Capítulo 3 Análisis Exploratorio de Datos (EDA)

En esta sección se exploran las variables ya transformadas para identificar patrones, distribuciones y relaciones relevantes para el objetivo predictivo.

3.1 Estadísticas descriptivas de variables numéricas

tabla_descriptiva <- df %>%
  select(edad_anos, dias_recuperacion, dias_hasta_fallecimiento) %>%
  pivot_longer(everything(), names_to = "Variable", values_to = "Valor") %>%
  group_by(Variable) %>%
  summarise(
    N           = sum(!is.na(Valor)),
    Media       = round(mean(Valor, na.rm = TRUE), 2),
    "Desv. Est" = round(sd(Valor, na.rm = TRUE), 2),
    Minimo      = round(min(Valor, na.rm = TRUE), 2),
    Q1          = round(quantile(Valor, 0.25, na.rm = TRUE), 2),
    Mediana     = round(median(Valor, na.rm = TRUE), 2),
    Q3          = round(quantile(Valor, 0.75, na.rm = TRUE), 2),
    Maximo      = round(max(Valor, na.rm = TRUE), 2)
  )

tabla_descriptiva %>%
  kable(caption = "Estadísticas descriptivas de variables numéricas") %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed", "responsive"),
    full_width = TRUE,
    position = "center"
  ) %>%
  row_spec(0, bold = TRUE)

Table 3.1: Table 3.2: Estadísticas descriptivas de variables numéricas

Variable	N	Media	Desv. Est	Minimo	Q1	Mediana	Q3	Maximo
dias_hasta_fallecimiento	13130	42.41	74.91	0	11	19	31	543
dias_recuperacion	403408	23.23	28.58	2	14	15	21	386
edad_anos	419061	40.25	19.52	0	26	38	54	113

3.2 Distribución de la variable edad

ggplot(df %>% filter(!is.na(edad_anos)), aes(y = edad_anos)) +
  geom_boxplot(
    fill = "#2C3E50", color = "black", width = 0.4,
    outlier.color = "#E74C3C", outlier.size = 2
  ) +
  labs(
    title = "Distribución de edad en casos positivos de COVID-19 — Atlántico",
    y = "Edad en años", x = NULL
  ) +
  theme_classic(base_size = 15) +
  theme(plot.title = element_text(face = "bold", hjust = 0.5),
        axis.text  = element_text(color = "black"))

Figure 3.1: Boxplot de la distribución de edad en casos positivos de COVID-19 — Atlántico

ggplot(df %>% filter(!is.na(edad_anos)), aes(x = edad_anos)) +
  geom_histogram(binwidth = 10, boundary = 0, color = "white", fill = "steelblue") +
  geom_text(stat = "bin", binwidth = 10,
            aes(label = after_stat(count)), vjust = -0.5, size = 3) +
  scale_y_continuous(labels = comma) +
  labs(
    title = "Histograma de edad de casos positivos de COVID-19 — Atlántico",
    x = "Edad en años", y = "Frecuencia"
  ) +
  theme_minimal(base_size = 14)

Figure 3.2: Histograma de edad de casos positivos de COVID-19 — Atlántico

La mayor proporción de casos positivos corresponde a personas entre 30 y 40 años, lo que refleja que la población económicamente activa fue la más expuesta al contagio, probablemente por mayor movilidad y contacto social durante la pandemia.

3.3 Evolución temporal de casos

df <- df %>%
  mutate(
    fecha_notif_date = as.Date(
      format(as.POSIXct(fecha_de_notificacion, tryFormats = c(
        "%Y-%m-%d %H:%M:%S", "%Y-%m-%d", "%d/%m/%Y", "%d-%m-%Y"
      ), tz = "UTC"), "%Y-%m-%d")
    )
  )

df_temporal <- df %>%
  filter(!is.na(fecha_notif_date)) %>%
  mutate(
    ano = as.integer(format(fecha_notif_date, "%Y")),
    mes = as.integer(format(fecha_notif_date, "%m"))
  ) %>%
  filter(ano >= 2020, ano <= 2024)

anos_reales <- sort(unique(df_temporal$ano))

tabla_casos <- df_temporal %>%
  count(ano, mes) %>%
  complete(ano = anos_reales, mes = 1:12, fill = list(n = 0)) %>%
  pivot_wider(names_from = mes, values_from = n, values_fill = 0) %>%
  arrange(ano) %>%
  mutate(ano = as.character(ano))

for (m in as.character(1:12)) {
  if (!m %in% colnames(tabla_casos)) tabla_casos[[m]] <- 0
}
tabla_casos <- tabla_casos %>% select(ano, as.character(1:12))

colnames(tabla_casos) <- c("Año","Ene","Feb","Mar","Abr","May","Jun",
                            "Jul","Ago","Sep","Oct","Nov","Dic")

tabla_casos %>%
  kable(caption = "Casos positivos de COVID-19 por mes y año en el Atlántico",
        align = c("l", rep("r", 12)),
        format.args = list(big.mark = ".")) %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed", "responsive"),
    full_width = TRUE, position = "center"
  ) %>%
  row_spec(0, bold = TRUE) %>%
  column_spec(1, bold = TRUE)

## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso

Table 3.3: Table 3.4: Casos positivos de COVID-19 por mes y año en el Atlántico

Año	Ene	Feb	Mar	Abr	May	Jun	Jul	Ago	Sep	Oct	Nov	Dic
2020	0	0	71	575	6.715	26.486	24.270	7.155	3.445	5.045	7.562	18.555
2021	19.279	7.477	53.350	71.715	27.589	17.837	13.620	5.363	7.261	8.849	8.080	8.839
2022	49.631	3.209	316	318	2.115	8.740	2.009	341	120	406	1.136	214
2023	186	156	101	144	353	173	64	29	19	22	22	49
2024	50	0	0	0	0	0	0	0	0	0	0	0

Se observa un pico de casos en el primer semestre de 2021. En 2023 los casos se redujeron considerablemente, coincidiendo con la masificación de la vacunación en el departamento.

3.4 Casos por municipio — Mapa interactivo

coords_municipios <- tibble(
  nombre_municipio = c(
    "BARRANQUILLA","SOLEDAD","MALAMBO","SABANALARGA","GALAPA",
    "BARANOA","SANTO TOMAS","PALMAR DE VARELA","REPELON","MANATÍ",
    "CAMPO DE LA CRUZ","CANDELARIA","PONEDERA","JUAN DE ACOSTA",
    "TUBARA","USIACURI","LURUACO","SUAN","SANTA LUCIA","PIOJO",
    "POLO NUEVO","SABANAGRANDE","PUERTO COLOMBIA"
  ),
  lat = c(
    10.9639, 10.9174, 10.8451, 10.6264, 10.9044,
    10.8044, 10.7514, 10.7253, 10.5103, 10.4411,
    10.3803, 10.4633, 10.6397, 10.8044, 10.9194,
    10.7394, 10.6097, 10.2900, 10.3292, 10.7917,
    10.5611, 10.7944, 11.0253
  ),
  lon = c(
    -74.7964, -74.7694, -74.7856, -74.9181, -74.8764,
    -74.9786, -74.7556, -74.7539, -75.0706, -74.9706,
    -74.8833, -74.8836, -74.9222, -75.0833, -74.9444,
    -74.9889, -75.0931, -74.7278, -74.7703, -75.1028,
    -75.0194, -74.7556, -74.9642
  )
)

casos_mun <- df %>%
  mutate(nombre_municipio = str_to_upper(str_trim(nombre_municipio))) %>%
  count(nombre_municipio, name = "casos") %>%
  arrange(desc(casos))

mapa_df <- coords_municipios %>%
  left_join(casos_mun, by = "nombre_municipio") %>%
  filter(!is.na(casos))

pal <- colorNumeric(palette = "YlOrRd", domain = mapa_df$casos)

leaflet(mapa_df) %>%
  addProviderTiles(providers$CartoDB.Positron) %>%
  addCircleMarkers(
    lng = ~lon, lat = ~lat,
    radius = ~scales::rescale(casos, to = c(5, 30)),
    color = ~pal(casos),
    fillColor = ~pal(casos),
    fillOpacity = 0.8,
    stroke = TRUE,
    weight = 1,
    popup = ~paste0(
      "<b>", nombre_municipio, "</b><br>",
      "Casos: <b>", format(casos, big.mark = "."), "</b>"
    ),
    label = ~paste0(nombre_municipio, ": ", format(casos, big.mark = "."))
  ) %>%
  addLegend(
    position = "bottomright",
    pal = pal,
    values = ~casos,
    title = "Casos COVID-19",
    labFormat = labelFormat(big.mark = ".")
  ) %>%
  setView(lng = -74.9, lat = 10.7, zoom = 9)

## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso

Figure 3.3: Distribución geográfica de casos COVID-19 por municipio en el Atlántico

El mapa muestra la distribución geográfica de casos en el Atlántico. Barranquilla concentra el mayor número de casos (círculo más grande y color más intenso), seguida por Soledad y Malambo. Los municipios del sur del departamento presentaron menor cantidad de casos en términos absolutos.

3.5 Casos por municipio — Gráfico de barras

top_mun <- df %>%
  mutate(nombre_municipio = str_to_upper(str_trim(nombre_municipio))) %>%
  count(nombre_municipio) %>%
  arrange(desc(n)) %>%
  slice(1:12)

ggplot(top_mun, aes(x = reorder(nombre_municipio, n), y = n)) +
  geom_col(fill = "steelblue") +
  geom_text(aes(label = comma(n)), hjust = -0.1, size = 3.5) +
  coord_flip() +
  scale_y_continuous(labels = comma, expand = expansion(mult = c(0, 0.18))) +
  theme_minimal(base_size = 13) +
  labs(
    title = "Top 12 municipios con más casos positivos de COVID-19",
    x = "Municipio", y = "Número de casos"
  )

Figure 3.4: Top 12 municipios con más casos positivos de COVID-19

Barranquilla concentra la gran mayoría de casos positivos, seguida por Soledad y Sabanalarga. Este patrón es esperado dado que Barranquilla es el municipio más poblado del departamento y su principal centro económico.

3.6 Tasa de mortalidad por municipio

tabla_mort <- df %>%
  mutate(nombre_municipio = str_to_upper(str_trim(nombre_municipio))) %>%
  filter(
    !is.na(nombre_municipio),
    !is.na(recuperado),
    recuperado %in% c("Recuperado", "Fallecido")
  ) %>%
  count(nombre_municipio, recuperado) %>%
  group_by(nombre_municipio) %>%
  mutate(porcentaje = n / sum(n) * 100) %>%
  ungroup()

orden_municipios <- tabla_mort %>%
  filter(recuperado == "Fallecido") %>%
  arrange(desc(porcentaje)) %>%
  pull(nombre_municipio)

tabla_mort <- tabla_mort %>%
  mutate(nombre_municipio = factor(nombre_municipio, levels = orden_municipios))

ggplot(tabla_mort, aes(x = porcentaje, y = nombre_municipio, fill = recuperado)) +
  geom_col() +
  geom_text(
    aes(label = sprintf("%.1f%%", porcentaje)),
    position = position_stack(vjust = 0.5),
    size = 3.2, color = "white", fontface = "bold"
  ) +
  scale_fill_manual(values = c("Recuperado" = "#1ABC9C", "Fallecido" = "#E74C3C")) +
  scale_x_continuous(limits = c(0, 100), labels = function(x) paste0(x, "%")) +
  labs(
    title = "Distribución porcentual de casos por municipio",
    x = "Porcentaje (%)", y = "Municipio", fill = NULL
  ) +
  theme_minimal(base_size = 12) +
  theme(legend.position = "top")

Figure 3.5: Distribución porcentual de recuperados vs fallecidos por municipio

Tubará fue el municipio con mayor tasa de mortalidad (aproximadamente 5%), mientras que Candelaria, Juan de Acosta y Santa Lucía registraron las mejores tasas de recuperación (cercanas al 98%).

3.7 Tipo de contagio

contagio_tabla <- df %>%
  filter(!is.na(tipo_de_contagio)) %>%
  count(tipo_de_contagio) %>%
  mutate(porcentaje = n / sum(n))

ggplot(contagio_tabla,
       aes(x = reorder(tipo_de_contagio, -porcentaje),
           y = porcentaje, fill = tipo_de_contagio)) +
  geom_col(show.legend = FALSE) +
  geom_text(
    aes(label = percent(porcentaje, accuracy = 0.1)),
    vjust = -0.5, size = 4, fontface = "bold"
  ) +
  scale_y_continuous(labels = percent, expand = expansion(mult = c(0, 0.1))) +
  scale_fill_brewer(palette = "Set2") +
  labs(
    title = "Distribución de tipos de contagio en COVID-19 — Atlántico",
    x = "Tipo de contagio", y = "Porcentaje"
  ) +
  theme_minimal(base_size = 14)

Figure 3.6: Distribución de tipos de contagio en COVID-19 — Atlántico

El tipo de contagio más frecuente es el comunitario (68%), es decir, cuando no se identifica la fuente exacta del contagio. El contagio relacionado (contacto directo con un caso confirmado) representa el 31%, y el importado es el menos común con menos del 1%.

3.8 Distribución por sexo

sexo_tabla <- df %>%
  filter(!is.na(sexo), sexo %in% c("M", "F")) %>%
  count(sexo) %>%
  mutate(porcentaje = n / sum(n))

ggplot(sexo_tabla, aes(x = sexo, y = n, fill = sexo)) +
  geom_col(show.legend = FALSE) +
  geom_text(
    aes(label = paste0(comma(n), "\n(", percent(porcentaje, accuracy = 0.1), ")")),
    vjust = -0.3, size = 4, fontface = "bold"
  ) +
  scale_y_continuous(labels = comma, expand = expansion(mult = c(0, 0.18))) +
  scale_fill_manual(values = c("M" = "#3498DB", "F" = "#E91E8C")) +
  labs(
    title = "Distribución de casos positivos de COVID-19 según sexo",
    x = "Sexo", y = "Número de casos"
  ) +
  theme_minimal(base_size = 14)

Figure 3.7: Distribución de casos positivos de COVID-19 según sexo

Se observa una mayor proporción de casos positivos en el género masculino. Esto puede estar relacionado con mayor exposición laboral y menor adherencia a medidas de bioseguridad en algunos contextos.

3.9 Distribución de recuperados vs fallecidos

caso_recuperado <- df %>%
  filter(recuperado %in% c("Recuperado", "Fallecido")) %>%
  count(recuperado) %>%
  mutate(porcentaje = n / sum(n))

ggplot(caso_recuperado, aes(x = recuperado, y = n, fill = recuperado)) +
  geom_col(show.legend = FALSE) +
  geom_text(
    aes(label = paste0(comma(n), "\n(", percent(porcentaje, accuracy = 0.1), ")")),
    vjust = -0.3, size = 4.5, fontface = "bold"
  ) +
  scale_y_continuous(labels = comma, expand = expansion(mult = c(0, 0.18))) +
  scale_fill_manual(values = c("Recuperado" = "#1ABC9C", "Fallecido" = "#E74C3C")) +
  labs(
    title = "Casos recuperados y fallecidos de COVID-19 en el Atlántico",
    x = NULL, y = "Número de casos"
  ) +
  theme_minimal(base_size = 14)

Figure 3.8: Casos recuperados y fallecidos de COVID-19 en el Atlántico

La tasa de mortalidad en el Atlántico fue del 2.5%, mientras que el 97.5% de los casos positivos se recuperaron. Aunque la tasa es relativamente baja, en términos absolutos representa una cantidad significativa de fallecimientos con impacto directo en las familias y el sistema de salud del departamento.

3.10 Distribución de días de recuperación

df_rec <- df %>% filter(!is.na(dias_recuperacion),
                        dias_recuperacion >= 0, dias_recuperacion <= 400)

med_rec  <- median(df_rec$dias_recuperacion, na.rm = TRUE)
mean_rec <- mean(df_rec$dias_recuperacion, na.rm = TRUE)

ggplot(df_rec, aes(x = dias_recuperacion)) +
  geom_histogram(bins = 50, fill = "lightgreen", color = "white") +
  geom_vline(xintercept = med_rec,  color = "#E74C3C", linewidth = 1,
             linetype = "solid")  +
  geom_vline(xintercept = mean_rec, color = "#3498DB", linewidth = 1,
             linetype = "dashed") +
  annotate("text", x = med_rec  + 8, y = Inf, vjust = 2,
           label = paste0("Mediana: ", round(med_rec, 0)), color = "#E74C3C", size = 3.5) +
  annotate("text", x = mean_rec + 8, y = Inf, vjust = 4,
           label = paste0("Media: ", round(mean_rec, 0)),  color = "#3498DB", size = 3.5) +
  scale_y_continuous(labels = comma) +
  labs(
    title = "Histograma de días de recuperación",
    x = "Días de recuperación", y = "Frecuencia"
  ) +
  theme_minimal(base_size = 14)

Figure 3.9: Histograma de días de recuperación

stats_rec <- df$dias_recuperacion

data.frame(
  Estadístico = c("Número de casos","Media","Desviación estándar",
                  "Mínimo","Percentil 25 (Q1)","Mediana (Q2)",
                  "Percentil 75 (Q3)","Máximo"),
  Valor = c(
    sum(!is.na(stats_rec)),
    round(mean(stats_rec, na.rm = TRUE), 2),
    round(sd(stats_rec, na.rm = TRUE), 2),
    round(min(stats_rec, na.rm = TRUE), 0),
    round(quantile(stats_rec, 0.25, na.rm = TRUE), 0),
    round(median(stats_rec, na.rm = TRUE), 0),
    round(quantile(stats_rec, 0.75, na.rm = TRUE), 0),
    round(max(stats_rec, na.rm = TRUE), 0)
  )
) %>%
  kable(caption = "Estadísticos descriptivos: Días de recuperación") %>%
  kable_styling(
    bootstrap_options = c("striped", "hover"),
    full_width = FALSE, position = "center"
  ) %>%
  row_spec(0, bold = TRUE)

Table 3.5: Table 3.6: Estadísticos descriptivos: Días de recuperación

Estadístico	Valor
Número de casos	403408.00
Media	23.23
Desviación estándar	28.58
Mínimo	2.00
Percentil 25 (Q1)	14.00
Mediana (Q2)	15.00
Percentil 75 (Q3)	21.00
Máximo	386.00

La distribución presenta una fuerte asimetría positiva. El 50% de los pacientes se recuperaron entre 14 y 21 días. La media (23 días) supera a la mediana (15 días) por la influencia de casos extremos de hasta 386 días. La mediana es la mejor medida de tendencia central en esta distribución asimétrica.

3.11 Distribución de días hasta fallecimiento

df_fall <- df %>% filter(!is.na(dias_hasta_fallecimiento),
                         dias_hasta_fallecimiento >= 0)

med_fall  <- median(df_fall$dias_hasta_fallecimiento, na.rm = TRUE)
mean_fall <- mean(df_fall$dias_hasta_fallecimiento, na.rm = TRUE)

ggplot(df_fall, aes(x = dias_hasta_fallecimiento)) +
  geom_histogram(bins = 50, fill = "steelblue", color = "white") +
  geom_vline(xintercept = med_fall,  color = "#E74C3C", linewidth = 1,
             linetype = "solid") +
  geom_vline(xintercept = mean_fall, color = "#F39C12", linewidth = 1,
             linetype = "dashed") +
  annotate("text", x = med_fall  + 8, y = Inf, vjust = 2,
           label = paste0("Mediana: ", round(med_fall, 0)),  color = "#E74C3C", size = 3.5) +
  annotate("text", x = mean_fall + 8, y = Inf, vjust = 4,
           label = paste0("Media: ", round(mean_fall, 0)), color = "#F39C12", size = 3.5) +
  scale_y_continuous(labels = comma) +
  labs(
    title = "Días hasta fallecimiento en pacientes con COVID-19",
    x = "Días hasta fallecer", y = "Frecuencia"
  ) +
  theme_minimal(base_size = 14)

Figure 3.10: Días hasta fallecimiento en pacientes con COVID-19

stats_fall <- df$dias_hasta_fallecimiento

data.frame(
  Estadístico = c("Número de casos","Media","Desviación estándar",
                  "Mínimo","Percentil 25 (Q1)","Mediana (Q2)",
                  "Percentil 75 (Q3)","Máximo"),
  Valor = c(
    sum(!is.na(stats_fall)),
    round(mean(stats_fall, na.rm = TRUE), 2),
    round(sd(stats_fall, na.rm = TRUE), 2),
    round(min(stats_fall, na.rm = TRUE), 0),
    round(quantile(stats_fall, 0.25, na.rm = TRUE), 0),
    round(median(stats_fall, na.rm = TRUE), 0),
    round(quantile(stats_fall, 0.75, na.rm = TRUE), 0),
    round(max(stats_fall, na.rm = TRUE), 0)
  )
) %>%
  kable(caption = "Estadísticos descriptivos: Días hasta fallecimiento") %>%
  kable_styling(
    bootstrap_options = c("striped", "hover"),
    full_width = FALSE, position = "center"
  ) %>%
  row_spec(0, bold = TRUE)

Table 3.7: Table 3.8: Estadísticos descriptivos: Días hasta fallecimiento

Estadístico	Valor
Número de casos	13130.00
Media	42.41
Desviación estándar	74.91
Mínimo	0.00
Percentil 25 (Q1)	11.00
Mediana (Q2)	19.00
Percentil 75 (Q3)	31.00
Máximo	543.00

Al igual que los días de recuperación, la distribución presenta fuerte asimetría positiva con casos extremos de hasta 543 días. La mediana de 19 días es la medida más representativa del comportamiento típico de esta variable.

3.12 Correlación entre variables numéricas

datos_corr <- df %>%
  select(edad_anos, dias_recuperacion, dias_hasta_fallecimiento) %>%
  na.omit()

matriz_corr  <- cor(datos_corr, method = "spearman")
matriz_larga <- as.data.frame(as.table(matriz_corr))
colnames(matriz_larga) <- c("Variable1", "Variable2", "Correlacion")

ggplot(matriz_larga, aes(x = Variable1, y = Variable2, fill = Correlacion)) +
  geom_tile(color = "white") +
  geom_text(aes(label = round(Correlacion, 2)), color = "black", size = 5) +
  scale_fill_gradient2(low = "blue", mid = "white", high = "red",
                       midpoint = 0, limits = c(-1, 1)) +
  labs(
    title = "Mapa de calor de correlaciones (Spearman)",
    x = "", y = "", fill = "Correlación"
  ) +
  theme_minimal(base_size = 14) +
  theme(axis.text.x = element_text(angle = 15, hjust = 1))

Figure 3.11: Mapa de calor de correlaciones de Spearman

La matriz de correlación de Spearman muestra que no existe correlación significativa entre la edad, los días de recuperación y los días hasta fallecimiento. Esto indica que la edad por sí sola no determina el tiempo de recuperación, lo que sugiere que otros factores (comorbilidades, tipo de contagio, acceso a salud) podrían ser más determinantes. Este hallazgo es relevante para la selección de variables en el modelo predictivo.