Esperanza de vida en la ciudad de Valencia

SALUD

VALENCIA

ESPERANZA DE VIDA

Autor/a

Afiliación

Carmen Davó Pastor

Universitat de València

Fecha de publicación

10 de mayo de 2024

#librerias
library(readr)
library(dplyr)
library(tidyverse)
library(kableExtra)

Input

Se ha obtenido un conjunto de datos del Portal de Datos Abiertos del Ayuntamiento de Valencia. En los datos encontraremos información sobre la esperanza de vida en la ciudad, desde el año 2009 hasta el 2021, por distrito y por sexo. Puedes encontrar el enlace al portal de datos aquí.

Descripcion

Cargamos los datos

esperanza_vida <- read_delim("data/esperanca-de-vida-a-la-ciutat-de-valencia.csv",delim = ";", escape_double = FALSE, trim_ws = TRUE)
esperanza_vida

# A tibble: 325 × 4
    Year Sexo    GeoCode Value
   <dbl> <chr>   <chr>   <dbl>
 1  2020 <NA>    <NA>     83.1
 2  2018 <NA>    <NA>     83.3
 3  2016 <NA>    <NA>     83.0
 4  2014 <NA>    <NA>     82.7
 5  2010 <NA>    <NA>     81.7
 6  2018 Hombres <NA>     80.4
 7  2013 Hombres <NA>     79.4
 8  2011 Hombres <NA>     78.6
 9  2010 Hombres <NA>     78.4
10  2010 Mujeres <NA>     84.7
# ℹ 315 more rows

Contamos con un conjunto de datos de 325 observaciones y 4 variables (year, sexo, GeoCode y Value).

La variable GeoCode hace referencia a los distritos de la ciudad, que están identificados mediante códigos como “d1”, “d2”, “d3”, … , lo que dificulta la identificación específica de cada uno. Encontramos valores NA en los datos.

La variable Sexo presenta 299 valores NAs sobre las 325 observaciones. Además, los datos de la esperanza de vida por sexo corresponden a la ciudad en su conjunto, no a los distritos. Es por ello que en las observaciones donde no hay NAs, la variable GeoCode si los presenta. En los casos donde ambas variables tienen valores NA, se refiere a la media anual de la esperanza de vida en toda la ciudad.

Tratamiento

El ayuntamiento nos ha proporcionado información que relaciona cada código con un distrito específico. Comenzaremos reemplazando cada código en la variable GeoCode por su respectivo nombre de distrito.

esperanza_vida <- esperanza_vida %>%
  mutate(GeoCode = recode(GeoCode,
                          "d1"    = "Ciutat vella",
                          "d2"    = "Extramurs",
                          "d3"    = "L'eixample",
                          "d4"    = "Campanar",
                          "d5"    = "La saidia",
                          "d6"    = "El pla del real",
                          "d7"    = "L'olivereta",
                          "d8"    = "Patraix",
                          "d9"    = "Jesus",
                          "d10"   = "Cuatre carrers",
                          "d11"   = "Poblats marítims",
                          "d12"   = "Camins al grau",
                          "d13"   = "Algiros",
                          "d14"   = "Benimaclet",
                          "d15"   = "Rascanya",
                          "d16"   = "Benicalap",
                          "d171"  = "Poblats del nord",
                          "d172"  = "Poblats del nord",
                          "d173"  = "Poblats del nord",
                          "d174"  = "Poblats del nord",
                          "d18"   = "Poblats de l'oest",
                          "d19"   = "Poblats del sud"
  ))

Ahora crearemos un nuevo conjunto de datos que contenga solo la información de los distritos, eliminando así las observaciones que presentan NAs en la variable GeoCode.

distritos <- function(esperanza_vida) {
  esperanza_vida <- esperanza_vida %>%
    filter(!is.na(GeoCode))
  
  return(esperanza_vida)
}

distritos_esperanza_vida<- distritos(esperanza_vida)
distritos_esperanza_vida <- distritos_esperanza_vida[c(1,3,4)]

Pondremos la información en un formato ancho para que la información quede más ordenada por distriro y año.

distritos_esperanza_vida_ancho <- distritos_esperanza_vida %>%
  pivot_wider(names_from = Year, values_from = Value)

#ordenamos cronologicamente
years <- as.numeric(names(distritos_esperanza_vida_ancho)[-1])
sorted_years <- sort(years)
distritos_esperanza_vida_ancho <- distritos_esperanza_vida_ancho[, c("GeoCode", as.character(sorted_years))]

#ponemos nombres a las columnas
colnames(distritos_esperanza_vida_ancho) <- c("Distrito","Y2009", "Y2010", "Y2011", "Y2012", "Y2013", "Y2014", "Y2015", "Y2016",
  "Y2017", "Y2018", "Y2019", "Y2020", "Y2021")

Al asignar nombres a los códigos de distrito, cuatro de ellos fueron nombrados de la misma forma, Poblats del Nord. Los datos correspondientes a estas cuatro observaciones se agrupan ahora en una única observación que toma un formato lista.

Para solucionar este problema primero calcularemos la media de dichas listas.

poblatsdelnord <- distritos_esperanza_vida %>%
  group_by(GeoCode)%>%
  filter(GeoCode=="Poblats del nord")

media_pdn <- poblatsdelnord %>% 
  group_by(Year)%>%
  summarise(media = mean(Value)) %>%
  pivot_wider(names_from = Year,values_from = media )

distrito <- "Poblats del nord"
media_pdn <- cbind(Distrito = distrito, media_pdn)
colnames(media_pdn) <- c("Distrito","Y2009", "Y2010", "Y2011", "Y2012", "Y2013", "Y2014", "Y2015", "Y2016", "Y2017", "Y2018", "Y2019", "Y2020", "Y2021")

La observación que corresponde a este distrito la vamos a eliminar.

distritos_esperanza_vida_ancho<-head(distritos_esperanza_vida_ancho,-1)

Y por último juntamos estos dos objetos.

distritos_esperanza_vida_ancho <- rbind(distritos_esperanza_vida_ancho, media_pdn)

El resto de observaciones también nos proporciona información de interés por lo que no la vamos a eliminar. Crearemos un objeto que contenga los datos de la media de esperanza, así como la de hombres y mujeres por año.

Primero separeamos la esperanza de vida por sexo:

esperanza_por_sexo <- esperanza_vida %>%
  filter(!is.na(Sexo)) 
esperanza_por_sexo <- esperanza_por_sexo[c(1,2,4)]
esperanza_por_sexo <- esperanza_por_sexo %>%
  pivot_wider(names_from = Sexo, values_from = Value)

Ahora en otro objeto ponemos la media anual:

media_vida <- esperanza_vida %>%
  filter(is.na(GeoCode) & is.na(Sexo))
media_vida <- media_vida[c(1,4)]

Y ahora juntamos los dos objetos para obtener un único conjunto de datos:

esperanza_vida_sexo_media <- cbind(esperanza_por_sexo, media_vida)
esperanza_vida_sexo_media <- esperanza_vida_sexo_media[c(1,2,3,5)]
colnames(esperanza_vida_sexo_media)<- c("Year", "Hombres", "Mujeres","Media")
esperanza_vida_sexo_media <- esperanza_vida_sexo_media %>% arrange(Year)

Output

De esta forma hemos obtenido dos conjuntos de datos. El conjunto distritos_esperanza_vida_ancho, contiene la información de la media de esperanza de vida de cada distrito de la ciudad desde el año 2009 hasta el 2021.

Distrito	Y2009	Y2010	Y2011	Y2012	Y2013	Y2014	Y2015	Y2016	Y2017	Y2018	Y2019	Y2020	Y2021
Ciutat vella	80.02	80.74	80.69	81.18	81.21	81.73	82.17	81.84	82.01	81.48	81.86	80.80	81.79
Extramurs	82.19	82.47	82.29	82.94	83.42	83.57	83.79	83.93	83.88	84.34	85.15	84.02	85.15
L'eixample	82.19	82.72	83.02	83.25	83.39	83.43	83.67	83.87	84.02	84.30	84.68	83.70	84.53
Campanar	82.17	82.30	82.74	83.07	83.53	83.59	83.58	83.65	83.79	84.49	84.56	84.57	85.27
La saidia	81.96	82.04	82.38	82.47	82.94	83.27	83.19	83.28	82.92	83.24	83.36	83.14	84.14
El pla del real	84.00	84.08	84.10	84.31	84.80	85.07	85.50	85.39	85.26	85.26	85.42	84.60	85.13
L'olivereta	80.93	81.54	81.90	82.23	82.63	82.49	82.68	82.86	82.58	82.94	83.08	82.33	83.23
Patraix	81.88	81.96	82.27	82.56	82.91	83.31	83.36	83.61	83.63	83.87	84.55	83.53	84.23
Jesus	81.49	81.75	81.69	82.04	82.22	82.63	83.35	83.61	83.67	84.12	84.14	83.21	83.59
Cuatre carrers	81.33	81.83	81.94	82.07	82.40	82.37	82.72	83.13	83.33	83.48	83.38	82.49	83.39
Poblats marítims	79.58	79.81	80.38	80.68	81.03	81.53	81.40	81.88	81.92	81.95	82.33	81.54	82.06
Camins al grau	81.69	82.03	82.27	82.46	82.90	83.24	83.10	83.58	83.40	83.70	83.98	83.02	83.54
Algiros	82.34	82.31	82.75	83.28	83.19	83.30	82.92	83.01	83.35	83.90	84.46	84.02	84.91
Benimaclet	82.69	82.66	82.86	82.94	83.16	83.43	83.93	83.88	83.99	84.37	84.88	84.30	85.08
Rascanya	81.14	81.30	81.41	82.07	82.41	82.73	83.13	83.47	83.37	83.51	83.70	82.45	83.44
Benicalap	81.68	82.03	82.14	82.64	82.72	82.98	83.32	82.87	83.03	83.11	83.40	83.09	83.98
Poblats de l'oest	80.76	80.68	81.03	81.62	81.25	81.80	82.16	82.16	82.75	83.67	83.51	83.26	83.85
Poblats del sud	81.51	81.44	81.42	82.09	82.12	82.37	82.80	82.52	82.71	83.33	83.21	82.81	83.32
Poblats del nord	82.13	82.55	81.71	81.65	81.51	82.19	82.98	83.03	83.45	82.94	83.66	83.11	83.55

Y el conjunto de datos esperanza_vida_sexo_media nos da la información sobre la media anual de esperanza de vida para toda la ciudad y para los hombres y mujeres de valencia.

Year	Hombres	Mujeres	Media
2009	78.04	84.30	81.35
2010	78.41	84.67	82.74
2011	78.63	84.81	82.96
2012	78.85	85.03	81.91
2013	79.40	85.13	83.32
2014	79.72	85.35	82.14
2015	79.83	85.37	83.15
2016	79.97	85.56	83.54
2017	80.18	85.75	81.73
2018	80.37	85.89	83.09
2019	80.63	86.10	82.47
2020	80.07	85.77	82.80
2021	80.82	86.51	83.85

Proyecto de Innovación Educativa Emergente (PIEE-2737007)