Trabajando con hashtags de Humanitarian Exchange Language (HXL)

Usando HXL en una base de datos global sobre brotes de enfermedades que tienden a provocar pandemias y epidemias.

Configuración del entorno

Comenzamos cargando los paquetes de R necesarios:

# Cargar paquetes requeridos
library(jsonlite) # Para trabajar con datos JSON
library(httr) # Para solicitudes HTTP
library(dplyr) # Para manipulación de datos
library(readxl) # Para leer archivos Excel
library(writexl) # Para escribir archivos Excel

Paso 1: Acceder a la base de datos

Accedemos a la base de datos más reciente desde GitHub:

# Definir la URL de la API de GitHub que contiene la actualización más reciente de los datos
url_api <- "https://api.github.com/repos/jatorresmunguia/disease_outbreak_news/contents/Last%20update"

# Obetenemos la lista de archivos en el folder "Last update"
file_list <- fromJSON(content(GET(url_api), as = "text"))$name

# Filtrar para hallar el archivo más reciente que comience con "outbreaks"
last_file <- file_list[grepl(file_list, pattern = paste0("^outbreaks"))]

# Seleccionar el archivo con extensión .csv
rdata_file <- last_file[grepl(".csv$", last_file)]

# Construir la URL del archivo CSV desde GitHub y leer los datos en un dataframe
last_version <- read.csv(paste0("https://raw.githubusercontent.com/jatorresmunguia/disease_outbreak_news/refs/heads/main/Last%20update/", rdata_file), header = TRUE)

# Eliminar columnas innecesarias de clasificación ICD-11
last_version <- last_version |> select(-c(icd11c1, icd11c2, icd11c3, icd11l1, icd11l2, icd11l3))

Paso 2: Agregar clasificaciones regionales de la OMS y UNSD

Integramos clasificaciones geográficas adicionales de la OMS y la UNSD.

Regiones de la OMS

# Definir la URL para los datos de clasificación regional de la WHO
url_who_class <- "https://cdn.who.int/media/docs/default-source/air-pollution-documents/air-quality-and-health/un-agencies-region-classification-for-country.xlsx?sfvrsn=289af35f_3"

# Crear un archivo temporal para almacenar el archivo Excel descargado
temp_file <- tempfile(fileext = ".xlsx")

# Descargar el archivo de clasificación de la WHO y guardarlo en el archivo temporal
GET(url_who_class, write_disk(temp_file, overwrite = TRUE))

Response [https://cdn.who.int/media/docs/default-source/air-pollution-documents/air-quality-and-health/un-agencies-region-classification-for-country.xlsx?sfvrsn=289af35f_3]
  Date: 2025-08-14 23:29
  Status: 200
  Content-Type: application/vnd.openxmlformats-officedocument.spreadsheetml.sheet
  Size: 28.9 kB
<ON DISK>  C:\Users\jator\AppData\Local\Temp\RtmpYP1T0t\file43ac48497225.xlsx

# Leer los datos de clasificación de la WHO desde el archivo Excel descargado
who_class <- read_excel(temp_file)

# Seleccionar columnas relevantes (código de país ISO y nombre de región OMS)
# Renombrar columnas para consistencia con los datos principales
last_version <- who_class |>
  select(`ISO Country code`, `WHO Region name2`) |>
  rename(iso3 = `ISO Country code`, who_region = `WHO Region name2`) |>
  right_join(last_version, by = "iso3") # Unir los datos con ISO3 como llave

Regiones UNSD

# Leer los datos de clasificación regional UNSD desde un archivo Excel
# Los datos están disponible en: https://unstats.un.org/unsd/methodology/m49/
unsd_class <- read_excel(path = "UNSD — Methodology.xlsx")

# Seleccionar columnas relevantes: código de país ISO-alpha3, nombre de región y nombre de subregión
# Renombrar columnas para que coincidan con los datos principales
last_version <- unsd_class |>
  select(`ISO-alpha3 Code`, `Region Name`, `Sub-region Name`) |>
  rename(
    iso3 = `ISO-alpha3 Code`,
    unsd_region = `Region Name`,
    unsd_subregion = `Sub-region Name`
  ) |>
  right_join(last_version, by = "iso3") # Unir los datos con ISO3 como llave

Paso 3: Estructuración del conjunto de datos

Para una mejor organización de la información, hacemos lo siguiente:

1. Ordenamos el conjunto de datos por año, país y código de enfermedad.
2. Asignación de un ID único a cada brote.
3. Insertamos una fila vacía para las etiquetas HXL.

# Ordenar los datos de forma descendente por Año, código ISO3 y código ICD-10 de 4 caracteres
last_version <- last_version |>
  arrange(desc(Year), iso3, icd104c) |>
  # Crear un ID único de brote concatenando Año, código ISO3 y código ICD-10 de 4 caracteres
  mutate(id_outbreak = paste0(Year, iso3, icd104c)) |>
  # Agregar una fila vacía al inicio de los datos (para insertar posteriormente los hashtags HXL)
  add_row(.before = 1)

Paso 4: Agregar etiquetas HXL

Definimos etiquetas HXL para cada columna relevante:

# Definir la correspondencia de nombres de columnas a sus hashtags HXL correspondientes
cols2hxl <- c(
  id_outbreak = "#Year+iso3+icd4", # ID único de brote
  Country = "#country+name", # Nombre del país
  iso2 = "#country+code+iso2", # Código de país ISO de 2 letras
  iso3 = "#country+code+iso3", # Código de país ISO de 3 letras
  unsd_region = "#region+unsd", # Región UNSD
  unsd_subregion = "#subregion+unsd", # Subregión UNSD
  who_region = "#region+who", # Región OMS
  Year = "#date+year", # Año del brote
  icd10n = "#disease+name+icd", # Nombre de enfermedad (ICD-10)
  icd103n = "#disease+name+icd3", # Nombre de enfermedad (ICD-10 3 caracteres)
  icd104n = "#disease+name+icd4", # Nombre de enfermedad (ICD-10 4 caracteres)
  icd10c = "#disease+code+icd", # Código de enfermedad (ICD-10)
  icd103c = "#disease+code+icd3", # Código de enfermedad (ICD-10 3 caracteres)
  icd104c = "#disease+code+icd4", # Código de enfermedad (ICD-10 4 caracteres)
  Disease = "#disease+name", # Nombre de la enfermedad
  DONs = "#news+id", # ID de noticia
  Definition = "#x_disease+definition" # Definición de la enfermedad
)

# Agregar hashtags HXL a las columnas relevantes en los datos
last_version <- last_version |>
  mutate(across(all_of(names(cols2hxl)), ~ replace(., 1, cols2hxl[cur_column()]))) |>
  # Seleccionar las columnas relevantes para los datos finales
  select(id_outbreak, Year, icd10n, icd103n, icd104n, icd10c, icd103c, icd104c, Disease, Definition, Country, iso2, iso3, unsd_region, unsd_subregion, who_region, DONs)

Paso 5: Exportar el conjunto de datos final

Finalmente, guardamos el conjunto de datos como un archivo Excel:

write_xlsx(x = list(Data = last_version), path = "disease_outbreaks_HDX.xlsx")