README.md

Datos abiertos del gobierno sobre COVID-19

Dede el 2020-04-13 el gobierno ha empezado a publicar los datos abiertos del COVID-19. Estos datos se recolectan aquí y toman precendencia para la mayoría de los análisis en CoronaMex.

Archivos principales

• base_de_datos.csv Vínculo a la base de datos más reciente en formato CSV.
• serie_tiempo_estados_um_confirmados.csv: Serie de tiempo para los casos confirmados por entidad de la unidad médica en que buscaron atención. La cuenta por estado inicia el día en que aparece el primer caso mostró síntomas en dicho estado. Por cada día desde entonces se muestra el número de casos que mostraron síntomas en una fecha determinada (sintomas_nuevos), el número de casos que buscaron atención médica en una fecha determinada (ingreso_nuevos), y el número de defunciones en una fecha determinada (muertes_nuevas). Además se incluyen columnas con los números acumulados totales correspondientes.
• serie_tiempo_estados_res_confirmados.csv: Tabla CSV equivalente a serie_tiempo_estados_um_confirmados.csv pero usando la entidad de residencia de los pacientes. En CoronaMex asumo que la entidad donde un paciente buscó atención médica es un mejor indicador de donde pudo estar activo en estado infeccioso y por lo tanto se usa esa tabla a menos que se indique lo contrario.
• serie_tiempo_municipios_res_confirmados.csv: Tabla CSV equivalente a serie_tiempo_estados_um_confirmados.csv pero usando el municipio de residencia de los pacientes. No tenemos municipio de las unidades médicas y por lo tanto esta tabla se usa para análisis de municipios en CoronaMex. Se añade la columna clave que tiene la forma ##_### donde los primeros dos dígitos son la clave de la entidad y los tres dígitos finales son la clave del municipio de la entidad correspondiente.
• serie_tiempo_nacional_confirmados.csv: Serie de tiempo para los casos confirmados a nivel nacional. Contiene las mismas columnas que serie_tiempo_estados_um_confirmados.csv pero los números son agregados nacionales.
• serie_tiempo_<REGION>_fecha_confirmación.csv: Los archivos de este tipo contienen series de tiempo de casos y defunciones de acuerdo a la fecha en que fueron reportados por la SSA. Aunque estos números no son tan útiles para describir la epidemia, son mejores para comparar con otros países y para estudiar la respuesta del gobierno. Esta información no se encuentra de manera directa en la base de datos abiertos de la SSA, pero puede inferirse comparando las tablas desde 2020-04-12. Para fechas anteriores, se completan las tablas con los datos por estado del directorio ssa_dge. Cuando hay discrepancias se le da precendencia a los datos abiertos. En el caso de los datos por municipio y por entidad de residencia, sólo tenemos datos abiertos, así que se desconocen los números antes del 2020-04-12.

Directorio por fecha

Hay un directorio por cada fecha desde el 13 de abril (2020-04-13). Este día la Secretaría de Salud comenzó a publicar información en la plataforma de datos abiertos.

Cada directorio contiene los siguientes archivos:

• base_de_datos.csv: La base de datos liberada por el gobierno en formato CSV para ese día y convertida a UTF-8 de ser necesario.

Problemas conocidos

• Cuando se inicializaron las series de tiempo sobre fechas de confirmación de casos/defunciones. Se encontraron algunas discrepancias entres los datos recolectados de las tablas de casos del InDRE y el mapa de la DGE con los datos abiertos. Se le dio precendencia a los datos abiertos, pero estas son las discrepancias. Hay que notar que las diferencias del 2020-04-18 se deben a que el mapa de la DGE no se actualizó ese día.

  diferencias muertes Baja California 2020-04-18 33 68
  diferencias casos Baja California Sur 2020-04-15 164 165
  diferencias casos Baja California Sur 2020-04-16 165 166
  diferencias casos Campeche 2020-04-15 42 43
  diferencias muertes Ciudad de México 2020-04-18 136 178
  diferencias muertes Coahuila 2020-04-18 15 18
  diferencias muertes Chihuahua 2020-04-18 26 31
  diferencias muertes Guanajuato 2020-04-18 7 9
  diferencias muertes México 2020-04-18 49 52
  diferencias muertes Michoacán 2020-04-18 14 16
  diferencias muertes Morelos 2020-04-18 10 11
  diferencias muertes Nuevo León 2020-04-18 5 6
  diferencias muertes Oaxaca 2020-04-18 5 6
  diferencias casos Puebla 2020-04-15 290 291
  diferencias casos Puebla 2020-04-16 304 305
  diferencias muertes Puebla 2020-04-18 37 40
  diferencias muertes Sinaloa 2020-04-18 43 45
  diferencias muertes Tabasco 2020-04-18 27 28
  diferencias muertes Veracruz 2020-04-18 7 8
  diferencias muertes Yucatán 2020-04-18 8 10
  

Resueltos

• El 2020-04-16 la base de datos del gobierno cambió el nombre de dos de sus columnas. HABLA_LENGUA_INDI camibió a HABLA_LENGUA_INDIG, mientras que OTRAS_CON cambió a OTRAS_COM. El 2020-04-19, la SSA actualizó retroactivamente sus tablas, homogeneizando los nombres de las columnas y añadiendo identificador de paciente.