basename(ruta_proyecto("referencia", "esquema_nacional_2026.csv"))[1] "esquema_nacional_2026.csv"
Responde sin consultar el texto. Al terminar, vuelve a esta pregunta y comprueba si cambió tu respuesta.
1. Dos analistas obtienen coberturas distintas con «los mismos datos». ¿Cuál es la forma más eficiente de encontrar la causa?
b. Las diferencias se localizan comparando pasos intermedios. Si el trabajo está en código, cada paso puede compararse.
Al terminar este capítulo podrás:
Pregunta de trabajo: tu colega del distrito obtiene una cobertura de 87,4 % y tú, con «los mismos datos», 86,9 %. ¿Cómo averiguas por qué?
Este capítulo supone que ya instalaste R y sabes ejecutar código, crear objetos y usar funciones. Si no es así, empieza por los capítulos 1 a 4 de Ciencia de datos con R para la salud pública, la obra hermana de este libro.
Dos analistas obtienen cifras distintas casi siempre por una de estas razones: usaron versiones distintas de los datos, filtraron de manera diferente, cambiaron un paso a mano o usaron otra versión de un paquete. Un proyecto reproducible elimina las tres primeras y documenta la cuarta. Este libro está organizado así:
r-inmunizaciones-ecuador/
├── _quarto.yml # estructura del libro
├── referencia/ # tablas de reglas con su fuente (esquema nacional)
├── R/ # funciones reutilizables
├── tests/ # pruebas de esas funciones
├── datos/ # SOLO catálogo y documentación; nunca microdatos
├── capitulos/, casos/ # análisis comentados
└── proyectos/ # trabajos con corrector automático
Tres reglas sostienen esta estructura:
if dentro de una función, sino en referencia/esquema_nacional_2026.csv, con una columna que cita el manual.tests/pruebas_esquema.R construye casos a mano, como una dosis aplicada a los 24 días con margen, y comprueba que la función los clasifica bien.Cada capítulo carga las funciones que necesita con source(). La función ruta_proyecto() encuentra la raíz del proyecto desde cualquier carpeta, así que el mismo código funciona desde la consola, desde un capítulo o desde una prueba:
basename(ruta_proyecto("referencia", "esquema_nacional_2026.csv"))[1] "esquema_nacional_2026.csv"
Antes de confiar en una función, léela y pruébala con un caso cuyo resultado conozcas. Por ejemplo, el 31 de enero más un mes debe dar el último día de febrero:
stopifnot(sumar_meses(as.Date("2025-01-31"), 1) == as.Date("2025-02-28"))
stopifnot(sumar_meses(as.Date("2024-01-31"), 1) == as.Date("2024-02-29"))
"La función respeta el fin de mes y los años bisiestos"[1] "La función respeta el fin de mes y los años bisiestos"
Un stopifnot() que pasa en silencio vale más que una revisión visual: si alguien cambia la función y rompe esa regla, el error aparece de inmediato. Para ejecutar todas las pruebas del libro:
Rscript tests/pruebas_esquema.R
Rscript tests/pruebas_vacunas.RUn registro nominal real contiene nombres, fechas de nacimiento y datos de salud. No puede circular en un libro ni en un repositorio. Por eso el libro usa generar_registro_nominal(), que fabrica un registro ficticio con la estructura de uno real y con sus errores típicos.
registro <- generar_registro_nominal(n = 2000, semilla = 2026)
dim(registro)[1] 28019 10
head(registro, 4) id_persona iniciales sexo fecha_nacimiento canton establecimiento vacuna
1 P000500 TLV M 2023-01-05 C01 C01-E1 BCG
2 P000500 TLV M 2023-01-05 C01 C01-E1 HB0
3 P000174 HBS F 2023-01-09 C01 C01-E1 HB0
4 P000174 HBS F 2023-01-09 C01 C01-E1 BCG
dosis fecha_vacunacion lote
1 1 2023-01-05 BCG-2301B
2 1 2023-01-06 HB0-2301B
3 1 2023-01-09 HB0-2301B
4 1 2023-01-10 BCG-2301B
La semilla fija los números aleatorios. Con la misma semilla, el registro es idéntico en cualquier computadora:
otro <- generar_registro_nominal(n = 2000, semilla = 2026)
identical(registro, otro)[1] TRUE
identical(registro, generar_registro_nominal(n = 2000, semilla = 7))[1] FALSE
El generador también registra qué errores introdujo a propósito. En el capítulo 4 los buscaremos sin mirar esta lista y luego compararemos:
attr(registro, "errores_inyectados") tipo filas
1 variante_nombre_vacuna 914
2 intervalo_corto 69
3 antes_nacimiento 3
4 fecha_futura 2
5 duplicado_exacto 277
6 persona_con_dos_id 8
7 fecha_faltante 5
Las cifras de este registro no describen a ningún cantón real. Los cantones «Río Claro» o «Sierra Azul» son inventados. Sirven para aprender el método; las conclusiones sobre el país requieren datos oficiales y su autorización de uso.
Un registro de vacunación es un dato personal de salud. Las reglas mínimas de este libro son:
datos/ está excluida en .gitignore, salvo su README.md y el catálogo de fuentes. Ninguna base nominal se sube, ni siquiera a un repositorio privado.para_cobertura <- registro[c("id_persona", "fecha_nacimiento", "canton", "vacuna", "dosis",
"fecha_vacunacion")]
names(para_cobertura)[1] "id_persona" "fecha_nacimiento" "canton" "vacuna"
[5] "dosis" "fecha_vacunacion"
Si las cifras difieren, compara paso a paso, no el resultado final: el número de filas al cargar, después de cada filtro y después de quitar duplicados, y el denominador. Si ambos trabajan con código, la diferencia aparece en minutos. Si uno «limpió a mano en Excel», no hay manera de saberlo. La diferencia de medio punto suele estar en los duplicados o en la fecha de corte, dos decisiones que el capítulo 4 obliga a escribir.
renv. Las funciones de este libro usan solo R base para reducir ese riesgo; los gráficos usan ggplot2.n = 500 y la misma semilla. Comprueba con identical() que son iguales. Cambia la semilla y cuenta cuántas filas tiene cada registro.stopifnot() que compruebe que un niño nacido el 29 de febrero de 2024 cumple 12 meses el 28 de febrero de 2025.errores = FALSE y comprueba que la tabla de errores inyectados está vacía.a <- generar_registro_nominal(500, semilla = 1); b <- generar_registro_nominal(500, semilla = 1); identical(a, b) devuelve TRUE. Con otra semilla el número de filas cambia porque cambian las dosis recibidas, los retrasos y los errores.stopifnot(sumar_meses(as.Date("2024-02-29"), 12) == as.Date("2025-02-28")). 2025 no es bisiesto y la regla de fin de mes lleva el aniversario al último día de febrero.id_persona, iniciales, fecha_nacimiento (basta la edad o el grupo de edad), establecimiento si la tabla es por cantón, y lote. Después de agregar hay que revisar las celdas pequeñas.nrow(attr(generar_registro_nominal(300, errores = FALSE), "errores_inyectados")) devuelve 0.Responde antes de abrir cada respuesta. Si fallas una, vuelve a la sección correspondiente antes de continuar.
2. ¿Para qué sirve fijar la semilla en generar_registro_nominal()?
d. La semilla fija la secuencia de números aleatorios. Sin ella, cada ejecución produciría un registro distinto.
3. ¿Por qué las reglas del esquema se guardan en una tabla con una columna de fuente y no dentro del código de una función?
a. Separar reglas y lógica permite que un experto del programa revise la tabla y que un cambio de esquema no exija reescribir funciones.
4. ¿Cuál de estas prácticas protege mejor la privacidad al trabajar con un registro nominal?
c. Un repositorio privado no es lugar para datos personales. Lo correcto es minimizar columnas, mantener los datos fuera del control de versiones y seudonimizar.
5. Vas a publicar una tabla de niños no vacunados por parroquia y mes. Algunas celdas tienen 1 o 2 niños. ¿Qué haces?
b. Celdas muy pequeñas pueden identificar a una familia aunque no haya nombres. Agregar o suprimir es la práctica estándar; publicar solo el total nacional pierde información útil.
6. Modificaste sumar_meses() para «mejorarla». ¿Qué deberías hacer antes de usarla en un informe?
d. Las pruebas protegen las reglas que ya funcionaban, como el fin de mes y los años bisiestos, y documentan el comportamiento nuevo.