2e:null 2f:["$","title",null,{"children":"Mortalidad en exceso durante Epidemia de Coronavirus en Chile | Ernesto Laval | Observable"}] 34:T50f,html`

Fuente de datos
Servicio de Registro Civil e Identificación de Chile
https://estadisticas.sed.srcei.cl/
Datos obtenidos a través de repositorio del Ministerio de Ciencias
https://github.com/MinCiencia/Datos-COVID19/tree/master/output/producto32/

IMPORTANTE: Tanto el Registro Civil como el Ministerio de Ciencia aclaran que los datos publicados pueden ser objecto de rectificaciones (no constituyen estadísticas oficiales).
De hecho los datos de fallecidos publicados al 20 de Mayo indicaban un total de 39465 fallecidos al 17 de Mayo el año 2020, y los datos publicados al 25 de Mayo indican un total de 39632 fallecidos al 17 de Mayo el año 2020 (una diferencia de 167 fallecidos).
Aclaración publicada en el repositorio del Ministerio de Ciencia:

Autor

Ernesto Laval (@elaval)

Por favor reportar errores a @elaval via Twitter

`35:T903,{ const fromWeekOutbreak = semanaInicioBrote; const fromWeekFirstDeath = semanaPrimerFallecido; const currentWeek = rangoSemanas[1]; const alternativasSensibilidad_sinceFirstDeath = opcionesTasa2019_2020.map(d => ({ tasa: d.value, tasaDesc: d.label, stats: getStats(fromWeekFirstDeath, currentWeek, d.value), })) const alternativasSensibilidad_beforeFirstDeath = opcionesTasa2019_2020.map(d => ({ tasa: d.value, tasaDesc: d.label, stats: getStats(1, fromWeekFirstDeath-1, d.value), })) return html`

Análisis de mortalidad en exceso

Para calcular la Mortalidad en Exceso, es relevante contar con una estimación de la tasa de aumento de fallecidos entre 2019 y 2020 "sin epidemia". Con esta tasa podemos estimar los fallecidos esperados para cada semana de 2020 (en base al promedio de fallecidos en la semana equivalente de los años 2015 a 2019 con cifras actualizadas al año 2020). A continuación se reportan cifras estimadas de fallecidos en exceso utilizando 3 alternativas de tasa estimada para creciemiento 2019/2020:

la media de las tasas de crecimiento anual de 2013 a 2019 (${d3.format(".2%")(opcionesTasa2019_2020[0].value)})

la media menos una desviación estándar (${d3.format(".2%")(opcionesTasa2019_2020[1].value)})

la media más una desviación estándar (${d3.format(".2%")(opcionesTasa2019_2020[2].value)})

Mortalidad en exceso desde semana del primer reporte de fallecimiento por COVID19

${buildReport2(alternativasSensibilidad_sinceFirstDeath,fromWeekFirstDeath,currentWeek)}
${datosReportadosVsPromedioMovil == "promedioMovil" ? `Nota: las cifras diarias han sido llevadas a promedios móviles antes de calcular los totales semanales. Las cifras pueden tener alguna variación con respecto a lo reportado por el Registro Civil y los decimales pueden llevar a que la suma entre estimados y exceso varíe en 1 persona con respecto al total de fallecidos.` : ``}

Mortalidad en exceso antes del primer reporte de fallecimiento por COVID19

${buildReport2(alternativasSensibilidad_beforeFirstDeath,1, fromWeekFirstDeath-1)}

` }36:T80e,{ const fromWeekOutbreak = semanaInicioBrote; const fromWeekFirstDeath = semanaPrimerFallecido; const currentWeek = rangoSemanas[1]; const statsSinceOutbreak = getStats(fromWeekOutbreak, currentWeek, estimaciónVariación2019_2020) const statsSinceFirstDeath = getStats(fromWeekFirstDeath, currentWeek, estimaciónVariación2019_2020) const statsBeforeOutbreak = getStats(1, semanaInicioBrote-1, estimaciónVariación2019_2020) const statsBeforeFirstDeath = getStats(1, fromWeekFirstDeath-1, estimaciónVariación2019_2020) const alternativasSensibilidad = opcionesTasa2019_2020.map(d => ({ tasa: d.value, tasaDesc: d.label, statsSinceOutbreak: getStats(fromWeekOutbreak, currentWeek, d.value), statsSinceFirstDeath: getStats(fromWeekFirstDeath, currentWeek, d.value), statsBeforeOutbreak: getStats(1, semanaInicioBrote-1, d.value), statsBeforeFirstDeath: getStats(1, fromWeekFirstDeath-1, d.value), })) return html`

Síntesis de exceso de fallecidos para distintos períodos

${alternativasSensibilidad.map(d => ` `)}

Tasa estimada para crecimiento de fallecidos 2019/2020 (sin epidemia)	Exceso de fallecidos desde primer fallecido por COVID-19 (desde semana 12 a semana ${currentWeek})	Exceso de fallecidos hasta antes de primer fallecido (semana 1 a 11)	Exceso de fallecidos desde inicio del brote (desde semana 10 a semana ${currentWeek})	Exceso de fallecidos hasta antes del inicio del brote (semana 1 a 9)
${d3.format(".2%")(d.tasa)}	${d3.format("d")(d.statsSinceFirstDeath.diferencia)}	${d3.format("d")(d.statsBeforeFirstDeath.diferencia)}	${d3.format("d")(d.statsSinceOutbreak.diferencia)}	${d3.format("d")(d.statsBeforeOutbreak.diferencia)}

` }37:T1161,{ const fromWeekOutbreak = semanaInicioBrote; const fromWeekFirstDeath = semanaPrimerFallecido; const currentWeek = rangoSemanas[1]; const alternativasSensibilidad = opcionesTasa2018_2019_validacion2019.map(d => ({ tasa: d.value, tasaDesc: d.label, statsSinceOutbreak: getStats_validacion2019(fromWeekOutbreak, currentWeek, d.value), statsSinceFirstDeath: getStats_validacion2019(fromWeekFirstDeath, currentWeek, d.value), statsBeforeOutbreak: getStats_validacion2019(1, semanaInicioBrote-1, d.value), statsBeforeFirstDeath: getStats_validacion2019(1, fromWeekFirstDeath-1, d.value), statsWholeYear: getStats_validacion2019(1, 52, d.value), })) return html`

Ejercicio de validación de la estimación

Usamos la misma metodología pero utilizando datos 2014/2018 para estimar fallecidos en exceso en 2019

Si la estimación es adecuada, el año 2019 no debieran haber fallecidos en exceso por efecto de COVID-19. Los fallecidos en exceso se deben a otra causa o a inexactitud con el método de estimación

${alternativasSensibilidad.map(d => ` `)}

Tasa estimada para crecimiento de fallecidos 2018/2019 (sin epidemia). La tasa real fue ${d3.format(".2%")(tasaCrecimientoAnual["2019"])}	Exceso de fallecidos desde desde semana 12 a semana ${currentWeek}	Exceso de fallecidos hasta antes desde semana 1 a 11	Exceso de fallecidos desde semana 10 a semana ${currentWeek}	Exceso de fallecidos hasta desde semana 1 a 9	Exceso de fallecidos para todo 2019 (semana 1 a 52)
${d3.format(".2%")(d.tasa)}	${d3.format("d")(d.statsSinceFirstDeath.diferencia)}	${d3.format("d")(d.statsBeforeFirstDeath.diferencia)}	${d3.format("d")(d.statsSinceOutbreak.diferencia)}	${d3.format("d")(d.statsBeforeOutbreak.diferencia)}	${d3.format("d")(d.statsWholeYear.diferencia)}

Comentarios al ejercicio de validación

Se estimó la tasa de crecimiento 2018/2019 en ${d3.format(".2%")(opcionesTasa2018_2019_validacion2019[0].value)} utilizando el promedio de las tasas anuales de los años previos (2013 a 2017), pero la tasa real de crecimiento fue de un ${d3.format(".2%")(tasaCrecimientoAnual["2019"])}, por lo tanto la tasa fue subestimada.
El ejercicio de sensibilidad considero una tasa mayor (una desviación estándar sobre el promedio) de ${d3.format(".2%")(opcionesTasa2018_2019_validacion2019[2].value)}, valor que se aproximaba a la tasa real, pero seguía subestimándola.

En cualuqiera de los 3 escenarios de sensibilidad (tasa ${d3.format(".2%")(opcionesTasa2018_2019_validacion2019[0].value)}, ${d3.format(".2%")(opcionesTasa2018_2019_validacion2019[1].value)} o ${d3.format(".2%")(opcionesTasa2018_2019_validacion2019[2].value)}) se estiman valores positivos para mortalidad en exceso para el período de referencia (semana ${fromWeekFirstDeath} a ${currentWeek}) y valores negativos para las semana previas (semana ${1} a ${fromWeekFirstDeath-1}). Esto indica que hay un comportamiento no homogeneo en las distintas semanas del año, y justamente en el período de en análisis se observa una subestimación de los fallecidos (esto puede ser indicativo de que se requiere un factor de actualización variable en distintos períodos del año en vez de una tasa fija de actualización que se aplique a todo el año).

Al ver la estimación de fallecidos en exceso para el año completo (que uno esperaría que fuese 0) se observa que la tasa que daría un valor nulo de exceso estaría ubicada entre ${d3.format(".2%")(opcionesTasa2018_2019_validacion2019[0].value)} y ${d3.format(".2%")(opcionesTasa2018_2019_validacion2019[2].value)}.

Este método de cálculo da estimaciones muy gruesas del número de fallecidos en exceso y probablemente no es adecuado para analizar períodos muy acotados de tiempo (unas pocas semanas). Si el número de fallecidos en exceso fuese muy elevado (ej. un 20% de los falecidos en el período) podría ser indicador más confiable de que existen fallecidos en exceso por sobre lo reportado por COVID-19.
` }38:T744,html`

Concepto de Mortalidad en Exceso

La mortalidad en exceso (excess mortality en Inglés" se refiere al número de fallecidos por sobre lo que se espera que existan bajo condiciones normales.

La OMS la define como

"Mortalidad por sobre lo que se esperaría basado en la tasa de mortalidad sin crisis en la población de interés. El exceso de mortalidad es entonces atribuible a condiciones de la crisis. Puede ser expresada como una tasa (la diferencia entre la tasa de mortalidad observada y aquella sin crisis), or como el número total de fallecidos en exceso"
https://www.who.int/hac/about/definitions/en/

Para el cálculo de la mortalidad en exceso se debe comparar el número de personas fallecidas en el período con el número de personas que se estima que habrían fallecidos.

Para estimar el número de personas que habrían fallecido en ausencia de la epidemia es común utilizar como base el prómedio de fallecidos para el mismo período en años recientes.

Referencias:

`39:Tc7b,{ const factorActualizacionMedia = calculaFactoresActualización(estadisticasVariacion.media); const factorActualizacionLow = calculaFactoresActualización(estadisticasVariacion.range[0]); const factorActualizacionHigh = calculaFactoresActualización(estadisticasVariacion.range[1]); return html`

Corrección de número de fallecimientos en años recientes

De acuerdo a datos del Registro Civil chileno, el total de fallecidos en los últimos 5 años son: ${[2010,2011,2012,2013,2014,2015,2016,2017,2018,2019].map(d => ` `)}

Año	Número de fallecidos	Número de fallecidos ajustado a 365 días en años bisiesto*	Variación c/r año anterior
${d}	${d3.format(",")(fallecidosAnualesRegCivil[d].fallecidos)}	${d3.format(",d")(fallecidosAnualesRegCivil[d].fallecidos365Dias)}	${d > 2010 && d3.format(".2%")(fallecidosAnualesRegCivil[d].fallecidos365Dias/fallecidosAnualesRegCivil[d-1].fallecidos365Dias-1) \|\| ""}

*Nota: Los años bisiestos (2012, 2016) tienen 366 días. Para poder comparar con años de 365 días se corrije el número de fallecidos estos años con un factor de 365/366.

La diferencia entre los años 2010/2011 y 2011/2012 fueron particularmente irregular (¿Efecto Terremoto, H1N1?), por lo que utilizaremos los datos entre los añor 2012 y 2019 para proyectar el crecimiento esperado del año 2019 a 2020.

El promedio de las tasas de crecimiento anual desde 2012 a 2019 es ${d3.format(".2%")(estadisticasVariacion.media)}. Sin embargo, existe una variación entre un mínimo de ${d3.format(".2%")(estadisticasVariacion.min)} y un máximo de ${d3.format(".2%")(estadisticasVariacion.max)}, con una desviación estándar de ${d3.format(".2%")(estadisticasVariacion.desv)}

En el análisis utilizaremos una estimación de la tasa de crecimiento de fallecidos, sin epidemia, 2019/2020 de ${d3.format(".2%")(estadisticasVariacion.media)} (media de 2012 a 2019), pero reportaremos los resultados para un rango de [${d3.format(".2%")(estadisticasVariacion.range[0])} a ${d3.format(".2%")(estadisticasVariacion.range[1])}] (más / menos una desviación estándar)

Utilizando los datos de variación anual histórica y la estimación para la variación 2019/2020, se construye la siguiente tabla de factores para corregir los valores de cada año a un valor ajustado al año 2020 ${[2015,2016,2017,2018,2019].map(d => ` `)}

Año	Factor de corrección (tasa ${d3.format(".2%")(estadisticasVariacion.media)})	Factor de corrección (tasa ${d3.format(".2%")(estadisticasVariacion.range[0])})	Factor de corrección (tasa ${d3.format(".2%")(estadisticasVariacion.range[1])})
${d}	${d3.format(".3f")(factorActualizacionMedia[d])}	${d3.format(".3f")(factorActualizacionLow[d])}	${d3.format(".3f")(factorActualizacionHigh[d])}

` }3a:Tc82,{ const factorActualizacionMedia = calculaFactoresActualización(estadisticasVariacion.media); const factorActualizacionLow = calculaFactoresActualización(estadisticasVariacion.range[0]); const factorActualizacionHigh = calculaFactoresActualización(estadisticasVariacion.range[1]); return html`

Corrección de número de fallecimientos en años recientes

De acuerdo a datos del Registro Civil chileno, el total de fallecidos en los últimos 5 años son: ${[2010,2011,2012,2013,2014,2015,2016,2017,2018,2019].map(d => ` `)}

Year	Deaths	Deaths adjusted to 365 days in leap years	Growth vs Last Year
${d}	${d3.format(",")(fallecidosAnualesRegCivil[d].fallecidos)}	${d3.format(",d")(fallecidosAnualesRegCivil[d].fallecidos365Dias)}	${d > 2010 && d3.format(".2%")(fallecidosAnualesRegCivil[d].fallecidos365Dias/fallecidosAnualesRegCivil[d-1].fallecidos365Dias-1) \|\| ""}

Año	Adjustment factor (growth rate ${d3.format(".2%")(estadisticasVariacion.media)} 2019/2020)	Adjustment factor (growth rate ${d3.format(".2%")(estadisticasVariacion.range[0])} 2019/2020)	Adjustment factor (growth rate ${d3.format(".2%")(estadisticasVariacion.range[1])} 2019/2020)
${d}	${d3.format(".3f")(factorActualizacionMedia[d])}	${d3.format(".3f")(factorActualizacionLow[d])}	${d3.format(".3f")(factorActualizacionHigh[d])}

` }3b:T74f,{ const semanaEjemplo = datosHistoricos.filter(d => d.semana == 15 && d.año >= 2015) const out = html`

Método de corrección de datos históricos

Para ajustar el número de fallecidos en años anteriores a cifras comparables con el año actual idealmente habría que considerar la distribución de género y edad de los fallecidos en cada año. Sin embargo, el Registro Civil sólo publica los números totales de fallecidos en cada período, por lo que hemos realizado una ajuste grueso en base a los números totales.

A los fallecidos en cada semana de un año específico se aplica un factor de corrección (estimado en base a al aumento estimado de fallecidos entre el año respectivo y 2020) para calcular un número "corregido" de fallecidos esa semana.

Luego se calcula el promedio de los números corregidos para una semana en cuestion y se utiliza esta cifra como una estimación del número de fallecidos esperados para el año 2020 en la respectiva semana.

A continuación se presenta un ejemplo de este ejercicio para una semana cualquiera (para el ejemplo se utiliza la semana 15 y una tasa de actualización 2019/2020 de ${d3.format(".2%")(estimaciónVariación2019_2020)}): ${semanaEjemplo.map(d => ` `) }

Año	Fallecidos (sin corregir)	Factor de corrección	Fallecidos (corregido)
${d.año}	${d.fallecidos}	${d3.format(".4s")(factorActualización[d.año])}	${d3.format("d")(d.fallecidos * factorActualización[d.año])}
Promedio	${d3.mean(semanaEjemplo.map(d => d.fallecidos))}		${d3.format("d")(d3.mean(semanaEjemplo.map(d => d.fallecidos * factorActualización[d.año])))}

` return out }3c:T743,{ const semanaEjemplo = datosHistoricos.filter(d => d.semana == 15 && d.año >= 2015) const out = html`

Método de corrección de datos históricos

Year	Deaths (no correction)	Adjustment factor	Deaths (corrected)
${d.año}	${d.fallecidos}	${d3.format(".4s")(factorActualización[d.año])}	${d3.format("d")(d.fallecidos * factorActualización[d.año])}
Average	${d3.mean(semanaEjemplo.map(d => d.fallecidos))}		${d3.format("d")(d3.mean(semanaEjemplo.map(d => d.fallecidos * factorActualización[d.año])))}

` return out }3d:T52b,html`

Definición de semanas

Para evitar la disparidad de criterios en la definición de semanas (ej. iniciar en Domingo o Lunes o cúando iniciar la semana 1) en este análisis utilizamos la convención de semanas definidas por ISO (Organización Internacional de Estandarización / Normalización).

Para cada año se definen 52 semanas (enumeradas del 1 al 52) y cada cierto número de años se tendrán un año con 53 semanas ("leap year" en Inglés o el simil a un "año bisiesto" para semanas).

Algunas reglas en la definición de las semanas ISO:

Cada semana empieza en un día Lunes
La semana 1 de cada año es la semana que contiene el primer Jueves del año (siempre contendrá al menos 4 días de Enero)

Para el año 2020, estas son las fechas de inicio y término de cada semana

${_.range(1,53).map(d => `

${d} (${moment(`2020-${d}`,"YYYY-W").startOf("isoWeek").format("D MMM")} a ${moment(`2020-${d}`,"YYYY-W").endOf("isoWeek").format("D MMM")})

`)}

`3e:T5c9,{ //const indicadorMedia = `historico_media_${tipoIndicador}`; //const indicadorMin = `historico_min_${tipoIndicador}`; //const indicadorMax = `historico_max_${tipoIndicador}`; //const indicador2020 = `fallecidos2020`; const indicador2020 = datosReportadosVsPromedioMovil == "promedioMovil" ? `fallecidos2020_promedioMovil` : `fallecidos2020` const indicadorMedia_bruto = datosReportadosVsPromedioMovil == "promedioMovil" ? `historico_media_bruto_promedioMovil` : `historico_media_bruto` const indicadorMedia_actualizado = datosReportadosVsPromedioMovil == "promedioMovil" ? `historico_media_actualizado_promedioMovil` : `historico_media_actualizado` return html` ${dataIntegradaChile.map(d => { return ` ` })}

Semana	Fecha Término Semana	Fallecidos 2020	Promedio fallecidos 2015-2019 (corregido por crecimiento anual)	Mortalidad en exceso
${d.semana}	${moment(`2020-${d.semana}`, "YYYY-W").endOf('isoWeek').format("D MMM YY")}	${d.semana <= rangoSemanas[1] && d3.format("d")(d[indicador2020]) \|\| ""}	${d3.format("d")(d[indicadorMedia_actualizado])}	${d.semana <= rangoSemanas[1] && d3.format("d")(d[indicador2020]-d[indicadorMedia_actualizado]) \|\| ""}

` } 3f:T617,{ /* //const indicadorMedia = `historico_media_${tipoIndicador}`; //const indicadorMin = `historico_min_${tipoIndicador}`; //const indicadorMax = `historico_max_${tipoIndicador}`; //const indicador2020 = `fallecidos2020`; const indicador2020 = datosReportadosVsPromedioMovil == "promedioMovil" ? `fallecidos2020_promedioMovil` : `fallecidos2020` const indicadorMedia_bruto = datosReportadosVsPromedioMovil == "promedioMovil" ? `historico_media_bruto_promedioMovil` : `historico_media_bruto` const indicadorMedia_actualizado = datosReportadosVsPromedioMovil == "promedioMovil" ? `historico_media_actualizado_promedioMovil` : `historico_media_actualizado` return html` ${dataIntegradaChile.map(d => { return ` ` })}

Semana	Fecha Inicio Semana	Fallecidos 2020	Promedio fallecidos 2015-2019 (corregido por crecimiento anual)	Mortalidad en exceso
${d.semana}	${moment(`2019-${d.semana}`, "YYYY-W").startOf('isoWeek').format("D MMM YY")}	${d.semana <= 52 && d3.format("d")(d["fallecidos2019_promedioMovil"]) \|\| ""}	${d3.format("d")(d["historico_media_actualizado_promedioMovil_validacion2019"])}	${d.semana <= 52 && d3.format("d")(d["fallecidos2019_promedioMovil"]-d["historico_media_actualizado_promedioMovil_validacion2019"]) \|\| ""}

` */ } 40:T1744,class ExcessMortalityVis { constructor(el) { this.duration = 1000; debugger; this._data = []; this._margin = {left: 60, right:100, top:20, bottom: 40}; this._totalWidth = width; this._totalHeight = width*0.75; this.indicadorMedia = indicadorMedia; this.indicadorMin = indicadorMin; this.indicadorMax = indicadorMax; this.indicador2020 = indicador2020; this.svgContainer = d3.select(el); this.startup(); } startup() { debugger; this._width = this._totalWidth - this._margin.left - this._margin.right; this._height = this._totalHeight - this._margin.top - this._margin.bottom; this.xScale = d3.scaleLinear() .range([0,this._width]) this.yScale = d3.scaleLinear() .range([this._height,0]) this.colorScale = d3.scaleOrdinal(d3.schemeCategory10) this.yAxis = d3.axisLeft(this.yScale) //.ticks(3) .tickFormat(d3.format(",")); this.xAxis = d3.axisBottom(this.xScale) .tickFormat(d => moment(`2020-${d}`, "YYYY-W").endOf("isoWeek").format("D MMM")) //.ticks(6); if (width < 800) { this.xAxis .ticks(6) } this.svgContainer .attr("width",this._width+this._margin.left+this._margin.right) .attr("height",this._height+this._margin.top+this._margin.bottom) this.svgContainer.selectAll("g").remove(); this.container = this.svgContainer.selectAll("g.container") .data([1]) .join("g") .attr("class", "container") .attr("transform", `translate(${this._margin.left},${this._margin.top})`) this.container .append("g") .attr("class", "y axis") this.container .append("g") .attr("transform", `translate(0,${this._height})`) .attr("class", "x axis") // text label for the x axis this.container.append("text") .attr("font-family", "sans-serif") .attr("font-size", 14) .attr("y", this._margin.bottom-12) .attr("class", "title x") .attr("dy", 5) .attr("transform",`translate(${this._width},${this._height})`) .style("text-anchor", "end") .text(`Semana (día de término de la semana)`); // text label for the y axis this.container.append("text") .attr("font-family", "sans-serif") .attr("font-size", 14) .attr("class", "title y") .attr("transform",`rotate(-90)`) .attr("y", 0 - this._margin.left) .attr("x",0 - (this._height / 2)) .attr("dy", "1em") .style("text-anchor", "middle") .text("Número de fallecidos por semana"); this.lineAverage = d3.line() .x((d, i) => this.xScale(d.semana)) // set the x values for the line generator .y((d) => this.yScale(+d[this.indicadorMedia])) // set the y values for the line generator .curve(d3.curveMonotoneX) // apply smoothing to the line this.minMaxRange = d3.area() .x((d, i) => this.xScale(d.semana)) // set the x values for the line generator .y0((d) => this.yScale(+d[this.indicadorMin])) // set the y values for the line generator .y1((d) => this.yScale(+d[this.indicadorMax])) // set the y values for the line generator .curve(d3.curveMonotoneX) // apply smoothing to the line this.lineTarget = d3.line() .x((d, i) => this.xScale(d.semana)) // set the x values for the line generator .y((d) => this.yScale(+d[this.indicador2020])) // set the y values for the line generator .curve(d3.curveMonotoneX) // apply smoothing to the line } render(data) { const self = this; debugger; const maxCases = _.max([ _.max(data.map(d=> +d[this.indicadorMax])), _.max(data.map(d=> +d[this.indicador2020])) ]); const minCases = _.min(data.map(d=> +d[this.indicadorMin])); this.xScale.domain([1,52]) //this.yScale.domain([minCases,maxCases]) // We will try with fixed scale //this.yScale.domain([minCases*0.9,maxCases*1.1]) this.yScale.domain([0,maxCases*1.1]) this.container.select("g.y.axis") .call(this.yAxis) this.container.select("g.x.axis") .transition() .duration(this.duration) .call(this.xAxis) /* const points = this.container.selectAll("g.point") .data(data) .join("g") .attr("class", "point") .attr("transform",(d,i) => `translate(${this.xScale(d.semana)}, ${this.yScale(d[this.indicador2020])})`) const circles = points.selectAll("circle") .data(d => [d]) .join("circle") .attr("fill", "blue") .attr("r",2) */ const weekLines = this.container.selectAll("line.weekReference") .data(_.range(0,52)) .join("line") .attr("class", "weekReference") .attr("stroke", "grey") .attr("x1", d => this.xScale(d+1)) .attr("x2", d => this.xScale(d+1)) .attr("y1", 0) .attr("y2", this._height) const minMaxArea = this.container.selectAll("path.minMaxRange") .data([data]) .join("path") .attr("class", "minMaxRange") minMaxArea .transition() .duration(this.duration) .attr("d",d => { const out = this.minMaxRange(d) return out; }) const path = this.container.selectAll("path.average") .data([data]) .join("path") .attr("class", "average") path .transition() .duration(this.duration) .attr("d",d => { debugger; const out = this.lineAverage(d) return out; }) const pathTarget = this.container.selectAll("path.target") .data([data.filter(d => d.semana >= rangoSemanas[0] && d.semana <= rangoSemanas[1])]) .join("path") .attr("class", "target") pathTarget .transition() .duration(this.duration) .attr("d",d => { const out = this.lineTarget(d) return out; }) } }41:T1778,class WeeklyMortalytyVis { constructor(el) { this.duration = 1000; debugger; this._data = []; this._margin = {left: 60, right:10, top:50, bottom: 40}; this._totalWidth = width; this._totalHeight = this._totalWidth*0.75; const indicadoresMap = { fallecidos2020: "fallecidos", fallecidos2020_promedioMovil:"fallecidosPromedioMovilMiddle" } this.indicador2020 = indicadoresMap[indicador2020]; this.svgContainer = d3.select(el); this.startup(); } startup() { debugger; this._width = this._totalWidth - this._margin.left - this._margin.right; this._height = this._totalHeight - this._margin.top - this._margin.bottom; this.xScale = d3.scaleLinear() .range([0,this._width]) this.yScale = d3.scaleLinear() .range([this._height,0]) this.colorScale = d3.scaleOrdinal(d3.schemeCategory10) this.yAxis = d3.axisLeft(this.yScale) //.ticks(3) .tickFormat(d3.format(",")); this.xAxis = d3.axisBottom(this.xScale) .tickFormat(d => moment(`2020-${d}`, "YYYY-W").endOf("isoWeek").format("D MMM")) //.ticks(6); if (width < 800) { this.xAxis .ticks(6) } this.svgContainer .attr("width",this._width+this._margin.left+this._margin.right) .attr("height",this._height+this._margin.top+this._margin.bottom) this.svgContainer.selectAll("g").remove(); this.container = this.svgContainer.selectAll("g.container") .data([1]) .join("g") .attr("class", "container") .attr("transform", `translate(${this._margin.left},${this._margin.top})`) this.container .append("g") .attr("class", "y axis") this.container .append("g") .attr("transform", `translate(0,${this._height})`) .attr("class", "x axis") // text label for the x axis this.container.append("text") .attr("font-family", "sans-serif") .attr("font-size", 14) .attr("y", this._margin.bottom-12) .attr("class", "title x") .attr("dy", 5) .attr("transform",`translate(${this._width},${this._height})`) .style("text-anchor", "end") .text(`Semana (día de término de la semana)`); // text label for the y axis this.container.append("text") .attr("font-family", "sans-serif") .attr("font-size", 14) .attr("class", "title y") .attr("transform",`rotate(-90)`) .attr("y", 0 - this._margin.left) .attr("x",0 - (this._height / 2)) .attr("dy", "1em") .style("text-anchor", "middle") .text("Número de fallecidos por semana"); // text label for the y axis this.container.append("text") .attr("font-family", "sans-serif") .attr("font-size", 24) .attr("class", "location") .attr("y", 0) .attr("x",(this._width / 2)) .attr("dy", -20) .style("text-anchor", "middle") .text(""); this.lineAverage = d3.line() .x((d, i) => this.xScale(d.semana)) // set the x values for the line generator .y((d) => this.yScale(+d[this.indicadorMedia])) // set the y values for the line generator .curve(d3.curveMonotoneX) // apply smoothing to the line this.minMaxRange = d3.area() .x((d, i) => this.xScale(d.semana)) // set the x values for the line generator .y0((d) => this.yScale(+d[this.indicadorMin])) // set the y values for the line generator .y1((d) => this.yScale(+d[this.indicadorMax])) // set the y values for the line generator .curve(d3.curveMonotoneX) // apply smoothing to the line this.lineTarget = d3.line() .x((d, i) => this.xScale(d.semana)) // set the x values for the line generator .y((d) => this.yScale(+d[this.indicador2020])) // set the y values for the line generator .curve(d3.curveMonotoneX) // apply smoothing to the line } render(record) { const location = record.location; const data = record.items const self = this; debugger; const maxCases = _.max([ _.max(data.map(d=> +d[this.indicador2020])), _.max(data.map(d=> +d[this.indicador2020])) ]); const minCases = _.min(data.map(d=> +d[this.indicador2020])); const maxX = ["Chile (exluyendo Metropolitana)", "Metropolitana de Santiago"].includes(location) ? 2500 : maxCases*1.1; this.xScale.domain([1,52]) //this.yScale.domain([minCases,maxCases]) // We will try with fixed scale //this.yScale.domain([minCases*0.9,maxCases*1.1]) this.yScale.domain([0,maxX]) this.container.select("text.location") .text(location) this.container.select("g.y.axis") .call(this.yAxis) this.container.select("g.x.axis") .transition() .duration(this.duration) .call(this.xAxis) /* const points = this.container.selectAll("g.point") .data(data) .join("g") .attr("class", "point") .attr("transform",(d,i) => `translate(${this.xScale(d.semana)}, ${this.yScale(d[this.indicador2020])})`) const circles = points.selectAll("circle") .data(d => [d]) .join("circle") .attr("fill", "blue") .attr("r",2) */ const weekLines = this.container.selectAll("line.weekReference") .data(_.range(0,52)) .join("line") .attr("class", "weekReference") .attr("stroke", "grey") .attr("x1", d => this.xScale(d+1)) .attr("x2", d => this.xScale(d+1)) .attr("y1", 0) .attr("y2", this._height) const pathTarget = this.container.selectAll("path.target") .data([data.filter(d => d.semana >= rangoSemanas[0] && d.semana <= rangoSemanas[1])]) .join("path") .attr("class", "target") pathTarget .transition() .duration(this.duration) .attr("d",d => { const out = this.lineTarget(d) return out; }) } }42:T1204,function crearSerieAnual(variacion2019_2020, variacion2018_2019){ debugger; const semanas = _.range(1,53); const añosHistoricos = ["2014", "2015", "2016", "2017", "2018", "2019"]; const factorActualización = calculaFactoresActualización(variacion2019_2020) ; const factorActualización_validacion2019 = calculaFactoresActualización_validacion2019(variacion2018_2019) ; const data2019 = datosHistoricos.filter(d => d.año== 2019) const out = []; semanas.forEach(semana => { const fallecidos2020 = _.chain(data2020) .filter(d => d.semana == semana) .reduce((memo,d) => memo + d.fallecidos,0) .value() const fallecidos2019 = _.chain(data2019) .filter(d => d.semana == semana) .reduce((memo,d) => memo + +d.fallecidos,0) .value() const fallecidos2020PromedioMovil = _.chain(data2020) .filter(d => d.semana == semana) .reduce((memo,d) => memo + d[atributoPromedioMovil],0) .value() const fallecidos2019PromedioMovil = _.chain(data2019) .filter(d => d.semana == semana) .reduce((memo,d) => memo + +d[atributoPromedioMovil],0) .value() const recordsHistoricos = _.chain(datosHistoricos) .filter(d => d.semana == semana) .filter(d => añosHistoricos.includes(d.año)) .groupBy(d => d.año) .map((items,año) => { return { año:año, fallecidos_bruto: _.reduce(items, (memo,d) => memo + +d.fallecidos,0), fallecidos_actualizado: _.reduce(items, (memo,d) => memo + +d.fallecidos,0)*factorActualización[año], fallecidos_bruto_promedioMovil: _.reduce(items, (memo,d) => memo + +d[atributoPromedioMovil],0), fallecidos_actualizado_promedioMovil: _.reduce(items, (memo,d) => memo + +d[atributoPromedioMovil],0)*factorActualización[año], fallecidos_actualizado_promedioMovil_validacion2019: año <= 2018 ? _.reduce(items, (memo,d) => memo + +d[atributoPromedioMovil],0)*factorActualización_validacion2019[año] : null, fallecidos_bruto_promedioMovil_validacion2019: año <= 2018 ? _.reduce(items, (memo,d) => memo + +d[atributoPromedioMovil],0) : null } }) .value() debugger; const recordsHistoricos2014_2018 = recordsHistoricos.filter(d => d.año >= 2014 && d.año <= 2018); const recordsHistoricos2015_2019 = recordsHistoricos.filter(d => d.año >= 2015 && d.año <= 2019); const record = { semana: semana, //prediccion: predictedData[semana-1], //itemsHistoricos: recordsHistoricos, historico_max_actualizado: _.max(recordsHistoricos2015_2019.map(d => d.fallecidos_actualizado)), historico_max_bruto: _.max(recordsHistoricos2015_2019.map(d => d.fallecidos_bruto)), historico_min_actualizado: _.min(recordsHistoricos2015_2019.map(d => d.fallecidos_actualizado)), historico_min_bruto: _.min(recordsHistoricos2015_2019.map(d => d.fallecidos_bruto)), historico_media_actualizado: d3.mean(recordsHistoricos2015_2019.map(d => d.fallecidos_actualizado)), historico_media_bruto: d3.mean(recordsHistoricos2015_2019.map(d => d.fallecidos_bruto)), historico_max_actualizado_promedioMovil: _.max(recordsHistoricos2015_2019.map(d => d.fallecidos_actualizado_promedioMovil)), historico_max_bruto_promedioMovil: _.max(recordsHistoricos2015_2019.map(d => d.fallecidos_bruto_promedioMovil)), historico_min_actualizado_promedioMovil: _.min(recordsHistoricos2015_2019.map(d => d.fallecidos_actualizado_promedioMovil)), historico_min_bruto_promedioMovil: _.min(recordsHistoricos2015_2019.map(d => d.fallecidos_bruto_promedioMovil)), historico_media_actualizado_promedioMovil: d3.mean(recordsHistoricos2015_2019.map(d => d.fallecidos_actualizado_promedioMovil)), historico_media_bruto_promedioMovil: d3.mean(recordsHistoricos2015_2019.map(d => d.fallecidos_bruto_promedioMovil)), historico_media_actualizado_promedioMovil_validacion2019: d3.mean(recordsHistoricos2014_2018.filter(d => d.año <= 2018).map(d => d.fallecidos_actualizado_promedioMovil_validacion2019)), historico_media_bruto_promedioMovil_validacion_2019: d3.mean(recordsHistoricos2014_2018.filter(d => d.año <= 2018).map(d => d.fallecidos_bruto_promedioMovil_validacion2019)), fallecidos2020: fallecidos2020 || null, fallecidos2020_promedioMovil:fallecidos2020PromedioMovil, fallecidos2019: fallecidos2019, fallecidos2019_promedioMovil: fallecidos2019PromedioMovil, historicos: recordsHistoricos2015_2019 } out.push(record) }) return out; }43:T5dc,function aggregateByWeek(regCivilData) { /* Formato registros github MinCiencia: Region: "Arica y Parinacota" Codigo region: "15" Comuna: "Arica" Codigo comuna: "15101" Defunciones: "14" Fecha: "2019-12-02" */ debugger; const dataWithWeekInfo = regCivilData.map(d => { const date = d.Fecha ? moment(d.Fecha) : moment({year:d["AÑO"], month : +d["MES"]-1, day: d["DIA"]}); return { date: date.format("YYYY-MM-DD"), año: date.isoWeekYear(), semana: date.isoWeek(), total: d["Defunciones"] ? +d["Defunciones"] : +d["TOTAL"] } }) const dailyData = _.chain(dataWithWeekInfo) .groupBy(d => d.date) .map((items,date) => { const record = _.first(items); return { date: record.date, año: record.año, semana: record.semana, fallecidos: items.reduce((memo,d) => memo+d.total,0), } }) .sortBy(d => d.date) .value() const groupedData = _.chain( promedioMovil7Dias(dailyData)) .filter(d => d.año >= 2020) .groupBy(d => `${d.año}-${d.semana}`) .map((items,id) => { const record = _.first(items); return { año: record.año, semana: record.semana, fallecidos: items.reduce((memo,d) => memo+d.fallecidos,0), fallecidosPromedioMovilLast: items.reduce((memo,d) => memo+d.fallecidosPromedioMovilLast,0), fallecidosPromedioMovilMiddle: items.reduce((memo,d) => memo+d.fallecidosPromedioMovilMiddle,0), } }) .value() return groupedData; }44:[{"id":"292177efe446c4674d7742672485f6fe24be1f59e17ec6573ae1c7c97463d21fef9991d189328c4f9bdaa79ceb3206898ab59cba4c4d6a2a61912952786905ce","href":"https://static.observableusercontent.com/files/292177efe446c4674d7742672485f6fe24be1f59e17ec6573ae1c7c97463d21fef9991d189328c4f9bdaa79ceb3206898ab59cba4c4d6a2a61912952786905ce","name":"Defunciones_2019-12-29_2020-05-16.xlsx","type":"application/vnd.openxmlformats-officedocument.spreadsheetml.sheet","lastModified":1589826557273.941,"size":327617},{"id":"195226c5ddac0a0b4d8eb935cd36f5ea25ae536632fbb321c41e192cd1ca1a0df8765d21d9ea3f522db092af84327f526a8944286ba221785b59bc9d41accaf0","href":"https://static.observableusercontent.com/files/195226c5ddac0a0b4d8eb935cd36f5ea25ae536632fbb321c41e192cd1ca1a0df8765d21d9ea3f522db092af84327f526a8944286ba221785b59bc9d41accaf0","name":"dataAñoSemana_Chile.tsv","type":"text/tab-separated-values","lastModified":1591571257065.801,"size":24675},{"id":"5869a96a3d5b5abf073eea8e1cb88f0d269854d595c20b3bc56108d14cd99c66be632938512d6e53152ea7588b0d4d8233304f3ad38eb2fc9380bcdcdb002874","href":"https://static.observableusercontent.com/files/5869a96a3d5b5abf073eea8e1cb88f0d269854d595c20b3bc56108d14cd99c66be632938512d6e53152ea7588b0d4d8233304f3ad38eb2fc9380bcdcdb002874","name":"Defunciones_2019-12-01_2020-05-19.xlsx","type":"application/vnd.openxmlformats-officedocument.spreadsheetml.sheet","lastModified":1590032361783.653,"size":395855},{"id":"92f5eef8b53bd5060cf37cffc50c154eb6aa6bcd5f5c1cbc295ff926e430086311d282ad2d59759f2356f5e40c5acffdb0a5ad66457387df620087573d0279b2","href":"https://static.observableusercontent.com/files/92f5eef8b53bd5060cf37cffc50c154eb6aa6bcd5f5c1cbc295ff926e430086311d282ad2d59759f2356f5e40c5acffdb0a5ad66457387df620087573d0279b2","name":"data_FallecidosPorSemana2010_2019_Chile (1).tsv","type":"text/tab-separated-values","lastModified":1589844567767.517,"size":6705},{"id":"71b47e0660a2a1ab98eaa49072e4d72345b9d3f7a4cf4a28d5553445e67a38470ac75461ff04917326f4b56284ab37f8165c9d3aa2b03d6b87bfaf6c73325efa","href":"https://static.observableusercontent.com/files/71b47e0660a2a1ab98eaa49072e4d72345b9d3f7a4cf4a28d5553445e67a38470ac75461ff04917326f4b56284ab37f8165c9d3aa2b03d6b87bfaf6c73325efa","name":"data_fallecidos_2019-12.tsv","type":"text/tab-separated-values","lastModified":1590097591004.623,"size":143608},{"id":"f28a0251c58d53098e5715d7b6979f7b30a89f95b16d235781f491dffec7db3aa2c5efb0b967f54d83df9688ed31166ee3af72509fdd34484ea7f04a8d9e1eb9","href":"https://static.observableusercontent.com/files/f28a0251c58d53098e5715d7b6979f7b30a89f95b16d235781f491dffec7db3aa2c5efb0b967f54d83df9688ed31166ee3af72509fdd34484ea7f04a8d9e1eb9","name":"Leyenda.png","type":"image/png","lastModified":1589848681667.798,"size":61229},{"id":"94b37aeac5d7183273a3cd7818ba428c23e76fc1c28ea23a5b0e4f45e1a30ebd2cb2a524583abbee4f17b83d4320f3081165245991e9385d909f4cb1aa72ad37","href":"https://static.observableusercontent.com/files/94b37aeac5d7183273a3cd7818ba428c23e76fc1c28ea23a5b0e4f45e1a30ebd2cb2a524583abbee4f17b83d4320f3081165245991e9385d909f4cb1aa72ad37","name":"data_FallecidosPorSemana2010_2019_Chile.tsv","type":"text/tab-separated-values","lastModified":1590063259316.775,"size":15733},{"id":"e7770a01c82cc3d9d455635958f63cc849b56aec6b8e0729d1b9726eb820bf62ea854eac8e18e9b43c861b9aaf895db9da61b431a8dfced357d179efd8dd2b25","href":"https://static.observableusercontent.com/files/e7770a01c82cc3d9d455635958f63cc849b56aec6b8e0729d1b9726eb820bf62ea854eac8e18e9b43c861b9aaf895db9da61b431a8dfced357d179efd8dd2b25","name":"disclaimer MinCiencia.png","type":"image/png","lastModified":1590422114415.039,"size":124683}] 32:{"id":"06416195ad4e4ea8","slug":"mortalidad-en-exceso-durante-epidemia-de-coronavirus-en-ch","title":"Mortalidad en exceso durante Epidemia de Coronavirus en Chile","thumbnail":"98937745582164464538f926c51e3aa9598f94f3601aebb1681fb6258b677a2d","access_level":"public","create_time":"$D2020-05-18T18:29:17.273Z","update_time":"$D2021-02-26T12:29:01.877Z","view_time":null,"first_public_time":"$D2020-05-19T04:17:13.972Z","fork":true,"stars":2,"starred":false,"owner":{"type":"team","id":"0843f5dc42ca68a0","login":"elaval","name":"Ernesto Laval","avatar_url":"https://avatars-next.observableusercontent.com/089f0414fc9025dadb05cc06d7a406bc9be10093187c46729cb4ba3a4098dc30","tier":"starter_2024"},"version":2216,"publish_version":2216,"role":null,"authored":false,"authors":[{"type":"individual","id":"e04cd7b5f4351ae9","login":"elaval","name":"Ernesto Laval","avatar_url":"https://avatars-next.observableusercontent.com/089f0414fc9025dadb05cc06d7a406bc9be10093187c46729cb4ba3a4098dc30","tier":null}],"members":[{"type":"individual","id":"e04cd7b5f4351ae9","login":"elaval","name":"Ernesto Laval","avatar_url":"https://avatars-next.observableusercontent.com/089f0414fc9025dadb05cc06d7a406bc9be10093187c46729cb4ba3a4098dc30","tier":null,"role":"editor"}],"comments":[],"custom_thumbnail":false,"trashed":false,"lapsed":null,"subscribed":null,"forks":2,"collection":null,"type":"notebook","body":{"title":"Mortalidad en exceso durante Epidemia de Coronavirus en Chile","cells":[{"id":0,"value":"md`# Mortalidad en exceso durante Epidemia de Coronavirus en Chile`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1194,"value":"html`

NOTA: En este análisis se utilizan los datos publicados por el Registro Civil de Chile, que reporta el número de fallecidos inscritos cada día desde 2010. Este número no corresponde necesariamente al el número de decesos ocurridos en dicho día. Al observar períodos de tiempo que abarquen varios meses (ej. 1 año) estas diferencias debiesen atenuarse, pero puede haber diferencias importantes con los fallecimientos efectivamente ocurridos al analizar un día o semana específica.
Esperamos que el Registro Civil pueda publicar los datos según fecha de fallecimiento en un futuro cercano.

`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1397,"value":"md`## Parámetros utilizados en la estimación`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1257,"value":"viewof datosReportadosVsPromedioMovil = radio({\n title: 'Datos reportados cada día vs Media móvil (7 días)',\n description: 'Se utilizan datos semanales reportados cada día (alta variación) o en base a promedio móvil de 7 días (variación atenuada)',\n options: [\n { label: 'Promedio móvil', value: 'promedioMovil' },\n { label: 'Datos reportados cada día', value: 'datosBrutos' },\n ],\n value: 'promedioMovil'\n})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":28,"value":"viewof tipoIndicador = radio({\n title: 'Tipo de cálculo',\n description: 'Seleccione si utilizar actualizados (correguidos) al año 2020 segun el crecimiento anual de defunciones o datos brutos del año respectivo (sin actualizar)',\n options: [\n { label: 'Datos corregidos (actualizados)', value: 'actualizado' },\n { label: 'Datos del año (brutos)', value: 'bruto' },\n ],\n value: 'actualizado'\n})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1047,"value":"viewof estimaciónVariación2019_2020_= radio({\n title: 'Cambio de variación estimada para aumento de fallecidos (en situación sin epidemia) entre 2019 y 2020',\n description: 'Cambie la opción si desea observar la simulación con otro parámetro',\n options: opcionesTasa2019_2020,\n value: opcionesTasa2019_2020[0].value\n})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2075,"value":"viewof atributoPromedioMovil = radio({\n title: 'Tipo de media móvil (7 días)',\n description: 'Definir si media móvil será centrada en el día respectivo o los últimos 7 días',\n options: [\n { label: 'Centrado en el día (promedio que incluye 3 días previos y 3 días posteriores)', value: 'fallecidosPromedioMovilMiddle' },\n { label: 'Últimos 7 días', value: 'fallecidosPromedioMovilLast' },\n ],\n value: 'fallecidosPromedioMovilMiddle'\n})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":581,"value":"{\n \n const out = html`\n

Mortalidad en exceso para Chile comparando fallecidos en 2020 con fallecidos en últimos 5 años

Los datos históricos ${tipoIndicador == \"bruto\" ? \n `no han sido corregidos (se usan cifras del año)` :\n `han sido corregidos según la tasa de aumento de fallecidos a 2020`}

\n \n

Autor: @elaval

\n `\n \n const visEl = d3.select(out).select(\"div.vis svg\");\n const visObj = new ExcessMortalityVis(visEl.node());\n visObj.render(dataIntegradaChile)\n \n return out\n \n \n \n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":995,"value":"$34","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":671,"value":"$35","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1406,"value":"$36","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1890,"value":"$37","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":930,"value":"$38","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":956,"value":"$39","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2030,"value":"$3a","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1160,"value":"$3b","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2036,"value":"$3c","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1089,"value":"$3d","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":855,"value":"md`# Tabla de datos`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1283,"value":"md`## ${datosReportadosVsPromedioMovil == \"promedioMovil\" ? \"Usando un promedio móvil de 7 días para las cifras diarias de fallecidos\" : \" Usando las cifras diarias de fallecidos inscritos reportadas por el Registro Civil\"} y una estimación de crecimiento de fallecidos 2019/2020 de ${d3.format(\".2%\")(estimaciónVariación2019_2020)}`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":557,"value":"$3e","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1865,"value":"$3f","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":865,"value":"html``","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":553,"value":"md`# Data`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":432,"value":"dataIntegradaChile = crearSerieAnual(estimaciónVariación2019_2020, estimaciónVariuacion2018_2019)","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":373,"value":"data2020 = aggregateByWeek(dataDiaria2020)","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1625,"value":"dataDict = {\n const dictXFecha = {};\n const initialRecord = {regCivil:0,minCiencia: 0}\n\n \n dataDiaria_regCivil.forEach(d => {\n const date = moment({\"year\": d[\"AÑO\"], \"month\": d[\"MES\"]-1, \"day\": d[\"DIA\"]}).format(\"YYYY-MM-DD\");\n dictXFecha[date] = dictXFecha[date] || _.clone(initialRecord);;\n \n dictXFecha[date].regCivil += +d[\"TOTAL\"];\n \n })\n \n \n dataDiaria2020_minCiencia.forEach(d => {\n const date = d[\"Fecha\"];\n dictXFecha[date] = dictXFecha[date] || _.clone(initialRecord);;\n \n dictXFecha[date].minCiencia += +d[\"Defunciones\"];\n \n })\n \n \n return dictXFecha\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2115,"value":"dataPorRegion2020 = {\n \n const options = [\"Arica y Parinacota\"]\n \n const data_core = _.chain(dataDiaria2020)\n .filter(d => d.Region !== \"Metropolitana de Santiago\")\n .groupBy(d => \"Chile (exluyendo Metropolitana)\")\n .map((items, region) => ({\n location: region,\n items:items\n }))\n .value()\n \n const selectedRegions = _.chain(dataDiaria2020)\n //.filter(d => options.includes(d.Region))\n .groupBy(d => d.Region)\n .map((items, region) => ({\n location: region,\n items:items\n }))\n .value()\n \n \n \n const data = _.chain(data_core)\n .concat(selectedRegions)\n .map(record => {\n return {\n location:record.location,\n items: aggregateByWeek(record.items)\n }\n })\n .value()\n \n return data;\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2208,"value":"dataDiaria2020.filter(d => d.Fecha ==\"2020-07-07\")","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1619,"value":"//dataDiaria2020 = dataDiaria_regCivil\ndataDiaria2020 = dataDiaria2020_minCiencia","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1966,"value":"dataDiaria2020_minCiencia = _.uniqBy(dataDiaria2020_minCiencia_, d => `${d.Fecha}-${d[\"Codigo comuna\"]}`)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1548,"value":"dataDiaria2020_minCiencia_ = {\n // Agregamos datos de Diciembre 2019 a datos de 2020 para calcular promedios móviles en semana 1\n const data201912 = await d3.tsv(await FileAttachment(\"data_fallecidos_2019-12.tsv\").url());\n const data2020 = await d3.csv(\"https://raw.githubusercontent.com/MinCiencia/Datos-COVID19/master/output/producto32/2020-Defunciones_std.csv\");\n \n return _.concat(data201912, data2020)\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":357,"value":"dataDiaria_regCivil = {\n const input = new Uint8Array(storedData2020);\n const workbook = xlsx.read(input, {type: 'array'});\n const sheet = workbook.Sheets[\"Defunciones\"];\n return xlsx.utils.sheet_to_json(sheet)\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1562,"value":"dataChile_2019_12 = d3.tsv(await FileAttachment(\"data_fallecidos_2019-12.tsv\").url())","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":354,"value":"storedData2020 = FileAttachment(\"Defunciones_2019-12-01_2020-05-19.xlsx\").arrayBuffer()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":334,"value":"datosHistoricos = (await d3.tsv(urlDatosHistoricos))","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":730,"value":"urlDatosHistoricos = FileAttachment(\"dataAñoSemana_Chile.tsv\").url()\n//urlDatosHistoricos = FileAttachment(\"data_FallecidosPorSemana2010_2019_Chile.tsv\").url()\n//urlDatosHistoricos = FileAttachment(\"data_FallecidosPorSemana2010_2019_Chile (1).tsv\").url()\n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":772,"value":"md`# Vis`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2181,"value":"viewof selectedRegion = select({\n title: \"Región\",\n description: \"Seleccione región a analizar.\",\n options: dataPorRegion2020.map(d => d.location).sort(),\n value: \"Chile\"\n})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2124,"value":"{\n const lastWeek = rangoSemanas[1];\n const lastDate = moment(`2020-${lastWeek}`, \"YYYY-W\").endOf(\"isoWeek\").format(\"D MMM\");\n const out = html`\n

Fallecidos por cualquier causa hasta el ${lastDate}

\n \n

Autor: @elaval

\n `\n \n const visEl = d3.select(out).select(\"div.vis svg\");\n const visObj = new WeeklyMortalytyVis(visEl.node());\n visObj.render(dataPorRegion2020.find(d => d.location == selectedRegion))\n \n return out\n \n \n \n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":580,"value":"$40","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2120,"value":"$41","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":540,"value":"md`# Parámetros & funciones auxiliares`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":603,"value":"html``","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1514,"value":"opcionesTasa2019_2020 = [ \n { label: `${d3.format(\".2%\")(estadisticasVariacion.media)}% (media variación anual de 2013 a 2019)`, value: estadisticasVariacion.media },\n { label: `${d3.format(\".2%\")(estadisticasVariacion.range[0])} (media variación 2013/2019 menos 1 desviación estándar)`, value: estadisticasVariacion.range[0] },\n { label: `${d3.format(\".2%\")(estadisticasVariacion.range[1])} (media variación 2013/2019 más 1 desviación estándar)`, value: estadisticasVariacion.range[1] },\n ]\n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1836,"value":"opcionesTasa2018_2019_validacion2019 = [ \n { label: `${d3.format(\".2%\")(estadisticasVariacion_validacion2019.media)}% (promedio variación 2012/2018)`, value: estadisticasVariacion_validacion2019.media },\n { label: `${d3.format(\".2%\")(estadisticasVariacion_validacion2019.range[0])} (media 2012/2018 menos 1 desviación estándar)`, value: estadisticasVariacion_validacion2019.range[0] },\n { label: `${d3.format(\".2%\")(estadisticasVariacion_validacion2019.range[1])} (media 2012/2018 más 1 desviación estándar)`, value: estadisticasVariacion_validacion2019.range[1] },\n ]\n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1264,"value":"indicador2020 = datosReportadosVsPromedioMovil == \"promedioMovil\" ? `fallecidos2020_promedioMovil` : `fallecidos2020`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":785,"value":"indicadorMedia = datosReportadosVsPromedioMovil == \"promedioMovil\" ? `historico_media_${tipoIndicador}_promedioMovil` : `historico_media_${tipoIndicador}`\n\n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":787,"value":"indicadorMin = datosReportadosVsPromedioMovil == \"promedioMovil\" ? `historico_min_${tipoIndicador}_promedioMovil` : `historico_min_${tipoIndicador}`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":788,"value":"indicadorMax = datosReportadosVsPromedioMovil == \"promedioMovil\" ? `historico_max_${tipoIndicador}_promedioMovil` : `historico_max_${tipoIndicador}`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":656,"value":"function excessMortality(weekRange, data) {\n const indicadorMedia = `historico_media_${tipoIndicador}`\n const indicador2020 = `fallecidos2020`\n let excess = 0;\n const from = weekRange[0];\n const to = weekRange[1];\n \n data.forEach(d => {\n excess += d.semana >= from && d.semana <= to \n ? d.fallecidos2020-d[indicadorMedia]\n : 0;\n })\n \n return excess\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":643,"value":"rangoSemanas=[1,34]","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":844,"value":"semanaInicioBrote = 10","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1299,"value":"semanaPrimerFallecido = 12","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1445,"value":"function buildReport(stats, fromWeek, toWeek) {\n \n const fromDay = moment(`2020-${fromWeek}`, \"YYYY-W\").startOf(\"isoWeek\").format(\"D MMM\")\n const toDay = moment(`2020-${toWeek}`, \"YYYY-W\").endOf(\"isoWeek\").format(\"D MMM\")\n \n \n return `\n

${fromDay} a ${toDay} (semana ${fromWeek} a ${toWeek})

\n\n En el período hubo un total de ${d3.format(\",d\")(stats.fallecidos2020)} fallecidos en el país. En esas mismas semanas durante los últimos 5 años hubo un promedio de ${d3.format(\",d\")(stats.fallecidosPromedio)} fallecidos.\n

\n Por lo tanto, en este período hubo un exceso de fallecidos (sobre lo esperado) de ${d3.format(\",d\")(stats.diferencia)} personas.\n

\n

`\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1787,"value":"function buildReport2(altSensibility, fromWeek, toWeek) {\n debugger;\n \n const fromDay = moment(`2020-${fromWeek}`, \"YYYY-W\").startOf(\"isoWeek\").format(\"D MMM\")\n const toDay = moment(`2020-${toWeek}`, \"YYYY-W\").endOf(\"isoWeek\").format(\"D MMM\")\n \n \n return `\n

${fromDay} a ${toDay} (semana ${fromWeek} a ${toWeek})

\n\n En el período hubo un total de ${d3.format(\",d\")(altSensibility[0].stats.fallecidos2020)} fallecidos en el país. \n
\n La cantidad esperada de fallecidos (y fallecidos en exceso) para distintas estimaciones de tasa de crecimiento de fallecidos 2019/2020 es:\n
\n${altSensibility.map(d => `\n

${d3.format(\",d\")(d.stats.fallecidosPromedio)} fallecidos (exceso de ${d3.format(\",d\")(d.stats.diferencia)}) - usando tasa de ${d3.format(\".2%\")(d.tasa)}\n`)}\n

`\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1426,"value":"function getStats(fromWeek, toWeek, variacion2019_2020) {\n const dataIntegradaChile = crearSerieAnual(variacion2019_2020);\n \n const stats = dataIntegradaChile.filter(d => d.semana >= fromWeek && d.semana <= toWeek).reduce((memo,d) => {\n memo.fallecidos2020 += d[indicador2020];\n memo.fallecidosPromedio += d[indicadorMedia];\n memo.diferencia += (d[indicador2020] - d[indicadorMedia]);\n \n return memo\n }, {fallecidos2020:0, fallecidosPromedio:0, diferencia: 0})\n \n return stats\n}\n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1894,"value":"function getStats_validacion2019(fromWeek, toWeek, variacion2018_2019) {\n const dataIntegradaChile = crearSerieAnual(estadisticasVariacion.media, variacion2018_2019);\n \n const stats = dataIntegradaChile.filter(d => d.semana >= fromWeek && d.semana <= toWeek).reduce((memo,d) => {\n memo.fallecidos2019 += d[\"fallecidos2019_promedioMovil\"];\n memo.fallecidosPromedio += d[\"historico_media_actualizado_promedioMovil_validacion2019\"];\n memo.diferencia += (d[\"fallecidos2019_promedioMovil\"] - d[\"historico_media_actualizado_promedioMovil_validacion2019\"]);\n \n return memo\n }, {fallecidos2020:0, fallecidosPromedio:0, diferencia: 0})\n \n return stats\n}\n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1411,"value":"$42","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1220,"value":"function promedioMovil7Dias_old(items) {\n const windowSize = 7;\n const buffer=[];\n \n _.chain(items)\n .sortBy(d => d.date)\n .each(d => {\n buffer.push(d.fallecidos);\n \n if (buffer.length > 7) buffer.shift();\n \n d.fallecidosPromedioMovil = d3.mean(buffer);\n }) \n .value()\n \n return items\n}\n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2078,"value":"function promedioMovil7Dias(items) {\n // Se calcula promedio móvil de últimos 7 días (fallecidosPromedioMovilLast) y promedio móvil centrado en el día (fallecidosPromedioMovilMiddle)\n const windowSize = 7;\n const buffer=[];\n \n items.forEach((d,i) => {\n buffer.push(d.fallecidos);\n \n if (buffer.length > 7) buffer.shift();\n \n d.fallecidosPromedioMovilLast = d3.mean(buffer);\n if (items[i-3]) items[i-3].fallecidosPromedioMovilMiddle = d3.mean(buffer);\n }) \n \n return items\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":370,"value":"$43","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":471,"value":"estimaciónVariación2019_2020 = +estimaciónVariación2019_2020_","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1859,"value":"estimaciónVariuacion2018_2019 = opcionesTasa2018_2019_validacion2019[2].value;","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1740,"value":"estadisticasVariacion = {\n const tasas2013_2019 = _.chain(tasaCrecimientoAnual)\n .map((value,key) => ({\n año:key,\n valor:value\n }))\n .filter(d => d.año >= 2013)\n .value()\n \n return {\n media: d3.mean(tasas2013_2019, d => d.valor),\n max: d3.max(tasas2013_2019, d => d.valor),\n min: d3.min(tasas2013_2019, d => d.valor),\n desv: d3.deviation(tasas2013_2019, d => d.valor),\n range: [\n d3.mean(tasas2013_2019, d => d.valor)-d3.deviation(tasas2013_2019, d => d.valor), \n d3.mean(tasas2013_2019, d => d.valor)+d3.deviation(tasas2013_2019, d => d.valor)\n ]\n \n }\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1831,"value":"estadisticasVariacion_validacion2019 = {\n const tasas2013_2019 = _.chain(tasaCrecimientoAnual)\n .map((value,key) => ({\n año:key,\n valor:value\n }))\n .filter(d => d.año >= 2013 && d.año <= 2018)\n .value()\n \n return {\n media: d3.mean(tasas2013_2019, d => d.valor),\n max: d3.max(tasas2013_2019, d => d.valor),\n min: d3.min(tasas2013_2019, d => d.valor),\n desv: d3.deviation(tasas2013_2019, d => d.valor),\n range: [\n d3.mean(tasas2013_2019, d => d.valor)-d3.deviation(tasas2013_2019, d => d.valor), \n d3.mean(tasas2013_2019, d => d.valor)+d3.deviation(tasas2013_2019, d => d.valor)\n ]\n \n }\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1877,"value":"factorActualizacion_validacion2019 = calculaFactoresActualización_validacion2019(estadisticasVariacion_validacion2019.media)","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":465,"value":"factorActualización = calculaFactoresActualización(estimaciónVariación2019_2020)","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1678,"value":"tasaCrecimientoAnual = {\n const años = [2011,2012,2013,2014,2015,2016,2017,2018,2019];\n const tasas = {};\n \n años.forEach(d => {\n tasas[d] = fallecidosAnualesRegCivil[d].fallecidos365Dias/fallecidosAnualesRegCivil[d-1].fallecidos365Dias-1\n })\n \n return tasas\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1415,"value":"function calculaFactoresActualización(variacion2019_2020) {\n return {\n 2015: (variacion2019_2020 +1)*fallecidosAnualesRegCivil[\"2019\"].fallecidos365Dias/fallecidosAnualesRegCivil[\"2015\"].fallecidos365Dias,\n 2016: (variacion2019_2020 +1)*fallecidosAnualesRegCivil[\"2019\"].fallecidos365Dias/fallecidosAnualesRegCivil[\"2016\"].fallecidos365Dias,\n 2017: (variacion2019_2020 +1)*fallecidosAnualesRegCivil[\"2019\"].fallecidos365Dias/fallecidosAnualesRegCivil[\"2017\"].fallecidos365Dias,\n 2018: (variacion2019_2020 +1)*fallecidosAnualesRegCivil[\"2019\"].fallecidos365Dias/fallecidosAnualesRegCivil[\"2018\"].fallecidos365Dias,\n 2019: (variacion2019_2020 +1)*fallecidosAnualesRegCivil[\"2019\"].fallecidos365Dias/fallecidosAnualesRegCivil[\"2019\"].fallecidos365Dias,\n }\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1842,"value":"function calculaFactoresActualización_validacion2019(variacion2018_2019) {\n return {\n 2014: (variacion2018_2019 +1)*fallecidosAnualesRegCivil[\"2018\"].fallecidos365Dias/fallecidosAnualesRegCivil[\"2014\"].fallecidos365Dias,\n 2015: (variacion2018_2019 +1)*fallecidosAnualesRegCivil[\"2018\"].fallecidos365Dias/fallecidosAnualesRegCivil[\"2015\"].fallecidos365Dias,\n 2016: (variacion2018_2019 +1)*fallecidosAnualesRegCivil[\"2018\"].fallecidos365Dias/fallecidosAnualesRegCivil[\"2016\"].fallecidos365Dias,\n 2017: (variacion2018_2019 +1)*fallecidosAnualesRegCivil[\"2018\"].fallecidos365Dias/fallecidosAnualesRegCivil[\"2017\"].fallecidos365Dias,\n 2018: (variacion2018_2019 +1)*fallecidosAnualesRegCivil[\"2018\"].fallecidos365Dias/fallecidosAnualesRegCivil[\"2018\"].fallecidos365Dias,\n }\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1672,"value":"fallecidosAnualesRegCivil = {\n const bisiesto = {\n 2012: true,\n 2016: true,\n 2020: true\n }\n \n const dataBiestoiNormalizados = {}\n \n _.chain(fallecidosAnualesRegCivil_)\n .each((value,key) => {\n dataBiestoiNormalizados[key] = {\n fallecidos: value,\n fallecidos365Dias: bisiesto[key] ? value*365/366 : value\n };\n })\n .value()\n \n return dataBiestoiNormalizados \n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":467,"value":"fallecidosAnualesRegCivil_ = ({ \n2010:98178,\n2011:95105,\n2012:99169,\n2013:100286,\n2014:102252,\n2015:103710,\n2016:104389,\n2017:106877,\n2018:107286,\n2019:109838,\n})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1686,"value":"es_ES = ({\n \"decimal\": \",\",\n \"thousands\": \".\",\n \"grouping\": [3],\n \"currency\": [\"$\", \"\"],\n \"dateTime\": \"%a %b %e %X %Y\",\n \"date\": \"%d/%m/%Y\",\n \"time\": \"%H:%M:%S\",\n \"periods\": [\"AM\", \"PM\"],\n \"days\": [\"Domingo\", \"Lunes\", \"Martes\", \"Miércoles\", \"Jueves\", \"Viernes\", \"Sábado\"],\n \"shortDays\": [\"Dom\", \"Lun\", \"Mar\", \"Mi\", \"Jue\", \"Vie\", \"Sab\"],\n \"months\": [\"Enero\", \"Febrero\", \"Marzo\", \"Abril\", \"Mayo\", \"Junio\", \"Julio\", \"Agosto\", \"Septiembre\", \"Octubre\", \"Noviembre\", \"Diciembre\"],\n \"shortMonths\": [\"Ene\", \"Feb\", \"Mar\", \"Abr\", \"May\", \"Jun\", \"Jul\", \"Ago\", \"Sep\", \"Oct\", \"Nov\", \"Dic\"]\n });","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":821,"value":"style_bootstrap","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":328,"value":"md`# Librerías externas`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":820,"value":"import {style_bootstrap} from \"@elaval/utils\"","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":757,"value":"import {input, autoSelect,text, select, date, radio, button, slider, number} from '@jashkenas/inputs'","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":160,"value":"d3 = require(\"d3\")","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1698,"value":"d3.formatDefaultLocale(es_ES)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":118,"value":"moment = require('moment@2.24.0/moment.js')","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":99,"value":"_ = require(\"lodash\")","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":4,"value":"xlsx = require('https://bundle.run/xlsx@0.14.1')","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1086,"value":"ga = {\n const ga = await require(\"https://www.google-analytics.com/analytics.js\").catch(() => window.ga);\n ga(\"create\", \"UA-143020946-11\", \"auto\");\n ga(\"send\", \"pageview\", html``.pathname);\n return ga;\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"}],"files":"$W44","stdlib":"1","titling":"auto"}} 33:"$32:body"