(rut_enc_saf %in% unlist(dplyr::distinct(dplyr::filter(Base_fiscalia_v5, sexo=="No Definido"), rut_enc_saf)))

as.data.frame.TableOne(CreateTableOne(vars= setdiff(c(myVars,"cut_com_del2","cut_fec_nac2"), c("gls_comuna", "gls_sitiosuceso", "gls_materia", "reg")), data= dplyr::mutate(Base_fiscalia_v5, sex_nodef=ifelse(sexo=="No Definido",1,0), cut_fec_nac2=cut2(imp_birth_date, cuts=as.Date(attr(binning(as.numeric(imp_birth_date)),"breaks"))),cut_com_del2=cut2(fec_comision_simple, cuts=as.Date(attr(binning(as.numeric(fec_comision_simple)),"breaks")))), factorVars = catVars, smd=T, strata="sex_nodef", addOverall = T, includeNA=T,test=T), smd=T)%>% 
  dplyr::mutate(char2=characteristic) %>% 
  tidyr::fill(char2) %>% 
  dplyr::select(char2,everything()) %>% 
  dplyr::mutate(level=ifelse(is.na(level),"[Missing]",level)) %>% 
  dplyr::mutate(char2=dplyr::case_when(characteristic=="NA"~NA_character_,T~as.character(characteristic)))%>%
format_cells(1, 1:9, "bold") %>%
  dplyr::select(-1) %>% 
  kable(size=10, format="markdown",caption= "Summary descriptives, if sex is not defined (1)") #%>%
Table 1: Summary descriptives, if sex is not defined (1)
characteristic level Overall 0 1 p test SMD
n 565601 565390 211
encontrado_como_victima (%) NO 375616 ( 66.4) 375488 ( 66.4) 128 ( 60.7) 0.090 0.120
SI 189985 ( 33.6) 189902 ( 33.6) 83 ( 39.3)
encontrado_como_imputado (%) NO 189624 ( 33.5) 189541 ( 33.5) 83 ( 39.3) 0.086 0.121
SI 375977 ( 66.5) 375849 ( 66.5) 128 ( 60.7)
tipo_sujeto_vic (%) 1 304 ( 0.1) 304 ( 0.1) 0 ( 0.0) 1.000 0.059
15 226 ( 0.0) 226 ( 0.0) 0 ( 0.0)
19 328 ( 0.1) 328 ( 0.1) 0 ( 0.0)
2 2 ( 0.0) 2 ( 0.0) 0 ( 0.0)
3 13 ( 0.0) 13 ( 0.0) 0 ( 0.0)
5 4 ( 0.0) 4 ( 0.0) 0 ( 0.0)
6 546716 ( 96.7) 546511 ( 96.7) 205 ( 97.2)
8 1 ( 0.0) 1 ( 0.0) 0 ( 0.0)
[Missing] 18007 ( 3.2) 18001 ( 3.2) 6 ( 2.8)
gls_tipo_sujeto_vic (%) ABOGADO QUERELLANTE 1 ( 0.0) 1 ( 0.0) 0 ( 0.0) 1.000 0.059
DENUNCIADO 2 ( 0.0) 2 ( 0.0) 0 ( 0.0)
DENUNCIANTE 304 ( 0.1) 304 ( 0.1) 0 ( 0.0)
IMPUTADO 13 ( 0.0) 13 ( 0.0) 0 ( 0.0)
QUERELLANTE 4 ( 0.0) 4 ( 0.0) 0 ( 0.0)
TESTIGO 226 ( 0.0) 226 ( 0.0) 0 ( 0.0)
VICTIMA 546716 ( 96.7) 546511 ( 96.7) 205 ( 97.2)
VICTIMA 108i.2 328 ( 0.1) 328 ( 0.1) 0 ( 0.0)
[Missing] 18007 ( 3.2) 18001 ( 3.2) 6 ( 2.8)
gls_region (%) I Región de Tarapaca 17981 ( 3.2) 17981 ( 3.2) 0 ( 0.0) <0.001 0.945
II Región de Antofagasta 27197 ( 4.8) 27180 ( 4.8) 17 ( 8.1)
III Región de Atacama 17584 ( 3.1) 17565 ( 3.1) 19 ( 9.0)
IV Región de Coquimbo 23003 ( 4.1) 22998 ( 4.1) 5 ( 2.4)
IX Región de la Araucanía 15499 ( 2.7) 15475 ( 2.7) 24 ( 11.4)
RM Centro Norte 78291 ( 13.8) 78275 ( 13.8) 16 ( 7.6)
RM Occidente 63504 ( 11.2) 63491 ( 11.2) 13 ( 6.2)
RM Oriente 43972 ( 7.8) 43966 ( 7.8) 6 ( 2.8)
RM Sur 63576 ( 11.2) 63569 ( 11.2) 7 ( 3.3)
V Región de Valparaíso 55192 ( 9.8) 55182 ( 9.8) 10 ( 4.7)
VI Región del Libertador Gral. Bernardo O Higgins 33361 ( 5.9) 33340 ( 5.9) 21 ( 10.0)
VII Región del Maule 30042 ( 5.3) 30031 ( 5.3) 11 ( 5.2)
VIII Región del Bio Bio 38462 ( 6.8) 38443 ( 6.8) 19 ( 9.0)
X Región de los Lagos 19279 ( 3.4) 19261 ( 3.4) 18 ( 8.5)
XI Región Aysen del Gral. Carlos Ibañez del Campo 5354 ( 0.9) 5350 ( 0.9) 4 ( 1.9)
XII Región de Magallanes y de la Antartica Chilena 5183 ( 0.9) 5165 ( 0.9) 18 ( 8.5)
XIV Región de los Rios 8405 ( 1.5) 8404 ( 1.5) 1 ( 0.5)
XV Región de Arica y Parinacota 13907 ( 2.5) 13905 ( 2.5) 2 ( 0.9)
XVI Región del Ñuble 5809 ( 1.0) 5809 ( 1.0) 0 ( 0.0)
tipo_termino (%) OTROS T¿RMINOS 31693 ( 5.6) 31688 ( 5.6) 5 ( 2.4) 0.169 0.178
SALIDA JUDICIAL 304543 ( 53.8) 304419 ( 53.8) 124 ( 58.8)
SALIDA NO JUDICIAL 229344 ( 40.5) 229262 ( 40.5) 82 ( 38.9)
[Missing] 21 ( 0.0) 21 ( 0.0) 0 ( 0.0)
agrupa_terminos (%) ACUERDO REPARATORIO 13622 ( 2.4) 13617 ( 2.4) 5 ( 2.4) 0.149 0.343
AGRUPACI¿N A OTRO CASO 28024 ( 5.0) 28019 ( 5.0) 5 ( 2.4)
ANULACI¿N ADMINISTRATIVA 1503 ( 0.3) 1503 ( 0.3) 0 ( 0.0)
ARCHIVO PROVISIONAL 148839 ( 26.3) 148780 ( 26.3) 59 ( 28.0)
DECISI¿N DE NO PERSEVERAR 33136 ( 5.9) 33126 ( 5.9) 10 ( 4.7)
FACULTAD PARA NO INVESTIGAR 41831 ( 7.4) 41812 ( 7.4) 19 ( 9.0)
INCOMPETENCIA 2346 ( 0.4) 2346 ( 0.4) 0 ( 0.0)
OTRAS CAUSALES DE SUSPENSI¿N 913 ( 0.2) 913 ( 0.2) 0 ( 0.0)
OTRAS CAUSALES DE T¿RMINO 1253 ( 0.2) 1253 ( 0.2) 0 ( 0.0)
PRINCIPIO DE OPORTUNIDAD 45023 ( 8.0) 45010 ( 8.0) 13 ( 6.2)
SENTENCIA DEFINITIVA ABSOLUTORIA 11829 ( 2.1) 11828 ( 2.1) 1 ( 0.5)
SENTENCIA DEFINITIVA CONDENATORIA 156788 ( 27.7) 156729 ( 27.7) 59 ( 28.0)
SOBRESEIMIENTO DEFINITIVO 28215 ( 5.0) 28207 ( 5.0) 8 ( 3.8)
SOBRESEIMIENTO DEFINITIVO 240 44505 ( 7.9) 44475 ( 7.9) 30 ( 14.2)
SOBRESEIMIENTO TEMPORAL 657 ( 0.1) 657 ( 0.1) 0 ( 0.0)
SUSPENSI¿N CONDICIONAL DEL PROCEDIMIENTO 7096 ( 1.3) 7094 ( 1.3) 2 ( 0.9)
[Missing] 21 ( 0.0) 21 ( 0.0) 0 ( 0.0)
familia_delito (%) CUASIDELITOS 3823 ( 0.7) 3821 ( 0.7) 2 ( 0.9) 0.007 0.416
DELITOS CONTRA LA FE PÚBLICA 15927 ( 2.8) 15922 ( 2.8) 5 ( 2.4)
DELITOS CONTRA LA LIBERTAD E INTIMIDAD DE LAS PERSONAS 98560 ( 17.4) 98523 ( 17.4) 37 ( 17.5)
DELITOS CONTRA LEYES DE PROPIEDAD INTELECTUAL E INDUSTRIAL 1469 ( 0.3) 1469 ( 0.3) 0 ( 0.0)
DELITOS DE JUSTICIA MILITAR 47 ( 0.0) 47 ( 0.0) 0 ( 0.0)
DELITOS DE LEYES ESPECIALES 13176 ( 2.3) 13170 ( 2.3) 6 ( 2.8)
DELITOS DE TORTURA, MALOS TRATOS, GENOCIDIO Y LESA HUMANIDAD 447 ( 0.1) 447 ( 0.1) 0 ( 0.0)
DELITOS ECONÓMICOS Y TRIBUTARIOS 14190 ( 2.5) 14177 ( 2.5) 13 ( 6.2)
DELITOS FUNCIONARIOS 732 ( 0.1) 732 ( 0.1) 0 ( 0.0)
DELITOS LEY DE DROGAS 9543 ( 1.7) 9543 ( 1.7) 0 ( 0.0)
DELITOS LEY DE TRÁNSITO 16082 ( 2.8) 16068 ( 2.8) 14 ( 6.6)
DELITOS SEXUALES 5625 ( 1.0) 5623 ( 1.0) 2 ( 0.9)
FALTAS 80627 ( 14.3) 80602 ( 14.3) 25 ( 11.8)
HECHOS DE RELEVANCIA CRIMINAL 31835 ( 5.6) 31828 ( 5.6) 7 ( 3.3)
HOMICIDIOS 1106 ( 0.2) 1106 ( 0.2) 0 ( 0.0)
HURTOS 51916 ( 9.2) 51887 ( 9.2) 29 ( 13.7)
LESIONES 118219 ( 20.9) 118182 ( 20.9) 37 ( 17.5)
OTROS DELITOS 12553 ( 2.2) 12549 ( 2.2) 4 ( 1.9)
OTROS DELITOS CONTRA LA PROPIEDAD 28584 ( 5.1) 28578 ( 5.1) 6 ( 2.8)
ROBOS 31102 ( 5.5) 31091 ( 5.5) 11 ( 5.2)
ROBOS NO VIOLENTOS 30038 ( 5.3) 30025 ( 5.3) 13 ( 6.2)
relacion_vifsaf (%) NO 450076 ( 79.6) 449909 ( 79.6) 167 ( 79.1) 0.945 0.011
SI 115525 ( 20.4) 115481 ( 20.4) 44 ( 20.9)
gls_parentesco (%) ABUELO(A) 744 ( 0.1) 744 ( 0.1) 0 ( 0.0) <0.001 0.313
ADOPTADO 41 ( 0.0) 41 ( 0.0) 0 ( 0.0)
ADOPTANTE 4 ( 0.0) 4 ( 0.0) 0 ( 0.0)
CONVIVIENTE 30410 ( 5.4) 30392 ( 5.4) 18 ( 8.5)
CÓNYUGE 15083 ( 2.7) 15076 ( 2.7) 7 ( 3.3)
CUÑADO(A) 1695 ( 0.3) 1694 ( 0.3) 1 ( 0.5)
EX CONVIVIENTE 21335 ( 3.8) 21328 ( 3.8) 7 ( 3.3)
EX CONYUGE 1413 ( 0.2) 1413 ( 0.2) 0 ( 0.0)
HERMANO(A) 9803 ( 1.7) 9801 ( 1.7) 2 ( 0.9)
HIJO(A) 9070 ( 1.6) 9066 ( 1.6) 4 ( 1.9)
MADRASTRA 100 ( 0.0) 100 ( 0.0) 0 ( 0.0)
MADRE 8386 ( 1.5) 8384 ( 1.5) 2 ( 0.9)
MADRE HIJO COMUN 3873 ( 0.7) 3873 ( 0.7) 0 ( 0.0)
MENOR DE EDAD (bajo cuidado) 44 ( 0.0) 43 ( 0.0) 1 ( 0.5)
MINUSVALIDO (bajo cuidado) 3 ( 0.0) 3 ( 0.0) 0 ( 0.0)
NIETO 350 ( 0.1) 350 ( 0.1) 0 ( 0.0)
No Definido 118 ( 0.0) 118 ( 0.0) 0 ( 0.0)
NUERA 259 ( 0.0) 259 ( 0.0) 0 ( 0.0)
PADRASTRO 759 ( 0.1) 759 ( 0.1) 0 ( 0.0)
PADRE 4247 ( 0.8) 4247 ( 0.8) 0 ( 0.0)
PADRE HIJO COMUN 3574 ( 0.6) 3573 ( 0.6) 1 ( 0.5)
SOBRINO(A) 1445 ( 0.3) 1445 ( 0.3) 0 ( 0.0)
SUEGRO(A) 864 ( 0.2) 864 ( 0.2) 0 ( 0.0)
TIO(A) 1503 ( 0.3) 1503 ( 0.3) 0 ( 0.0)
YERNO 402 ( 0.1) 401 ( 0.1) 1 ( 0.5)
[Missing] 450076 ( 79.6) 449909 ( 79.6) 167 ( 79.1)
gls_mottermino (%) Acoge req. proced monit y proposic multa 56871 ( 10.1) 56854 ( 10.1) 17 ( 8.1) 0.549 0.353
Acuerdo Reparatorio (Art. 241 y 242) 12038 ( 2.1) 12033 ( 2.1) 5 ( 2.4)
Agrupado 28025 ( 5.0) 28020 ( 5.0) 5 ( 2.4)
Anulación de ingreso error de digitación 1471 ( 0.3) 1471 ( 0.3) 0 ( 0.0)
Anulación ingreso por delito acción priv 32 ( 0.0) 32 ( 0.0) 0 ( 0.0)
Archivo Provisional 148839 ( 26.3) 148780 ( 26.3) 59 ( 28.0)
Decisión de no perseverar en el proced 33136 ( 5.9) 33126 ( 5.9) 10 ( 4.7)
Incomp materias correspond sistema antig 83 ( 0.0) 83 ( 0.0) 0 ( 0.0)
Incomp tratarse materias conoc otro trib 2263 ( 0.4) 2263 ( 0.4) 0 ( 0.0)
Negativa investig caso autodenuncia 179 1 ( 0.0) 1 ( 0.0) 0 ( 0.0)
No Inicio Investigación 41831 ( 7.4) 41812 ( 7.4) 19 ( 9.0)
Otras causales de término 1248 ( 0.2) 1248 ( 0.2) 0 ( 0.0)
Principio de Oportunidad 45023 ( 8.0) 45010 ( 8.0) 13 ( 6.2)
Rechazo querella de capítulos (art. 429) 3 ( 0.0) 3 ( 0.0) 0 ( 0.0)
Rechazo req. Med. Seg. Opuest qte 462 2 ( 0.0) 2 ( 0.0) 0 ( 0.0)
S Def (no subs oport vicios form art270) 70 ( 0.0) 70 ( 0.0) 0 ( 0.0)
S Definit (vencim plazo suspens art 240) 44505 ( 7.9) 44475 ( 7.9) 30 ( 14.2)
S. Definit (en casos del art. 465) 3 ( 0.0) 3 ( 0.0) 0 ( 0.0)
S. Definit (exc previo y espec pron 271) 22 ( 0.0) 22 ( 0.0) 0 ( 0.0)
S. Definit (susp imposic de la cond 398) 44 ( 0.0) 44 ( 0.0) 0 ( 0.0)
Sentencia definitiva absolutoria 11829 ( 2.1) 11828 ( 2.1) 1 ( 0.5)
Sentencia definitiva condenatoria 99918 ( 17.7) 99876 ( 17.7) 42 ( 19.9)
Sobres Definit (en casos del art 247) 12 ( 0.0) 12 ( 0.0) 0 ( 0.0)
Sobres Definitivo (causales del art 250) 28061 ( 5.0) 28053 ( 5.0) 8 ( 3.8)
Término requerimiento internacional 3 ( 0.0) 3 ( 0.0) 0 ( 0.0)
[Missing] 10268 ( 1.8) 10266 ( 1.8) 2 ( 0.9)
gls_motsuspension (%) ACUERDO REPARATORIO 15397 ( 2.7) 15390 ( 2.7) 7 ( 3.3) 0.337 0.163
SOBRESEIMIENTO TEMPORAL 2270 ( 0.4) 2269 ( 0.4) 1 ( 0.5)
SUSPENSION CONDICIONAL DEL PROCEDIMIENTO 55450 ( 9.8) 55420 ( 9.8) 30 ( 14.2)
SUSPENSION PROCED. ART. 10 10 ( 0.0) 10 ( 0.0) 0 ( 0.0)
SUSPENSION PROCED. ART. 458 1713 ( 0.3) 1713 ( 0.3) 0 ( 0.0)
[Missing] 490761 ( 86.8) 490588 ( 86.8) 173 ( 82.0)
gls_proctermino (%) ABREVIADO 21387 ( 3.8) 21382 ( 3.8) 5 ( 2.4) 0.574 0.153
MONITORIO 56924 ( 10.1) 56907 ( 10.1) 17 ( 8.1)
ORDINARIO 106499 ( 18.8) 106455 ( 18.8) 44 ( 20.9)
RECLAMO 1 ( 0.0) 1 ( 0.0) 0 ( 0.0)
REQUERIMIENTO INTERNACIONAL 3 ( 0.0) 3 ( 0.0) 0 ( 0.0)
SIMPLIFICADO 102433 ( 18.1) 102386 ( 18.1) 47 ( 22.3)
SIN PROCEDIMIENTO 278354 ( 49.2) 278256 ( 49.2) 98 ( 46.4)
gls_tipo_imputado (%) DENUNCIADO 28317 ( 5.0) 28312 ( 5.0) 5 ( 2.4) 0.632 0.152
IMPUTADO 536374 ( 94.8) 536168 ( 94.8) 206 ( 97.6)
INVESTIGADO 27 ( 0.0) 27 ( 0.0) 0 ( 0.0)
QUERELLADO 560 ( 0.1) 560 ( 0.1) 0 ( 0.0)
SOSPECHOSO 233 ( 0.0) 233 ( 0.0) 0 ( 0.0)
TESTIGO 90 ( 0.0) 90 ( 0.0) 0 ( 0.0)
lugar_ocurrencia (%) BIENES NACIONALES USO PUBLICO 220285 ( 38.9) 220224 ( 39.0) 61 ( 28.9) 0.003 0.375
ESTABLECIMIENTO COMERCIAL 91003 ( 16.1) 90963 ( 16.1) 40 ( 19.0)
ESTABLECIMIENTO DE DIVERSION 1845 ( 0.3) 1843 ( 0.3) 2 ( 0.9)
ESTABLECIMIENTO EDUCACIONAL 3389 ( 0.6) 3388 ( 0.6) 1 ( 0.5)
ESTABLECIMIENTO PRODUCTIVO 8178 ( 1.4) 8171 ( 1.4) 7 ( 3.3)
LUGAR HABITADO O DESTINADO A LA HABITACION Y SUS DEPENDENCIAS 212157 ( 37.5) 212061 ( 37.5) 96 ( 45.5)
ORGANIZACION DE SEGURIDAD / JUSTICIA 12160 ( 2.1) 12160 ( 2.2) 0 ( 0.0)
ORGANIZACION PUBLICA Y/O SOCIAL 7317 ( 1.3) 7315 ( 1.3) 2 ( 0.9)
OTROS LUGARES NO CLASIFICADOS 5625 ( 1.0) 5625 ( 1.0) 0 ( 0.0)
[Missing] 3642 ( 0.6) 3640 ( 0.6) 2 ( 0.9)
region_delito (%) I Región de Tarapaca 18007 ( 3.2) 18007 ( 3.2) 0 ( 0.0) <0.001 0.934
II Región de Antofagasta 27189 ( 4.8) 27172 ( 4.8) 17 ( 8.1)
III Región de Atacama 17574 ( 3.1) 17555 ( 3.1) 19 ( 9.0)
IV Región de Coquimbo 22977 ( 4.1) 22972 ( 4.1) 5 ( 2.4)
IX Región de la Araucanía 15508 ( 2.7) 15484 ( 2.7) 24 ( 11.4)
No Definido 4 ( 0.0) 4 ( 0.0) 0 ( 0.0)
Región Metropolitana de Santiago 248964 ( 44.0) 248922 ( 44.0) 42 ( 19.9)
RM Centro Norte 18 ( 0.0) 18 ( 0.0) 0 ( 0.0)
RM Occidente 8 ( 0.0) 8 ( 0.0) 0 ( 0.0)
RM Oriente 9 ( 0.0) 9 ( 0.0) 0 ( 0.0)
RM Sur 36 ( 0.0) 36 ( 0.0) 0 ( 0.0)
V Región de Valparaíso 55117 ( 9.7) 55107 ( 9.7) 10 ( 4.7)
VI Región del Libertador Gral. Bernardo O Higgins 33245 ( 5.9) 33224 ( 5.9) 21 ( 10.0)
VII Región del Maule 29896 ( 5.3) 29885 ( 5.3) 11 ( 5.2)
VIII Región del Bio Bio 38456 ( 6.8) 38437 ( 6.8) 19 ( 9.0)
X Región de los Lagos 19283 ( 3.4) 19265 ( 3.4) 18 ( 8.5)
XI Región Aysen del Gral. Carlos Ibañez del Campo 5335 ( 0.9) 5331 ( 0.9) 4 ( 1.9)
XII Región de Magallanes y de la Antartica Chilena 5184 ( 0.9) 5166 ( 0.9) 18 ( 8.5)
XIV Región de los Rios 8365 ( 1.5) 8364 ( 1.5) 1 ( 0.5)
XV Región de Arica y Parinacota 13787 ( 2.4) 13785 ( 2.4) 2 ( 0.9)
XVI Región del Ñuble 5697 ( 1.0) 5697 ( 1.0) 0 ( 0.0)
[Missing] 942 ( 0.2) 942 ( 0.2) 0 ( 0.0)
medidas_155 (%) SI 57243 ( 10.1) 57226 ( 10.1) 17 ( 8.1) 0.379 0.072
[Missing] 508358 ( 89.9) 508164 ( 89.9) 194 ( 91.9)
medidas_pp (%) SI 22236 ( 3.9) 22232 ( 3.9) 4 ( 1.9) 0.179 0.121
[Missing] 543365 ( 96.1) 543158 ( 96.1) 207 ( 98.1)
medidas_ip (%) SI 730 ( 0.1) 730 ( 0.1) 0 ( 0.0) 1.000 0.051
[Missing] 564871 ( 99.9) 564660 ( 99.9) 211 (100.0)
marca_suspension_43 (%) NO 67050 ( 11.9) 67022 ( 11.9) 28 ( 13.3) 0.058 0.116
SI 2341 ( 0.4) 2338 ( 0.4) 3 ( 1.4)
[Missing] 496210 ( 87.7) 496030 ( 87.7) 180 ( 85.3)
marca_pena_44 (%) SI 69391 ( 12.3) 69360 ( 12.3) 31 ( 14.7) 0.333 0.071
[Missing] 496210 ( 87.7) 496030 ( 87.7) 180 ( 85.3)
marca_multa_45 (%) NO 35119 ( 6.2) 35110 ( 6.2) 9 ( 4.3) 0.018 0.177
SI 34272 ( 6.1) 34250 ( 6.1) 22 ( 10.4)
[Missing] 496210 ( 87.7) 496030 ( 87.7) 180 ( 85.3)
medida_alternativa_46 (%) Libertad Vigilada 3200 ( 0.6) 3200 ( 0.6) 0 ( 0.0) 0.493 0.140
Otra 4982 ( 0.9) 4979 ( 0.9) 3 ( 1.4)
Reclusión Nocturna 14041 ( 2.5) 14033 ( 2.5) 8 ( 3.8)
Remisión Condicional 18320 ( 3.2) 18313 ( 3.2) 7 ( 3.3)
[Missing] 525058 ( 92.8) 524865 ( 92.8) 193 ( 91.5)
clasificacion_pena_47 (%) Presidio Mayor grado máximo 83 ( 0.0) 83 ( 0.0) 0 ( 0.0) 0.690 0.202
Presidio Mayor grado medio 467 ( 0.1) 467 ( 0.1) 0 ( 0.0)
Presidio Mayor grado mínimo 1917 ( 0.3) 1917 ( 0.3) 0 ( 0.0)
Presidio Menor grado máximo 4960 ( 0.9) 4960 ( 0.9) 0 ( 0.0)
Presidio Menor grado medio 8774 ( 1.6) 8770 ( 1.6) 4 ( 1.9)
Presidio Menor grado mínimo 29524 ( 5.2) 29507 ( 5.2) 17 ( 8.1)
Presidio Perpetuo calificado 1 ( 0.0) 1 ( 0.0) 0 ( 0.0)
Presidio Perpetuo simple 14 ( 0.0) 14 ( 0.0) 0 ( 0.0)
Prisión 23651 ( 4.2) 23641 ( 4.2) 10 ( 4.7)
[Missing] 496210 ( 87.7) 496030 ( 87.7) 180 ( 85.3)
tramos_condena_48 (%) 1 día a 60 días 2115 ( 0.4) 2115 ( 0.4) 0 ( 0.0) 0.927 0.114
3 años y 1 día a 5 años 203 ( 0.0) 203 ( 0.0) 0 ( 0.0)
541 días a 3 años 626 ( 0.1) 626 ( 0.1) 0 ( 0.0)
61 días a 540 días 690 ( 0.1) 690 ( 0.1) 0 ( 0.0)
Desde 5 años y 1 día 38 ( 0.0) 38 ( 0.0) 0 ( 0.0)
[Missing] 561929 ( 99.4) 561718 ( 99.4) 211 (100.0)
clasificacion_penarpa_1_49 (%) Amonestación 614 ( 0.1) 614 ( 0.1) 0 ( 0.0) 0.995 0.114
Int. Reg. Cerrado con Prog. de Reinserción Social 88 ( 0.0) 88 ( 0.0) 0 ( 0.0)
Int. Reg. Semicerrado con Prog. de Reinserción Social 162 ( 0.0) 162 ( 0.0) 0 ( 0.0)
Libertad Asistida 492 ( 0.1) 492 ( 0.1) 0 ( 0.0)
Libertad Asistida Especial 694 ( 0.1) 694 ( 0.1) 0 ( 0.0)
Multa 343 ( 0.1) 343 ( 0.1) 0 ( 0.0)
Prestación de Servicios en Beneficio de la Comunidad 1270 ( 0.2) 1270 ( 0.2) 0 ( 0.0)
Reparación del Daño Causado 14 ( 0.0) 14 ( 0.0) 0 ( 0.0)
[Missing] 561924 ( 99.3) 561713 ( 99.3) 211 (100.0)
clasificacion_penarpa_2_50 (%) Int. Reg. Semicerrado con Prog. de Reinserción Social 10 ( 0.0) 10 ( 0.0) 0 ( 0.0) 1.000 0.021
Libertad Asistida 28 ( 0.0) 28 ( 0.0) 0 ( 0.0)
Libertad Asistida Especial 71 ( 0.0) 71 ( 0.0) 0 ( 0.0)
Prestación de Servicios en Beneficio de la Comunidad 10 ( 0.0) 10 ( 0.0) 0 ( 0.0)
[Missing] 565482 (100.0) 565271 (100.0) 211 (100.0)
marca_suspension_51 (%) NO 74 ( 0.0) 74 ( 0.0) 0 ( 0.0) 0.986 0.017
SI 3 ( 0.0) 3 ( 0.0) 0 ( 0.0)
[Missing] 565524 (100.0) 565313 (100.0) 211 (100.0)
marca_pena_52 (%) SI 77 ( 0.0) 77 ( 0.0) 0 ( 0.0) 1.000 0.017
[Missing] 565524 (100.0) 565313 (100.0) 211 (100.0)
marca_multa_53 (%) NO 46 ( 0.0) 46 ( 0.0) 0 ( 0.0) 0.986 0.017
SI 31 ( 0.0) 31 ( 0.0) 0 ( 0.0)
[Missing] 565524 (100.0) 565313 (100.0) 211 (100.0)
medida_alternativa_54 (%) Libertad Vigilada 8 ( 0.0) 8 ( 0.0) 0 ( 0.0) 1.000 0.013
Otra 5 ( 0.0) 5 ( 0.0) 0 ( 0.0)
Reclusión Nocturna 17 ( 0.0) 17 ( 0.0) 0 ( 0.0)
Remisión Condicional 15 ( 0.0) 15 ( 0.0) 0 ( 0.0)
[Missing] 565556 (100.0) 565345 (100.0) 211 (100.0)
clasificacion_pena_55 (%) Presidio Mayor grado medio 3 ( 0.0) 3 ( 0.0) 0 ( 0.0) 1.000 0.017
Presidio Mayor grado mínimo 5 ( 0.0) 5 ( 0.0) 0 ( 0.0)
Presidio Menor grado máximo 12 ( 0.0) 12 ( 0.0) 0 ( 0.0)
Presidio Menor grado medio 9 ( 0.0) 9 ( 0.0) 0 ( 0.0)
Presidio Menor grado mínimo 21 ( 0.0) 21 ( 0.0) 0 ( 0.0)
Prisión 27 ( 0.0) 27 ( 0.0) 0 ( 0.0)
[Missing] 565524 (100.0) 565313 (100.0) 211 (100.0)
cut_com_del2 (%) [1972-12-21,2009-12-20) 26920 ( 4.8) 26912 ( 4.8) 8 ( 3.8) 0.012 0.461
[2009-12-20,2010-06-23) 26882 ( 4.8) 26866 ( 4.8) 16 ( 7.6)
[2010-06-23,2010-12-18) 26889 ( 4.8) 26878 ( 4.8) 11 ( 5.2)
[2010-12-18,2011-05-27) 26885 ( 4.8) 26868 ( 4.8) 17 ( 8.1)
[2011-05-27,2011-11-04) 27034 ( 4.8) 27027 ( 4.8) 7 ( 3.3)
[2011-11-04,2012-04-04) 26977 ( 4.8) 26971 ( 4.8) 6 ( 2.8)
[2012-04-04,2012-09-16) 26868 ( 4.8) 26850 ( 4.7) 18 ( 8.5)
[2012-09-16,2013-02-23) 26866 ( 4.7) 26854 ( 4.7) 12 ( 5.7)
[2013-02-23,2013-08-12) 26995 ( 4.8) 26993 ( 4.8) 2 ( 0.9)
[2013-08-12,2014-01-27) 26959 ( 4.8) 26956 ( 4.8) 3 ( 1.4)
[2014-01-27,2014-07-21) 26861 ( 4.7) 26853 ( 4.7) 8 ( 3.8)
[2014-07-21,2015-01-06) 26993 ( 4.8) 26979 ( 4.8) 14 ( 6.6)
[2015-01-06,2015-06-30) 26965 ( 4.8) 26953 ( 4.8) 12 ( 5.7)
[2015-06-30,2015-12-25) 26909 ( 4.8) 26899 ( 4.8) 10 ( 4.7)
[2015-12-25,2016-06-22) 26947 ( 4.8) 26935 ( 4.8) 12 ( 5.7)
[2016-06-22,2016-12-23) 26943 ( 4.8) 26931 ( 4.8) 12 ( 5.7)
[2016-12-23,2017-06-28) 26852 ( 4.7) 26845 ( 4.7) 7 ( 3.3)
[2017-06-28,2018-01-03) 26996 ( 4.8) 26988 ( 4.8) 8 ( 3.8)
[2018-01-03,2018-07-19) 26859 ( 4.7) 26854 ( 4.7) 5 ( 2.4)
[2018-07-19,2019-02-06) 26979 ( 4.8) 26965 ( 4.8) 14 ( 6.6)
[2019-02-06,2019-11-13] 26981 ( 4.8) 26972 ( 4.8) 9 ( 4.3)
[Missing] 41 ( 0.0) 41 ( 0.0) 0 ( 0.0)
cut_fec_nac2 (%) [1930-01-18,1963-06-08) 26929 ( 4.8) 26899 ( 4.8) 30 ( 14.2) <0.001 1.224
[1963-06-08,1967-11-30) 26937 ( 4.8) 26899 ( 4.8) 38 ( 18.0)
[1967-11-30,1970-12-12) 26920 ( 4.8) 26912 ( 4.8) 8 ( 3.8)
[1970-12-12,1973-03-18) 26935 ( 4.8) 26924 ( 4.8) 11 ( 5.2)
[1973-03-18,1975-02-23) 26930 ( 4.8) 26928 ( 4.8) 2 ( 0.9)
[1975-02-23,1977-01-21) 26934 ( 4.8) 26900 ( 4.8) 34 ( 16.1)
[1977-01-21,1978-11-01) 26933 ( 4.8) 26910 ( 4.8) 23 ( 10.9)
[1978-11-01,1980-04-05) 26929 ( 4.8) 26929 ( 4.8) 0 ( 0.0)
[1980-04-05,1981-06-11) 26937 ( 4.8) 26930 ( 4.8) 7 ( 3.3)
[1981-06-11,1982-06-18) 26934 ( 4.8) 26925 ( 4.8) 9 ( 4.3)
[1982-06-18,1983-07-04) 26929 ( 4.8) 26928 ( 4.8) 1 ( 0.5)
[1983-07-04,1984-08-16) 26839 ( 4.7) 26834 ( 4.7) 5 ( 2.4)
[1984-08-16,1985-10-03) 27000 ( 4.8) 27000 ( 4.8) 0 ( 0.0)
[1985-10-03,1986-11-21) 26961 ( 4.8) 26955 ( 4.8) 6 ( 2.8)
[1986-11-21,1988-01-10) 26898 ( 4.8) 26898 ( 4.8) 0 ( 0.0)
[1988-01-10,1989-02-03) 26976 ( 4.8) 26972 ( 4.8) 4 ( 1.9)
[1989-02-03,1990-04-02) 26880 ( 4.8) 26862 ( 4.8) 18 ( 8.5)
[1990-04-02,1991-06-11) 26980 ( 4.8) 26980 ( 4.8) 0 ( 0.0)
[1991-06-11,1992-12-13) 26926 ( 4.8) 26916 ( 4.8) 10 ( 4.7)
[1992-12-13,1994-11-24) 26951 ( 4.8) 26948 ( 4.8) 3 ( 1.4)
[1994-11-24,2001-09-29] 26932 ( 4.8) 26930 ( 4.8) 2 ( 0.9)
[Missing] 11 ( 0.0) 11 ( 0.0) 0 ( 0.0)
Show code 
  #kableExtra::scroll_box(width = "100%", height = "375px")


Some records had a “undefined” value in sex (n= 211, p= 49). Many of these cases did not have a date of birth and nationallity, and seem to have other characteristics that may differentiate them from cases that have a defined sex in the database. In PO everyone had consistent values along their records. The criteria to replace values were based in the presence of records with values associated to pregnancy, stay in centers for women and treatments for women. Some of them include more “DELITOS ECONÓMICOS Y TRIBUTARIOS”, “DELITOS LEY DE TRÁNSITO HOMICIDIOS”, but less “OTROS DELITOS CONTRA LA PROPIEDAD FALTAS LESIONES”. In terms of finishing the proceedings, they had more “No Inicio Investigación”, “S Definit (vencim plazo suspens art 240)”, “Sentencia definitiva absolutoria” (grouped in SUSPENSION CONDICIONAL DEL PROCEDIMIENTO ), but also “Sentencia definitiva condenatoria”. Less crimes were commited in the Metropolitan Region and less individuals were born before 1940.

Show code 
message(paste0("Missing values in P.O. not replaceable by SENDAs values (both missing)= ",
Base_fiscalia_v5 %>% 
  dplyr::mutate(sexo=dplyr::case_when(sexo=="No Definido"~NA_character_,T~sexo)) %>% 
  dplyr::filter(is.na(sexo)) %>% 
  dplyr::left_join(subset(CONS_C1_df_dup_SEP_2020, dup==1, c("hash_key","nacionalidad","etnia_cor","sexo_2")),by=c("rut_enc_saf"="hash_key"))%>%
  dplyr::filter(is.na(sexo_2)) %>% 
  nrow())
)

Missing values in P.O. not replaceable by SENDAs values (both missing)= 0

Show code 
message(
paste0("Number of records that had a non definite sex= ",
Base_fiscalia_v5 %>%   
  dplyr::filter(rut_enc_saf %in% unlist(subset(Base_fiscalia_v5, sexo=="No Definido","rut_enc_saf"))) %>% 
  dplyr::filter(sexo!="No Definido") %>%  nrow())
)

Number of records that had a non definite sex= 0

Show code 
message("Users with different values in sex between SENDA and P.O.")

Users with different values in sex between SENDA and P.O.

Show code 
differences_bet_sex_po<-
Base_fiscalia_v5 %>% 
  dplyr::mutate(sexo=dplyr::case_when(sexo=="No Definido"~NA_character_,T~sexo)) %>% 
  dplyr::group_by(rut_enc_saf) %>% 
  dplyr::mutate(dist_sex=n_distinct(sexo), dist_ruc=n_distinct(ruc)) %>% 
  dplyr::ungroup() %>% 
  dplyr::left_join(subset(CONS_C1_df_dup_SEP_2020, dup==1, c("hash_key","nacionalidad","etnia_cor","sexo_2")),by=c("rut_enc_saf"="hash_key"))%>%
  dplyr::mutate(sexo=dplyr::case_when(sexo=="FEMENINO"~"Women",sexo=="MASCULINO"~"Men",T~NA_character_))%>% 
  dplyr::select("rut_enc_saf","sexo","sexo_2","pais","nacionalidad", "etnia_cor", "ruc", "obs", "dist_sex", "dist_ruc") %>% 
  dplyr::mutate(step0=dplyr::case_when(is.na(sexo) & is.na(sexo_2)~1,T~0)) %>% 
  dplyr::filter(sexo!=as.character(sexo_2))

invisible("In PO everyone had consistent sexes in their records")

#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_
#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_
#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_

# - Percentage of records as different sexes (C1)
CONS_C1_res_sex<-
  CONS_C1 %>% 
  dplyr::filter(HASH_KEY %in% unlist(differences_bet_sex_po$rut_enc_saf)) %>% 
  dplyr::mutate(sexo=dplyr::case_when(Sexo=="Mujer"~"Women",Sexo=="Hombre"~"Men",T~NA_character_))%>% 
  dplyr::group_by(HASH_KEY) %>% 
  dplyr::summarise(length_women_center=sum(grepl("Mujeres",`Nombre.Centro`), na.rm=T),length_preg= sum(`X.Se.trata.de.una.mujer.embarazada.`=="Si", na.rm=T), length_preg_egr= sum(`Ha.estado.embarazada.egreso.`=="si"), length_women= sum(sexo=="Women", na.rm=T), length_men= sum(sexo=="Men", na.rm=T), length_c1=n())%>% 
  dplyr::distinct(HASH_KEY,.keep_all = T)

# - Percentage of records as different sexes (TOP)
TOP_sex<-
  CONS_TOP%>% 
  dplyr::filter(HASH_KEY %in% unlist(differences_bet_sex_po$rut_enc_saf))  %>% 
  dplyr::mutate(sexo=dplyr::case_when(Sexo=="Mujer"~"Women",Sexo=="Hombre"~"Men",T~NA_character_))%>% 
  dplyr::group_by(HASH_KEY) %>% 
  dplyr::summarise(length_women_center_top=sum(grepl("Mujeres",`Nombre.del.Centro`), na.rm=T), length_women_top= sum(sexo=="Women", na.rm=T), length_men_top= sum(sexo=="Men", na.rm=T), length_top=n())%>% dplyr::distinct(HASH_KEY,.keep_all = T)

C1_centers_SEP_2020<-
CONS_C1_df_dup_SEP_2020%>%
      dplyr::filter(hash_key %in% unlist(differences_bet_sex_po$rut_enc_saf))  %>% 
      dplyr::mutate(across(paste0("tipo_de_plan_2_",1:10),~dplyr::case_when(grepl("M\\-",as.character(.))~1,TRUE~0), .names="instudy_{col}")) %>% dplyr::mutate(sum_m_tipo_trat=base::rowSums(dplyr::select(.,paste0("instudy_tipo_de_plan_2_",1:10)), na.rm=T))%>%
  dplyr::distinct(hash_key, .keep_all = T) %>% 
      dplyr::select(hash_key, duplicates_filtered, sum_m_tipo_trat)


#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_
#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_

#Integrate
differences_bet_sex_po2<-
  differences_bet_sex_po %>% 
  #there are no duplicated hashes
dplyr::left_join(dplyr::left_join(CONS_C1_res_sex,TOP_sex,by="HASH_KEY"), by=c("rut_enc_saf"="HASH_KEY"))%>%
dplyr::left_join(C1_centers_SEP_2020, by=c("rut_enc_saf"="hash_key"))%>%  
  
  #generate a summary of records of C1 & TOP
  dplyr::mutate(sum_n=rowSums(dplyr::select(.,length_c1,length_top),na.rm=T), perc_women_center= rowSums(dplyr::select(.,length_women_center,length_women_center_top),na.rm=T)/sum_n, perc_women= rowSums(dplyr::select(.,length_women_center,length_women_center_top),na.rm=T)/sum_n, perc_m_tipo_trat=sum_m_tipo_trat/duplicates_filtered) %>% 
  dplyr::select("rut_enc_saf","sexo","sexo_2","pais","nacionalidad","etnia_cor","ruc", "dist_ruc","obs","sum_n","perc_women_center","perc_women", "length_preg", "length_preg_egr", "sum_m_tipo_trat") %>% 
dplyr::mutate(step1=dplyr::case_when(grepl("2.6.01|3.03",obs)~1,T~0), step2a= dplyr::case_when(step1==0 & sum_n>2 & (perc_women_center>=.5| perc_women>=.5)~1,T~0), step2b=  dplyr::case_when(step1==0 & sum_n>1 & perc_women_center>=.5 & perc_women>=.5~1,T~0), step2c=  dplyr::case_when(step1==0 & sum_n>0 & (perc_women_center>=.5 & perc_women>=.5) & (length_preg>0|length_preg_egr>0)~1,T~0), step2d= dplyr::case_when(step1==0 & (perc_women_center>=.5 & perc_women>=.5) & sum_m_tipo_trat>0~1,T~0), step2e= dplyr::case_when(step1==0 & dist_ruc<2 & sum_m_tipo_trat>0~1, T~0), step2f=dplyr::case_when(step1==0 & step2a==0& step2b==0& step2c==0& step2d==0& step2e==0~1,T~0))
 
#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_

#_#_#_#_#_#_#_
message(paste0('No discrepancies in sex (& missings) (22_2_b) \n(n = ',format(nrow(dplyr::filter(Base_fiscalia_v5, !rut_enc_saf %in% unlist(differences_bet_sex_po$rut_enc_saf))),big.mark=","), 
        ';\nCauses= ',dplyr::filter(Base_fiscalia_v5, !rut_enc_saf %in% unlist(differences_bet_sex_po$rut_enc_saf))%>% dplyr::distinct(ruc)%>% nrow() %>% format(big.mark=','),
        ';\nindividuals= ',dplyr::filter(Base_fiscalia_v5, !rut_enc_saf %in% unlist(differences_bet_sex_po$rut_enc_saf))%>% dplyr::distinct(rut_enc_saf)%>% nrow() %>% format(big.mark=','),')'))

No discrepancies in sex (& missings) (22_2_b) (n = 556,089; Causes= 484,392; individuals= 73,471)

Show code 
message(paste0('Missings (22_2_b1) \n(n = ',format(nrow(dplyr::filter(Base_fiscalia_v5, sexo =="No Definido")),big.mark=","), 
        ';\nCauses= ',dplyr::filter(Base_fiscalia_v5, sexo =="No Definido")%>% dplyr::distinct(ruc)%>% nrow() %>% format(big.mark=','),
        ';\nindividuals= ',dplyr::filter(Base_fiscalia_v5, sexo =="No Definido")%>% dplyr::distinct(rut_enc_saf)%>% nrow() %>% format(big.mark=','),')'))

Missings (22_2_b1) (n = 211; Causes= 206; individuals= 49)

Show code 
#_#_#_#_#_#_#_
message(paste0('Discrepancies in sex (22_2_a) \n(n = ',format(nrow(differences_bet_sex_po),big.mark=","), 
        ';\nCauses= ',differences_bet_sex_po%>% dplyr::distinct(ruc)%>% nrow() %>% format(big.mark=','),
        ';\nindividuals= ',differences_bet_sex_po%>% dplyr::distinct(rut_enc_saf)%>% nrow() %>% format(big.mark=','),')'))

Discrepancies in sex (22_2_a) (n = 9,512; Causes= 8,377; individuals= 1,274)

Show code 
#_#_#_#_#_#_#_
message(paste0('Differences in sex w/ imputed earlier (22_2_a2) \n(n = ',format(nrow(dplyr::filter(differences_bet_sex_po,grepl("2.6.01|3.03",obs))),big.mark=","), ';\nCauses= ',dplyr::filter(differences_bet_sex_po,grepl("2.6.01|3.03",obs))%>% dplyr::distinct(ruc)%>% nrow() %>% format(big.mark=','),';\nindividuals= ',dplyr::filter(differences_bet_sex_po,grepl("2.6.01|3.03",obs))%>% dplyr::distinct(rut_enc_saf)%>% nrow() %>% format(big.mark=','),')'))

Differences in sex w/ imputed earlier (22_2_a2) (n = 825; Causes= 725; individuals= 91)

Show code 
message(paste0('Differences in sex w/o imputed earlier (22_2_a1) \n(n = ',format(nrow(dplyr::filter(differences_bet_sex_po,!grepl("2.6.01|3.03",obs))),big.mark=","), ';\nCauses= ',dplyr::filter(differences_bet_sex_po,!grepl("2.6.01|3.03",obs))%>% dplyr::distinct(ruc)%>% nrow() %>% format(big.mark=','),';\nindividuals= ',dplyr::filter(differences_bet_sex_po,!grepl("2.6.01|3.03",obs))%>% dplyr::distinct(rut_enc_saf)%>% nrow() %>% format(big.mark=','),')'))

Differences in sex w/o imputed earlier (22_2_a1) (n = 8,687; Causes= 7,652; individuals= 1,183)

Show code 
message(paste0('Differences in sex w/o imputed earlier, >2 records in TOP or C1,\n>=50%  of records in a center for women or stated as a woman, but PO==man (22_2_a1a) \n(n = ',format(nrow(dplyr::filter(differences_bet_sex_po2,step2a==1)),big.mark=","), ';\nCauses= ',dplyr::filter(differences_bet_sex_po2,step2a==1)%>% dplyr::distinct(ruc)%>% nrow() %>% format(big.mark=','),';\nindividuals= ',dplyr::filter(differences_bet_sex_po2,step2a==1)%>% dplyr::distinct(rut_enc_saf)%>% nrow() %>% format(big.mark=','),')'))

Differences in sex w/o imputed earlier, >2 records in TOP or C1, >=50% of records in a center for women or stated as a woman, but PO==man (22_2_a1a) (n = 206; Causes= 184; individuals= 27)

Show code 
message(paste0('Differences in sex w/o imputed earlier,>1 records in TOP or C1,\n>=50% of records in a center for women and stated as a woman, but PO==man (22_2_a1b) \n(n = ',format(nrow(dplyr::filter(differences_bet_sex_po2,step2b==1)),big.mark=","), ';\nCauses= ',dplyr::filter(differences_bet_sex_po2,step2b==1)%>% dplyr::distinct(ruc)%>% nrow() %>% format(big.mark=','),';\nindividuals= ',dplyr::filter(differences_bet_sex_po2,step2b==1)%>% dplyr::distinct(rut_enc_saf)%>% nrow() %>% format(big.mark=','),')'))

Differences in sex w/o imputed earlier,>1 records in TOP or C1, >=50% of records in a center for women and stated as a woman, but PO==man (22_2_a1b) (n = 413; Causes= 371; individuals= 50)

Show code 
message(paste0('Differences in sex w/o imputed earlier, >=50% of records in a center for women or stated as a woman,\nat least one record pregnant at admission or discharge, but PO==man (22_2_a1c) \n(n = ',format(nrow(dplyr::filter(differences_bet_sex_po2,step2c==1)),big.mark=","), ';\nCauses= ',dplyr::filter(differences_bet_sex_po2,step2c==1)%>% dplyr::distinct(ruc)%>% nrow() %>% format(big.mark=','),';\nindividuals= ',dplyr::filter(differences_bet_sex_po2,step2c==1)%>% dplyr::distinct(rut_enc_saf)%>% nrow() %>% format(big.mark=','),')'))

Differences in sex w/o imputed earlier, >=50% of records in a center for women or stated as a woman, at least one record pregnant at admission or discharge, but PO==man (22_2_a1c) (n = 51; Causes= 45; individuals= 3)

Show code 
message(paste0('Differences in sex w/o imputed earlier, >=50% of records in a center\nfor women or stated as a woman, at least one record in women-only treatments, but PO==man (22_2_a1d) \n(n = ',format(nrow(dplyr::filter(differences_bet_sex_po2,step2d==1)),big.mark=","), ';\nCauses= ',dplyr::filter(differences_bet_sex_po2,step2d==1)%>% dplyr::distinct(ruc)%>% nrow() %>% format(big.mark=','),';\nindividuals= ',dplyr::filter(differences_bet_sex_po2,step2d==1)%>% dplyr::distinct(rut_enc_saf)%>% nrow() %>% format(big.mark=','),')'))

Differences in sex w/o imputed earlier, >=50% of records in a center for women or stated as a woman, at least one record in women-only treatments, but PO==man (22_2_a1d) (n = 486; Causes= 426; individuals= 57)

Show code 
message(paste0('Differences in sex w/o imputed earlier but PO==man, at least one record\nin women-only treatments  vs. <2 distinct causes in PO (22_2_a1e) \n(n = ',format(nrow(dplyr::filter(differences_bet_sex_po2,step2e==1)),big.mark=","), ';\nCauses= ',dplyr::filter(differences_bet_sex_po2,step2e==1)%>% dplyr::distinct(ruc)%>% nrow() %>% format(big.mark=','),';\nindividuals= ',dplyr::filter(differences_bet_sex_po2,step2e==1)%>% dplyr::distinct(rut_enc_saf)%>% nrow() %>% format(big.mark=','),')'))

Differences in sex w/o imputed earlier but PO==man, at least one record in women-only treatments vs. <2 distinct causes in PO (22_2_a1e) (n = 38; Causes= 30; individuals= 30)

Show code 
message(paste0('Differences in sex w/o imputed earlier but PO==man, else (22_2_a1f) \n(n = ',format(nrow(dplyr::filter(differences_bet_sex_po2,step2f==1)),big.mark=","), ';\nCauses= ',dplyr::filter(differences_bet_sex_po2,step2f==1)%>% dplyr::distinct(ruc)%>% nrow() %>% format(big.mark=','),';\nindividuals= ',dplyr::filter(differences_bet_sex_po2,step2f==1)%>% dplyr::distinct(rut_enc_saf)%>% nrow() %>% format(big.mark=','),')'))

Differences in sex w/o imputed earlier but PO==man, else (22_2_a1f) (n = 8,153; Causes= 7,186; individuals= 1,101)

Show code 
invisible("Else could overlap the other counts because alternatives are not mutually exclusive")
# porque cuando saco la diferencia de los casos tengo 7493 y 8687
# 619 son los ocasos que sumo en la figura, pero aquí sumo

#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_
#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_
#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_

differences_bet_sex_po3<-
  differences_bet_sex_po2 %>% 
  dplyr::distinct(rut_enc_saf, .keep_all=T) %>% 
  dplyr::mutate(flowch_sex= dplyr::case_when(step1==1~"22_2_a2- discordant sex, but imputed previously", step1==0 & step2a==1~"22_2_a1a",step1==0 & step2a==0 & step2b==1~"22_2_a1b",step1==0 & step2a==0 & step2b==0 & step2c==1~"22_2_a1c",step1==0 & step2a==0 & step2b==0 & step2c==0 & step2d==1~"22_2_a1d", step1==0 & step2a==0 & step2b==0 & step2c==0 & step2d==0 & step2e==1~"22_2_a1e",T~"22_2_a1f"))
 
#2.6.01.2b1.HASH w/ more than one distinct Sex. Recent db (>1) --> 2.6.01, correspondiente a sexo
#"{obs};3.03.1.XX.HASH w/ more than one distinct Sex.2 cases, same yearly dataset.Neural network imputation"
Show code 
#Ñ#Ñ#Ñ#Ñ#Ñ#Ñ#Ñ#Ñ#Ñ
#Ñ#Ñ#Ñ#Ñ#Ñ#Ñ#Ñ#Ñ#Ñ++++++▼
#knitr::include_graphics(paste0(sub("2019 \\(github\\)/SUD_CL","2022 \\(github\\)",path), "/_figs/diagram_sex_differences.bpmn"))

bpmn_file <- system.file(paste0(sub("2019 \\(github\\)/SUD_CL","2022 \\(github\\)",path), "/_figs/diagram_sex_differences.bpmn"), package = "bpmn")
bpmn::bpmn(paste0(sub("2019 \\(github\\)/SUD_CL","2022 \\(github\\)",path), "/_figs/diagram_sex_differences.bpmn"))
Show code 
if(no_mostrar==0){
library(xml2)
elements <- bpmn::bpmn_get_elements(read_xml(paste0(sub("2019 \\(github\\)/SUD_CL","2022 \\(github\\)",path), "/_figs/diagram_sex_differences.bpmn")))
htmlTable(elements, align = "lll", rnames = FALSE, css.class = "table")
}


Replace values
Show code 
#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_
#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_
CONS_C1_tr_sex<-
  CONS_C1 %>% 
  dplyr::filter(HASH_KEY %in% unlist(differences_bet_sex_po$rut_enc_saf)) %>% 
  dplyr::group_by(HASH_KEY) %>% 
  dplyr::mutate(sexo=dplyr::case_when(Sexo=="Mujer"~"Women",Sexo=="Hombre"~"Men",T~NA_character_))%>% 
  dplyr::summarise(length_women_tr=sum(grepl("M\\-",`Tipo.de.Plan`)), length_c1=n(), perc_women_tr= length_women_tr/length_c1, length_women= sum(sexo=="Women"))%>% 
  dplyr::distinct(HASH_KEY,.keep_all = T)

#1b7e964a46082cca61540f18ef51ff07 es femenino pero sale como masculino

#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_
#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_
invisible("Users that must need to change")

Base_fiscalia_v6<-
Base_fiscalia_v5%>% 
  dplyr::left_join(differences_bet_sex_po3[c("rut_enc_saf","flowch_sex")], by="rut_enc_saf")%>%
  dplyr::left_join(subset(CONS_C1_df_dup_SEP_2020, dup==1, c("hash_key","sexo_2")), by=c("rut_enc_saf"="hash_key"))%>%#22_2_b1
  dplyr::mutate(sex_imp= dplyr::case_when(sexo=="FEMENINO"~"Women",sexo=="MASCULINO"~"Men",T~NA_character_))%>% 
  dplyr::mutate(obs=case_when(is.na(sex_imp)& !is.na(obs)~ glue::glue("{obs};22_2_b1"),
                               is.na(sex_imp)& is.na(obs)~ glue::glue("{flowch_sex}"),
                               TRUE~obs)) %>% 
  dplyr::mutate(sex_imp= dplyr::case_when(is.na(sex_imp)~ as.character(sexo_2), 
                                          grepl("a1a|a1b|a1c1|a1d|a1e",flowch_sex)~ "Women",
                                          grepl("a1f",flowch_sex)~ "Men",
                                          T~  sex_imp)) %>% 
   dplyr::mutate(obs=case_when(!is.na(flowch_sex)& !is.na(obs)~ glue::glue("{obs};{flowch_sex}"),
                               !is.na(flowch_sex)& is.na(obs)~ glue::glue("{flowch_sex}"),
                               TRUE~obs)) %>% 
  dplyr::select(-flowch_sex, -sexo_2)

#paste0("Number of records finally imputed (22_2_a1f)= ",table(grepl("22_2_a1f",Base_fiscalia_v6$obs))[[2]],"\n individuals= ", nrow(Base_fiscalia_v6[grepl("22_2_a1f",Base_fiscalia_v6$obs),] %>% distinct(rut_enc_saf)))


#check if added rows
if(nrow(Base_fiscalia_v6)-nrow(Base_fiscalia_v5)>0){
  stop("Some rows were added in the imputation")}

There are 2,162 records (individuals= 222) corresponding to men receiving women-only treatments. These should be replaced once merging is done.


Nationality

Show code 
message(paste0("Missing values in P.O. not replaceable by \nSENDAs values (both missing)= ",
Base_fiscalia_v6 %>% 
  dplyr::mutate(pais=dplyr::case_when(pais=="No Definido"~NA_character_,T~pais)) %>% 
  dplyr::filter(is.na(pais)) %>% 
  dplyr::left_join(subset(CONS_C1_df_dup_SEP_2020, dup==1, c("hash_key","nacionalidad","etnia_cor")),by=c("rut_enc_saf"="hash_key"))%>%
  dplyr::filter(is.na(nacionalidad)) %>% 
  nrow())
)

Missing values in P.O. not replaceable by SENDAs values (both missing)= 7

Show code 
#no definido
nat_nodef<-
Base_fiscalia_v6%>% 
    dplyr::filter(rut_enc_saf %in% unlist(dplyr::distinct(dplyr::filter(Base_fiscalia_v6, pais=="No Definido"), rut_enc_saf)))

message(
paste0("Number of records that had a non definite nationality= ",
nat_nodef %>%  nrow())
)

Number of records that had a non definite nationality= 2094

Show code 
as.data.frame.TableOne(CreateTableOne(vars= setdiff(c(myVars,"cut_com_del2","cut_fec_nac2"), c("gls_comuna", "gls_sitiosuceso", "gls_materia", "reg")), data=  dplyr::mutate(Base_fiscalia_v6, nat_nodef=ifelse(pais=="No Definido",1,0), cut_fec_nac2=cut2(imp_birth_date, cuts=as.Date(attr(binning(as.numeric(imp_birth_date)),"breaks"))),cut_com_del2=cut2(fec_comision_simple, cuts=as.Date(attr(binning(as.numeric(fec_comision_simple)),"breaks")))), factorVars = catVars, smd=T, strata="nat_nodef", addOverall = T, includeNA=T,test=T), smd=T)%>% 
  dplyr::mutate(char2=characteristic) %>% 
  tidyr::fill(char2) %>% 
  dplyr::select(char2,everything()) %>% 
  dplyr::mutate(level=ifelse(is.na(level),"[Missing]",level)) %>% 
  dplyr::mutate(char2=dplyr::case_when(characteristic=="NA"~NA_character_,T~as.character(characteristic)))%>% 
      format_cells(1, 1:9, "bold") %>%
  dplyr::select(-1) %>% 
kable(size=10, format="markdown",caption= "Summary descriptives, if nationality is not defined (1)")
Table 2: Summary descriptives, if nationality is not defined (1)
characteristic level Overall 0 1 p test SMD
n 565601 563507 2094
encontrado_como_victima (%) NO 375616 ( 66.4) 374304 ( 66.4) 1312 ( 62.7) <0.001 0.079
SI 189985 ( 33.6) 189203 ( 33.6) 782 ( 37.3)
encontrado_como_imputado (%) NO 189624 ( 33.5) 188843 ( 33.5) 781 ( 37.3) <0.001 0.079
SI 375977 ( 66.5) 374664 ( 66.5) 1313 ( 62.7)
tipo_sujeto_vic (%) 1 304 ( 0.1) 302 ( 0.1) 2 ( 0.1) 0.267 0.074
15 226 ( 0.0) 225 ( 0.0) 1 ( 0.0)
19 328 ( 0.1) 326 ( 0.1) 2 ( 0.1)
2 2 ( 0.0) 2 ( 0.0) 0 ( 0.0)
3 13 ( 0.0) 13 ( 0.0) 0 ( 0.0)
5 4 ( 0.0) 4 ( 0.0) 0 ( 0.0)
6 546716 ( 96.7) 544670 ( 96.7) 2046 ( 97.7)
8 1 ( 0.0) 1 ( 0.0) 0 ( 0.0)
[Missing] 18007 ( 3.2) 17964 ( 3.2) 43 ( 2.1)
gls_tipo_sujeto_vic (%) ABOGADO QUERELLANTE 1 ( 0.0) 1 ( 0.0) 0 ( 0.0) 0.267 0.074
DENUNCIADO 2 ( 0.0) 2 ( 0.0) 0 ( 0.0)
DENUNCIANTE 304 ( 0.1) 302 ( 0.1) 2 ( 0.1)
IMPUTADO 13 ( 0.0) 13 ( 0.0) 0 ( 0.0)
QUERELLANTE 4 ( 0.0) 4 ( 0.0) 0 ( 0.0)
TESTIGO 226 ( 0.0) 225 ( 0.0) 1 ( 0.0)
VICTIMA 546716 ( 96.7) 544670 ( 96.7) 2046 ( 97.7)
VICTIMA 108i.2 328 ( 0.1) 326 ( 0.1) 2 ( 0.1)
[Missing] 18007 ( 3.2) 17964 ( 3.2) 43 ( 2.1)
gls_region (%) I Región de Tarapaca 17981 ( 3.2) 17967 ( 3.2) 14 ( 0.7) <0.001 0.377
II Región de Antofagasta 27197 ( 4.8) 27136 ( 4.8) 61 ( 2.9)
III Región de Atacama 17584 ( 3.1) 17538 ( 3.1) 46 ( 2.2)
IV Región de Coquimbo 23003 ( 4.1) 22962 ( 4.1) 41 ( 2.0)
IX Región de la Araucanía 15499 ( 2.7) 15407 ( 2.7) 92 ( 4.4)
RM Centro Norte 78291 ( 13.8) 77956 ( 13.8) 335 ( 16.0)
RM Occidente 63504 ( 11.2) 63177 ( 11.2) 327 ( 15.6)
RM Oriente 43972 ( 7.8) 43822 ( 7.8) 150 ( 7.2)
RM Sur 63576 ( 11.2) 63316 ( 11.2) 260 ( 12.4)
V Región de Valparaíso 55192 ( 9.8) 55052 ( 9.8) 140 ( 6.7)
VI Región del Libertador Gral. Bernardo O Higgins 33361 ( 5.9) 33275 ( 5.9) 86 ( 4.1)
VII Región del Maule 30042 ( 5.3) 29871 ( 5.3) 171 ( 8.2)
VIII Región del Bio Bio 38462 ( 6.8) 38281 ( 6.8) 181 ( 8.6)
X Región de los Lagos 19279 ( 3.4) 19211 ( 3.4) 68 ( 3.2)
XI Región Aysen del Gral. Carlos Ibañez del Campo 5354 ( 0.9) 5344 ( 0.9) 10 ( 0.5)
XII Región de Magallanes y de la Antartica Chilena 5183 ( 0.9) 5146 ( 0.9) 37 ( 1.8)
XIV Región de los Rios 8405 ( 1.5) 8377 ( 1.5) 28 ( 1.3)
XV Región de Arica y Parinacota 13907 ( 2.5) 13870 ( 2.5) 37 ( 1.8)
XVI Región del Ñuble 5809 ( 1.0) 5799 ( 1.0) 10 ( 0.5)
tipo_termino (%) OTROS T¿RMINOS 31693 ( 5.6) 31574 ( 5.6) 119 ( 5.7) 0.762 0.024
SALIDA JUDICIAL 304543 ( 53.8) 303439 ( 53.8) 1104 ( 52.7)
SALIDA NO JUDICIAL 229344 ( 40.5) 228473 ( 40.5) 871 ( 41.6)
[Missing] 21 ( 0.0) 21 ( 0.0) 0 ( 0.0)
agrupa_terminos (%) ACUERDO REPARATORIO 13622 ( 2.4) 13561 ( 2.4) 61 ( 2.9) <0.001 0.351
AGRUPACI¿N A OTRO CASO 28024 ( 5.0) 27912 ( 5.0) 112 ( 5.3)
ANULACI¿N ADMINISTRATIVA 1503 ( 0.3) 1500 ( 0.3) 3 ( 0.1)
ARCHIVO PROVISIONAL 148839 ( 26.3) 148242 ( 26.3) 597 ( 28.5)
DECISI¿N DE NO PERSEVERAR 33136 ( 5.9) 33011 ( 5.9) 125 ( 6.0)
FACULTAD PARA NO INVESTIGAR 41831 ( 7.4) 41585 ( 7.4) 246 ( 11.7)
INCOMPETENCIA 2346 ( 0.4) 2333 ( 0.4) 13 ( 0.6)
OTRAS CAUSALES DE SUSPENSI¿N 913 ( 0.2) 911 ( 0.2) 2 ( 0.1)
OTRAS CAUSALES DE T¿RMINO 1253 ( 0.2) 1251 ( 0.2) 2 ( 0.1)
PRINCIPIO DE OPORTUNIDAD 45023 ( 8.0) 44887 ( 8.0) 136 ( 6.5)
SENTENCIA DEFINITIVA ABSOLUTORIA 11829 ( 2.1) 11804 ( 2.1) 25 ( 1.2)
SENTENCIA DEFINITIVA CONDENATORIA 156788 ( 27.7) 156429 ( 27.8) 359 ( 17.1)
SOBRESEIMIENTO DEFINITIVO 28215 ( 5.0) 28068 ( 5.0) 147 ( 7.0)
SOBRESEIMIENTO DEFINITIVO 240 44505 ( 7.9) 44323 ( 7.9) 182 ( 8.7)
SOBRESEIMIENTO TEMPORAL 657 ( 0.1) 655 ( 0.1) 2 ( 0.1)
SUSPENSI¿N CONDICIONAL DEL PROCEDIMIENTO 7096 ( 1.3) 7014 ( 1.2) 82 ( 3.9)
[Missing] 21 ( 0.0) 21 ( 0.0) 0 ( 0.0)
familia_delito (%) CUASIDELITOS 3823 ( 0.7) 3807 ( 0.7) 16 ( 0.8) <0.001 0.387
DELITOS CONTRA LA FE PÚBLICA 15927 ( 2.8) 15850 ( 2.8) 77 ( 3.7)
DELITOS CONTRA LA LIBERTAD E INTIMIDAD DE LAS PERSONAS 98560 ( 17.4) 98134 ( 17.4) 426 ( 20.3)
DELITOS CONTRA LEYES DE PROPIEDAD INTELECTUAL E INDUSTRIAL 1469 ( 0.3) 1469 ( 0.3) 0 ( 0.0)
DELITOS DE JUSTICIA MILITAR 47 ( 0.0) 46 ( 0.0) 1 ( 0.0)
DELITOS DE LEYES ESPECIALES 13176 ( 2.3) 13009 ( 2.3) 167 ( 8.0)
DELITOS DE TORTURA, MALOS TRATOS, GENOCIDIO Y LESA HUMANIDAD 447 ( 0.1) 446 ( 0.1) 1 ( 0.0)
DELITOS ECONÓMICOS Y TRIBUTARIOS 14190 ( 2.5) 14107 ( 2.5) 83 ( 4.0)
DELITOS FUNCIONARIOS 732 ( 0.1) 730 ( 0.1) 2 ( 0.1)
DELITOS LEY DE DROGAS 9543 ( 1.7) 9501 ( 1.7) 42 ( 2.0)
DELITOS LEY DE TRÁNSITO 16082 ( 2.8) 16026 ( 2.8) 56 ( 2.7)
DELITOS SEXUALES 5625 ( 1.0) 5581 ( 1.0) 44 ( 2.1)
FALTAS 80627 ( 14.3) 80452 ( 14.3) 175 ( 8.4)
HECHOS DE RELEVANCIA CRIMINAL 31835 ( 5.6) 31684 ( 5.6) 151 ( 7.2)
HOMICIDIOS 1106 ( 0.2) 1104 ( 0.2) 2 ( 0.1)
HURTOS 51916 ( 9.2) 51767 ( 9.2) 149 ( 7.1)
LESIONES 118219 ( 20.9) 117829 ( 20.9) 390 ( 18.6)
OTROS DELITOS 12553 ( 2.2) 12529 ( 2.2) 24 ( 1.1)
OTROS DELITOS CONTRA LA PROPIEDAD 28584 ( 5.1) 28485 ( 5.1) 99 ( 4.7)
ROBOS 31102 ( 5.5) 31006 ( 5.5) 96 ( 4.6)
ROBOS NO VIOLENTOS 30038 ( 5.3) 29945 ( 5.3) 93 ( 4.4)
relacion_vifsaf (%) NO 450076 ( 79.6) 448521 ( 79.6) 1555 ( 74.3) <0.001 0.127
SI 115525 ( 20.4) 114986 ( 20.4) 539 ( 25.7)
gls_parentesco (%) ABUELO(A) 744 ( 0.1) 743 ( 0.1) 1 ( 0.0) <0.001 0.205
ADOPTADO 41 ( 0.0) 41 ( 0.0) 0 ( 0.0)
ADOPTANTE 4 ( 0.0) 4 ( 0.0) 0 ( 0.0)
CONVIVIENTE 30410 ( 5.4) 30285 ( 5.4) 125 ( 6.0)
CÓNYUGE 15083 ( 2.7) 14972 ( 2.7) 111 ( 5.3)
CUÑADO(A) 1695 ( 0.3) 1689 ( 0.3) 6 ( 0.3)
EX CONVIVIENTE 21335 ( 3.8) 21234 ( 3.8) 101 ( 4.8)
EX CONYUGE 1413 ( 0.2) 1401 ( 0.2) 12 ( 0.6)
HERMANO(A) 9803 ( 1.7) 9773 ( 1.7) 30 ( 1.4)
HIJO(A) 9070 ( 1.6) 9021 ( 1.6) 49 ( 2.3)
MADRASTRA 100 ( 0.0) 100 ( 0.0) 0 ( 0.0)
MADRE 8386 ( 1.5) 8357 ( 1.5) 29 ( 1.4)
MADRE HIJO COMUN 3873 ( 0.7) 3859 ( 0.7) 14 ( 0.7)
MENOR DE EDAD (bajo cuidado) 44 ( 0.0) 43 ( 0.0) 1 ( 0.0)
MINUSVALIDO (bajo cuidado) 3 ( 0.0) 3 ( 0.0) 0 ( 0.0)
NIETO 350 ( 0.1) 347 ( 0.1) 3 ( 0.1)
No Definido 118 ( 0.0) 118 ( 0.0) 0 ( 0.0)
NUERA 259 ( 0.0) 258 ( 0.0) 1 ( 0.0)
PADRASTRO 759 ( 0.1) 757 ( 0.1) 2 ( 0.1)
PADRE 4247 ( 0.8) 4218 ( 0.7) 29 ( 1.4)
PADRE HIJO COMUN 3574 ( 0.6) 3562 ( 0.6) 12 ( 0.6)
SOBRINO(A) 1445 ( 0.3) 1443 ( 0.3) 2 ( 0.1)
SUEGRO(A) 864 ( 0.2) 861 ( 0.2) 3 ( 0.1)
TIO(A) 1503 ( 0.3) 1500 ( 0.3) 3 ( 0.1)
YERNO 402 ( 0.1) 397 ( 0.1) 5 ( 0.2)
[Missing] 450076 ( 79.6) 448521 ( 79.6) 1555 ( 74.3)
gls_mottermino (%) Acoge req. proced monit y proposic multa 56871 ( 10.1) 56748 ( 10.1) 123 ( 5.9) <0.001 0.346
Acuerdo Reparatorio (Art. 241 y 242) 12038 ( 2.1) 11987 ( 2.1) 51 ( 2.4)
Agrupado 28025 ( 5.0) 27913 ( 5.0) 112 ( 5.3)
Anulación de ingreso error de digitación 1471 ( 0.3) 1468 ( 0.3) 3 ( 0.1)
Anulación ingreso por delito acción priv 32 ( 0.0) 32 ( 0.0) 0 ( 0.0)
Archivo Provisional 148839 ( 26.3) 148242 ( 26.3) 597 ( 28.5)
Decisión de no perseverar en el proced 33136 ( 5.9) 33011 ( 5.9) 125 ( 6.0)
Incomp materias correspond sistema antig 83 ( 0.0) 82 ( 0.0) 1 ( 0.0)
Incomp tratarse materias conoc otro trib 2263 ( 0.4) 2251 ( 0.4) 12 ( 0.6)
Negativa investig caso autodenuncia 179 1 ( 0.0) 1 ( 0.0) 0 ( 0.0)
No Inicio Investigación 41831 ( 7.4) 41585 ( 7.4) 246 ( 11.7)
Otras causales de término 1248 ( 0.2) 1246 ( 0.2) 2 ( 0.1)
Principio de Oportunidad 45023 ( 8.0) 44887 ( 8.0) 136 ( 6.5)
Rechazo querella de capítulos (art. 429) 3 ( 0.0) 3 ( 0.0) 0 ( 0.0)
Rechazo req. Med. Seg. Opuest qte 462 2 ( 0.0) 2 ( 0.0) 0 ( 0.0)
S Def (no subs oport vicios form art270) 70 ( 0.0) 70 ( 0.0) 0 ( 0.0)
S Definit (vencim plazo suspens art 240) 44505 ( 7.9) 44323 ( 7.9) 182 ( 8.7)
S. Definit (en casos del art. 465) 3 ( 0.0) 3 ( 0.0) 0 ( 0.0)
S. Definit (exc previo y espec pron 271) 22 ( 0.0) 22 ( 0.0) 0 ( 0.0)
S. Definit (susp imposic de la cond 398) 44 ( 0.0) 43 ( 0.0) 1 ( 0.0)
Sentencia definitiva absolutoria 11829 ( 2.1) 11804 ( 2.1) 25 ( 1.2)
Sentencia definitiva condenatoria 99918 ( 17.7) 99682 ( 17.7) 236 ( 11.3)
Sobres Definit (en casos del art 247) 12 ( 0.0) 12 ( 0.0) 0 ( 0.0)
Sobres Definitivo (causales del art 250) 28061 ( 5.0) 27915 ( 5.0) 146 ( 7.0)
Término requerimiento internacional 3 ( 0.0) 3 ( 0.0) 0 ( 0.0)
[Missing] 10268 ( 1.8) 10172 ( 1.8) 96 ( 4.6)
gls_motsuspension (%) ACUERDO REPARATORIO 15397 ( 2.7) 15332 ( 2.7) 65 ( 3.1) <0.001 0.143
SOBRESEIMIENTO TEMPORAL 2270 ( 0.4) 2263 ( 0.4) 7 ( 0.3)
SUSPENSION CONDICIONAL DEL PROCEDIMIENTO 55450 ( 9.8) 55151 ( 9.8) 299 ( 14.3)
SUSPENSION PROCED. ART. 10 10 ( 0.0) 10 ( 0.0) 0 ( 0.0)
SUSPENSION PROCED. ART. 458 1713 ( 0.3) 1706 ( 0.3) 7 ( 0.3)
[Missing] 490761 ( 86.8) 489045 ( 86.8) 1716 ( 81.9)
gls_proctermino (%) ABREVIADO 21387 ( 3.8) 21305 ( 3.8) 82 ( 3.9) <0.001 0.251
MONITORIO 56924 ( 10.1) 56801 ( 10.1) 123 ( 5.9)
ORDINARIO 106499 ( 18.8) 106064 ( 18.8) 435 ( 20.8)
RECLAMO 1 ( 0.0) 1 ( 0.0) 0 ( 0.0)
REQUERIMIENTO INTERNACIONAL 3 ( 0.0) 3 ( 0.0) 0 ( 0.0)
SIMPLIFICADO 102433 ( 18.1) 102182 ( 18.1) 251 ( 12.0)
SIN PROCEDIMIENTO 278354 ( 49.2) 277151 ( 49.2) 1203 ( 57.4)
gls_tipo_imputado (%) DENUNCIADO 28317 ( 5.0) 28251 ( 5.0) 66 ( 3.2) 0.008 0.096
IMPUTADO 536374 ( 94.8) 534349 ( 94.8) 2025 ( 96.7)
INVESTIGADO 27 ( 0.0) 27 ( 0.0) 0 ( 0.0)
QUERELLADO 560 ( 0.1) 558 ( 0.1) 2 ( 0.1)
SOSPECHOSO 233 ( 0.0) 232 ( 0.0) 1 ( 0.0)
TESTIGO 90 ( 0.0) 90 ( 0.0) 0 ( 0.0)
lugar_ocurrencia (%) BIENES NACIONALES USO PUBLICO 220285 ( 38.9) 219634 ( 39.0) 651 ( 31.1) <0.001 0.304
ESTABLECIMIENTO COMERCIAL 91003 ( 16.1) 90763 ( 16.1) 240 ( 11.5)
ESTABLECIMIENTO DE DIVERSION 1845 ( 0.3) 1838 ( 0.3) 7 ( 0.3)
ESTABLECIMIENTO EDUCACIONAL 3389 ( 0.6) 3366 ( 0.6) 23 ( 1.1)
ESTABLECIMIENTO PRODUCTIVO 8178 ( 1.4) 8094 ( 1.4) 84 ( 4.0)
LUGAR HABITADO O DESTINADO A LA HABITACION Y SUS DEPENDENCIAS 212157 ( 37.5) 211161 ( 37.5) 996 ( 47.6)
ORGANIZACION DE SEGURIDAD / JUSTICIA 12160 ( 2.1) 12128 ( 2.2) 32 ( 1.5)
ORGANIZACION PUBLICA Y/O SOCIAL 7317 ( 1.3) 7280 ( 1.3) 37 ( 1.8)
OTROS LUGARES NO CLASIFICADOS 5625 ( 1.0) 5609 ( 1.0) 16 ( 0.8)
[Missing] 3642 ( 0.6) 3634 ( 0.6) 8 ( 0.4)
region_delito (%) I Región de Tarapaca 18007 ( 3.2) 17992 ( 3.2) 15 ( 0.7) <0.001 0.364
II Región de Antofagasta 27189 ( 4.8) 27129 ( 4.8) 60 ( 2.9)
III Región de Atacama 17574 ( 3.1) 17528 ( 3.1) 46 ( 2.2)
IV Región de Coquimbo 22977 ( 4.1) 22936 ( 4.1) 41 ( 2.0)
IX Región de la Araucanía 15508 ( 2.7) 15417 ( 2.7) 91 ( 4.3)
No Definido 4 ( 0.0) 4 ( 0.0) 0 ( 0.0)
Región Metropolitana de Santiago 248964 ( 44.0) 247892 ( 44.0) 1072 ( 51.2)
RM Centro Norte 18 ( 0.0) 18 ( 0.0) 0 ( 0.0)
RM Occidente 8 ( 0.0) 8 ( 0.0) 0 ( 0.0)
RM Oriente 9 ( 0.0) 9 ( 0.0) 0 ( 0.0)
RM Sur 36 ( 0.0) 36 ( 0.0) 0 ( 0.0)
V Región de Valparaíso 55117 ( 9.7) 54977 ( 9.8) 140 ( 6.7)
VI Región del Libertador Gral. Bernardo O Higgins 33245 ( 5.9) 33159 ( 5.9) 86 ( 4.1)
VII Región del Maule 29896 ( 5.3) 29725 ( 5.3) 171 ( 8.2)
VIII Región del Bio Bio 38456 ( 6.8) 38275 ( 6.8) 181 ( 8.6)
X Región de los Lagos 19283 ( 3.4) 19215 ( 3.4) 68 ( 3.2)
XI Región Aysen del Gral. Carlos Ibañez del Campo 5335 ( 0.9) 5325 ( 0.9) 10 ( 0.5)
XII Región de Magallanes y de la Antartica Chilena 5184 ( 0.9) 5147 ( 0.9) 37 ( 1.8)
XIV Región de los Rios 8365 ( 1.5) 8337 ( 1.5) 28 ( 1.3)
XV Región de Arica y Parinacota 13787 ( 2.4) 13750 ( 2.4) 37 ( 1.8)
XVI Región del Ñuble 5697 ( 1.0) 5687 ( 1.0) 10 ( 0.5)
[Missing] 942 ( 0.2) 941 ( 0.2) 1 ( 0.0)
medidas_155 (%) SI 57243 ( 10.1) 57047 ( 10.1) 196 ( 9.4) 0.263 0.026
[Missing] 508358 ( 89.9) 506460 ( 89.9) 1898 ( 90.6)
medidas_pp (%) SI 22236 ( 3.9) 22184 ( 3.9) 52 ( 2.5) 0.001 0.083
[Missing] 543365 ( 96.1) 541323 ( 96.1) 2042 ( 97.5)
medidas_ip (%) SI 730 ( 0.1) 728 ( 0.1) 2 ( 0.1) 0.902 0.010
[Missing] 564871 ( 99.9) 562779 ( 99.9) 2092 ( 99.9)
marca_suspension_43 (%) NO 67050 ( 11.9) 66904 ( 11.9) 146 ( 7.0) <0.001 0.170
SI 2341 ( 0.4) 2335 ( 0.4) 6 ( 0.3)
[Missing] 496210 ( 87.7) 494268 ( 87.7) 1942 ( 92.7)
marca_pena_44 (%) SI 69391 ( 12.3) 69239 ( 12.3) 152 ( 7.3) <0.001 0.170
[Missing] 496210 ( 87.7) 494268 ( 87.7) 1942 ( 92.7)
marca_multa_45 (%) NO 35119 ( 6.2) 35034 ( 6.2) 85 ( 4.1) <0.001 0.173
SI 34272 ( 6.1) 34205 ( 6.1) 67 ( 3.2)
[Missing] 496210 ( 87.7) 494268 ( 87.7) 1942 ( 92.7)
medida_alternativa_46 (%) Libertad Vigilada 3200 ( 0.6) 3171 ( 0.6) 29 ( 1.4) <0.001 0.177
Otra 4982 ( 0.9) 4975 ( 0.9) 7 ( 0.3)
Reclusión Nocturna 14041 ( 2.5) 14021 ( 2.5) 20 ( 1.0)
Remisión Condicional 18320 ( 3.2) 18276 ( 3.2) 44 ( 2.1)
[Missing] 525058 ( 92.8) 523064 ( 92.8) 1994 ( 95.2)
clasificacion_pena_47 (%) Presidio Mayor grado máximo 83 ( 0.0) 83 ( 0.0) 0 ( 0.0) <0.001 0.216
Presidio Mayor grado medio 467 ( 0.1) 467 ( 0.1) 0 ( 0.0)
Presidio Mayor grado mínimo 1917 ( 0.3) 1915 ( 0.3) 2 ( 0.1)
Presidio Menor grado máximo 4960 ( 0.9) 4930 ( 0.9) 30 ( 1.4)
Presidio Menor grado medio 8774 ( 1.6) 8751 ( 1.6) 23 ( 1.1)
Presidio Menor grado mínimo 29524 ( 5.2) 29462 ( 5.2) 62 ( 3.0)
Presidio Perpetuo calificado 1 ( 0.0) 1 ( 0.0) 0 ( 0.0)
Presidio Perpetuo simple 14 ( 0.0) 14 ( 0.0) 0 ( 0.0)
Prisión 23651 ( 4.2) 23616 ( 4.2) 35 ( 1.7)
[Missing] 496210 ( 87.7) 494268 ( 87.7) 1942 ( 92.7)
tramos_condena_48 (%) 1 día a 60 días 2115 ( 0.4) 2090 ( 0.4) 25 ( 1.2) <0.001 0.103
3 años y 1 día a 5 años 203 ( 0.0) 203 ( 0.0) 0 ( 0.0)
541 días a 3 años 626 ( 0.1) 621 ( 0.1) 5 ( 0.2)
61 días a 540 días 690 ( 0.1) 688 ( 0.1) 2 ( 0.1)
Desde 5 años y 1 día 38 ( 0.0) 38 ( 0.0) 0 ( 0.0)
[Missing] 561929 ( 99.4) 559867 ( 99.4) 2062 ( 98.5)
clasificacion_penarpa_1_49 (%) Amonestación 614 ( 0.1) 607 ( 0.1) 7 ( 0.3) <0.001 0.100
Int. Reg. Cerrado con Prog. de Reinserción Social 88 ( 0.0) 88 ( 0.0) 0 ( 0.0)
Int. Reg. Semicerrado con Prog. de Reinserción Social 162 ( 0.0) 162 ( 0.0) 0 ( 0.0)
Libertad Asistida 492 ( 0.1) 488 ( 0.1) 4 ( 0.2)
Libertad Asistida Especial 694 ( 0.1) 691 ( 0.1) 3 ( 0.1)
Multa 343 ( 0.1) 340 ( 0.1) 3 ( 0.1)
Prestación de Servicios en Beneficio de la Comunidad 1270 ( 0.2) 1255 ( 0.2) 15 ( 0.7)
Reparación del Daño Causado 14 ( 0.0) 14 ( 0.0) 0 ( 0.0)
[Missing] 561924 ( 99.3) 559862 ( 99.4) 2062 ( 98.5)
clasificacion_penarpa_2_50 (%) Int. Reg. Semicerrado con Prog. de Reinserción Social 10 ( 0.0) 10 ( 0.0) 0 ( 0.0) 0.979 0.021
Libertad Asistida 28 ( 0.0) 28 ( 0.0) 0 ( 0.0)
Libertad Asistida Especial 71 ( 0.0) 71 ( 0.0) 0 ( 0.0)
Prestación de Servicios en Beneficio de la Comunidad 10 ( 0.0) 10 ( 0.0) 0 ( 0.0)
[Missing] 565482 (100.0) 563388 (100.0) 2094 (100.0)
marca_suspension_51 (%) NO 74 ( 0.0) 74 ( 0.0) 0 ( 0.0) 0.867 0.017
SI 3 ( 0.0) 3 ( 0.0) 0 ( 0.0)
[Missing] 565524 (100.0) 563430 (100.0) 2094 (100.0)
marca_pena_52 (%) SI 77 ( 0.0) 77 ( 0.0) 0 ( 0.0) 1.000 0.017
[Missing] 565524 (100.0) 563430 (100.0) 2094 (100.0)
marca_multa_53 (%) NO 46 ( 0.0) 46 ( 0.0) 0 ( 0.0) 0.867 0.017
SI 31 ( 0.0) 31 ( 0.0) 0 ( 0.0)
[Missing] 565524 (100.0) 563430 (100.0) 2094 (100.0)
medida_alternativa_54 (%) Libertad Vigilada 8 ( 0.0) 8 ( 0.0) 0 ( 0.0) 0.997 0.013
Otra 5 ( 0.0) 5 ( 0.0) 0 ( 0.0)
Reclusión Nocturna 17 ( 0.0) 17 ( 0.0) 0 ( 0.0)
Remisión Condicional 15 ( 0.0) 15 ( 0.0) 0 ( 0.0)
[Missing] 565556 (100.0) 563462 (100.0) 2094 (100.0)
clasificacion_pena_55 (%) Presidio Mayor grado medio 3 ( 0.0) 3 ( 0.0) 0 ( 0.0) 1.000 0.017
Presidio Mayor grado mínimo 5 ( 0.0) 5 ( 0.0) 0 ( 0.0)
Presidio Menor grado máximo 12 ( 0.0) 12 ( 0.0) 0 ( 0.0)
Presidio Menor grado medio 9 ( 0.0) 9 ( 0.0) 0 ( 0.0)
Presidio Menor grado mínimo 21 ( 0.0) 21 ( 0.0) 0 ( 0.0)
Prisión 27 ( 0.0) 27 ( 0.0) 0 ( 0.0)
[Missing] 565524 (100.0) 563430 (100.0) 2094 (100.0)
cut_com_del2 (%) [1972-12-21,2009-12-20) 26920 ( 4.8) 26904 ( 4.8) 16 ( 0.8) <0.001 0.959
[2009-12-20,2010-06-23) 26882 ( 4.8) 26862 ( 4.8) 20 ( 1.0)
[2010-06-23,2010-12-18) 26889 ( 4.8) 26877 ( 4.8) 12 ( 0.6)
[2010-12-18,2011-05-27) 26885 ( 4.8) 26854 ( 4.8) 31 ( 1.5)
[2011-05-27,2011-11-04) 27034 ( 4.8) 27018 ( 4.8) 16 ( 0.8)
[2011-11-04,2012-04-04) 26977 ( 4.8) 26951 ( 4.8) 26 ( 1.2)
[2012-04-04,2012-09-16) 26868 ( 4.8) 26835 ( 4.8) 33 ( 1.6)
[2012-09-16,2013-02-23) 26866 ( 4.7) 26840 ( 4.8) 26 ( 1.2)
[2013-02-23,2013-08-12) 26995 ( 4.8) 26974 ( 4.8) 21 ( 1.0)
[2013-08-12,2014-01-27) 26959 ( 4.8) 26927 ( 4.8) 32 ( 1.5)
[2014-01-27,2014-07-21) 26861 ( 4.7) 26810 ( 4.8) 51 ( 2.4)
[2014-07-21,2015-01-06) 26993 ( 4.8) 26919 ( 4.8) 74 ( 3.5)
[2015-01-06,2015-06-30) 26965 ( 4.8) 26778 ( 4.8) 187 ( 8.9)
[2015-06-30,2015-12-25) 26909 ( 4.8) 26760 ( 4.7) 149 ( 7.1)
[2015-12-25,2016-06-22) 26947 ( 4.8) 26745 ( 4.7) 202 ( 9.6)
[2016-06-22,2016-12-23) 26943 ( 4.8) 26714 ( 4.7) 229 ( 10.9)
[2016-12-23,2017-06-28) 26852 ( 4.7) 26656 ( 4.7) 196 ( 9.4)
[2017-06-28,2018-01-03) 26996 ( 4.8) 26797 ( 4.8) 199 ( 9.5)
[2018-01-03,2018-07-19) 26859 ( 4.7) 26647 ( 4.7) 212 ( 10.1)
[2018-07-19,2019-02-06) 26979 ( 4.8) 26797 ( 4.8) 182 ( 8.7)
[2019-02-06,2019-11-13] 26981 ( 4.8) 26802 ( 4.8) 179 ( 8.5)
[Missing] 41 ( 0.0) 40 ( 0.0) 1 ( 0.0)
cut_fec_nac2 (%) [1930-01-18,1963-06-08) 26929 ( 4.8) 26668 ( 4.7) 261 ( 12.5) <0.001 0.678
[1963-06-08,1967-11-30) 26937 ( 4.8) 26802 ( 4.8) 135 ( 6.4)
[1967-11-30,1970-12-12) 26920 ( 4.8) 26798 ( 4.8) 122 ( 5.8)
[1970-12-12,1973-03-18) 26935 ( 4.8) 26838 ( 4.8) 97 ( 4.6)
[1973-03-18,1975-02-23) 26930 ( 4.8) 26869 ( 4.8) 61 ( 2.9)
[1975-02-23,1977-01-21) 26934 ( 4.8) 26824 ( 4.8) 110 ( 5.3)
[1977-01-21,1978-11-01) 26933 ( 4.8) 26813 ( 4.8) 120 ( 5.7)
[1978-11-01,1980-04-05) 26929 ( 4.8) 26881 ( 4.8) 48 ( 2.3)
[1980-04-05,1981-06-11) 26937 ( 4.8) 26889 ( 4.8) 48 ( 2.3)
[1981-06-11,1982-06-18) 26934 ( 4.8) 26889 ( 4.8) 45 ( 2.1)
[1982-06-18,1983-07-04) 26929 ( 4.8) 26888 ( 4.8) 41 ( 2.0)
[1983-07-04,1984-08-16) 26839 ( 4.7) 26816 ( 4.8) 23 ( 1.1)
[1984-08-16,1985-10-03) 27000 ( 4.8) 26947 ( 4.8) 53 ( 2.5)
[1985-10-03,1986-11-21) 26961 ( 4.8) 26880 ( 4.8) 81 ( 3.9)
[1986-11-21,1988-01-10) 26898 ( 4.8) 26851 ( 4.8) 47 ( 2.2)
[1988-01-10,1989-02-03) 26976 ( 4.8) 26916 ( 4.8) 60 ( 2.9)
[1989-02-03,1990-04-02) 26880 ( 4.8) 26824 ( 4.8) 56 ( 2.7)
[1990-04-02,1991-06-11) 26980 ( 4.8) 26901 ( 4.8) 79 ( 3.8)
[1991-06-11,1992-12-13) 26926 ( 4.8) 26807 ( 4.8) 119 ( 5.7)
[1992-12-13,1994-11-24) 26951 ( 4.8) 26815 ( 4.8) 136 ( 6.5)
[1994-11-24,2001-09-29] 26932 ( 4.8) 26580 ( 4.7) 352 ( 16.8)
[Missing] 11 ( 0.0) 11 ( 0.0) 0 ( 0.0)
Show code 
if(no_mostrar==0){
DT::datatable(#extensions = c('FixedColumns',"FixedHeader"), 
              rownames = F,
              filter = 'top',
              caption = htmltools::tags$caption(
              style = 'caption-side: top; text-align: left; font-size:100%;',
             'Table: ', htmltools::em('Summary descriptives, if nationality is not defined (1)')),
          options = list(searching = T, #remove search box
                          info = F,
                         searchHighlight = T,
                         scrollX = TRUE,
                         scrollY = "450px",
                         paging=FALSE,
                         fixedHeader=T,
                         lengthMenu = c(2, 12, 18),
                         autoHideNavigation = F, 
                         escape = 1,  # escape the first column
                         buttons=c('copy', 'csv'),
                         class = "display",
                         initComplete = DT::JS(
        "function(settings, json) {",
        "$(this.api().tables().body()).css({
            'font-family': 'Helvetica Neue',
            'font-size': '50%', 
            'code-inline-font-size': '15%', 
            'white-space': 'nowrap',
            'line-height': '0.75em',
            'min-height': '0.5em'
            });",#;
        "}"))) %>% 
  DT::formatStyle(1:1e5,fontWeight= DT::styleRow(1, "bold"))
}


Some records had a “undefined” value in nationality (n= 2094, p= 738). This were more frequent in the Metropolitan Region, Bio Bio & Maule, occurred less in individuals with “SENTENCIA DEFINITIVA CONDENATORIA”, but more in suspended finishings of the proceedings (e.g., ARCHIVO PROVISIONAL, FACULTAD PARA NO INVESTIGAR, SUSPENSION CONDICIONAL DEL PROCEDIMIENTO, and SOBRESEIMIENTO DEFINITIVO). Also, crimes were more frequent in “DELITOS CONTRA LA LIBERTAD E INTIMIDAD DE LAS PERSONAS”, “DELITOS ECONÓMICOS Y TRIBUTARIOS”, “DELITOS DE LEYES ESPECIALES”, but less frequent in “FALTAS”. The sentences concluded more in “presidio maenor grado máximo”, but less in “Presidio Menor grado mínimo” and “Prisión”. More of them were committed after 2010, and there are less people born in between 1957-09-25 and 1940-01-11, but those were born between 1936-12-21 and 1930-01-18 were more frequent.

Show code 
  message(paste0("Paired SENDA patients w/ P.O. data (v6, after cleaning): p= ",length(unique(Base_fiscalia_v6$rut_enc_saf)), "; n= ",nrow(Base_fiscalia_v6)))

Paired SENDA patients w/ P.O. data (v6, after cleaning): p= 74745; n= 565601

Show code 
message(paste0("missings (no defined nationality). n= ",(data.frame(janitor::tabyl(Base_fiscalia_v5$pais)) %>% dplyr::filter(.[[1]]=="No Definido"))[[2]]," p= ", dplyr::group_by(nat_nodef, rut_enc_saf) %>% summarise(n=n()) %>% nrow()))

summarise: now 738 rows and 2 columns, ungrouped

missings (no defined nationality). n= 2094 p= 738

Show code 
message("Users with different values in nationality between SENDA and P.O.")

Users with different values in nationality between SENDA and P.O.

Show code 
differences_bet_nat_po<-
Base_fiscalia_v6 %>% 
  dplyr::mutate(pais=dplyr::case_when(pais=="No Definido"~NA_character_,T~pais)) %>% 
  #IMPORTANTE, ACTUALIZAR
  dplyr::mutate(pais= dplyr::case_when(pais=="CHECOLOVAQUIA"~"REPUBLICA CHECA", T~pais)) %>% 
  dplyr::group_by(rut_enc_saf) %>% 
  dplyr::mutate(dist_nat= n_distinct(pais), dist_ruc= n_distinct(ruc)) %>% 
  dplyr::ungroup() %>% 
  dplyr::left_join(subset(CONS_C1_df_dup_SEP_2020, dup==1, c("hash_key","nacionalidad","nacionalidad_2","etnia_cor")),by=c("rut_enc_saf"="hash_key"))%>%
  dplyr::mutate(nacionalidad= toupper(stringi::stri_trans_general(as.character(nacionalidad),"Latin-ASCII"))) %>% 
  dplyr::mutate(mix=paste0(pais,"-",nacionalidad)) %>% 
  dplyr::select("rut_enc_saf","pais","nacionalidad", "etnia_cor", "ruc", "obs", "dist_nat", "dist_ruc", "mix")%>% 
  dplyr::mutate(step0=dplyr::case_when(is.na(pais) & is.na(nacionalidad)~1,T~0)) %>% 
  dplyr::filter(pais!=as.character(nacionalidad))

invisible("In step2 I corrected this difference in observations, so in case that i am working with a database from 2022-08-10 or earlier, I need to get the obs column.")
if(as.Date("2022-08-10")-as.Date(substr(file.info("./Fiscalia_merge2.html")$mtime,1,10))==0){
  differences_bet_nat_po<-
    differences_bet_nat_po %>% 
  #now, we merged with the actual observation labels from february 2020
    dplyr::left_join(dplyr::rename(CONS_C1_df_dup_FEB_2020[,c("hash_key","obs")],"obs_FEB"="obs") %>% dplyr::group_by(hash_key) %>% dplyr::slice(1) %>% dplyr::ungroup(),by=c("rut_enc_saf"="hash_key")) %>% 
    dplyr::mutate(obs=dplyr::case_when(obs==obs_FEB~obs_FEB,
                                       is.na(obs)~obs_FEB,
                                       !is.na(obs)& grepl("^;",obs_FEB)~paste0(obs,obs_FEB),
                                       !is.na(obs)& !grepl("^;",obs_FEB)~paste0(obs,";",obs_FEB),
                                       T~obs)) %>% 
    dplyr::select(-obs_FEB)
}


message(paste0("Number of records with more than one nationality among POs= ", nrow(dplyr::filter(differences_bet_nat_po, dist_nat>1))))

Number of records with more than one nationality among POs= 0

Show code 
invisible("In PO everyone had consistent nationalities in their records")

#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_
#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_
#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_

invisible("Under the assumption that a nationality other than Chile is more informative thus less probabilities of errors due to, for example, misstyping")
# - Percentage of records of different nationalities other than Chilean (C1)
CONS_C1_res_nat<-
  CONS_C1 %>% 
    dplyr::filter(HASH_KEY %in% unlist(differences_bet_nat_po$rut_enc_saf)) %>% 
    dplyr::mutate(nacionalidad= toupper(stringi::stri_trans_general(as.character(Nacionalidad),"Latin-ASCII")),n=1)%>% 
    dplyr::select(HASH_KEY, nacionalidad,n, Etnia) %>% 
  dplyr::group_by(HASH_KEY) %>% 
  dplyr::mutate(length_etnia= sum(`Etnia`!="No pertenece", na.rm=T)) %>% 
  dplyr::ungroup() %>% 
  dplyr::select(-Etnia) %>% 
    tidyr::pivot_wider(names_from=nacionalidad, values_from=n, values_fn = ~sum(.x, na.rm = TRUE), values_fill=0) %>% 
  dplyr::select(HASH_KEY, length_etnia, CHILE, everything()) %>% 
  dplyr::mutate(length_diff_chile=rowSums(dplyr::select(., -any_of(c("HASH_KEY","length_etnia","CHILE"))), na.rm=T),length_c1= rowSums(dplyr::select(., -any_of(c("HASH_KEY","length_etnia"))), na.rm=T))

#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_
#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_

invisible("All ethnics are chilean native. However, we may want to keep other nationalities than chile")

invisible("CASE WITH 2 DIFFERENT NATIONALITIES OTHER THAN CHILE")
diff_nat_other_ch<-
differences_bet_nat_po[which(!grepl("CHILE",differences_bet_nat_po$pais)&!grepl("CHILE", differences_bet_nat_po$nacionalidad)),]

if(no_mostrar==F){

CONS_C1_res_nat[which(diff_nat_other_ch$rut_enc_saf),]

CONS_C1_res_nat %>% 
  dplyr::filter(HASH_KEY %in% unlist(diff_nat_other_ch$rut_enc_saf)) 
}

#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_
invisible("What happens with original databases?")

message(paste0("Cases with discrepancies in PO & SENDA that had\nmore than one value in nationality different than CHILE= ",
CONS_C1_res_nat %>% 
    rowwise %>%
    dplyr::mutate_at(.vars = vars(setdiff(names(CONS_C1_res_nat),c("HASH_KEY","CHILE", "length_diff_chile","length_etnia", "length_c1"))),
                     .funs = ~ifelse(is.na(.), 1, 0)) %>% 
    dplyr::ungroup() %>%
    dplyr::mutate(length_diff_diff_ch=rowSums(dplyr::select(., any_of(setdiff(names(CONS_C1_res_nat),c("HASH_KEY","CHILE", "length_diff_chile","length_etnia", "length_c1")))))) %>% 
    dplyr::filter(length_diff_diff_ch>0) %>% 
  nrow()))

Cases with discrepancies in PO & SENDA that had more than one value in nationality different than CHILE= 0

Show code 
#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_
#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_

#Integrate
differences_bet_nat_po2<-
  differences_bet_nat_po %>% 
  #there are no duplicated hashes
dplyr::left_join(CONS_C1_res_nat[,c("HASH_KEY","length_etnia", "length_diff_chile", "length_c1")],by=c("rut_enc_saf"="HASH_KEY")) %>% 
  #generate a summary of records of C1
  dplyr::mutate(perc_etnia=length_etnia/length_c1, perc_diff_ch= length_diff_chile/length_c1) %>% 
 dplyr::mutate(step1=dplyr::case_when(grepl("2.6.02.",obs)~1,T~0), step2=  dplyr::case_when(rut_enc_saf %in% unlist(diff_nat_other_ch$rut_enc_saf)~1,T~0))
 
#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_

#_#_#_#_#_#_#_
message(paste0('No discrepancies in sex (& missings) (22_3_b2) \n(n = ',format(nrow(dplyr::filter(Base_fiscalia_v5, !rut_enc_saf %in% unlist(differences_bet_nat_po$rut_enc_saf))),big.mark=","), 
        ';\nCauses= ',dplyr::filter(Base_fiscalia_v5, !rut_enc_saf %in% unlist(differences_bet_nat_po$rut_enc_saf))%>% dplyr::distinct(ruc)%>% nrow() %>% format(big.mark=','),
        ';\nindividuals= ',dplyr::filter(Base_fiscalia_v5, !rut_enc_saf %in% unlist(differences_bet_nat_po$rut_enc_saf))%>% dplyr::distinct(rut_enc_saf)%>% nrow() %>% format(big.mark=','),')'))

No discrepancies in sex (& missings) (22_3_b2) (n = 563,930; Causes= 491,062; individuals= 74,464)

Show code 
#_#_#_#_#_#_#_
message(paste0('Discrepancies in sex (22_3_a) \n(n = ',format(nrow(differences_bet_nat_po),big.mark=","), 
        ';\nCauses= ',dplyr::distinct(differences_bet_nat_po, ruc)%>% nrow() %>% format(big.mark=','),
        ';\nindividuals= ',dplyr::distinct(differences_bet_nat_po,rut_enc_saf)%>% nrow() %>% format(big.mark=','),')'))

Discrepancies in sex (22_3_a) (n = 1,671; Causes= 1,478; individuals= 281)

Show code 
#_#_#_#_#_#_#_

message(paste0('Discrepancies with other nationality other than Chile (22_3_a1) \n(n = ',format(nrow(dplyr::filter(differences_bet_nat_po2,step2==1)),big.mark=","), ';\nCauses= ',dplyr::filter(differences_bet_nat_po2,step2==1)%>% dplyr::distinct(ruc)%>% nrow() %>% format(big.mark=','),';\nindividuals= ',dplyr::filter(differences_bet_nat_po2,step2==1)%>% dplyr::distinct(rut_enc_saf)%>% nrow() %>% format(big.mark=','),')'))

Discrepancies with other nationality other than Chile (22_3_a1) (n = 1; Causes= 1; individuals= 1)

Show code 
message(paste0('Discrepancies with different nationalities but includes Chile (22_3_a2) \n(n = ',format(nrow(dplyr::filter(differences_bet_nat_po2,step2==0)),big.mark=","), ';\nCauses= ',dplyr::filter(differences_bet_nat_po2,step2==0)%>% dplyr::distinct(ruc)%>% nrow() %>% format(big.mark=','),';\nindividuals= ',dplyr::filter(differences_bet_nat_po2,step2==0)%>% dplyr::distinct(rut_enc_saf)%>% nrow() %>% format(big.mark=','),')'))

Discrepancies with different nationalities but includes Chile (22_3_a2) (n = 1,670; Causes= 1,477; individuals= 280)

Show code 
message(paste0("People with undefined nationality (22_3_b1) (n=",nrow(nat_nodef) %>% format(big.mark=","),"\nindividuals= ",nat_nodef%>% dplyr::distinct(rut_enc_saf)%>% nrow() %>% format(big.mark=','),")"))

People with undefined nationality (22_3_b1) (n=2,094 individuals= 738)

Show code 
bpmn_file <- system.file(paste0(sub("2019 \\(github\\)/SUD_CL","2022 \\(github\\)",path), "/_figs/diagram_sex_differences.bpmn"), package = "bpmn")
bpmn::bpmn(paste0(sub("2019 \\(github\\)/SUD_CL","2022 \\(github\\)",path), "/_figs/diagram_nat_differences.bpmn"))
Show code 
if(no_mostrar==0){
library(xml2)
 elements <- bpmn::bpmn_get_elements(read_xml(paste0(sub("2019 \\(github\\)/SUD_CL","2022 \\(github\\)",path), "/_figs/diagram_nat_differences.bpmn")))
htmlTable(elements, align = "lll", rnames = FALSE, css.class = "table")
}


Replace values
Show code 
#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_
#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_
invisible("Users that must need to change")

Base_fiscalia_v7<-
Base_fiscalia_v6%>% 
  dplyr::left_join(dplyr::distinct(differences_bet_nat_po2, rut_enc_saf, .keep_all = T)[c("rut_enc_saf","nacionalidad","step2")], by="rut_enc_saf")%>%
  dplyr::mutate(pais=dplyr::case_when(pais=="No Definido"~NA_character_,T~pais)) %>%
  #IMPORTANTE, ACTUALIZAR
  dplyr::mutate(pais= dplyr::case_when(pais=="CHECOLOVAQUIA"~"REPUBLICA CHECA", T~pais)) %>% 
  dplyr::left_join(subset(CONS_C1_df_dup_SEP_2020, dup==1, c("hash_key","nacionalidad_2")), by=c("rut_enc_saf"="hash_key"))%>%#22_2_b1
    dplyr::mutate(nacionalidad_2= toupper(stringi::stri_trans_general(nacionalidad_2,"Latin-ASCII")))%>% 
  dplyr::mutate(obs= dplyr::case_when(
                step2==0 & pais!="CHILE" & nacionalidad=="CHILE"~ glue::glue("{obs};22_3_a2"),
                step2==0 & is.na(pais)~ glue::glue("{obs};22_3_b1"),
                step2==0 & nacionalidad!="CHILE" & pais=="CHILE"~ glue::glue("{obs};22_3_a2"),
                #peru-bolivian case
                step2==1~glue::glue("{obs};22_3_a1"),
                T~obs
                )) %>% 
  dplyr::mutate(nat_imp= dplyr::case_when(
                step2==0 & pais!="CHILE" & nacionalidad=="CHILE"~ pais,
                step2==0 & is.na(pais)~ nacionalidad,
                step2==0 & nacionalidad!="CHILE" & pais=="CHILE"~ nacionalidad,
                #peru-bolivian case
                step2==1~pais,
                T~pais
                )) %>% 
  dplyr::select(-nacionalidad) %>% 
  dplyr::rename("nat_imp2"="nacionalidad_2") %>% 
  #add step 2 SENDA value
  dplyr::left_join(subset(dplyr::distinct(differences_bet_nat_po2,.keep_all= T),step2==1,c("rut_enc_saf","nacionalidad")), by="rut_enc_saf") %>% 
  dplyr::mutate(nat_imp2=dplyr::case_when(step2==0 & nat_imp==nat_imp2~NA_character_,
                                          step2==1 & is.na(nat_imp2)~nacionalidad,
                                          T~nat_imp2)) %>% 
  dplyr::select(-nacionalidad, -step2)

#as.character(subset(differences_bet_nat_po2,step2==1,"rut_enc_saf"))
#table(Base_fiscalia_v5$sexo, Base_fiscalia_v6$sex_imp, exclude=NULL)
#table(Base_fiscalia_v6$pais, Base_fiscalia_v7$nat_imp, exclude=NULL) %>% data.frame() %>% melt()%>% arrange(desc(value))

#check if added rows
if(nrow(Base_fiscalia_v7)-nrow(Base_fiscalia_v6)>0){
  warning("Some rows were added in the imputation")}

We added a second variable of nationality, called nat_imp2, which includes information from SENDA that was not compatible with PO data regarding nationality.


Label

Show code 
invisible("Temporarily useless")
Base_fiscalia_v7%>%
dplyr::mutate_at(c('dg_trs_psiq_cie_10_or','x2_dg_trs_psiq_cie_10_or','x3_dg_trs_psiq_cie_10_or','x2_dg_trs_psiq_sub_cie_10_or','x3_dg_trs_psiq_sub_cie_10_or','compromiso_biopsicosocial','pais_nacimiento','nacionalidad','dg_trs_psiq_sub_dsm_iv_or','x2_dg_trs_psiq_sub_dsm_iv_or','x3_dg_trs_psiq_sub_dsm_iv_or','dg_trs_psiq_sub_cie_10_or','etnia_cor_2','motivodeegreso_mod_imp','fecha_ultimo_tratamiento','fecha_ultimo_tratamiento','tiene_menores_de_edad_a_cargo'),~as.factor(.)) %>%
  dplyr::group_by(hash_key)%>%
  dplyr::mutate(at_least_one_cont_entry=sum(!is.na(diff_bet_treat)))%>%
  ungroup()%>%
  dplyr::mutate(at_least_one_cont_entry= ifelse(at_least_one_cont_entry>0,1,0))%>%
  dplyr::mutate(menor_45_dias_diff= ifelse(diff_bet_treat<45,1,0))%>%
  dplyr::mutate(at_least_one_cont_entry= recode(as.character(at_least_one_cont_entry),"0"="User with no cont. entry","1"="User with cont. entry"))%>%
  dplyr::mutate(menor_45_dias_diff= recode(as.character(menor_45_dias_diff),"0"=">= 45 Days of Difference Between Entries","1"="<45 Days of Difference Between Entries"))%>%
  dplyr::mutate(menor_60_dias_diff= recode(as.character(menor_60_dias_diff),"0"=">= 60 Days of Difference Between Entries","1"="<60 Days of Difference Between Entries"))%>%
  dplyr::mutate(obs_cambios_ninguno= recode(as.character(obs_cambios_ninguno),"0"="At least 1 Change w/ the Next Entry","1"="No Changes w/ the Next Entry"))%>%
  dplyr::mutate(motivoegreso_derivacion= recode(as.character(motivoegreso_derivacion),"0"="Other causes of discharge","1"="Referral"))%>%
  dplyr::mutate_at(vars(at_least_one_cont_entry,menor_45_dias_diff,menor_60_dias_diff,obs_cambios_ninguno,motivoegreso_derivacion,obs_cambios),~as.factor(.))%>%
  assign("Base_fiscalia_v7",., envir = .GlobalEnv)
  
#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_#_  
  
codebook::var_label(Base_fiscalia_v7) <- list(
row= 'Numerador de los eventos presentes en la Base de Datos/Events in the Dataset',
table= 'Origen de los Datos (de los archivos por año)/Source of Data (of files per year)',
hash_key= 'Codificación del RUN/Masked Identifier (RUN)',
ano_bd= 'Año de la Base de Datos/Year of the Dataset (Source)',
id= 'Codigo Identificación de SENDA/SENDA ID',
nombre_centro= 'Nombre del Centro de Tratamiento/Treatment Center',
tipo_centro= 'Tipo de Centro/Type of Center',
region_del_centro= '(original, Recodificado en nombre_region)/',
servicio_de_salud= 'Servicio de Salud/Health Service',
tipo_de_programa= '(original, Recodificado en tipo_de_programa_2)/',
tipo_de_plan= '(original, Recodificado en tipo_de_plan_2)/',
senda= 'SENDA/SENDA',
dias_trat= 'Días de Tratamiento/Days of Treatment',
nmesesentratamiento= 'Número de Meses en Tratamiento/Number of Months in Treatment',
dias_en_senda= 'Días en SENDA/Days in SENDA',
n_meses_en_senda= 'Número de Meses en SENDA/Number of Months in SENDA',
sexo= '(original, Recodificado en sexo_2)/',
edad= 'Edad (número entero)/Age (In years, Discrete Number)',
nombre_usuario= 'Nombre del Usuario (OCULTO y no accesible)/Name of the User (Not Accessible)',
comuna_residencia= '(original, Recodificado en comuna_residencia_cod)/',
origen_de_ingreso= '(original, Recodificado en origen_ingreso)/',
pais_nacimiento= 'País de Nacimiento/Country of Birth',
nacionalidad= 'Nacionalidad/Nationality',
etnia= '(original, recodificado en etnia_cor)/',
estado_conyugal= '(original, Recodificado en estado_conyugal_2)/',
numero_de_hijos= 'Número de Hijos/Number of Children',
num_hijos_ing_trat_res= 'Número de Hijos para Ingreso a Tratamiento Residencial/Number of Children to Residential Treatment',
parentesco_con_el_jefe_de_hogar= '(Sólo presenta valores perdidos)/',
num_trat_ant= 'Número de Tratamientos Anteriores/Number of Previous Treatments',
fecha_ultimo_tratamiento= 'Fecha del Último Tratamiento/Date of the Last Treatment',
sustancia_de_inicio= '(original, Recodificado en sus_ini)/',
edad_inicio_consumo= '(original, Recodificado en edad_ini_cons)/', 
x_se_trata_mujer_emb= 'Mujer Embarazada al Ingreso/Pregnant at Admission',
escolaridad_ultimo_ano_cursado= '(original, Recodificado en escolaridad)/', 
condicion_ocupacional= '(original, Recodificado en estatus_ocupacional)/', 
categoria_ocupacional= '(original, Recodificado en cat_ocupacional)/',
rubro_trabaja= '(original, Recodificado en rubro_trabaja_mod)/',
con_quien_vive= 'Persona con la que vive el Usuario/People that Share Household with the User',
tipo_de_vivienda= '(original, Recodificado en tipo_de_vivienda_mod)/',
tenencia_de_la_vivienda= '(original, Recodificado en tenencia_de_la_vivienda_mod)/',
sustancia_principal= '(original, Recodificado en sus_principal)/',
`otras_sustancias_nº1`= '(original, Recodificado en otras_sus1)/',
`otras_sustancias_nº2`= '(original, Recodificado en otras_sus2)/',
`otras_sustancias_nº3`= '(original, Recodificado en otras_sus3)/',
freq_cons_sus_prin_original= '(original, Recodificado en freq_cons_sus_prin)/',
edad_inicio_sustancia_principal= '(original, Recodificado en edad_ini_sus_prin)/',
via_adm_sus_prin_original= '(original, Recodificado en via_adm_sus_prin)/',
dg_trs_cons_sus_or= 'Diagnósico de Trastorno por Consumo de Sustancias/Diagnosed of Substance Use Disorder',
dg_trs_psiq_dsm_iv_or= 'Diagnóstico de Trastorno Psiquiátrico, Criterios DSM IV/Diagnosis of Psychiatric Disorders, DSM-IV criteria',
dg_trs_psiq_sub_dsm_iv_or= 'Diagnóstico de Trastorno Psiquiátrico, Criterios DSM IV (Subclasificacion)/Diagnosis of Psychiatric Disorders, DSM-IV criteria (sub-classification)',
x2_dg_trs_psiq_dsm_iv_or= 'Diagnóstico de Trastorno Psiquiátrico, Criterios DSM IV (2)/Diagnosis of Psychiatric Disorders, DSM-IV criteria (2)',
x2_dg_trs_psiq_sub_dsm_iv_or= 'Diagnóstico de Trastorno Psiquiátrico, Criterios DSM IV (Subclasificacion) (2)/Diagnosis of Psychiatric Disorders, DSM-IV criteria (sub-classification) (2)',
x3_dg_trs_psiq_dsm_iv_or= 'Diagnóstico de Trastorno Psiquiátrico, Criterios DSM IV (3)/Diagnosis of Psychiatric Disorders, DSM-IV criteria (3)',
x3_dg_trs_psiq_sub_dsm_iv_or= 'Diagnóstico de Trastorno Psiquiátrico, Criterios DSM IV (Subclasificacion) (3)/Diagnosis of Psychiatric Disorders, DSM-IV criteria (sub-classification) (3)',
dg_trs_psiq_cie_10_or= 'Diagnóstico de Trastorno Psiquiátrico, Criterios CIE-10/Diagnosis of Psychiatric Disorders, CIE-10 criteria',
dg_trs_psiq_sub_cie_10_or= 'Diagnóstico de Trastorno Psiquiátrico, Criterios CIE-10 (Subclasificacion)/Diagnosis of Psychiatric Disorders, CIE-10 criteria (subclassification)',
x2_dg_trs_psiq_cie_10_or= 'Diagnóstico de Trastorno Psiquiátrico, Criterios CIE-10 (2)/Diagnosis of Psychiatric Disorders, CIE-10 criteria (2)',
x2_dg_trs_psiq_sub_cie_10_or= 'Diagnóstico de Trastorno Psiquiátrico, Criterios CIE-10 (Subclasificacion) (2)/Diagnosis of Psychiatric Disorders, CIE-10 criteria (subclassification) (2)',
x3_dg_trs_psiq_cie_10_or= 'Diagnóstico de Trastorno Psiquiátrico, Criterios CIE-10 (3)/Diagnosis of Psychiatric Disorders, CIE-10 criteria (3)',
x3_dg_trs_psiq_sub_cie_10_or= 'Diagnóstico de Trastorno Psiquiátrico, Criterios CIE-10 (Subclasificacion) (3)/Diagnosis of Psychiatric Disorders, CIE-10 criteria (subclassification) (3)',
diagnostico_trs_fisico= 'Diagnóstico de Trastorno Físico/Diagnosis of Physical Disorder',
otros_probl_at_sm_or= 'Otros Problemas de Atención Vinculados a Salud Mental/Other problems linked to Mental Health',
compromiso_biopsicosocial= 'Compromiso Biopsicosocial/Biopsychosocial Involvement',
dg_global_nec_int_soc_or= 'Diagnóstico Global de Necesidades de Integración Social (Al Ingreso)/Global Diagnosis of Social Integration (At Admission)',
dg_nec_int_soc_cap_hum_or= 'Diagnóstico de Necesidades de Integración Social en Capital Humano (Al Ingreso)/Global Diagnosis of Social Integration in Human Capital (At Admission)',
dg_nec_int_soc_cap_fis_or= 'Diagnóstico de Necesidades de Integración Social en Capital Físico (Al Ingreso)/Global Diagnosis of Social Integration in Physical Capital (At Admission)',
dg_nec_int_soc_cap_soc_or= 'Diagnóstico de Necesidades de Integración Social en Capital Social (Al Ingreso)/Global Diagnosis of Social Integration in Social Capital (At Admission)',
fech_ing= 'Fecha de Ingreso a Tratamiento/Date of Admission to Treatment',
fecha_ingreso_a_convenio_senda= 'Fecha de Ingreso a Convenio SENDA (aún no formateada como fecha)/Date of Admission to SENDA Agreement',
usuario_tribunal_trat_droga= 'Usuario de modalidad Tribunales de Tratamiento de Drogas/User of Drug Treatment Courts Modality',
consentimiento_informado= 'Consentimiento Informado/Informed Consent',
fech_egres= 'Fecha de Egreso de Tratamiento/Date of Discharge from Treatment',
motivodeegreso= 'Motivo de Egreso/Cause of Discharge',
tipo_centro_derivacion= 'Tipo de Centro al que el Usuario es Derivado/Type of Center of Derivation',
evaluacindelprocesoteraputico= 'Evaluación del Proceso Terapéutico/Evaluation of the Therapeutic Process',
eva_consumo= 'Evaluación al Egreso Respecto al Patrón de consumo/Evaluation at Discharge regarding to Consumption Pattern',
eva_fam= 'Evaluación al Egreso Respecto a Situación Familiar/Evaluation at Discharge regarding to Family Situation',
eva_relinterp= 'Evaluación al Egreso Respecto a Relaciones Interpersonales/Evaluation at Discharge regarding to Interpersonal Relations',
eva_ocupacion= 'Evaluación al Egreso Respecto a Situación Ocupacional/Evaluation at Discharge regarding to Occupational Status',
eva_sm= 'Evaluación al Egreso Respecto a Salud Mental/Evaluation at Discharge regarding to Mental Health',
eva_fisica= 'Evaluación al Egreso Respecto a Salud Física/Evaluation at Discharge regarding to Physical Health',
eva_transgnorma= 'Evaluación al Egreso Respecto a Trasgresión a la Norma Social/Evaluation at Discharge regarding to Transgression to the Norm',
dg_trs_psiq_cie_10_egres_or= '(Sólo presenta valores perdidos)/',
dg_global_nec_int_soc_or_1= 'Diagnóstico Global de Necesidades de Integración Social (Al Egreso)/Global Diagnosis of Social Integration (At Discharge)',
dg_nec_int_soc_cap_hum_or_1= 'Diagnóstico de Necesidades de Integración Social en Capital Humano (Al Egreso)/Global Diagnosis of Social Integration in Human Capital (At Discharge)',
dg_nec_int_soc_cap_fis_or_1= 'Diagnóstico de Necesidades de Integración Social en Capital Físico (Al Egreso)/Global Diagnosis of Social Integration in Physical Capital (At Discharge)',
dg_nec_int_soc_cap_soc_or_1= 'Diagnóstico de Necesidades de Integración Social en Capital Social (Al Egreso)/Global Diagnosis of Social Integration in Social Capital (At Discharge)',
tiene_menores_de_edad_a_cargo= 'Menores de Edad A Cargo/Minor Dependants',
mot_egres_alt_adm_or= 'Motivo de Egreso Alta Administrativa/Cause of Administrative Discharge',
consorcio=  'Sociedades de Tratamiento Servicios de Salud- Fundaciones- entre otras entidades encargadas de los centros/Consortium',
id_centro= 'ID de Centro/Treatment center ID',
ha_estado_embarazada_egreso= '¿Ha estado embarazada? (al Egreso)/Have you been Pregnant (at Discharge)',
identidad_de_genero= 'Identidad de Género/Gender Identity',
discapacidad= 'Presenta Discapacidad/Disability',
hash_rut_completo= 'HASH alternativo, en el escenario en que se asuma que el individuo al que se le codificó el RUN presente mayor edad/Alternative HASH-Key',
opcion_discapacidad= 'Origen de Discapacidad/Cause of Disability',
sexo_2= 'Sexo Usuario/Sex of User',
embarazo= 'Embarazo al Ingreso /Pregnant at Admission',
tipo_de_plan_2= 'Tipo de Plan/Type of Plan',
tipo_de_programa_2= 'Tipo de Programa de Tratamiento/Type of Program',
fech_egres_sin_fmt= 'Fecha de Egreso de Tratamiento (Sin Formato de Fecha)/Date of Discharge',
id_mod= 'ID de SENDA para Presentación en Página Web (enmascara caracteres 5 y 6)/SENDA ID (mask characters 5 & 6)',
ano_nac= 'Año de Nacimiento (numérico)/Year of Birth (numeric)',
fech_ing_ano= 'Año de Ingreso (numérico)/Year of Admission (numeric)',
fech_ing_mes= 'Mes de Ingreso (numérico)/Month of Admission (numeric)',
fech_ing_dia= 'Día de Ingreso (numérico)/Day of Admission (numeric)',
concat= 'ID de SENDA y HASH Concatenado (permite discriminar más de un HASH en un mismo ID)/Combination of SENDA ID & HASH',
obs= 'Observaciones al Proceso de Limpieza y Estandarización de Casos/Observations to the Process of Data Tidying & Standardization',
dias_trat_inv= 'Días de Tratamiento Invertidos (fecha más reciente, menor valor numérico)/Treatment Days (Reversed)',
fech_nac= 'Fecha de Nacimiento/Date of Birth',
edad_al_ing= 'Edad a la Fecha de Ingreso a Tratamiento (numérico continuo)/Age at Admission to Treatment',
edad_ini_cons= 'Edad de Inicio de Consumo/Age of the Onset of Drug Use',
edad_ini_sus_prin=  'Edad de Inicio de Consumo Sustancia Principal/Age of the Onset of Drug Use of Primary Substance',
dias_trat_alta_temprana= 'Días de tratamiento (<90)/Less than 90 days in treatment',
motivodeegreso_mod= 'Motivo de Egreso (con abandono temprano y tardío)/Cause of Discharge (with late and early withdrawal)',
sus_principal= 'Sustancia Principal de Consumo/Primary or Main Substance of Consumption at Admission',
otras_sus1= 'Otras Sustancias (1)/Other Substances (1)',
otras_sus2= 'Otras Sustancias (2)/Other Substances (2)',
otras_sus3= 'Otras Sustancias (3)/Other Substances (3)',
sus_ini= 'Sustancia de Inicio/Starting Substance',
estado_conyugal_2= 'Estado Conyugal/Marital Status',
estatus_ocupacional= 'Condición Ocupacional/Occupational Status',
cat_ocupacional= 'Categoría Ocupacional/Occupational Category',
edad_grupos= 'Edad agrupada/Age in groups',
origen_ingreso= "(modificado en origen_ingreso_mod)/",
escolaridad= 'Escolaridad: Nivel Eduacional/Educational Attainment',
via_adm_sus_prin= 'Vía de Administración de la Sustancia Principal/Route of Administration of the Primary or Main Substance',
freq_cons_sus_prin= 'Frecuencia de Consumo de la Sustancia Principal (30 días previos a la admisión)/Frequency of Consumption of the Primary or Main Substance (30 days previous to admission)',
dias_trat_knn_imp= 'Días de Tratamiento (Imputados KNN)/Days of Treatment (Imputed KNN)',
fech_egres_knn_imp= 'Fecha de Egreso (Imputados KNN)/Date of Discharge (Imputed KNN)',
dias_trat_alta_temprana_knn_imp= 'Días de Tratamiento con Alta Temprana (<90) (Imputados KNN)/Days of Treatment w Early Withdrawal (Imputed KNN)',
fech_egres_imp= 'Fecha de Egreso (Imputados KNN & Lógico)/Date of Discharge (Imputed KNN & Logic)',
motivodeegreso_imp= 'Motivo de Egreso(Imputados KNN & Lógico)/Cause of Discharge (Imputed KNN & Logic)',
motivodeegreso_mod_imp= 'Motivo de Egreso (con abandono temprano y tardío)(Imputados KNN & Lógico)/Cause of Discharge (with late and early withdrawal)(Imputed KNN & Logic)',
dias_trat_imp= 'Días de Tratamiento (Imputados KNN & Lógico)/Days of Treatment (Imputed KNN & Logic)', 
dias_trat_alta_temprana_imp= 'Días de Tratamiento con Alta Temprana (<90) (Imputados KNN & Lógico)/Days of Treatment w Early Withdrawal (Imputed KNN & Logic)',
via_adm_sus_prin_act= 'Vía de Administración de la Sustancia Principal (Se aplicaron criterios de limpieza)/Route of Administration of the Primary or Main Substance (Tidy)',
etnia_cor= 'Etnia/Ethnic Group',
nacionalidad_2= 'Segunda Nacionalidad/Second Nationality',
etnia_cor_2= 'Etnia (2)/Second Ethnic Group',
sus_ini_2= 'Segunda Sustancia de Inicio/Second Starting Substance',
sus_ini_3= 'Tercera Sustancia de Inicio/Third Starting Substance',
concat_hash_sus_prin= 'Combination of User & Primary Substance',
macrozona= "Macrozona/Macrozones",
nombre_region= " Región del Centro/Chilean Region of the Center",
comuna_residencia_cod= "Comuna de Residencia/Municipality or District of Residence",
sus_ini_mod= "Sustancia de Inicio (Sólo más frecuentes)/Starting Substance (Only more frequent)",
sus_principal_mod= 'Sustancia Principal de Consumo (Sólo más frecuentes)/Primary or Main Substance of Consumption at Admission (Only more frequent)',
origen_ingreso_mod= 'Origen de Ingreso/Motive of Admission to Treatment',
tipo_de_vivienda_mod= 'Tipo de Vivienda/Type of Housing', 
tenencia_de_la_vivienda_mod= 'Tenencia de la Vivienda/Tenure status of Households',
rubro_trabaja_mod= 'Rubro de Trabajo/Area of Work',
edad_al_ing_grupos= 'Edad a la Fecha de Ingreso a Tratamiento en Grupos/Age at Admission to Treatment In Groups',
menor_60_dias_diff= 'Menor a 60 días de diferencia con el registro posterior/Menor a 60 days of difference between the next entry',
menor_45_dias_diff= 'Menor a 45 días de diferencia con el registro posterior/Less than 45 days of difference between the next entry',
diff_bet_treat= 'Días de diferencia con el registro posterior/Days of difference between the next entry',
id_centro_sig_trat= "ID del Centro del registro posterior/Center ID of the Next Treatment",
tipo_plan_sig_trat= "Tipo de Plan del registro posterior/Type of Plan of the Next Entry",
tipo_programa_sig_trat= "Tipo de Programa del registro posterior/Type of Program of the Next Entry", 
senda_sig_trat= "SENDA del registro posterior/SENDA of the Next Entry",
motivoegreso_derivacion= "Motivo de Egreso= Derivación/Cause of Discharge= Derivación",
obs_cambios= "Cambios del tratamiento en comparación al registro posterior/Changes in treatment compared to the Next Entry",
obs_cambios_ninguno= "Sin cambios del tratamiento en comparación al registro posterior/No changes in treatment compared to the Next Entry",
obs_cambios_num= "Recuento de cambios del tratamiento en comparación al registro posterior/Count of changes in treatment compared to the Next Entry",
obs_cambios_fac= "Recuento de cambios del tratamiento en comparación al registro posterior(factor)/Count of changes in treatment compared to the Next Entry(factor)",
at_least_one_cont_entry= "Casos de Usuarios con más de una entrada después de otra/Cases of users with more than one entry after another one"
)

Session Info

Show code 
message(Sys.getenv("R_LIBS_USER"))

C:/Users/CISS Fondecyt/Mi unidad/Alvacast/SISTRAT 2022 (github)/renv/library/R-4.1/x86_64-w64-mingw32;C:/Program Files/R/R-4.1.2/library

Show code 
Sys.Date()

[1] "2022-08-31"
Show code 
message(paste0("Editor context: ", path))

Editor context: C:/Users/CISS Fondecyt/Mi unidad/Alvacast/SISTRAT 2022 (github)

Show code 
if (grepl("CISS Fondecyt",rstudioapi::getSourceEditorContext()$path)==T){
    save.image("C:/Users/CISS Fondecyt/Mi unidad/Alvacast/SISTRAT 2022 (github)/12.RData")
  } else if (grepl("andre",rstudioapi::getSourceEditorContext()$path)==T){
    save.image("C:/Users/andre/Desktop/SUD_CL/12.RData")
  } else if (grepl("E:",rstudioapi::getSourceEditorContext()$path)==T){
    save.image("E:/Mi unidad/Alvacast/SISTRAT 2022 (github)/12.RData")
  } else {
    save.image(paste0(sub("2019","2022",sub("SUD_CL","",path)),"12.RData"))
  }

sesion_info <- devtools::session_info()
dplyr::select(
  tibble::as_tibble(sesion_info$packages),
  c(package, loadedversion, source)
) %>% 
  DT::datatable(filter = 'top', colnames = c('Row number' =1,'Variable' = 2, 'Percentage'= 3),
              caption = htmltools::tags$caption(
        style = 'caption-side: top; text-align: left;',
        '', htmltools::em('Packages')),
      options=list(
initComplete = htmlwidgets::JS(
        "function(settings, json) {",
        "$(this.api().tables().body()).css({
            'font-family': 'Helvetica Neue',
            'font-size': '50%', 
            'code-inline-font-size': '15%', 
            'white-space': 'nowrap',
            'line-height': '0.75em',
            'min-height': '0.5em'
            });",#;
        "}")))

Export

Show code 
Base_fiscalia_v7 %>% 
    rio::export(file = paste0("fiscalia_mariel_aug_2022.dta"))

invisible("Temporarily useless")
# ```{r label_to_stata, echo=T, paged.print=TRUE}
# 
# export_lab_stata_merge<-
#   tibble::rownames_to_column(data.frame(Hmisc::label(Base_fiscalia_v2)))%>% data.frame() %>%
#   dplyr::rename("code" = !!names(.[1]), "label" = !!names(.[2]))%>% data.frame()%>%
#   dplyr::mutate(first= "cap noi label variable")%>%
#   dplyr::mutate(final= paste0(first, " ",code,' "',label,'"'))%>%
#   dplyr::select(-code,-label,-first)%>%
#   dplyr::rename("*clear all"="final") %>% 
#   rbind(paste0('cap noi save "', gsub('/', '\\', path, fixed=T),'\\fiscalia_mariel_ago_2022.dta", replace'))%>%
#   rbind('cap noi drop id id_mod nombre_centro consentimiento_informado')%>%
#   rbind('cap noi drop id id_mod nombre_centro')%>%
#   rbind(paste0('cap noi save "', gsub('/', '\\', path, fixed=T),'\\fiscalia_mariel_ago_2022.dta", replace'))
# 
# rbind(paste0('cap noi use "', gsub('/', '\\', path, fixed=T),'\\fiscalia_mariel_ago_2022.dta", clear'),export_lab_stata_merge) %>% knitr::kable("html") %>% 
#     kableExtra::kable_styling(bootstrap_options = c("striped", "hover"),font_size =10) %>% 
#   kableExtra::scroll_box(width = "100%", height = "375px")
# 
# write.table(rbind(paste0('cap noi use "', gsub('/', '\\', path, fixed=T),'\\fiscalia_mariel_ago_2022.dta", clear'),export_lab_stata_merge), file = paste0(path,"/SUD_CL/_label_var_to_stata.do"), sep = "",row.names = FALSE, quote = FALSE, fileEncoding="UTF-8")
# ```
# 
# <br>
# 
# <div style="border: 1px solid #ddd; padding: 5px; overflow-y: scroll; height:350px; overflow-x: scroll; width:100%">
# 
# ```{stata 2, collectcode=F, include=T, error=T, cleanlog=F}
# *should be in the same folder of the .Rmd to work
# cap noi do _label_var_to_stata.do
# ```
# 
# </div>