# -------------------------------------------------------------- ## Calcular la RME de mortalidad de hombres mayores de 65 años # -------------------------------------------------------------- ## Calcula tasas del conjunto de Andalucía ## y luego defunciones esperadas apply(ev,2,sum) / apply(pt,2,sum) -> tat sweep(pt,2,tat,"*") -> ee # Esperadas por edad apply(ee,1,sum) -> esp # Esperadas totales obs/esp ->RME # Razón de Mortalidad Estandarizada Z <- 1.96 # Para un alpha del 0.05 1/sqrt(obs) -> EE # Error Estándar cbind(RME, RME*exp(-Z*EE), RME*exp(Z*EE)) -> IC # Intervalo de Confianza IC[-1,] -> IC # Borra el primer registro (total secciones) # Organiza y etiqueta objeto resultante: as.data.frame(IC)-> IC ; str(IC) names(IC) <- c('RME','LIC','UIC') IC$GRUPO <- with(IC, ifelse(UIC<1,1, ifelse(LIC>1,5,3) ) ) ## ----------------------------------------------------------------+ ## Asigna los grupos de clasificación en niveles de mortalidad ## ----------------------------------------------------------------+ median(IC$RME[IC$GRUPO==1],na.rm=T) -> mi # Mediana grupo inferior median(IC$RME[IC$GRUPO==5],na.rm=T) -> ms # Mediana grupo superior IC$GRUPO[IC$GRUPO==1 & IC$RME > mi] <- 2 # Moderadamente BAJA IC$GRUPO[IC$GRUPO==5 & IC$RME < ms] <- 4 # Moderadamente ALTA table(IC$GRUPO) # 1 2 3 4 5 # 742 741 2151 873 874 # Número de secciones en cada categoría: head(IC) # RME LIC UIC GRUPO # 400101001 0.7799494 0.7166373 0.8488548 1 # 400201001 0.7541833 0.6891226 0.8253865 1 # 400301001 0.9382779 0.8489712 1.0369790 3 # 400301002 0.8350746 0.7022433 0.9930313 1 # 400301003 1.1650020 1.0541155 1.2875532 5 # 400301004 1.0876468 0.9541432 1.2398303 3