6  Cobertura nominal, edad y censura

NotaAntes de empezar

Responde sin consultar el texto. Al terminar, vuelve a esta pregunta y comprueba si cambió tu respuesta.

1. Con corte al 31 de octubre, ¿por qué no conviene dividir los niños nacidos en el año anterior con SRP1 por todos los nacidos ese año?

  1. Porque los nacidos en los últimos meses aún no cumplen la edad de la dosis y cuentan como no vacunados
  2. Porque la SRP1 no está en el esquema
  3. Porque hay que usar la proyección del INEC
  4. Porque el registro nominal no tiene fechas de nacimiento

a. Solo son elegibles a una edad los niños que la cumplieron antes del corte.

6.1 Objetivos y pregunta de trabajo

Al terminar este capítulo podrás:

  • definir una cohorte de nacimiento y su población elegible a una edad;
  • calcular la cobertura nominal a 12, 18 y 24 meses contando solo dosis válidas;
  • explicar por qué los niños que aún no llegan a la edad no pueden contarse como no vacunados;
  • estimar la curva de tiempo hasta la vacunación con Kaplan-Meier y leerla.

Pregunta de trabajo: con corte al 31 de octubre de 2026, ¿qué proporción de los niños nacidos en 2025 tiene la primera dosis de SRP?

6.2 De dosis a personas

El capítulo 4 terminó con un registro limpio y con cada dosis evaluada. La función preparar_registro() repite esos pasos (controles, fusión de identificadores, exclusiones y evaluación) para que este capítulo parta del mismo resultado:

datos <- preparar_registro(n = 2000, semilla = 2026)
datos$balance
filas_recibidas       excluidas       evaluadas         validas 
          28019             287           27732           27676 
evaluadas <- datos$evaluadas
personas <- datos$personas
fecha_corte <- datos$fecha_corte
personas$cohorte <- format(personas$fecha_nacimiento, "%Y")
table(personas$cohorte)

2023 2024 2025 
 703  657  640 

La cobertura nominal cambia la unidad: ya no cuenta dosis, sino personas. El denominador es un padrón: la lista de niños que deberían estar vacunados. En este capítulo el padrón es la lista de personas del generador sintético. En un registro real, el padrón se arma con los niños registrados y, si es posible, se completa con los nacidos vivos del territorio. Un niño que nunca llegó al vacunatorio no aparece en el registro de vacunación: si el padrón solo contiene registrados, la cobertura nominal se sobreestima.

6.3 La trampa de la edad: elegibles

La respuesta ingenua a la pregunta de trabajo cuenta a los nacidos en 2025 que tienen SRP1 y divide por todos los nacidos en 2025:

c25 <- personas[personas$cohorte == "2025", ]
srp1 <- evaluadas[evaluadas$vacuna_codigo == "SRP" & evaluadas$dosis == 1 &
                    evaluadas$estado == "valida", ]
ingenua <- 100 * mean(c25$id_persona %in% srp1$id_persona)
round(ingenua, 1)
[1] 70.8

La SRP1 se aplica desde los 12 meses. Un niño nacido en diciembre de 2025 tiene 10 meses el día del corte: no puede tener la dosis y, sin embargo, cuenta como no vacunado. La pregunta correcta compara a cada niño con su propia edad. Solo son elegibles a los 13 meses los niños que cumplieron 13 meses antes del corte, y se cuentan como vacunados si recibieron una dosis válida antes de esa edad:

cobertura_nominal(evaluadas, personas[personas$cohorte == "2025", ], "SRP", 1,
                  edad_meses = 13, fecha_corte = fecha_corte)
  grupo vacuna dosis edad_meses elegibles vacunadas cobertura ic_inf ic_sup
1 Total    SRP     1         13       474       381      80.4   76.6   83.7

La cifra ingenua, 70,8 %, mezcla a los niños vacunados con los que todavía no podían vacunarse. La cobertura a los 13 meses, 80,4 %, se calcula solo con los 474 niños de la cohorte que ya cumplieron esa edad. Los niños más jóvenes no se descartan: entrarán al cálculo en los próximos cortes.

6.4 Cobertura a una edad, por cohorte y por cantón

Con la función cobertura_nominal() se construyen los indicadores de seguimiento habituales: la tercera dosis de hexavalente a los 12 meses y la SRP a los 24 meses.

indicadores <- rbind(
  cobertura_nominal(evaluadas, personas, "HEXAVALENTE", 3, 12, fecha_corte, por = "cohorte"),
  cobertura_nominal(evaluadas, personas, "SRP", 1, 24, fecha_corte, por = "cohorte"),
  cobertura_nominal(evaluadas, personas, "SRP", 2, 24, fecha_corte, por = "cohorte"))
indicadores
  grupo      vacuna dosis edad_meses elegibles vacunadas cobertura ic_inf
1  2023 HEXAVALENTE     3         12       703       581      82.6   79.7
2  2024 HEXAVALENTE     3         12       657       552      84.0   81.0
3  2025 HEXAVALENTE     3         12       540       453      83.9   80.6
4  2023         SRP     1         24       703       616      87.6   85.0
5  2024         SRP     1         24       545       474      87.0   83.9
6  2023         SRP     2         24       703       600      85.3   82.5
7  2024         SRP     2         24       545       464      85.1   81.9
  ic_sup
1   85.3
2   86.6
3   86.7
4   89.9
5   89.5
6   87.8
7   87.9

La cohorte de 2025 no aparece en las coberturas a 24 meses: ninguno de esos niños cumplió dos años antes del corte. No es un dato faltante, es la consecuencia de definir bien la población elegible.

por_canton <- cobertura_nominal(evaluadas, personas, "HEXAVALENTE", 3, 12, fecha_corte, por = "canton")
ggplot(por_canton, aes(cobertura, reorder(grupo, cobertura))) +
  geom_errorbarh(aes(xmin = ic_inf, xmax = ic_sup), height = 0.2, colour = "grey50") +
  geom_point(size = 2.5, colour = "#1f5f8b") +
  labs(x = "Cobertura a los 12 meses (%)", y = "Cantón") +
  theme_minimal(base_size = 12)
Figura 6.1: Cobertura nominal de la tercera dosis de hexavalente a los 12 meses por cantón, con intervalo de Wilson del 95 %. Registro sintético, cohortes 2023 a 2025.

El intervalo de Wilson describe la variabilidad de una proporción calculada con pocos niños. En un registro completo no hay muestreo, pero el intervalo sigue siendo útil: indica cuánto podría cambiar la cifra por azar en cohortes de ese tamaño y evita leer como diferencias reales distancias de dos o tres puntos entre cantones pequeños.

6.5 Solo cuentan las dosis válidas

Una dosis nula está en el carné pero no protege como se espera. Comparemos la cobertura de la segunda dosis de hexavalente a los 12 meses contando cualquier dosis registrada y contando solo las válidas:

cualquier <- evaluadas
cualquier$estado <- "valida"     # trata todas las dosis registradas como válidas
rbind(solo_validas = cobertura_nominal(evaluadas, personas, "HEXAVALENTE", 2, 12, fecha_corte),
      cualquier_dosis = cobertura_nominal(cualquier, personas, "HEXAVALENTE", 2, 12, fecha_corte))
                grupo      vacuna dosis edad_meses elegibles vacunadas
solo_validas    Total HEXAVALENTE     2         12      1900      1604
cualquier_dosis Total HEXAVALENTE     2         12      1900      1629
                cobertura ic_inf ic_sup
solo_validas         84.4   82.7   86.0
cualquier_dosis      85.7   84.1   87.2

La diferencia es pequeña en este registro, porque solo una parte de las segundas dosis se aplicó antes del intervalo mínimo. Pero tiene un efecto que el porcentaje esconde: cada niño con una dosis nula necesita una dosis adicional, y solo el registro nominal permite encontrarlo.

6.6 Tiempo hasta la vacunación: censura y Kaplan-Meier

La cobertura a una edad fija descarta información: un niño de 18 meses sin SRP1 y otro de 13 meses sin SRP1 están en situaciones distintas. El enfoque de tiempo hasta el evento usa a todos los niños. Para cada uno mide los días desde el nacimiento hasta la dosis. Si aún no la recibió, mide los días hasta el corte y lo marca como censurado: sabemos que no se vacunó hasta ese día, pero no sabemos qué pasará después.

tiempo <- tiempo_hasta_dosis(evaluadas, personas, "SRP", 1, fecha_corte)
head(tiempo, 4)
  id_persona fecha_nacimiento canton dias evento
1    P000001       2025-01-02    C02  371      1
2    P000002       2025-09-19    C01  369      1
3    P000003       2023-10-21    C05  423      1
4    P000004       2023-06-13    C05  370      1
table(evento = tiempo$evento)
evento
   0    1 
 364 1636 

El estimador de Kaplan-Meier calcula, en cada día con al menos una vacunación, la proporción de niños todavía sin vacunar y en observación que se vacunan ese día. La proporción vacunada acumulada es uno menos el producto de las proporciones que siguen sin vacunar. La función km_cobertura() lo implementa en R base; coincide con survival::survfit():

km <- km_cobertura(tiempo$dias, tiempo$evento)
ajuste <- survival::survfit(survival::Surv(dias, evento) ~ 1, data = tiempo)
c(km_base = round(km$vacunada[findInterval(548, km$dias)], 4),
  survival = round(1 - summary(ajuste, times = 548)$surv, 4))
 km_base survival 
  0.8694   0.8694 
curvas <- do.call(rbind, lapply(split(tiempo, tiempo$canton), function(t) {
  data.frame(canton = t$canton[1], km_cobertura(t$dias, t$evento))
}))
ggplot(curvas, aes(dias / 30.4375, 100 * vacunada, colour = canton)) +
  geom_step(linewidth = 0.7) +
  geom_vline(xintercept = 12, linetype = 2, colour = "grey40") +
  coord_cartesian(xlim = c(11, 18)) +
  labs(x = "Edad (meses)", y = "Con SRP1 (%)", colour = "Cantón") +
  theme_minimal(base_size = 12)
Figura 6.2: Proporción acumulada de niños con SRP1 según la edad, por cantón (Kaplan-Meier). La línea vertical marca los 12 meses. Registro sintético.

Las curvas muestran dos cosas que un porcentaje no muestra. La pendiente después de los 12 meses dice con qué rapidez se vacuna a los niños que cumplen la edad. La meseta dice qué proporción nunca se vacuna en el periodo observado. El cantón C04 sube más despacio y se estabiliza más abajo: tiene un problema de oportunidad y otro de acceso.

NotaSupuesto de censura no informativa

Kaplan-Meier supone que los niños censurados se vacunarían al mismo ritmo que los que siguen en observación. Si los niños que emigran o dejan de registrarse son los menos vacunados, la curva sobreestima la cobertura. En el registro sintético nadie emigra; en uno real conviene revisar quiénes salen del padrón.

6.7 Responder la pregunta de trabajo

La proporción de nacidos en 2025 con SRP1 al corte es 70,8 %, pero esa cifra no responde a la pregunta porque incluye a niños que aún no cumplían 12 meses. La respuesta correcta es la cobertura a una edad definida: a los 13 meses, 80,4 % de los 474 niños elegibles de la cohorte. La curva de Kaplan-Meier completa la respuesta: muestra cómo avanza la vacunación de toda la cohorte y permite comparar cantones sin descartar a los niños más jóvenes.

6.8 Limitaciones

  • El padrón sintético es completo. En un registro real faltan los niños que nunca se registraron, y la cobertura nominal se sobreestima si no se completa el padrón con otra fuente.
  • La cobertura a una edad depende de la fecha de corte y del retraso de digitación: dosis aplicadas pero aún no cargadas cuentan como pendientes.
  • El intervalo de Wilson supone que los niños son independientes entre sí; en un mismo establecimiento las vacunaciones están correlacionadas.

6.9 Ejercicios

  1. Edad de evaluación. Calcula la cobertura de SRP1 de la cohorte 2024 a los 13, 15 y 18 meses. ¿Cuánto se gana entre una edad y otra?
  2. Fecha de corte. Repite la cobertura de hexavalente 3 a los 12 meses con un corte al 30 de abril de 2026. ¿Qué cohortes cambian y por qué?
  3. Curva por dosis. Construye la curva de Kaplan-Meier de la primera y de la tercera dosis de hexavalente para todo el registro. ¿A qué edad la mitad de los niños tiene la tercera dosis?
  4. Censura informativa. Supón que el 10 % de los niños de C04 sin SRP1 sale del registro a los 13 meses. ¿En qué dirección cambiaría la curva estimada de C04?
  1. sapply(c(13, 15, 18), function(m) cobertura_nominal(evaluadas, personas[personas$cohorte == "2024", ], "SRP", 1, m, fecha_corte)$cobertura). La ganancia entre 13 y 18 meses mide la vacunación tardía; si es grande, el problema principal es la oportunidad, no el acceso.
  2. Usa fecha_corte = as.Date("2026-04-30"). La cohorte 2025 tiene menos niños elegibles, porque menos niños cumplieron 12 meses antes del corte. Las dosis aplicadas después de abril no se cuentan.
  3. t3 <- tiempo_hasta_dosis(evaluadas, personas, "HEXAVALENTE", 3, fecha_corte); k3 <- km_cobertura(t3$dias, t3$evento); k3$dias[which(k3$vacunada >= 0.5)[1]] / 30.4375. La mediana debe estar poco después de los 6 meses si la mayoría se vacuna a tiempo.
  4. Si los que salen son los no vacunados, el estimador los trata como si fueran a vacunarse al ritmo de los que quedan. La curva quedaría por encima de la verdadera: sobreestima la cobertura.

6.10 Autoevaluación

Responde antes de abrir cada respuesta. Si fallas una, vuelve a la sección correspondiente antes de continuar.

6.10.1 Comprobación

2. En la cobertura nominal, ¿qué es el padrón?

  1. La lista de niños vacunados
  2. El consolidado de dosis por establecimiento
  3. La lista de niños que deberían estar vacunados, el denominador
  4. La tabla del esquema nacional

c. La cobertura nominal cuenta personas; su denominador es un padrón, que debe incluir a los no registrados si es posible.

3. ¿Qué hace la función cobertura_nominal() con una dosis nula por intervalo?

  1. La cuenta como válida
  2. La cuenta como media dosis
  3. Elimina al niño del denominador
  4. No la cuenta como vacunación

d. Solo cuentan las dosis con estado válido; el niño sigue en el denominador y necesita otra dosis.

4. En Kaplan-Meier, un niño de 14 meses sin SRP1 al corte es:

  1. Un no vacunado definitivo
  2. Una observación censurada: no se vacunó hasta el corte y no sabemos qué pasará después
  3. Un dato faltante que se elimina
  4. Un error del registro

b. La censura permite usar la información del tiempo observado sin suponer que nunca se vacunará.

6.10.2 Transferencia a tu trabajo

5. Una curva de Kaplan-Meier sube despacio después de los 12 meses y se estabiliza en 75 %. ¿Qué problemas sugiere?

  1. Solo un problema de registro
  2. Solo un problema de denominador
  3. Oportunidad (vacunación tardía) y acceso (una cuarta parte no se vacuna)
  4. Ningún problema si la meta es 75 %

c. La pendiente informa sobre la rapidez de vacunación; la meseta, sobre quiénes nunca se vacunan en el periodo.

6. Los niños sin vacunar de un cantón emigran con más frecuencia y salen del registro. ¿Qué efecto tiene sobre la curva de Kaplan-Meier?

  1. La curva sobreestima la cobertura, porque la censura es informativa
  2. La curva subestima la cobertura
  3. No tiene efecto: Kaplan-Meier corrige cualquier censura
  4. La curva deja de poder calcularse

a. Kaplan-Meier supone censura no informativa; si salen los menos vacunados, quedan en observación los que más se vacunan.

6.11 Ideas que debes conservar

  • La cobertura nominal cuenta personas, y su denominador es un padrón, no la lista de vacunados.
  • Un niño solo es elegible a una edad si ya la cumplió antes del corte; los más jóvenes no son no vacunados.
  • Solo las dosis válidas cuentan para la cobertura.
  • Kaplan-Meier usa a todos los niños, incluidos los censurados, y muestra oportunidad y acceso en una sola curva.