From ea0fb9d85a225763baa860701cbaefda1760ea6c Mon Sep 17 00:00:00 2001 From: Andree Valle Campos Date: Fri, 5 Jul 2024 13:18:56 +0100 Subject: [PATCH] fix some callout tags --- locale/es/episodes/delay-functions.Rmd | 20 ++++---- .../es/episodes/quantify-transmissibility.Rmd | 2 +- locale/es/episodes/severity-static.Rmd | 46 +++++++++---------- 3 files changed, 34 insertions(+), 34 deletions(-) diff --git a/locale/es/episodes/delay-functions.Rmd b/locale/es/episodes/delay-functions.Rmd index 1b18a19d..3f78b3a8 100644 --- a/locale/es/episodes/delay-functions.Rmd +++ b/locale/es/episodes/delay-functions.Rmd @@ -146,13 +146,13 @@ Con el intervalo de serie COVID-19 (`covid_serialint`) calcula: - ¿Cuántos más casos atrasados se podrían captar si el método de rastreo de contactos considerara los contactos de hasta 6 días antes del inicio en comparación con los de 2 días antes del inicio? -::::::::::::::::: sugerencia +::::::::::::::::: hint En la Figura 5 de las [funciones de probabilidad de R para la distribución normal](https://sakai.unc.edu/access/content/group/3d1eb92e-7848-4f55-90c3-7c72a54e7e43/public/docs/lectures/lecture13.htm#probfunc), la sección sombreada representa una probabilidad acumulada de `0.997` para el valor del cuantil en `x = 2`. :::::::::::::::::::::: -::::::::::::::::: solución +::::::::::::::::: solution ```{r, eval=FALSE} plot(covid_serialint) @@ -171,7 +171,7 @@ Dado el intervalo de serie COVID-19: :::::::::::::::::::::::::: -::::::::::::::::: solución +::::::::::::::::: solution ### ¿Y si @@ -241,7 +241,7 @@ Calcula: - ¿En qué plazo exacto de tiempo el 99% de las personas que presentan síntomas de COVID-19 después de la infección los presentan? -::::::::::::::::: pista +::::::::::::::::: hint ¿Qué distribución del retraso mide el tiempo entre la infección y la aparición de los síntomas? @@ -265,7 +265,7 @@ generate(covid_serialint_discrete, times = 10) :::::::::::::::::::::: -::::::::::::::::: solución +::::::::::::::::: solution ```{r, eval=TRUE} covid_incubation <- @@ -286,7 +286,7 @@ Ahora, *¿es esperable este resultado en términos epidemiológicos?* :::::::::::::::::::::::::: -::::::::::::::::: solución +::::::::::::::::: solution ### ¿Cómo crear un gráfico de distribución? @@ -411,7 +411,7 @@ epinow_estimates <- epinow( :::::::::::::::::::::: -::::::::::::::::: solución +::::::::::::::::: solution ```{r, eval=TRUE, message=FALSE} @@ -486,7 +486,7 @@ Intenta complementar el argumento `delays` con un retraso de notificación como ::::::::::::::::::::::::::::::::::::::::::: -:::::::::::::::::::::::::::::::::::::::::::::::::::::::: debate +:::::::::::::::::::::::::::::::::::::::::::::::::::::::: discussion ### ¿Cuánto ha cambiado? @@ -542,7 +542,7 @@ Para obtener las distribuciones de retrasos utilizando `{epiparameter}` podemos :::::::::::::::::::::: -::::::::::::::::: solución +::::::::::::::::: solution ```{r, eval=TRUE, echo=FALSE, message=FALSE} # Leer datos del repositorio del proyecto en R @@ -631,7 +631,7 @@ Utiliza el conjunto de datos `influenza_england_1978_school` del paquete `{outbr :::::::::::::::::::::: -::::::::::::::::: solución +::::::::::::::::: solution ```{r, message=FALSE, eval=TRUE} # ¿Qué parámetros hay disponibles para Influenza? diff --git a/locale/es/episodes/quantify-transmissibility.Rmd b/locale/es/episodes/quantify-transmissibility.Rmd index 83706a3e..f5caf186 100644 --- a/locale/es/episodes/quantify-transmissibility.Rmd +++ b/locale/es/episodes/quantify-transmissibility.Rmd @@ -135,7 +135,7 @@ cases <- incidence2::covidregionaldataUK %>% Con `incidence2::incidence()` agregamos casos en distintos tiempos *intervalos* (es decir, días, semanas o meses) o por *grupo* categorías. También podemos tener fechas completas para todo el rango de fechas por categoría de grupo utilizando `complete_dates = TRUE` Explora más adelante la [`incidence2::incidence()` manual de referencia](https://www.reconverse.org/incidence2/reference/incidence.html) -::::::::::::::::::::::::: alerón +::::::::::::::::::::::::: spoiler ### ¿Podemos replicar {incidence2} con {dplyr}? diff --git a/locale/es/episodes/severity-static.Rmd b/locale/es/episodes/severity-static.Rmd index bf472ced..a9c8be04 100644 --- a/locale/es/episodes/severity-static.Rmd +++ b/locale/es/episodes/severity-static.Rmd @@ -79,7 +79,7 @@ library(tidyverse) library(outbreaks) ``` -::::::::::::::::::: lista de comprobación +::::::::::::::::::: checklist ### El doble punto @@ -167,7 +167,7 @@ Descarga el archivo [sarscov2\_casos\_defunciones.csv](data/sarscov2_cases_death Estima la tasa de letalidad sin ajustar. -:::::::::::::::::::: pista +:::::::::::::::::::: hint Comprueba el formato de los datos introducidos. @@ -177,7 +177,7 @@ Comprueba el formato de los datos introducidos. :::::::::::::::::::: -:::::::::::::::::::: solución +:::::::::::::::::::: solution Leemos los datos introducidos mediante `readr::read_csv()`. Esta función reconoce que la columna `date` tiene el formato correcto,``, que corresponde a fechas. @@ -225,7 +225,7 @@ sarscov2_input %>% ::::::::::::::::::::::::::::: -::::::::::::: solución +::::::::::::: solution ### 1\. Sesgo por la identificación predominante de los casos más graves @@ -235,7 +235,7 @@ Por lo tanto, la TL será normalmente más elevada entre *los casos detectados* ::::::::::::: -:::::::::::: solución +:::::::::::: solution ### 2\. Sesgo debido al retraso en la notificación de la defunción @@ -247,7 +247,7 @@ En este episodio del tutorial, vamos a centrarnos en las soluciones para hacer f :::::::::::: -:::::::::::::::::::: solución +:::::::::::::::::::: solution ### Caso de estudio: Gripe A (H1N1), México, 2009 @@ -339,13 +339,13 @@ Estima la TL ajustada al retraso temporal utilizando la distribución apropiada - ¡Compara los valores de la TL ajustada y sin ajuste temporal! -:::::::::::::::::::: pista +:::::::::::::::::::: hint - Encuentra el `` ¡apropiado! :::::::::::::::::::: -:::::::::::::::::::: solución +:::::::::::::::::::: solution Utilizamos `{epiparameter}` para acceder a una distribución temporal para los datos de incidencia agregados del SARS-CoV-2: @@ -541,7 +541,7 @@ No obstante, incluso utilizando únicamente los datos observados para el periodo :::::::::::::::::::::::::::::::::: -:::::::::::::::::::::::::::::::::::::::::::: debate +:::::::::::::::::::::::::::::::::::::::::::: discussion ### Interpretar la estimación de la TL en la fase inicial del brote @@ -555,13 +555,13 @@ Discusión: :::::::::::::::::::::::::::::::::::::::::::: -:::::::::::::::::::::: sugerencia +:::::::::::::::::::::: hint Podemos utilizar la inspección visual o el análisis de los marcos de datos de salida. :::::::::::::::::::::: -:::::::::::::::::::::: solución +:::::::::::::::::::::: solution Hay casi un mes de diferencia. @@ -571,7 +571,7 @@ Nótese que la estimación tiene una incertidumbre considerable al principio de :::::::::::::::::::::: -:::::::::::::::::::::: debate +:::::::::::::::::::::: discussion ### Lista de verificación @@ -581,7 +581,7 @@ Utilizando sólo el número de casos **confirmados** está claro que se pasarán :::::::::::::::::::::: -::::::::::::::::::::::::::: solución +::::::::::::::::::::::::::: solution ### ¿Por qué difieren la TL sin ajustar y la ajustada al retraso temporal? @@ -589,7 +589,7 @@ Utilizando sólo el número de casos **confirmados** está claro que se pasarán ::::::::::::::::::::::::::: -:::::::::::::::::::::::::: solución +:::::::::::::::::::::::::: solution ### ¿Qué es el proceso de muestreo? @@ -612,7 +612,7 @@ Esta estimación la realiza la función interna `?cfr:::estimate_severity()`. :::::::::::::::::::::::::: -:::::::::::::::::::::::::: solución +:::::::::::::::::::::::::: solution ### Limitaciones @@ -644,7 +644,7 @@ Reordena el listado de casos para que tenga la estructura de entrada requerida p Estima el HFR ajustado al retardo utilizando el retardo de distribución correspondiente. -::::::::::::::::: sugerencia +::::::::::::::::: hint **¿Cómo reorganizar mis datos de entrada?** @@ -658,7 +658,7 @@ A continuación, consulta la viñeta [Manejo de datos de `{incidence2}`](https:/ ::::::::::::::::: -::::::::::::::::: solución +::::::::::::::::: solution ```{r, message=FALSE, warning=FALSE} # Carga los paquetes @@ -719,13 +719,13 @@ La TL puede diferir entre poblaciones (por ejemplo, edad, espacio, tratamiento); Utiliza la base de datos `cfr::covid_data` para estimar una TL ajustada al retraso temporal estratificada por países. -::::::::::::::::::::::::: sugerencia +::::::::::::::::::::::::: hint Una forma de hacer un *análisis estratificado* es aplicar un modelo a datos anidados. Esta [viñeta `{tidyr}`](https://tidyr.tidyverse.org/articles/nest.html#nested-data-and-models) te muestra cómo aplicar la función `group_by()` + `nest()` a los datos anidados, y luego `mutate()` + `map()` para aplicar el modelo. ::::::::::::::::::::::::: -::::::::::::::::::::::::: solución +::::::::::::::::::::::::: solution ```{r, message=FALSE, warning=FALSE} library(cfr) @@ -793,7 +793,7 @@ Te invitamos a leer esta [viñeta sobre `cfr_time_varying()`](https://epiverse-t ::::::::::::::::: -:::::::::::::::::::::::::::::::: debate +:::::::::::::::::::::::::::::::: discussion ### Más medidas de gravedad @@ -803,7 +803,7 @@ Utilizando `{cfr}` podemos cambiar las entradas para el numerador **casos** (`ca :::::::::::::::::::::::::::::::: -:::::::::::::::::::::::::::: solución +:::::::::::::::::::::::::::: solution ### Riesgo de mortalidad por infección y hospitalización @@ -824,7 +824,7 @@ Del mismo modo, el *Riesgo de Fatalidad por Hospitalización* (HFR) requiere: :::::::::::::::::::::::::::::::: -:::::::::::::::::::::::::::: solución +:::::::::::::::::::::::::::: solution ### Fuentes de datos para más medidas de gravedad @@ -842,7 +842,7 @@ Del mismo modo, el *Riesgo de Fatalidad por Hospitalización* (HFR) requiere: :::::::::::::::::::::::::::: -:::::::::::::::::::: debate +:::::::::::::::::::: discussion Basándote en tu experiencia: