From 5971cd827a1935f1725c7ee33b7b551e32103637 Mon Sep 17 00:00:00 2001 From: joskerus Date: Mon, 20 Nov 2023 10:06:17 -0500 Subject: [PATCH] Prueba 9 arreglar retos --- config.yaml | 1 - episodes/ZIKAB.Rmd | 57 ++++++++++++++++++++++++--------------------- episodes/taller.Rmd | 16 +++++-------- 3 files changed, 36 insertions(+), 38 deletions(-) diff --git a/config.yaml b/config.yaml index 1e3283d..d8652e7 100644 --- a/config.yaml +++ b/config.yaml @@ -60,7 +60,6 @@ contact: 'team@carpentries.org' # Order of episodes in your lesson episodes: - introduction.Rmd -- taller.Rmd - ZIKAB.Rmd # Information for Learners diff --git a/episodes/ZIKAB.Rmd b/episodes/ZIKAB.Rmd index 9fde9fc..7d13667 100644 --- a/episodes/ZIKAB.Rmd +++ b/episodes/ZIKAB.Rmd @@ -55,12 +55,13 @@ En este taller usted aplicará los conceptos básicos del **modelamiento de Enfe ## 2. Agenda -Contexto e instrucciones: 20 mins -Puntos 4, 5 y 6: Conceptos básicos (5 mins + 10 de socialización) -Puntos 7, 8, 9 y 10: Conceptualización del modelo (10 mins + 10 mins) -Punto 11: Elaboración de ecuaciones (5 mins + 10 mins) -Puntos 12 y 13: Tabla de parámetros (5 mins) -Discusión final: 15 mins +- Instrucciones (5 mins) +- Desarrollo taller Zika Parte B (45 mins con acompañamiento de monitores) +- Revisión grupal del código (10 mins) +- Revisión de resultados (20 mins) +- Descanso (25 mins) +- Discusión final (60 mins) + ## 3. Conceptos básicos a desarrollar @@ -71,17 +72,18 @@ En esta práctica se desarrollarán los siguientes conceptos: - Evaluación de un modelo dinámico - Parametrización de intervenciones de control (fumigación, mosquiteros y vacunación) para una ETV + ## 4. Paquetes requeridos Cargue los paquetes necesarios ingresando en R los siguientes comandos: ```{r message=FALSE, warning=FALSE} -library(deSolve) # Cargando el paquete deSolve para resolver las ecuaciones diferenciales -library(tidyverse) # Cargando paquetes ggplot2 y dplyr de tidyverse -library(cowplot) # Cargando el paquete gridExtra para unir gráficos. +library(deSolve) # Paquete deSolve para resolver las ecuaciones diferenciales +library(tidyverse) # Paquetes ggplot2 y dplyr de tidyverse +library(cowplot) # Paquete gridExtra para unir gráficos. ``` -- Si desea puede tomar notas en el script de R, para esto se recomienda usar el símbolo _#_ después de cada línea de código (ver ejemplo arriba). +- Si desea puede tomar notas en el script de R, para esto se recomienda usar el símbolo _#_ después de cada línea de código (ver ejemplo arriba). O podría utilizar un archivo Rmd para tener un aspecto similar al del taller. ## 5. Compartimentos del modelo básico de Zika @@ -96,7 +98,7 @@ library(cowplot) # Cargando el paquete gridExtra para unir gráficos. Ahora se usarán los parámetros que discutimos en la parte A del taller. Si aún no los tiene, estos se pueden encontrar en la guía de aprendizaje de la parte A del taller. -::::::::::::::::::::::::::::::::::::: Challenge +::::::::::::::::::::::::::::::::::::: challenge Busque los valores de los parámetros del modelo y diligéncielos en el recuadro de abajo. Tenga en cuenta que todos los parámetros usados tienen la misma unidad de tiempo (días). @@ -199,7 +201,7 @@ $$ R_0 = \frac{mb^2 p_h p_v \delta}{\mu_v (\mu_v+\delta)(\mu_h+\gamma)} $$ Es hora de hacer el modelo en R. Para lograrlo se usará la función _ode_ del paquete _desolve_. Para el ejercicio se emplearán 4 argumentos de la función _ode_: el primero son las condiciones iniciales del modelo _(argumento y)_, el segundo es la secuencia temporal donde se ejecutará el modelo _(argumento times)_, el tercero es una función que contiene las ecuaciones diferenciales que entrarán al sistema _(argumento fun)_ y por último un vector que contiene los parámetros con los que se calculará el sistema _(argumento parms)_. ```{r, eval = FALSE} -#No la copie a R sólo tiene fines ilustrativos. +# NO la copie a R sólo tiene fines ilustrativos. ode(y = # Condiciones iniciales, times = # Tiempo, fun = # Modelo o función que lo contenga, @@ -207,7 +209,8 @@ ode(y = # Condiciones iniciales, ) ``` -::::::::::::::::::::::::::::::::::::: Challenge +::::::::::::::::::::::::::::::::::::: challenge + En esta sección se empezará por crear la función _(argumento fun)_, para ello es necesario traducir las ecuaciones del modelo a R. Abajo encontrará la función ya construida, por favor reemplace los parámetros faltantes (Cambie *PAR* por el parámetro correspondiente) en las ecuaciones: ```{r, eval = FALSE} @@ -280,7 +283,7 @@ En esta sección se crearán los tres argumentos faltantes para usar la función - Los ARGUMENTOS de la función **ode** en el paquete **deSolve**. -::::::::::::::::::::::::::::::::::::: Challenge +::::::::::::::::::::::::::::::::::::: challenge ```{r, eval = FALSE} # Secuencia temporal (times) times <- seq(1, 365 * TIME , by = 1) @@ -347,7 +350,7 @@ out <- as.data.frame(ode(y = xstart, # Condiciones iniciales ``` :::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: -::::::::::::::::::::::::::::::::::::: Challenge +::::::::::::::::::::::::::::::::::::: challenge ## 11. Resultados Para tener una visualización más significativa de los resultados, convierta las unidades de tiempo *días* en *años* y en *semanas*. @@ -369,8 +372,8 @@ out$weeks <- out$time / 7 :::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::: -### 11.1 Comportamiento General (Población humana) - +### 11.1 Comportamiento General (Población humana) + ```{r p1, include = TRUE, warning=FALSE} # Revise el comportamiento general del modelo para 100 años p1h <- ggplot(data = out, aes(y = (Rh + Ih + Sh), x = years)) + @@ -392,8 +395,8 @@ p4h <- ggplot(data = out, aes(y = Rh, x = years)) + plot_grid(p1h, p2h, p3h, p4h, ncol = 2) ``` -### 11.2 Comportamiento General (Población de vectores) - +### 11.2 Comportamiento General (Población de vectores) + ```{r p2, include = TRUE} # Revise el comportamiento general del modelo p1v <- ggplot(data = out, aes(y = (Sv + Ev + Iv), x = years)) + @@ -415,10 +418,10 @@ p4v <- ggplot(data = out, aes(y = Iv, x = years)) + plot_grid(p1v, p2v, p3v, p4v, ncol = 2) ``` -### 11.3 Proporción - -Por favor dé una mirada más cuidadosa a las proporciones y discútalas - +### 11.3 Proporción + +Por favor dé una mirada más cuidadosa a las proporciones y discútalas + ```{r p3, include = TRUE} p1 <- ggplot(data = out, aes(y = Sh/(Sh+Ih+Rh), x = years)) + geom_line(color = 'royalblue', size = 1) + @@ -438,8 +441,8 @@ p3 <- ggplot(data = out, aes(y = Rh/(Sh+Ih+Rh), x = years)) + plot_grid(p1, p2, p3, ncol = 2) ``` -### 11.4 La primera epidemia - +### 11.4 La primera epidemia + ```{r p4, include = TRUE} # Revise la primera epidemia dat <- out %>% filter(weeks < 54) @@ -455,8 +458,8 @@ plot_grid(p1e, p2e) ``` -### 11.5 Algunos aspectos por discutir - +### 11.5 Algunos aspectos por discutir + - ¿Qué tan sensible es el modelo a cambios en el $R_0$? - ¿Qué razones hay (según el modelo) para el intervalo de tiempo entre estas epidemias simuladas? - ¿Cómo se puede calcular la tasa de ataque? diff --git a/episodes/taller.Rmd b/episodes/taller.Rmd index 1a02274..6e7b3b5 100644 --- a/episodes/taller.Rmd +++ b/episodes/taller.Rmd @@ -55,17 +55,13 @@ En este taller usted aplicará los conceptos básicos del **modelamiento de Enfe ## 2. Agenda -Contexto e instrucciones: 20 mins +- Instrucciones (5 mins) +- Desarrollo taller Zika Parte B (45 mins con acompañamiento de monitores) +- Revisión grupal del código (10 mins) +- Revisión de resultados (20 mins) +- Descanso (25 mins) +- Discusión final (60 mins) -Puntos 4, 5 y 6: Conceptos básicos (5 mins + 10 de socialización) - -Puntos 7, 8, 9 y 10: Conceptualización del modelo (10 mins + 10 mins) - -Punto 11: Elaboración de ecuaciones (5 mins + 10 mins) - -Puntos 12 y 13: Tabla de parámetros (5 mins) - -Discusión final: 15 mins ## 3. Conceptos básicos a desarrollar