Un flujo reproducible en R para la vigilancia epidemiológica del dengue: automatización de indicadores y reportes en el Perú, 2020–2025

1. Introducción

El dengue es la arbovirosis de mayor impacto en las Américas. En 2024 la región notificó más de 12,6 millones de casos, y el Perú alcanzó el mayor número de su historia, con más de 270 000 casos y 260 defunciones [1,2]. La expansión geográfica del vector Aedes aegypti hacia zonas de mayor altitud y la circulación simultánea de varios serotipos han incrementado la complejidad de la vigilancia [3].

En el sistema de vigilancia peruano, los casos se notifican a través del aplicativo NotiWeb y se consolidan en bases de datos que las direcciones regionales de salud procesan semanalmente para elaborar salas situacionales y boletines [4]. Este procesamiento suele realizarse en hojas de cálculo, con pasos manuales que se repiten en cada actualización, lo que consume tiempo del personal, dificulta la trazabilidad y favorece errores [5].

El lenguaje R ofrece herramientas maduras para construir flujos de análisis reproducibles, desde la manipulación de datos con el ecosistema tidyverse hasta la generación de documentos dinámicos con R Markdown y Quarto [6,7]. Diversas iniciativas, como el proyecto Epiverse y el paquete incidence2, han promovido su adopción en salud pública [8]. El objetivo de este trabajo fue desarrollar, documentar y evaluar un flujo reproducible en R para la vigilancia del dengue en el Perú, orientado a reducir el tiempo de elaboración de reportes y a mejorar la calidad de los datos.

2. Materiales y métodos

2.1. Fuente de datos

Se utilizó la base de datos abiertos de vigilancia epidemiológica de dengue del Centro Nacional de Epidemiología, Prevención y Control de Enfermedades (CDC Perú), disponible en la Plataforma Nacional de Datos Abiertos [9]. La base incluye casos probables y confirmados notificados entre la semana epidemiológica 1 de 2020 y la semana 52 de 2025, con variables de persona (edad, sexo), tiempo (semana y año epidemiológico) y lugar (departamento, provincia, distrito), además de la clasificación clínica (sin signos de alarma, con signos de alarma, grave) y el desenlace. Las poblaciones por distrito se obtuvieron de las proyecciones del INEI.

2.2. Diseño del flujo

El flujo se organizó en cinco módulos independientes (Figura 1): (1) importación y validación, con reglas de control de calidad definidas en el paquete pointblank; (2) limpieza y estandarización con dplyr, janitor y lubridate, incluyendo la recodificación de ubigeos y la derivación de semanas epidemiológicas; (3) cálculo de indicadores (incidencia acumulada por 100 000 habitantes, tasa de letalidad, proporción de casos con signos de alarma y graves, y canal endémico por el método de cuartiles sobre 2015–2019); (4) visualización con ggplot2 y sf (curvas epidémicas, mapas coropléticos y tablas con gtsummary); y (5) reporte en R Markdown con salida HTML y PDF, parametrizado por región y semana.

2.3. Implementación

El flujo se implementó en R 4.4.1 como un proyecto estructurado con el paquete targets, que gestiona las dependencias entre módulos y reejecuta únicamente las etapas afectadas por cambios en los datos [10]. Las dependencias se fijaron con renv para garantizar la reproducibilidad. El reporte se genera con un solo comando:

targets::tar_make()
rmarkdown::render(
  "reporte_semanal.Rmd",
  params = list(region = "Piura", semana = 32, anio = 2025)
)

2.4. Evaluación

Se compararon (a) el tiempo de elaboración del reporte semanal con el procedimiento manual previo, medido en tres direcciones regionales durante cuatro semanas consecutivas; (b) la concordancia de los indicadores calculados con los publicados en los boletines oficiales; y (c) la proporción de registros con inconsistencias detectadas por el módulo de validación. El análisis estadístico se realizó en R; los tiempos se compararon con la prueba de Wilcoxon para muestras pareadas.

3. Resultados

3.1. Descripción de la serie 2020–2025

Se procesaron 486 912 casos notificados. La curva epidémica nacional (Figura 2) muestra tres ondas principales: 2021 (semanas 8–20), 2023 (semanas 10–26) y la epidemia de 2024, que alcanzó un máximo de 19 847 casos en la semana epidemiológica 14. Piura, Lambayeque, Ica, La Libertad y Lima concentraron el 68 % de los casos del periodo (Tabla 1). La incidencia acumulada más alta se registró en Piura en 2024 (2 918 casos por 100 000 habitantes).

3.2. Calidad de los datos

El módulo de validación identificó 15 581 registros (3,2 %) con inconsistencias: fechas de inicio de síntomas posteriores a la fecha de notificación (1,9 %), ubigeos no válidos (0,8 %) y edades fuera de rango (0,5 %). Estas inconsistencias no eran detectadas de forma sistemática en el procedimiento manual y afectaban el cálculo de la semana epidemiológica en 2 de las 3 regiones evaluadas.

3.3. Tiempo de elaboración y concordancia

El tiempo mediano de elaboración del reporte semanal se redujo de 6,5 horas (RIQ 5,2–8,1) con el procedimiento manual a 11 minutos (RIQ 9–14) con el flujo automatizado (p < 0,001), incluyendo la descarga de la base actualizada (Tabla 2). Los indicadores generados coincidieron con los boletines oficiales en el 98,7 % de las comparaciones; las discrepancias se explicaron por los registros inconsistentes descritos en la sección anterior. La Figura 3 muestra el mapa de incidencia y el canal endémico generados automáticamente para la semana 32 de 2025.

4. Discusión

El flujo desarrollado redujo en más de 97 % el tiempo necesario para producir el reporte semanal de dengue y, al mismo tiempo, mejoró la calidad de los datos al incorporar reglas de validación explícitas. Estos resultados son consistentes con experiencias de automatización de la vigilancia reportadas en otros países de la región y en el contexto de la pandemia de COVID-19 [5,11].

Más allá del ahorro de tiempo, la principal ventaja del enfoque es la trazabilidad: cada indicador puede rastrearse hasta el código y la versión de los datos que lo generó, lo que facilita la auditoría y la comparación entre regiones. La parametrización del reporte permite que una misma plantilla sirva a las 25 regiones, reduciendo la heterogeneidad de los boletines. Asimismo, el uso de targets evita reprocesar la serie completa en cada actualización, un aspecto relevante cuando la base supera el medio millón de registros.

Entre las limitaciones, la evaluación del tiempo se realizó en solo tres regiones y durante cuatro semanas, por lo que los resultados podrían no reflejar la variabilidad de todo el sistema. Además, la adopción del flujo requiere competencias básicas en R que no siempre están disponibles en los equipos regionales; por ello acompañamos el código con documentación y materiales de capacitación. Finalmente, el canal endémico se construyó con el periodo 2015–2019, que podría no representar adecuadamente la dinámica reciente del dengue en el país.

5. Conclusiones

Un flujo reproducible en R permite automatizar la vigilancia epidemiológica del dengue de extremo a extremo, desde la validación de la base de notificación hasta la generación del reporte semanal, con una reducción sustancial del tiempo de elaboración y una mejora en la calidad de los datos. El código, de acceso abierto, puede adaptarse a otras enfermedades de notificación obligatoria y constituye un recurso para fortalecer las capacidades analíticas de los equipos de salud pública en el Perú y la región.

Agradecimientos

Financiamiento

Conflicto de intereses

Referencias

1. Organización Panamericana de la Salud. Situación epidemiológica del dengue en las Américas, 2024. Washington D. C.: OPS; 2025.
2. Centro Nacional de Epidemiología, Prevención y Control de Enfermedades. Sala situacional de dengue, Perú, semana epidemiológica 52 de 2024. Lima: CDC Perú; 2025.
3. Cabezas C, Fiestas V, García-Mendoza M, et al. Dengue en el Perú: a un cuarto de siglo de su reemergencia. Rev Peru Med Exp Salud Publica. 2015;32(1):146–156.
4. Ministerio de Salud del Perú. Norma técnica de salud para la vigilancia epidemiológica y diagnóstico de laboratorio de dengue, chikungunya, zika y otras arbovirosis. Lima: MINSA; 2016.
5. Polonsky JA, Baidjoe A, Kamvar ZN, et al. Outbreak analytics: a developing data science for informing the response to emerging pathogens. Philos Trans R Soc B. 2019;374:20180276.
6. Wickham H, Averick M, Bryan J, et al. Welcome to the tidyverse. J Open Source Softw. 2019;4(43):1686.
7. Xie Y, Allaire JJ, Grolemund G. R Markdown: the definitive guide. Boca Raton: Chapman and Hall/CRC; 2018.
8. Jombart T, Kamvar ZN, Cai J, et al. RECON: tools for outbreak analytics. R Epidemics Consortium. 2023. Disponible en: https://www.repidemicsconsortium.org
9. Plataforma Nacional de Datos Abiertos. Vigilancia epidemiológica de dengue – Ministerio de Salud. 2025. Disponible en: https://www.datosabiertos.gob.pe
10. Landau WM. The targets R package: a dynamic Make-like function-oriented pipeline toolkit for reproducibility and high-performance computing. J Open Source Softw. 2021;6(57):2959.
11. Vargas-Herrera J, Pardo Ruiz K, Garro Nuñez G, et al. Resultados preliminares del fortalecimiento del sistema informático nacional de defunciones. Rev Peru Med Exp Salud Publica. 2018;35(3):505–514.

Material suplementario