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.

• 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.
• 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.
• 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.
• Identificar clusters espaciales de riesgo (hotspots y coldspots) mediante autocorrelación local (LISA) y ajustar modelos de mapeo de enfermedades (CAR/ICAR/SAR/BYM).
• Estimar superficies continuas de exposición o riesgo ambiental mediante métodos de interpolación espacial (IDW y kriging) a partir de datos geoestadísticos.

• 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.

Manejo básico de R y RStudio (u otro IDE): carga de datos, manejo de objetos y uso de funciones simples. No es necesario tener el software instalado si se trabaja en los computadores de la ESP, pero quienes usen equipo propio deben traerlo instalado previamente. Se requieren además nociones básicas de epidemiología y estadística, así como conocimientos en métodos y diseños cuantitativos. Es deseable, aunque no obligatorio, contar con un conjunto de datos propio con una variable espacial de interés laboral, académico o personal para utilizarlo en la tarea del curso (de no contar con uno, el equipo docente puede proporcionarlo).