From dadecdf6985143b8afe23d4822f219048935c7ce Mon Sep 17 00:00:00 2001 From: joskerus Date: Fri, 15 Dec 2023 16:35:49 -0500 Subject: [PATCH] cambios en la escritura --- episodes/TallerIntroAnaliticaBrotes.Rmd | 16 ++++++++-------- episodes/{files => data}/casos.rds | Bin 2 files changed, 8 insertions(+), 8 deletions(-) rename episodes/{files => data}/casos.rds (100%) diff --git a/episodes/TallerIntroAnaliticaBrotes.Rmd b/episodes/TallerIntroAnaliticaBrotes.Rmd index 7850900..454d161 100644 --- a/episodes/TallerIntroAnaliticaBrotes.Rmd +++ b/episodes/TallerIntroAnaliticaBrotes.Rmd @@ -74,9 +74,9 @@ En esta práctica se desarrollarán los siguientes conceptos: - Transmisión de enfermedades infecciosas de persona a persona -- Número reproductivo básico +- Número de reproducción básico -- Número reproductivo efectivo +- Número de reproducción instantáneo - Probabilidad de muerte (IFR, CFR) @@ -663,7 +663,7 @@ Si no lo recuerda, vuelva por pistas a la sección [Ajuste un modelo log-lineal Ahora que ya ha obtenido la tasa de crecimiento diaria y sus intervalos de confianza, puede pasar a estimar el tiempo de duplicación. -#### Estimacion del tiempo de duplicación +#### Estimación del tiempo de duplicación Esta información también la encontrará calculada y lista para utilizar en el objeto `ajuste_modelo_truncado`, que tiene los datos ajustados de incidencia semanal truncada. @@ -704,15 +704,15 @@ cat("Intervalo de confianza del tiempo de duplicación (95%):", tiempo_duplicaci Si no lo recuerda vuelva por pistas a la sección [Ajuste un modelo log-lineal a los datos de incidencia semanal](#interpretación-del-modelo) -## 5. Estimación de numero de reproduccion +## 5. Estimación de número de reproducción Evaluar la velocidad a la que se propaga una infección en una población es una tarea importante a la hora de informar la respuesta de salud pública a una epidemia. -Los números de reproducción son métricas típicas para monitorear el desarrollo de epidemias y son informativos sobre su velocidad de propagación. El **número reproductivo básico** $R_0$, por ejemplo, mide el número promedio de casos secundarios producidos por un individuo infeccioso dada una población completamente susceptible. Esta hipótesis suele ser válida solo al inicio de una epidemia. +Los números de reproducción son métricas típicas para monitorear el desarrollo de epidemias y son informativos sobre su velocidad de propagación. El **Número de reproducción básico** $R_0$, por ejemplo, mide el número promedio de casos secundarios producidos por un individuo infeccioso dada una población completamente susceptible. Esta hipótesis suele ser válida solo al inicio de una epidemia. -Para caracterizar el la propagación en tiempo real es más común utilizar el **número reproductivo instantáneo** $R_t$, el cual describe el número promedio de casos secundarios generados por un individuo infeccioso en el tiempo $t$ dado que no han habido cambios en las condiciones actuales. +Para caracterizar el la propagación en tiempo real es más común utilizar el **Número de reproducción instantáneo** $R_t$, el cual describe el número promedio de casos secundarios generados por un individuo infeccioso en el tiempo $t$ dado que no han habido cambios en las condiciones actuales. -En esta sección exploraremos los conceptos necesarios para calcular el número reproductivo instantáneo, así como los pasos a seguir para estimarlo por medio del paquete de R `{EpiEstim}`. +En esta sección exploraremos los conceptos necesarios para calcular el Número de reproducción instantáneo, así como los pasos a seguir para estimarlo por medio del paquete de R `{EpiEstim}`. ### 5.1. Intervalo serial (SI) @@ -736,7 +736,7 @@ config <- make_config(list(mean_si = mean_si, std_si = std_si)) ### 5.2. Estimación de la transmisibilidad variable en el tiempo, R(t) -Cuando la suposición de que ($R$) es constante en el tiempo se vuelve insostenible, una alternativa es estimar la transmisibilidad variable en el tiempo utilizando el número de reproducción instantánea ($R_t$). Este enfoque, introducido por Cori et al. (2013), se implementa en el paquete `EpiEstim`, el cual estima el $R_t$ para ventanas de tiempo personalizadas, utilizando una distribución de Poisson. A continuación, estimamos la transmisibilidad para ventanas de tiempo deslizantes de 1 semana (el valor predeterminado de `estimate_R`): +Cuando la suposición de que ($R$) es constante en el tiempo se vuelve insostenible, una alternativa es estimar la transmisibilidad variable en el tiempo utilizando el Número de reproducción instantáneo ($R_t$). Este enfoque, introducido por Cori et al. (2013), se implementa en el paquete `EpiEstim`, el cual estima el $R_t$ para ventanas de tiempo personalizadas, utilizando una distribución de Poisson. A continuación, estimamos la transmisibilidad para ventanas de tiempo deslizantes de 1 semana (el valor predeterminado de `estimate_R`): *** diff --git a/episodes/files/casos.rds b/episodes/data/casos.rds similarity index 100% rename from episodes/files/casos.rds rename to episodes/data/casos.rds