1/ He actualizado las gráficas que relacionan las hospitalizaciones y respecto a las UCIs en la segunda ola. Estas dos variables se representan con la media semanal y se puede ver su evolución en el tiempo respecto a la semana (de la 32 a la 44). Datos de #escovid19data
2/ En las zonas con tendencia creciente de casos, seguramente se incrementarán las hospitalizaciones la semana siguiente. Las gráficas se mostrarán por autonomías y desglosadas por provincias. El orden será de mayor a menor incidencia Covid19 de la semana.
Imagen vía @nmichavila
3/ Melilla ha sufrido un crecimiento muy fuerte tanto en hospitalizaciones como en UCI desde la semana 41 (5 Oct~11 Oct) que ha pasado de 2 a 10 por 100.000 mil pacientes en la UCI
4/ Navarra inició su crecimiento en la semana 37 (7 Sep~13 Sep) acelerándose desde la semana 42, que ha pasado de 4 a 8 por 100.000 mil pacientes en la UCI
5/ Las provincias de Aragón tienen distintas trayectorias de crecimiento. Teruel partía de una mejor situación al inicio de la segunda ola pero ahora con casi 80 hospitalizados por 100.000 habitantes supera a las otras dos provincias aunque su nivel de UCI es menor.
6/ En Castilla y León, Segovia, Ávila y Soria están por debajo de los 40 hospitalizados por 100.000 habitantes. El resto con unos niveles muy preocupantes de hospitalizados y UCI. Todas las provincias creciendo
7/ La Rioja desde la semana 38 (14 Sep~20 Sep) inició un descenso de hospitalizaciones y UCI pero en la semana 42 (12 Oct~18 Oct) volvieron a subir hasta 45 hospitalizados por 100.000 habitantes de la semana actual (44)
8/ Ceuta desde la semana 38 (14 Sep~20 Sep) no ha dejado de crecer en hospitalizaciones y UCI, llegando a 45 hospitalizados por 100.000 habitantes
9/ Cataluña creciendo desde la semana 41 (5 Oct~11 Oct) y con niveles similares de hospitalización y mayor incidencia en UCI en Girona y Tarragona. Lleida que se había recuperado del inicio de la segunda ola (semana 32) ha vuelto a crecer
10/ En el País Vasco proporcionalmente han subido más los ingresados en UCI que los hospitalizados en planta, sobre todo en Álava
11/ En Extremadura, Badajoz ha crecido continuamente incrementándose en la semana 42 mientras que en Cáceres hay un retroceso en la semana 40 (12 Oct~18 Oct), en la 42 vuelve a subir. Los niveles de UCI son similares
12/ En Castilla la Mancha, Toledo es la que tiene la trayectoria más preocupante casi 60 hospitalizados por 100.000 habitantes. El resto de las provincias está estabilizado o en retroceso
13/ Murcia tiene un crecimiento sostenido con un pequeño freno de las semanas 37-39, a partir de la semana 40 (28 Sep~4 Oct) en crecimiento, camino de los 40 hospitalizados por 100.000 habitantes
14/ En Andalucía la situación de Granada es la más preocupante. Desde la semana 40 (28 Sep~4 Oct) tiene un fuerte incremento de hospitalizaciones y UCI. La siguen Córdoba, Jaén y Sevilla. Málaga y Almería que iniciaron muy fuerte la segunda ola, parece que están más estabilizadas
15/ Madrid, que arrancó con una segunda ola descontrolada durante agosto y septiembre, se estabilizó la semana 39 (21 Sep~27 Sep) y en este momento es de las pocas Autonomías en la que descienden las hospitalizaciones. La ocupación en la UCI sigue siendo muy alta y no baja
16/ Asturias está creciendo fuertemente desde la semana 40 (28 Sep~4 Oct), teniendo actualmente 40 hospitalizados por 100.000 habitantes y una alta ocupación en UCI
17/ Cantabria, al igual que Madrid se estabilizó la semana 39 (21 Sep~27 Sep) y bajó el número de hospitalizaciones, pero desde la semana 43 (19 Oct~25 Oct) está creciendo. No obstante, su nivel de hospitalizaciones y UCI es mucho más bajo que las comunidades anteriores
18/ En Galicia, salvo Ourense, las provincias han crecido en hospitalizaciones. Orense que es la más hospitalizados tiene por 100.000 habitantes decreció la última semana. Lugo que bajó hospitalizaciones respecto a la semana 37 (7 Sep~13 Sep) está volviendo a crecer
19/ La comunidad Valenciana muestra un crecimiento en hospitalizaciones en las tres provincias desde la semana 40 (28 Sep~4 Oct). Alicante es la que tiene mayor incidencia en UCI
20/ Baleares inició el retroceso en hospitalizaciones y UCI la semana 37 (7 Sep~13 Sep) aunque esta última semana ha se han incrementado.
21/ En las Islas Canarias, como en las islas Baleares, se inició el retroceso en hospitalizaciones y UCI la semana 37 (7 Sep~13 Sep) que se mantiene hasta la semana pasada (43). De la semana actual (44) no tenemos datos en #escovid19data)
22/ Bajan en hospitalizaciones:
1⃣ Desde la semana 37 (7 Sep~13 Sep) Islas Baleares e islas Canarias hasta la semana pasada
2⃣ Desde la semana 39 (21 Sep~27 Sep) Madrid, Ciudad Real y Lugo
3⃣ Almería, Guadalajara y Orense
El resto sube
Para la siguiente semana en vez de copiar las imágenes las subiré desde el fichero para que tengan más calidad y se puedan ampliar
Como siempre, tenéis las gráficas y cómo se han hecho en este RPub rpubs.com/congosto/684322
Al ser un informe que refrescaré cada semana, el orden de las Autonomías es el de INE, aunque en el hilo los ordenaré de más a menos incidencia

• • •

Missing some Tweet in this thread? You can try to force a refresh
 

Keep Current with Mariluz Congosto

Mariluz Congosto 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!

PDF

Twitter may remove this content at anytime! Save it as PDF for later use!

Try unrolling a thread yourself!

how to unroll video
  1. Follow @ThreadReaderApp to mention us!

  2. From a Twitter thread mention us with a keyword "unroll"
@threadreaderapp unroll

Practice here first or read more on our help page!

More from @congosto

6 Oct
🧵1/ La noticia del fallo de UK al recolectar datos del #covid19 en un Excel 2003 ha sido muy comentada entre los que nos dedicamos a esto de los datos. Parece mentira que se siga trabajando con estos métodos hoy día. Hilo 👇👇
2/ Alguno de los de mi TL no se lo creían, pero yo que he trabajado en una empresa de tecnología, sé que se usan métodos viejunos. Si esto ocurre en las empresas tecnológicamente avanzas ¡Qué no pasará en la Administración
3/ @jprieto apunta a estas hipótesis y a @ramiroaznar le gustaría saber “saber toda la intrahistoria de este asunto”. Esto me recordó los sistemas que llamábamos “tamagotchi”.
Read 7 tweets
6 Oct
1/ El otro día comentaba que me habían gustado mucho las gráficas @BIOCOMSC1 sobre el riesgo del COVID19. Mucha información con pocos elementos (poca tinta), permitiendo ver la evolución, el estado actual y las zonas de riesgo. biocomsc.upc.edu/en/shared/dr_s…
2/ Este tipo de diagramas representan la relación de dos variables a través del tiempo. Normalmente usamos un line chart cuando los datos tienen una componente temporal, pero estas gráficas nos pueden mostrar los datos de otra manera
3/ William Phillips utilizó 1958 un diagrama de este tipo para representar la evolución del desempleo y la inflación a través del tiempo, que ha pasado a la historia como “la curva Phillips”. en.wikipedia.org/wiki/Phillips_…
Read 13 tweets
26 Sep
1/ Debido la preocupación que suscita el @metro_madrid como un factor de riesgo en la propagación del covid-19, he realizado unas gráficas para mostrar las quejas de sus viajeros y su evolución. Hilo 🧵👇
2/ El Metro de Madrid sufrió una pérdida de calidad tras la crisis económica del 2008. La frecuencia de trenes se redujo dando lugar a frecuentes aglomeraciones. La falta de inversión produjo fallos en las escaleras mecánicas y afectó a los servicios de limpieza.
3/ Los viajeros se quejaban frecuentemente del servicio en Twitter y aparecieron perfiles como @SufridoresMetro que denunciaban el mal estado de este transporte público. Pensé que los usuarios del @metro_madrid podrían ser un sensor para medir su calidad del servicio.
Read 17 tweets
14 Sep
1/ Tras escribir dos hilos sobre los seguidores de dos perfiles negacionistas he recibido una virulenta reacción desde estos entornos. Siguiendo el dicho de “si la vida te da limones, haz limonada”, aquí va la limonada. Hilo 🧵🧵👇👇
2/ Descargué los comentarios y citas de relacionadas con los hilos y también su difusión. La API de Twitter me proporcionó 2245 interacciones desde 630 usuarios diferentes. Todas estas relaciones se muestran en el siguiente grafo (+ tamaño -> + interacción)
3/ Al ser un grafo con todo tipo de relaciones (comentarios, citas y RTs) la polarización no se observa tan claramente como en los grafos de solo RTs. La proximidad de los usuarios en el grafo no indica afinidad, solo interacción. Los comentarios fueron a favor y en contra
Read 9 tweets
6 Sep
1/ Con el objetivo de comprender cómo son los perfiles que siguen contenidos negacionistas del #covid19, voy a ir analizando perfiles destacados de la red de seguidores de @eldoctorpapaya. En este caso @gonzo_blogger del grupo de conspiranoicos patrios
2/ Este perfil se corresponde a una persona real que creó su perfil en twitter en el 2009, nunca ha cambiado de nombre pero sí la temática de sus tweets. Tiene muchos enlaces a su FB. Ha sido noticia por haber sido encarcelado y deportado de Lituania elconfidencial.com/amp/espana/202…
3/ Su actividad en Twitter empieza a incrementarse desde el inicio del confinamiento así como el número de seguidores (estas gráficas son cortesía de @barripdmx)
Read 23 tweets
28 Aug
1/ Me llegó hace días una mención de @juanquiles que me dejó muy impresionada. Era denunciando un tweet del @eldoctorpapaya. Hice una captura del mensaje porque intuí que le bloquearían la cuenta o le obligarían a borralo
2/ Me bajé rápidamente sus red de seguidores para ver qué tipo de perfiles pueden seguir estos contenidos antes de que le cerraran la cuenta. Pero @TwitterSeguro es más lento que la @policia y en este momento el perfil sigue activo y su autor detenido
3/ Su red de contactos muestra cuatro grupos. Dos de ellos, el morado y el azul, del entorno conspiranoico. Los otros dos, el verde y el amarillo de posiciones radicales de derechas.
Read 13 tweets

Did Thread Reader help you today?

Support us! We are indie developers!


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

Become a Premium Member ($3/month or $30/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!

Follow Us on Twitter!