My Authors
Read all threads
1 Escala logarítmica o lineal, casos o muertes, estatales o regionales, acumulados o por día... Después de 3 semanas produciendo y refinando gráficos desde R es buen momento para repasar y reflexionar sobre las formas mejores de entender la pandemia de #covid19. Hilo va ☄️
2 No entro a valorar un asunto principal, el de la fiabilidad y metodología de tomas de datos, hay mucho escrito. Me centraré en el número de fallecimientos, que dan una medida de la propagación del virus hace un tiempo, de 1 a varias semanas desde el inicio de los síntomas.
3 Empiezo con una escala lineal de fallecimientos acumulados, la más comunmente utilizada. Permite una lectura fácil (intuitiva diría alguno), aunque a la hora de comparar entre comunidades autónomas hace imposible ver lo que está pasando en aquellas con valores bajos.
4 La escala lineal no permite evaluar visualmente si el crecimiento que tiene es exponencial, a no ser que la acompañemos de líneas de referencia
5 Si usamos la escala logarítmica podremos ver si las curvas de crecimiento, en caso de ser rectas, tienen un crecimiento exponencial. De ser así, quiere decir que se propagó exponencialmente. Si vemos que la curva va teniendo menos pendiente, buena señal, el crecimiento baja
6 Lo que pasa con esto gráficos de acumulación es que dificultan ver algunas cosas, como todo gráfico. Madrid tiene ya más de 4.000 muertes acumuladas, una pequeña subida, imperceptible para el ojo, supone muchas muertes *más* cada día
7 Si añadimos tanto el número total acumulado de muertes como la tendencia del último día (mejor sería la tendencia media de los últimos días) nos permite ver mejor qué está pasando. La pendiente de C. de Madrid baja, esto es, reduce su crecimiento +8% respecto último día
8 Pero hay otras comunidades autónomas que tienen crecimientos más fuertes respecto el último día, mirad los porcentajes (como Aragón 18,3% o Extremadura 19,1%). Lo que pasa es que es difícil evaluar pendientes tan parecidas visualmente. Se mueven en rango de 8 a 19,1%
9 Cuando los valores absolutos son bajos puede deberse a un comportamientos errático, además si tenemos en cuenta que a veces los datos llegan tarde (como los fines de semana, ver 15-16 marzo), pues más difícil de interpretar
10 Por eso estamos viendo nuevos tipos de gráficos que no son de acumulados. Como este de @joethebrew, por citar alguno, que están recurriendo a mostrar el número de fallecimientos medio por día (últimos 5) para poder evaluar más fácilmente las pendientes
Tanto él como @jburnmurdoch y muchos otros están recurriendo a este tipo de visualizaciones y aladiendo otras regiones para permitir comparativas (con Wuhan o Lombardia). Alinean las líneas a la izquierda desde que tuvieron n muertes acumuladas
12 En estos gráficos, si la pendiente baja, quiere decir que hay menos muertes que el día anterior. Ojo, la situación sigue siendo terrible porque significa que sigue habiendo nuevos muertos cada día, pero son menos que en la víspera.
13 Si mostramos estos datos en crudo, el número de muertes por día, vemos ese comportamiento errático que hace difícil su lectura. Muestro aquí la esala logarítmica y la lineal de los mismos datos.
14 Pero si hacemos la media de los últimos días (el último más los 5 anteriores) podemos ver tendencias que no están sujetas a lo errático de los datos puntuales de un día. Hemos suavizado la curva y añadido los puntos de muertes cada día
15 Vemos a la C .de Madrid iniciando un posible descenso, a Cataluña llegando casi a la horizontal. Otras comunidades autónomas están en crecimiento, otras ligeramente bajando. Permite evaluar las tendencias que los datos puntuales de cada día no dejan ver
16 De nuevo recordad que la horizontal o el descenso no indican que se ha ganado la batalla. Todavía quedan muchas personas en situación crítica y desgraciadamente hay más muertes cada día.
17 En estos gráficos lo que se busca es llegar al 0. Y mirad en China cómo van todavía tras casi 70 días desde que hubo los primeros 3 muertos
18 Lo que hemos hecho ha sido recopilar todos estos gráficos en la web con datos por comunidades autónomas y provincias lab.montera34.com/covid19/
19 El código de R para generar todos los gráficos está disponible en este repositorio. Para que lo uséis como querais code.montera34.com/numeroteca/cov…
20 La iniciativa para recopilar datos por provincia
#providencialdata19 sigue abierta a quien quiera colaborar, ante la ausencia de un repositorio oficial
code.montera34.com:4443/numeroteca/cov…

21 No he entrado en este hilo en la comparativa entre regiones (alineando las curvas en el inicio según cuando sobrepasen cierto umbral de casos o fallecimientos), lo dejo para otra ocasión. Aquí podéis ver comparativa de regiones Italia-España-Francia
lab.montera34.com/covid19/compar…
22 Por último, y no menos importante, no olvidar que después de cada cifra hay una o muchas personas.
Mucho ánimo a todos los que estais en casa o en los hospitales, tanto en la batalla como sanitarios como pacientes. Hay que luchar ¡muchas personas que ya están recuperadas!
Missing some Tweet in this thread? You can try to force a refresh.

Enjoying this thread?

Keep Current with numeroteca 🏠

Profile picture

Stay in touch and get notified when new unrolls are available from this author!

Read all threads

This Thread may be Removed Anytime!

Twitter may remove this content at anytime, convert it as a PDF, save and print for later use!

Try unrolling a thread yourself!

how to unroll video

1) Follow Thread Reader App on Twitter so you can easily mention us!

2) Go to a Twitter thread (series of Tweets by the same owner) and mention us with a keyword "unroll" @threadreaderapp unroll

You can practice here first or read more on our help page!

Follow Us on Twitter!

Did Thread Reader help you today?

Support us! We are indie developers!


This site is made by just three indie developers on a laptop doing marketing, support and development! Read more about the story.

Become a Premium Member ($3.00/month or $30.00/year) and get exclusive features!

Become Premium

Too expensive? Make a small donation by buying us coffee ($5) or help with server cost ($10)

Donate via Paypal Become our Patreon

Thank you for your support!