31:T669,Fuente de datos: El Ministerio de Ciencia publica semanalmente en el repositorio de datos de COVID19 los datos correspondientes al [Número de reproducción efectivo, provisto por el grupo ICOVID Chile](https://github.com/MinCiencia/Datos-COVID19/tree/master/output/producto54) Acá podemos obtener los datos de Re para cada provincia del país. Los datos incluyen un intervalo de 95% de confianza definido por un límite inferior, límite superior y la mediana. Por ejemplo para la provincia de Santiago el ${moment(fechaMaximaRe).format("D MMM YYYY")}: * Límite inferior de intervalo de 95% de confianza: ${d3.format(".2f")(ReSantiago["r.liminf"])} * Límite superior de intervalo de 95% de confianza: ${d3.format(".2f")(ReSantiago["r.lisup"])} * Mediana de valor de Re en intervalo de 95% de confianza: ${d3.format(".2f")(ReSantiago["r.estimado"])} Generalmente se comunica el valor de la mediana como un estimación puntual de Re, pero lo correcto es considerar el intervalo de confianza en la comunicación de este indicador. Este indicador de Re nos informa del estado de la pandemia con algunos días de desfase ya que los casos reportados al día de hoy dan cuenta de una fracción menor de personas que se han contagiado en los días recientes. Los datos de iCovid reportan Re "según fecha de inicio de los síntomas (utilizado como un proxy de la fecha de infección), corregidos por la presencia de datos faltantes respecto de la fecha de inicio de los síntomas y por los tiempos de rezago de la información". Es así como los datos publicados el 14 de Abril, por ejemplo, contienen el valor de Re hasta el 8 de Abril.32:Tad0,{ const data = provincias.map((d) => ({ provincia: d.provincia, region: d.region, re: dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe) && +dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe)[ "r.estimado" ], reSup: dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe) && +dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe)[ "r.lisup" ], reInf: dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe) && +dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe)[ "r.liminf" ] })); //return data; const provinciasIntervaloReSobre1 = data.filter((d) => d.reInf > 1); const provinciasIntervaloReMenor1 = data.filter((d) => d.reSup < 1); const provinciasOtras = data.filter((d) => d.reInf < 1 && d.reSup > 1); return html`

En todo Chile al ${moment(fechaMaximaRe).format( "D MMM YYYY" )} hay

${ provinciasIntervaloReMenor1.length } provincias con Re menor o igual a 1 (el límite superior del Intervalo de Confianza es menor o igual a 1)

${ provinciasIntervaloReSobre1.length } provincias con Re mayor a 1 (el límite inferior del Intervalo de Confianza es mayor a 1)

${ provinciasOtras.length } provincias para las cuales no podemos asegurar que Re sea mayor o menor a 1 (el intervalo de confianza incluye el 1)

Provincias con Re menor a 1

${_.chain(provinciasIntervaloReMenor1) .sortBy((d) => ordenRegiones[d.region]) .groupBy((d) => d.region) .map( (items, region) => ` ` ) .value()}

Región	Provincias
${region}	${items.map((d) => `${d.provincia}`).join(", ")}

Provincias con Re mayor a 1

${_.chain(provinciasIntervaloReSobre1) .sortBy((d) => ordenRegiones[d.region]) .groupBy((d) => d.region) .map( (items, region) => ` ` ) .value()}

Región	Provincias
${region}	${items.map((d) => `${d.provincia}`).join(", ")}

Provincias para las cuales no se puede afirmar que Re sea mayor o menor a 1

${_.chain(provinciasOtras) .sortBy((d) => ordenRegiones[d.region]) .groupBy((d) => d.region) .map( (items, region) => ` ` ) .value()}

Región	Provincias
${region}	${items.map((d) => `${d.provincia}`).join(", ")}

`; }33:T404,{ const fechaDesde = moment(fechaMaximaRe) .subtract(8, "weeks") .format("YYYY-MM-DD"); const data = _.chain(dataPorProvincia[provinciaSeleccionadaReTendencia]) .filter((d) => d.fecha >= fechaDesde) .sortBy((d) => d.fecha) .value(); return Plot.plot({ height: width / 4, marks: [ Plot.areaY(data, { y1: (d) => +d["r.liminf"], y2: (d) => +d["r.lisup"], x: (d) => new Date(d["fecha"]), fill: "lightgrey" }), Plot.line(data, { y: (d) => +d["r.estimado"], x: (d) => new Date(d["fecha"]), stroke: "black" }), false ? Plot.line( data.filter((d) => d.fecha >= fechaDesdeTendencia), { y: (d) => +regresionProvinciaSeleccionada.predict(new Date(d.fecha)), x: (d) => new Date(d.fecha), stroke: "red", strokeWidth: 3 } ) : [], Plot.ruleY([1], { stroke: "grey" }) ] }); }34:T430,{ const mostrarTendencia = true; const fechaDesde = moment(fechaMaximaRe) .subtract(8, "weeks") .format("YYYY-MM-DD"); const data = _.chain(dataPorProvincia[provinciaSeleccionadaReTendencia]) .filter((d) => d.fecha >= fechaDesde) .sortBy((d) => d.fecha) .value(); return Plot.plot({ height: width / 4, marks: [ Plot.areaY(data, { y1: (d) => +d["r.liminf"], y2: (d) => +d["r.lisup"], x: (d) => new Date(d["fecha"]), fill: "lightgrey" }), Plot.line(data, { y: (d) => +d["r.estimado"], x: (d) => new Date(d["fecha"]), stroke: "black" }), mostrarTendencia ? Plot.line( data.filter((d) => d.fecha >= fechaDesdeTendencia), { y: (d) => +regresionProvinciaSeleccionada.predict(new Date(d.fecha)), x: (d) => new Date(d.fecha), stroke: "red", strokeWidth: 3 } ) : [], Plot.ruleY([1], { stroke: "grey" }) ] }); }35:T980,{ const data = provincias.map((d) => ({ region: d.region, provincia: d.provincia, re: dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe) && +dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe)[ "r.estimado" ], reSup: dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe) && +dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe)[ "r.lisup" ], reInf: dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe) && +dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe)[ "r.liminf" ] })); const reAlza = provincias.filter( (d) => chequearTendenciaRe(d.provincia) == "alza" ); const reBaja = provincias.filter( (d) => chequearTendenciaRe(d.provincia) == "baja" ); const reInconcluso = provincias.filter( (d) => chequearTendenciaRe(d.provincia) == "inconcluso" ); return html`

Provincias con Re al alza (el intervalo de confianza está por sobre el de otra fecha en las últimas ${semanasTendencia} semanas)

${_.chain(reAlza) .sortBy((d) => ordenRegiones[d.region]) .groupBy((d) => d.region) .map( (items, region) => ` ` ) .value()}

Región	Provincias
${region}	${items.map((d) => `${d.provincia}`).join(", ")}

Provincias con Re a la baja (el intervalo de confianza está bajo el de otra fecha en las últimas ${semanasTendencia} semanas)

${_.chain(reBaja) .sortBy((d) => ordenRegiones[d.region]) .groupBy((d) => d.region) .map( (items, region) => ` ` ) .value()}

Región	Provincias
${region}	${items.map((d) => `${d.provincia}`).join(", ")}

Provincias para las que no podemos afirmar que Re vaya a la baja o al alza

${_.chain(reInconcluso) .sortBy((d) => ordenRegiones[d.region]) .groupBy((d) => d.region) .map( (items, region) => ` ` ) .value()}

Región	Provincias
${region}	${items.map((d) => `${d.provincia}`).join(", ")}

`; }36:T570,{ const data = provincias.map((d) => ({ provincia: d.provincia, region: d.region, re: dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe) && +dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe)[ "r.estimado" ], reSup: dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe) && +dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe)[ "r.lisup" ], reInf: dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe) && +dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe)[ "r.liminf" ] })); //return data; const provinciasReEstimadoSobre1 = data.filter((d) => d["re"] > 1); return html`

En todo Chile al ${moment(fechaMaximaRe).format( "D MMM YYYY" )} hay

${ provinciasReEstimadoSobre1.length } provincias con Re estimado mayor a 1

Provincias con Re estimado mayor a 1

${_.chain(provinciasReEstimadoSobre1) .sortBy((d) => ordenRegiones[d.region]) .groupBy((d) => d.region) .map( (items, region) => ` ` ) .value()}

Región	Provincias
${region}	${items.map((d) => `${d.provincia}`).join(", ")}

`; }37:T8df,{ const fechaDesde = moment(fechaMaximaRe) .subtract(8, "weeks") .format("YYYY-MM-DD"); const provinciasSobre1 = provincias .map((d) => ({ provincia: d.provincia, region: d.region, re: dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe) && +dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe)[ "r.estimado" ], reSup: dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe) && +dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe)[ "r.lisup" ], reInf: dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe) && +dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe)[ "r.liminf" ] })) .filter((d) => d.re > 1) .map((d) => d.provincia); //return provinciasSobre1; //return dataPorProvincia; const data = _.chain(provinciasSobre1) .map( (d) => dataPorProvincia[d] && dataPorProvincia[d].filter((d) => d.fecha >= fechaDesde) ) .flatten() .value(); //return data0; const data0 = _.chain(dataPorProvincia[provinciaSeleccionadaReTendencia]) .filter((d) => d.fecha >= fechaDesde) .sortBy((d) => d.fecha) .value(); //return data; return Plot.plot({ width: width, height: provinciasSobre1.length * 200, marginRight: 200, x: { grid: true }, facet: { marginRight: 200, data: data, y: "Provincia" }, marks: [ Plot.areaY(data, { y1: (d) => +d["r.liminf"], y2: (d) => +d["r.lisup"], x: (d) => new Date(d["fecha"]), fill: "lightgrey" }), Plot.line(data, { y: (d) => +d["r.estimado"], x: (d) => new Date(d["fecha"]), stroke: "black" }), false ? Plot.line( data.filter((d) => d.fecha >= fechaDesdeTendencia), { y: (d) => +regresionProvinciaSeleccionada.predict(new Date(d.fecha)), x: (d) => new Date(d.fecha), stroke: "red", strokeWidth: 3 } ) : [], Plot.ruleY([1], { stroke: "grey" }) ] }); }38:T425,{ const dataPlot = _.chain(dataUrgenciaRespiratoria) .map((d) => ({ semana: `${d.Año}${+d.SEMANA < 10 ? `0${d.SEMANA}` : d.SEMANA}`, atenciones: d.Total })) .map((d) => ({ semana: d.semana, fechaInicio0: semanasEpidemiológicas[d.semana] && semanasEpidemiológicas[d.semana].inicio, fechaFin0: semanasEpidemiológicas[d.semana] && semanasEpidemiológicas[d.semana].fin, fechaInicio: moment(d.semana, "YYYYWW") .startOf("isoWeek") .subtract(1, "day") .format("YYYY-MM-DD"), fechaFin: moment(d.semana, "YYYYWW") .endOf("isoWeek") .subtract(1, "day") .format("YYYY-MM-DD"), atenciones: d.atenciones })) .sortBy((d) => d.fechaInicio) .value(); return Plot.plot({ marginLeft: 100, y: { label: "Atenciones de urgencia por causa respiratoria", grid: true }, marks: [ Plot.lineY(dataPlot, { x: (d) => new Date(d.fechaFin), y: "atenciones" }) ] }); }39:T45f,{ const dataPlot = _.chain(dataUrgenciaCOVID19Confirmado) .map((d) => ({ semana: `${d.Año}${+d.SEMANA < 10 ? `0${d.SEMANA}` : d.SEMANA}`, atenciones: d.Total })) .map((d) => ({ semana: d.semana, fechaInicio0: semanasEpidemiológicas[d.semana] && semanasEpidemiológicas[d.semana].inicio, fechaFin0: semanasEpidemiológicas[d.semana] && semanasEpidemiológicas[d.semana].fin, fechaInicio: moment(d.semana, "YYYYWW") .startOf("isoWeek") .subtract(1, "day") .format("YYYY-MM-DD"), fechaFin: moment(d.semana, "YYYYWW") .endOf("isoWeek") .subtract(1, "day") .format("YYYY-MM-DD"), atenciones: d.atenciones })) .filter((d) => d.fechaInicio >= "2020-03") .sortBy((d) => d.fechaInicio) .value(); return Plot.plot({ y: { label: "Atenciones de urgencia por causa covid19 confirmado", grid: true }, marginLeft: 100, marks: [ Plot.lineY(dataPlot, { x: (d) => new Date(d.fechaFin), y: "atenciones" }) ] }); }3a:T497,{ const dataPlot = _.chain(dataUrgenciaCOVID19Sospechoso) .map((d) => ({ semana: `${d.Año}${+d.SEMANA < 10 ? `0${d.SEMANA}` : d.SEMANA}`, atenciones: d.Total })) //.filter((d) => semanasEpidemiológicas[d.semana]) .map((d) => ({ semana: d.semana, fechaInicio0: semanasEpidemiológicas[d.semana] && semanasEpidemiológicas[d.semana].inicio, fechaFin0: semanasEpidemiológicas[d.semana] && semanasEpidemiológicas[d.semana].fin, fechaInicio: moment(d.semana, "YYYYWW") .startOf("isoWeek") .subtract(1, "day") .format("YYYY-MM-DD"), fechaFin: moment(d.semana, "YYYYWW") .endOf("isoWeek") .subtract(1, "day") .format("YYYY-MM-DD"), atenciones: d.atenciones })) .filter((d) => d.fechaInicio >= "2020-03") .sortBy((d) => d.fechaInicio) .value(); return Plot.plot({ marginLeft: 100, y: { label: "Atenciones de urgencia por causa covid19 sospechoso", grid: true }, marks: [ Plot.lineY(dataPlot, { x: (d) => new Date(d.fechaFin), y: "atenciones" }) ] }); }3b:T514,{ const maxFecha = _.chain(dictCamasHospitalChile).keys().max().value(); const fechaDesde = moment(maxFecha).subtract(4, "weeks").format("YYYY-MM-DD"); const fecha1SemanaAtrás = moment(maxFecha) .subtract(1, "weeks") .format("YYYY-MM-DD"); const fecha2SemanaAtrás = moment(maxFecha) .subtract(1, "weeks") .format("YYYY-MM-DD"); const baja1Semana = dictCamasHospitalChile[maxFecha].total < dictCamasHospitalChile[fecha1SemanaAtrás].total; const baja2Semanas = dictCamasHospitalChile[maxFecha].total < dictCamasHospitalChile[fecha2SemanaAtrás].total; const data = _.chain(dictCamasHospitalChile) .map((item, fecha) => ({ fecha: fecha, camas: item.total })) .filter((d) => d.fecha >= fechaDesde) .value(); return html` El siguiente gráfico muestra la tendencia en las últimas 4 semanas. Se observa ${ baja1Semana ? "una baja" : "un alza" } con respecto a la semana pasada y ${ baja2Semanas ? "una baja" : "un alza" } con respecto a 2 semanas atrás. ${Plot.plot({ y: { label: "Camas de hospital con pacientes COVID19 (UCI + UTI + Básica + Media)" }, marks: [ Plot.lineY(data, { x: (d) => new Date(d.fecha), y: "camas" }) ] })}`; }3c:T4d6,{ const data = regiones.map((d) => { const record = _.clone(dictOcupacionCamasUCI[d][fechaMaxUCI]); record.region = d; record.porcentaje = record.camas_covid19 / record.camas_habilitadas; return record; }); return Plot.plot({ marginLeft: 140, x: { label: "Porcentaje de ocupación de camas críticas por pacientes COVID19", tickFormat: "%" }, y: { label: "Región", domain: _.keys(ordenRegiones) }, marks: [ Plot.barX(regiones, { y: (d) => d, x1: (d) => 0, x2: (d) => 0.25, fill: coloresFases.bajo }), Plot.barX(regiones, { y: (d) => d, x1: (d) => 0.25, x2: (d) => 0.5, fill: coloresFases.medio }), Plot.barX(regiones, { y: (d) => d, x1: (d) => 0.5, x2: (d) => 1, fill: coloresFases.alto }), Plot.tickX(data, { y: "region", x: "porcentaje", stroke: "white", strokeWidth: 5 }), Plot.text(data, { y: "region", x: "porcentaje", dx: 10, text: (d) => d3.format(".0%")(d.porcentaje), textAnchor: "start", fill: "white" }) ] }); }3d:T5ef,{ const maxFecha = _.chain(dictOcupacionUCINacional).keys().max().value(); const minFecha = _.chain(dictOcupacionUCINacional).keys().min().value(); const data = _.map(dictOcupacionUCINacional, (item, fecha) => ({ fecha: fecha, ocupacion: item.ocupacion })); const minValue = _.chain(data) .map((d) => d.ocupacion) .min() .value(); return Plot.plot({ marginRight: 50, y: { label: "Ocupación UCI a nivel nacional", tickFormat: "%" }, marks: [ Plot.rect([null], { x1: (d) => new Date(minFecha), x1: (d) => new Date(maxFecha), y1: (d) => minValue, y2: (d) => 0.9, fill: coloresFases.bajo }), Plot.rect([null], { x1: (d) => new Date(minFecha), x1: (d) => new Date(maxFecha), y1: (d) => 0.9, y2: (d) => 0.95, fill: coloresFases.medio }), Plot.rect([null], { x1: (d) => new Date(minFecha), x1: (d) => new Date(maxFecha), y1: (d) => 0.95, y2: (d) => 1, fill: coloresFases.alto }), Plot.lineY(data, { x: (d) => new Date(d.fecha), y: "ocupacion", stroke: "white", strokeWidth: 2 }), Plot.text( data, Plot.selectLast({ x: (d) => new Date(d.fecha), dx: 5, y: "ocupacion", text: (d) => d3.format(".1%")(d["ocupacion"]), textAnchor: "start", fontSize: 14 }) ) ] }); }3e:T41f,El Ministerio de Salud define que el indicador de vacunación relevante para el cambio de fase es **la cobertura de población vacunada con su esquema primario dentro de los últimos 6 meses, o con alguna dosis de refuerzo en este mismo período de tiempo** Se considerarán los siguientes umbrales: * BAJO impacto sanitario: cobertura igual o mayor al 80% * MEDIO impacto sanitario: cobertura entre 60% y 80 * ALTO impacto sanitario: cobertura bajo el 60% En el repositorio de datos del Ministerio de Ciencia se publica el [Avance en Campaña de Vacunación COVID-19](https://github.com/MinCiencia/Datos-COVID19/tree/master/output/producto76) con el total de vacunas administradas según tipo de dosis, por fecha y región. Al tener el total de personas que han sido vacunadas con vacunas de "Segunda Dosis", "Única Dosis", "Dosis de Refuerzo" y "Cuarta Dosis" hace 6 meses y el total en la actualidad podemos calcular el total de personas que han recibido alguna de estas dosis en los últimos 6 meses. Por ejemplo para la Regíon Metropolitana: 3f:Tacb,{ const data = dataVacunacion6Meses["Metropolitana"]; const dosisRecientes = data.Segunda.nuevasEn6Meses + data.Unica.nuevasEn6Meses + data.Refuerzo.nuevasEn6Meses + data.Cuarta.nuevasEn6Meses; return html`

Dosis	Cantidad hace 6 meses ${moment( data.Segunda.fechaHace6Meses ).format("D MMM YYYY")}	Cantidad actual ${moment(data.Segunda.fecha).format( "D MMM YYYY" )}	Nuevas dosis (últimos 6 meses)
Segunda Dosis	${d3.format(",")(data.Segunda.cantidadHace6Meses)}	${d3.format(",")(data.Segunda.cantidadActual)}	${d3.format(",")(data.Segunda.nuevasEn6Meses)}
Única Dosis	${d3.format(",")(data.Unica.cantidadHace6Meses)}	${d3.format(",")(data.Unica.cantidadActual)}	${d3.format(",")(data.Unica.nuevasEn6Meses)}
Dosis Refuerzo	${d3.format(",")(data.Refuerzo.cantidadHace6Meses)}	${d3.format(",")(data.Refuerzo.cantidadActual)}	${d3.format(",")(data.Refuerzo.nuevasEn6Meses)}
Cuarta Dosis	${d3.format(",")(data.Cuarta.cantidadHace6Meses)}	${d3.format(",")(data.Cuarta.cantidadActual)}	${d3.format(",")(data.Cuarta.nuevasEn6Meses)}
Total	${d3.format(",")( data.Segunda.cantidadHace6Meses + data.Unica.cantidadHace6Meses + data.Refuerzo.cantidadHace6Meses + data.Cuarta.cantidadHace6Meses )}	${d3.format(",")( data.Segunda.cantidadActual + data.Unica.cantidadActual + data.Refuerzo.cantidadActual + data.Cuarta.cantidadActual )}	${d3.format(",")( data.Segunda.nuevasEn6Meses + data.Unica.nuevasEn6Meses + data.Refuerzo.nuevasEn6Meses + data.Cuarta.nuevasEn6Meses )}

En la Región Metropolitana (poblacion ${d3.format(",")( data.Cuarta.poblacion )} personas) se han colocado ${d3.format(",")( dosisRecientes )} dosis de vacunas en los últimos 6 meses (sin considerar la primera dosis). Suponiendo que las dosis corresponden a personas distintas (no hay personas que hayan recibido más de una dosis en últimos 6 meses), el total de personas vacunadas corresponde a un ${d3.format( ".1%" )(dosisRecientes / data.Cuarta.poblacion)} de la población. `; }40:T4f3,{ const dict = {}; _.chain(dataVacunacion6Meses) .each((item, key) => { dict[key] = {}; dict[key]["region"] = key; dict[key]["nuevasVacunas"] = 0; dict[key]["nuevasVacunas"] += item["Segunda"]["nuevasEn6Meses"]; dict[key]["nuevasVacunas"] += item["Unica"]["nuevasEn6Meses"]; dict[key]["nuevasVacunas"] += item["Refuerzo"]["nuevasEn6Meses"]; dict[key]["nuevasVacunas"] += item["Cuarta"]["nuevasEn6Meses"]; dict[key]["fecha"] = item["Cuarta"]["fecha"]; dict[key]["poblacion"] = item["Cuarta"]["poblacion"]; dict[key]["porcentajeVacunacionReciente"] = dict[key]["nuevasVacunas"] / dict[key]["poblacion"]; }) .value(); const data = _.chain(dict) .map((item, region) => item) .sortBy((d) => ordenRegiones[d.region] || 99) .value(); return html`

${_.map( data, (d) => ` ` )}

Region	Población	Vacunados últimos 6 meses	% Vacunación
${d.region}	${d3.format(",")(d.poblacion)}	${d3.format(",")(d.nuevasVacunas)}	${d3.format(".1%")(d.porcentajeVacunacionReciente)}

`; }41:T7ab,{ const dict = {}; _.chain(dataVacunacion6Meses) .each((item, key) => { dict[key] = {}; dict[key]["region"] = key; dict[key]["nuevasVacunas"] = 0; dict[key]["nuevasVacunas"] += item["Segunda"]["nuevasEn6Meses"]; dict[key]["nuevasVacunas"] += item["Unica"]["nuevasEn6Meses"]; dict[key]["nuevasVacunas"] += item["Refuerzo"]["nuevasEn6Meses"]; dict[key]["nuevasVacunas"] += item["Cuarta"]["nuevasEn6Meses"]; dict[key]["fecha"] = item["Cuarta"]["fecha"]; dict[key]["poblacion"] = item["Cuarta"]["poblacion"]; dict[key]["porcentajeVacunacionReciente"] = dict[key]["nuevasVacunas"] / dict[key]["poblacion"]; }) .value(); const data = _.chain(dict) .map((item, region) => item) .sortBy((d) => ordenRegiones[d.region] || 99) .value(); const minValue = _.chain(data) .map((d) => d.porcentajeVacunacionReciente) .min() .value(); return Plot.plot({ marginBottom: 100, x: { label: "Region", tickRotate: 90, domain: data.map((d) => d.region) }, y: { label: "Cobertura de vacunación en últimos 6 meses (%)", tickFormat: "%" }, marks: [ Plot.barY(data, { x: "region", y1: minValue < 0.4 ? minValue : 0.4, y2: 0.6, fill: coloresFases.alto }), Plot.barY(data, { x: "region", y1: 0.6, y2: 0.8, fill: coloresFases.medio }), , Plot.barY(data, { x: "region", y1: 0.8, y2: 1, fill: coloresFases.bajo }), Plot.tickY(data, { x: "region", y: "porcentajeVacunacionReciente", stroke: "white", strokeWidth: 3 }), Plot.text(data, { x: "region", y: "porcentajeVacunacionReciente", dy: -10, text: (d) => d3.format(".0%")(d["porcentajeVacunacionReciente"]), fill: "white" }) ] }); }42:T5e1,{ function sumaAlDia(d) { return ( d.Segunda.nuevasEn6Meses + d.Unica.nuevasEn6Meses + d.Refuerzo.nuevasEn6Meses + d.Cuarta.nuevasEn6Meses ); } const dataPlot = dataEvoluciónVacunacion6Meses.map((d) => { const record = { fecha: d.fecha, alDia: sumaAlDia(d.stats[targetLocation]) }; return record; }); const maxDate = _.chain(dataPlot) .map((d) => d.fecha) .max() .value(); const maxValue = _.chain(dataPlot) .map((d) => d.alDia) .max() .value(); //return maxValue; return Plot.plot({ width: width, y: { grid: true, label: "Vacunas al día" }, marginRight: 100, marginLeft: 100, marks: [ Plot.areaY(dataPlot, { x: (d) => new Date(d.fecha), y: "alDia", fill: (d) => "alDia" }), Plot.text( dataPlot, Plot.selectLast({ x: (d) => new Date(d.fecha), dx: 10, y: "alDia", text: (d) => `${d3.format(".3s")(d["alDia"])} (${d3.format(".1%")( d["alDia"] / maxValue )}))`, textAnchor: "start" }) ), Plot.ruleY([maxValue]), Plot.text( [{ fecha: maxDate, alDia: maxValue }], Plot.selectLast({ x: (d) => new Date(d.fecha), dx: 10, y: "alDia", text: (d) => `${d3.format(".3s")(d["alDia"])} `, textAnchor: "start" }) ) ] }); }43:T9d8,{ function sumaAlDia(d) { return ( d.Segunda.nuevasEn6Meses + d.Unica.nuevasEn6Meses + d.Refuerzo.nuevasEn6Meses + d.Cuarta.nuevasEn6Meses ); } function desgloseAlDia(d) { return { segunda: d.Segunda.nuevasEn6Meses, unica: d.Unica.nuevasEn6Meses, refuerzo: d.Refuerzo.nuevasEn6Meses, cuarta: d.Cuarta.nuevasEn6Meses }; } const dataPlot = _.chain(dataEvoluciónVacunacion6Meses) .map((d) => { return _.map(desgloseAlDia(d.stats[targetLocation]), (value, key) => { const record = {}; record.fecha = d.fecha; record.tipo = key; record.alDia = value; return record; }); }) .flatten() .sortBy((d) => d.fecha) .filter((d) => ["segunda", "unica", "refuerzo", "cuarta"].includes(d.tipo)) .value(); const maxDate = _.chain(dataPlot) .map((d) => d.fecha) .max() .value(); const date6MonthsAgo = moment(maxDate) .subtract(6, "months") .format("YYYY-MM-DD"); const date12MonthsAgo = moment(maxDate) .subtract(12, "months") .format("YYYY-MM-DD"); const maxValue = _.chain(dataPlot) .map((d) => d.alDia) .max() .value(); //return date6MonthsAgo; return Plot.plot({ y: { grid: true, label: "Vacunas al día" }, color: { legend: true, domain: color.domain(), range: color.range() }, marginRight: 100, marginLeft: 100, marks: [ Plot.areaY( dataPlot.filter( (d) => d.tipo == "refuerzo" || d.tipo == "cuarta" || d.tipo == "segunda" || d.tipo == "unica" ), { x: (d) => new Date(d.fecha), y: "alDia", fill: "tipo" } ), Plot.ruleX([ new Date(maxDate), new Date(date12MonthsAgo), new Date(date6MonthsAgo) ]) /*Plot.text(dataPlot, { x: (d) => new Date(d.fecha), dx: 10, y: "alDia", text: (d) => `${d3.format(".3s")(d["alDia"])} (${d3.format(".1%")( d["alDia"] / maxValue )}))`, textAnchor: "start" }), Plot.ruleY([maxValue]), Plot.text( [{ fecha: maxDate, alDia: maxValue }], Plot.selectLast({ x: (d) => new Date(d.fecha), dx: 10, y: "alDia", text: (d) => `${d3.format(".3s")(d["alDia"])} `, textAnchor: "start" }) )*/ ] }); }44:T54e,dataVacunacion6Meses = { const fechaMaxima = _.chain(dataVacunacion) .map((d) => d.Fecha) .max() .value(); const año = moment(fechaMaxima).year(); const fechaHace6Meses = moment(fechaMaxima) .subtract(6, "months") .format("YYYY-MM-DD"); const dict = {}; _.chain(dataVacunacion) .filter((d) => d.Fecha == fechaHace6Meses) .each((d) => { const nombreRegionINE = aliasNombreRegion[d.Region] || d.Region; dict[d.Region] = dict[d.Region] || {}; dict[d.Region][d.Dosis] = dict[d.Region][d.Dosis] || {}; dict[d.Region][d.Dosis]["cantidadHace6Meses"] = +d.Cantidad; dict[d.Region][d.Dosis]["fechaHace6Meses"] = fechaHace6Meses; dict[d.Region][d.Dosis]["fecha"] = fechaMaxima; dict[d.Region][d.Dosis]["poblacion"] = poblacionTotalPorAñoRegion[año][nombreRegionINE] && poblacionTotalPorAñoRegion[año][nombreRegionINE].total; }) .value(); _.chain(dataVacunacion) .filter((d) => d.Fecha == fechaMaxima) .each((d) => { dict[d.Region] = dict[d.Region] || {}; dict[d.Region][d.Dosis] = dict[d.Region][d.Dosis] || {}; dict[d.Region][d.Dosis]["cantidadActual"] = +d.Cantidad; dict[d.Region][d.Dosis]["nuevasEn6Meses"] = +d.Cantidad - dict[d.Region][d.Dosis]["cantidadHace6Meses"]; }) .value(); return dict; }45:T643,dataEvoluciónVacunacion6Meses = { const fechas = _.chain(dataVacunacion) .map((d) => d.Fecha) .uniq() .sortBy() .value(); function calculo6Meses(fechaMaxima) { const año = moment(fechaMaxima).year(); const fechaHace6Meses = moment(fechaMaxima) .subtract(6, "months") .format("YYYY-MM-DD"); const dict = {}; _.chain(dataVacunacion) .filter((d) => d.Fecha == fechaHace6Meses) .each((d) => { const nombreRegionINE = aliasNombreRegion[d.Region] || d.Region; dict[d.Region] = dict[d.Region] || {}; dict[d.Region][d.Dosis] = dict[d.Region][d.Dosis] || {}; dict[d.Region][d.Dosis]["cantidadHace6Meses"] = +d.Cantidad; dict[d.Region][d.Dosis]["fechaHace6Meses"] = fechaHace6Meses; dict[d.Region][d.Dosis]["fecha"] = fechaMaxima; dict[d.Region][d.Dosis]["poblacion"] = poblacionTotalPorAñoRegion[año][nombreRegionINE] && poblacionTotalPorAñoRegion[año][nombreRegionINE].total; }) .value(); _.chain(dataVacunacion) .filter((d) => d.Fecha == fechaMaxima) .each((d) => { dict[d.Region] = dict[d.Region] || {}; dict[d.Region][d.Dosis] = dict[d.Region][d.Dosis] || {}; dict[d.Region][d.Dosis]["cantidadActual"] = +d.Cantidad; dict[d.Region][d.Dosis]["nuevasEn6Meses"] = +d.Cantidad - (dict[d.Region][d.Dosis]["cantidadHace6Meses"] || 0); }) .value(); return dict; } return fechas.map((fecha) => { return { fecha: fecha, stats: calculo6Meses(fecha) }; }); }46:[{"id":"03a0b29a4cee1bcfdfca7071ed2d3411fd1823fb6b8dba437f7933d2c5422e7ddd43b01bea79941620349d96f0574a76b26c95577458ab9d342621b2cdb291ce","href":"https://static.observableusercontent.com/files/03a0b29a4cee1bcfdfca7071ed2d3411fd1823fb6b8dba437f7933d2c5422e7ddd43b01bea79941620349d96f0574a76b26c95577458ab9d342621b2cdb291ce","name":"Línea - SEMANA 10.xlsx","type":"application/vnd.openxmlformats-officedocument.spreadsheetml.sheet","lastModified":1650148940001.005,"size":6461},{"id":"d60da20f3155dd366fab63c732cce11a4b1b9caa98e24af2e7efff52dd97cd5933c8c6aef8cd5844870c420f9fc9acb79db8da76db5584c5dcf943d304f6044a","href":"https://static.observableusercontent.com/files/d60da20f3155dd366fab63c732cce11a4b1b9caa98e24af2e7efff52dd97cd5933c8c6aef8cd5844870c420f9fc9acb79db8da76db5584c5dcf943d304f6044a","name":"Línea - SEMANA 1.xlsx","type":"application/vnd.openxmlformats-officedocument.spreadsheetml.sheet","lastModified":1650148824056.344,"size":7481},{"id":"db60cc15c12cc56a6f2a0121a1a4837c1ae3eccd89045cea546173e3ba8612849c6699e8078938509d9e8b484f34d7b23c5e7d0872cc1e233a8fb474d995e8a4","href":"https://static.observableusercontent.com/files/db60cc15c12cc56a6f2a0121a1a4837c1ae3eccd89045cea546173e3ba8612849c6699e8078938509d9e8b484f34d7b23c5e7d0872cc1e233a8fb474d995e8a4","name":"Línea - SEMANA 7.xlsx","type":"application/vnd.openxmlformats-officedocument.spreadsheetml.sheet","lastModified":1650148936793.886,"size":6414},{"id":"25604d62aa2c830b0fe717cde9ac0f1ad0e7454e22003f2f4b316a52eb1ef3c18accc2c0ec7f459915569930744ad6cebeb169595d2cc88fea575a174271d8d2","href":"https://static.observableusercontent.com/files/25604d62aa2c830b0fe717cde9ac0f1ad0e7454e22003f2f4b316a52eb1ef3c18accc2c0ec7f459915569930744ad6cebeb169595d2cc88fea575a174271d8d2","name":"image.png","type":"image/png","lastModified":1650203458789.381,"size":337919}] 2f:{"title":"Datos de nuevos indicadores Paso a Paso","cells":[{"id":0,"value":"# Datos de nuevos indicadores Paso a Paso","pinned":false,"hidden":false,"mode":"md"},{"id":1357,"value":"

Documento en desarrollo - borrador de trabajo

","pinned":false,"hidden":false,"mode":"html"},{"id":584,"value":"El Ministerio de Salud de Chile actualizó el plan [Paso a Paso](https://s3.amazonaws.com/gobcl-prod/public_files/Campa%C3%B1as/Corona-Virus/documentos/paso-a-paso/Nuevos-protocolos-2022/2022.04.12_Plan_Seguimos_Cuidandonos_Paso_a_Paso-final.pdf), presentando\n tres fases definidas por su impacto sanitario: Bajo, Medio y Alto.","pinned":false,"hidden":false,"mode":"md"},{"id":589,"value":"El 12 de Abril de 2022 se anunciaron los indicadores que están asociados a cada una de las fases:\n\n

","pinned":false,"hidden":false,"mode":"md"},{"id":609,"value":"A continuación comparto una mirada a datos asociados a cada uno de estos indicadores utilizando fuentes de datos públicas ","pinned":false,"hidden":false,"mode":"md"},{"id":613,"value":"# 1 Indicadores asociados a la Circulación Viral","pinned":false,"hidden":false,"mode":"md"},{"id":617,"value":"## 1.1 Re (Número Reproductivo Efectivo) Provincial","pinned":false,"hidden":false,"mode":"md"},{"id":621,"value":"$31","pinned":false,"hidden":false,"mode":"md"},{"id":637,"value":"A continuación puede consultar por el dato de Re por provincias según el último reporte de iCovid actualizado en el repositorio de datos del Ministerio de Ciencia","pinned":false,"hidden":false,"mode":"md"},{"id":36,"value":"viewof regionSeleccionadaRe = {\n const regiones = _.keys(ordenRegiones);\n\n return Inputs.select(regiones, {\n value: _.sample(regiones),\n label: \"Región\"\n });\n}","pinned":false,"hidden":false,"mode":"ojs"},{"id":64,"value":"R efectivo (Re) para provincias de región ${regionSeleccionadaRe} al ${moment(fechaMaximaRe).format(\"D MMM YYYY\")}","pinned":false,"hidden":false,"mode":"md"},{"id":641,"value":"{\n const data = _.chain(dataReProvincialRaw)\n .filter((d) => d.fecha == fechaMaximaRe && d.Region == regionSeleccionadaRe)\n .sortBy((d) => -+d[\"r.estimado\"])\n .value();\n\n return html`\n\n\n\n\n\n\n\n\n\n${data.map(\n (d) => `\n\n\n\n\n\n\n`\n)}\n

Provincia	Límite inferior del intervalo de 95% de confianza	Re (mediana)	Límite superior del intervalo de 95% de confianza
${d.Provincia}	${d3.format(\".2f\")(d[\"r.liminf\"])}	${d3.format(\".2f\")(d[\"r.estimado\"])}	${d3.format(\".2f\")(d[\"r.lisup\"])}

\n`;\n}","pinned":false,"hidden":false,"mode":"ojs"},{"id":6,"value":"{\n const data = _.chain(dataReProvincialRaw)\n .filter((d) => d.fecha == fechaMaximaRe && d.Region == regionSeleccionadaRe)\n .sortBy((d) => -+d[\"r.estimado\"])\n .value();\n\n return Plot.plot({\n marginLeft: 200,\n y: {\n domain: data.map((d) => d.Provincia)\n },\n marks: [\n Plot.barX(data, {\n x1: (d) => +d[\"r.liminf\"],\n x2: (d) => +d[\"r.lisup\"],\n y: (d) => d[\"Provincia\"],\n fill: (d) => (+d[\"r.liminf\"] > 1 ? \"lightgrey\" : \"lightgrey\")\n }),\n Plot.tickX(data, {\n x: (d) => +d[\"r.estimado\"],\n y: (d) => d[\"Provincia\"],\n stroke: \"black\"\n }),\n Plot.ruleX([1], { stroke: \"red\" })\n ]\n });\n}","pinned":false,"hidden":false,"mode":"ojs"},{"id":1438,"value":"provincias.map((d) => ({\n provincia: d.provincia,\n region: d.region,\n re:\n dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe) &&\n +dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe)[\n \"r.estimado\"\n ],\n reSup:\n dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe) &&\n +dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe)[\n \"r.lisup\"\n ],\n reInf:\n dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe) &&\n +dataPorProvincia[d.provincia].find((d) => d.fecha == fechaMaximaRe)[\n \"r.liminf\"\n ]\n}))","pinned":true,"hidden":false,"mode":"ojs"},{"id":1446,"value":"Inputs.table(dataPorProvincia[\"Santiago\"])","pinned":true,"hidden":false,"mode":"ojs"},{"id":1450,"value":"fechaMaximaRe","pinned":true,"hidden":false,"mode":"ojs"},{"id":664,"value":"$32","pinned":false,"hidden":false,"mode":"ojs"},{"id":796,"value":"## 1.2 Tendencia del Re Provincial","pinned":false,"hidden":false,"mode":"md"},{"id":805,"value":"Al ver un gráfico con las curvas de Re (incluyendo el intervalo de confianza y su mediana), es posible observar como se ha comportado el indicador en el tiempo","pinned":false,"hidden":false,"mode":"md"},{"id":814,"value":"viewof regionSeleccionadaReTendencia = {\n const regiones = _.keys(ordenRegiones);\n\n return Inputs.select(regiones, {\n value: _.sample(regiones),\n label: \"Región\"\n });\n}","pinned":false,"hidden":false,"mode":"ojs"},{"id":80,"value":"viewof provinciaSeleccionadaReTendencia = {\n const provincias = _.chain(dataReProvincialRaw)\n .filter(\n (d) =>\n d.fecha == fechaMaximaRe && d.Region == regionSeleccionadaReTendencia\n )\n .map((d) => d.Provincia)\n .value();\n\n return Inputs.select(provincias, {\n value: _.sample(provincias),\n label: \"Provincia\"\n });\n}","pinned":false,"hidden":false,"mode":"ojs"},{"id":1428,"value":"## Provincia de ${provinciaSeleccionadaReTendencia} (al ${moment(fechaMaximaRe).format(\"D MMM YYYY\")})","pinned":false,"hidden":false,"mode":"md"},{"id":87,"value":"$33","pinned":false,"hidden":false,"mode":"ojs"},{"id":825,"value":"Parece natural observar la tendencia de la mediana en las últimas semanas y concluir la tendencia de la curva (aquí se agrega al gráfico una linea que representa la regresión lineal de la media de Re en las últimas ${semanasTendencia} semanas)","pinned":false,"hidden":false,"mode":"md"},{"id":829,"value":"$34","pinned":false,"hidden":false,"mode":"ojs"},{"id":834,"value":"Sin embargo, en rigor no podemos concluir que el indicador en una fecha esté sobre o bajo el valor de otra fecha si los intervalos de confianza se traslapan.\n\nSólo podemos afirmar que el Re hoy es mayor al de semanas recientes si el límite inferior del Intervalo de Confianza hoy es superior al limite superior del intervalo de confianza en la fecha de comparación (y de manera análoga para afirmar que Re es menor)\n","pinned":false,"hidden":false,"mode":"md"},{"id":868,"value":"$35","pinned":false,"hidden":false,"mode":"ojs"},{"id":1383,"value":"Re estimado mayor a 1","pinned":true,"hidden":false,"mode":"md"},{"id":1386,"value":"$36","pinned":false,"hidden":false,"mode":"ojs"},{"id":1534,"value":"{\n const dataPlot = dataReNacionalRaw.filter(\n (d) =>\n d.fecha >= moment(fechaMaximaRe).subtract(8, \"weeks\").format(\"YYYY-MM-DD\")\n );\n\n return Plot.plot({\n width: width,\n height: width / 2,\n marginRight: 200,\n\n marks: [\n Plot.areaY(dataPlot, {\n y1: (d) => +d[\"r.liminf\"],\n y2: (d) => +d[\"r.lisup\"],\n x: (d) => new Date(d[\"fecha\"]),\n fill: \"lightgrey\"\n }),\n Plot.line(dataPlot, {\n y: (d) => +d[\"r.estimado\"],\n x: (d) => new Date(d[\"fecha\"]),\n stroke: \"black\"\n }),\n\n Plot.ruleY([1], { stroke: \"grey\" })\n ]\n });\n}","pinned":false,"hidden":false,"mode":"ojs"},{"id":1381,"value":"$37","pinned":false,"hidden":false,"mode":"ojs"},{"id":897,"value":"## 1.3 Consultas de urgencia COVID19 y Repiratoria","pinned":false,"hidden":false,"mode":"md"},{"id":902,"value":"El Departamento de Estadísticas e Información en Salud (DEIS) del Ministerio de Salud publica un tablero con un [\"Informe Semanal de Atenciones y Hospitalizaciones de Urgencia\"](https://informesdeis.minsal.cl/SASVisualAnalytics/?reportUri=%2Freports%2Freports%2F9966a71a-589c-4241-8103-fc9bc1305e19§ionIndex=0&sso_guest=true&reportViewOnly=true&reportContextBar=false&sas-welcome=false).\n\nDe este tablero, el 16 de Abril de 2022 descargamos los datos para todo Chile correspondientes a:\n* Atenciones de urgencia totales por causa respiratoria\n* Atenciones de urgencia totales por causa covid19 confirmado\n* Atenciones de urgencia totales por causa covid19 sospecha\n\nNota: aún no identificamos cómo consultar automáticamente los últimos datos disponibles, ni como descargar el conjunto de datos para cada comuna, region o provincia. Es posible descargar datos para una región o comuna específica, pero no hemos podido automatizar la descarga para todas las comunas / regiones.","pinned":false,"hidden":false,"mode":"md"},{"id":999,"value":"El siguiente gráfico muestra la curva de **Atenciones de urgencia por causa respiratoria** desde 2018","pinned":false,"hidden":false,"mode":"md"},{"id":469,"value":"$38","pinned":false,"hidden":false,"mode":"ojs"},{"id":1006,"value":"Se observa una fuerte disminución de atenciones de urgencia al iniciarse la pandemia en 2020. Las cifras han ido aumentando progresivamente con importantes fluctuaciones a comienzos de 2022.","pinned":false,"hidden":false,"mode":"md"},{"id":1012,"value":"El siguiente gráfico muestra la curva de **Atenciones de urgencia totales por causa covid19 confirmado** desde Marzo 2020","pinned":false,"hidden":false,"mode":"md"},{"id":424,"value":"$39","pinned":false,"hidden":false,"mode":"ojs"},{"id":1022,"value":"Se observa una curva que sigue las tendencia de casos confirmados a lo largo de la pandemia, con un fuerte aumento producto de la ola asociada a Omicrón","pinned":false,"hidden":false,"mode":"md"},{"id":1026,"value":"El siguiente gráfico muestra la curva de **Atenciones de urgencia totales por causa covid19 sospechoso** desde Marzo 2020","pinned":false,"hidden":false,"mode":"md"},{"id":428,"value":"$3a","pinned":false,"hidden":false,"mode":"ojs"},{"id":1039,"value":"# 2 Indicadores asociados a la capacidad de respuesta del sistema de salud","pinned":false,"hidden":false,"mode":"md"},{"id":1050,"value":"## 2.2 Variación hospitalizaciones COVID19","pinned":false,"hidden":false,"mode":"md"},{"id":1067,"value":"El Ministerio de Ciencia publica en el repositorio de datos de COVID19 el [total de camas de hospital con pacientes COVID19 en el sistema integrado](https://github.com/MinCiencia/Datos-COVID19/tree/master/output/producto24). Esto es incluyendo camas UCI, UTI, Básica y Media.\n\nEstos datos son para todo Chile y **no se encuentran desagregados por Región o Provincia**.","pinned":false,"hidden":false,"mode":"md"},{"id":1094,"value":"El siguiente gráfico muestra el total de pacientes COVID19 hospitalizados por día desde el año 2020.","pinned":false,"hidden":false,"mode":"md"},{"id":1059,"value":"{\n const data = _.chain(dictCamasHospitalChile)\n .map((item, fecha) => ({\n fecha: fecha,\n camas: item.total\n }))\n .value();\n\n return Plot.plot({\n y: {\n label:\n \"Camas de hospital con pacientes COVID19 (UCI + UTI + Básica + Media)\"\n },\n marks: [\n Plot.lineY(data, {\n x: (d) => new Date(d.fecha),\n y: \"camas\"\n })\n ]\n });\n}","pinned":false,"hidden":false,"mode":"ojs"},{"id":1072,"value":"$3b","pinned":false,"hidden":false,"mode":"ojs"},{"id":1098,"value":"## 2.2 Porcentaje de ocupación de camas UCI por pacientes COVID19","pinned":false,"hidden":false,"mode":"md"},{"id":1103,"value":"El Ministerio de Ciencia publica en el repositorio de datos COVID19 los datos sobre [Disponibilidad de camas críticas a nivel regional desagregado por día](https://github.com/MinCiencia/Datos-COVID19/tree/master/output/producto58).\n\nEste dato nos permite saber el total de camas habilitadas y el total de camas UCI ocupadas por pacientes COVID19 a nivel regional.\n\nEl plan Paso a Paso considera el porcentaje de las camas habilitadas que están siendo utilizadas por pacientes COVID19 en cada region. \n* Sobre un 50% indica un ALTO impacto sanitario\n* Entre 25% y 50% indica MEDIO impacto sanitario\n* Bajo 25% indica BAJO impacto sanitario\n\n","pinned":false,"hidden":false,"mode":"md"},{"id":1369,"value":"### Porcentaje de ocupación de camas UCI por pacientes COVID19 al ${moment(fechaMaxUCI).format(\"D MMM YYYY\")}","pinned":false,"hidden":false,"mode":"md"},{"id":1109,"value":"$3c","pinned":false,"hidden":false,"mode":"ojs"},{"id":332,"value":"{\n const data = regiones.map((d) => {\n const record = _.clone(dictOcupacionCamasUCI[d][fechaMaxUCI]);\n\n record.region = d;\n record.porcentaje = record.camas_covid19 / record.camas_habilitadas;\n\n return record;\n });\n\n return html`\n\n\n\n\n\n\n\n\n${data.map(\n (d) =>\n `\n\n\n\n\n`\n)}\n

Region	Camas habilitadas	Camas COVID19	% COVID19
${d.region}	${d.camas_habilitadas}	${d.camas_covid19}	${d3.format(\".1%\")(d.porcentaje)}

`;\n}","pinned":false,"hidden":false,"mode":"ojs"},{"id":1172,"value":"## 2.3 Ocupación nacional de camas críticas","pinned":false,"hidden":false,"mode":"md"},{"id":1176,"value":"El Ministerio de Salud publica en el repositorio de datos COVID19 del Ministerio de Ciencia los datos del número de [Camas Críticas Disponbles a nivel nacional](https://github.com/MinCiencia/Datos-COVID19/tree/master/output/producto20). Para cada día se indica el total de camas habilitadas y camas ocupadas, lo que permite calcular el porcentaje de ocupación.","pinned":false,"hidden":false,"mode":"md"},{"id":570,"value":"{\n const maxFecha = _.chain(dictOcupacionUCINacional).keys().max().value();\n\n const datos = dictOcupacionUCINacional[maxFecha];\n\n return html`\n

Ocupación Nacional de UCI al ${moment(maxFecha).format(\"D MMM YYYY\")}\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n`;\n}","pinned":false,"hidden":false,"mode":"ojs"},{"id":1189,"value":"$3d","pinned":false,"hidden":false,"mode":"ojs"},{"id":565,"value":"# Vacunación COVID19","pinned":false,"hidden":false,"mode":"md"},{"id":1238,"value":"## 3 Cobertura de vacunación","pinned":false,"hidden":false,"mode":"md"},{"id":1243,"value":"$3e","pinned":false,"hidden":false,"mode":"md"},{"id":1262,"value":"$3f","pinned":false,"hidden":false,"mode":"ojs"},{"id":1306,"value":"Haciendo el mismo cálculo para todas las regiones se obtiene los siguientes datos de vacunación:","pinned":false,"hidden":false,"mode":"md"},{"id":1261,"value":"$40","pinned":false,"hidden":false,"mode":"ojs"},{"id":1319,"value":"$41","pinned":false,"hidden":false,"mode":"ojs"},{"id":1470,"value":"## Vacunas al día","pinned":true,"hidden":false,"mode":"md"},{"id":1502,"value":"viewof targetLocation = {\n const options = _.chain(dataEvoluciónVacunacion6Meses)\n .map((d) => d.stats)\n .last()\n .keys()\n .value();\n\n return Inputs.select(options);\n}","pinned":false,"hidden":false,"mode":"ojs"},{"id":1474,"value":"$42","pinned":false,"hidden":false,"mode":"ojs"},{"id":1601,"value":"color = d3\n .scaleOrdinal()\n .domain([\"segunda\", \"unica\", \"refuerzo\", \"cuarta\"])\n .range([\n d3.schemeCategory10[3],\n d3.schemeCategory10[6],\n d3.schemeCategory10[1],\n d3.schemeCategory10[0]\n ])","pinned":true,"hidden":false,"mode":"ojs"},{"id":1550,"value":"$43","pinned":true,"hidden":false,"mode":"ojs"},{"id":1315,"value":"
Camas totales habilitadas ${datos.total}
Camas ocupadas ${datos.ocupados}
% Ocupación ${d3.format(\".1%\")(datos.ocupacion)}

Camas totales habilitadas	${datos.total}
Camas ocupadas	${datos.ocupados}
% Ocupación	${d3.format(\".1%\")(datos.ocupacion)}