Análisis de Datos Espaciales en Salud Pública con R

El análisis espacial permite responder preguntas centrales en salud pública: dónde se concentra el riesgo, si esa concentración es estadísticamente significativa y cómo se distribuye en el territorio. Este curso ofrece una introducción aplicada y reproducible a los métodos de estadística espacial, orientada a procesar datos georreferenciados de salud, describir patrones geográficos, identificar clusters y modelar exposición y riesgo en el territorio utilizando R. A partir de una base conceptual común sobre datos espaciales, sistemas de referencia y su uso en el contexto chileno, el curso profundiza en los dos grandes enfoques del análisis espacial en salud pública: los datos de área (tasas, autocorrelación espacial y modelos de mapeo de enfermedades) y los datos geoestadísticos (variogramas e interpolación espacial). Cada sesión combina teoría breve con talleres guiados sobre datos reales de salud, de modo que los y las participantes puedan aplicar directamente lo aprendido a sus propios proyectos.

Aplicar métodos de estadística espacial en R para el análisis de datos georreferenciados de salud pública, con el fin de describir patrones geográficos, evaluar la significancia de la autocorrelación espacial, identificar clusters de riesgo y modelar la exposición y el riesgo en el territorio como insumo para la toma de decisiones.

• Calcular tasas y medidas de autocorrelación espacial global (índices de Moran y Geary) para describir la distribución de eventos de salud en datos de área.
• Estimar superficies continuas de exposición o riesgo ambiental mediante métodos de interpolación espacial (IDW y kriging) a partir de datos geoestadísticos.
• Identificar clusters espaciales de riesgo (hotspots y coldspots) mediante autocorrelación local (LISA) y ajustar modelos de mapeo de enfermedades (CAR/ICAR/SAR/BYM).
• Procesar, transformar y visualizar datos espaciales en R utilizando el ecosistema sf/terra/tmap, incorporando fuentes de datos abiertos y de salud disponibles en Chile.
• Reconocer la estructura de los datos espaciales (vectoriales y raster), los sistemas de referencia (CRS) y los principales enfoques del análisis espacial en salud pública.

• Estructura de datos espaciales (vectoriales y raster) y sistemas de referencia (CRS), con énfasis en su uso en Chile
• Procesamiento con el ecosistema sf/terra/tmap
• Datos de área: tasas y estandarización, matrices de vecindad, autocorrelación global (Moran, Geary) y local (LISA), detección de clusters y modelos de mapeo de enfermedades (CAR/BYM)
• Datos geoestadísticos: variograma, IDW y kriging para estimar superficies continuas de exposición

Profesionales, investigadores/as y estudiantes de posgrado que trabajan con datos de salud georreferenciados y que requieran incorporar métodos estadísticos espaciales a su análisis: epidemiología, bioestadística, salud ambiental, vigilancia, geografía de la salud y áreas afines.

El curso combina clases teóricas y sesiones prácticas aplicadas en R. La primera sesión es teórica y entrega las bases conceptuales del análisis espacial en salud. Las cuatro sesiones siguientes son teórico-prácticas: cada una combina una breve exposición de contenidos con un taller guiado en R sobre datos reales de salud, de modo que los y las participantes practiquen directamente las técnicas revisadas y puedan proyectarlas hacia su propio trabajo.

La evaluación consiste en un breve proyecto de análisis espacial aplicado a datos propios de cada participante (o a datos proporcionados por el equipo docente en caso de no contar con ellos), en el que se apliquen los contenidos revisados durante el curso. Dado que durante las sesiones se entregarán los códigos de todos los análisis trabajados, la tarea consiste en replicarlos y adaptarlos al proyecto propio. La entrega final es un script reproducible (idealmente en Quarto o R Markdown) y podrá enviarse hasta el viernes 22 de enero de 2027.

La asistencia mínima para aprobar es de 4 de 5 sesiones, aunque se recomienda asistencia completa dado que el curso corresponde a un proceso de aprendizaje acumulativo.

• Este curso es evaluado
• Trabajo grupal