Datos abiertos y código
Datos anonimizados de un estudio descriptivo de prevalencia de trastornos del sueño con el Cuestionario Oviedo del Sueño (COS), aplicado el 14 de septiembre de 2026 a estudiantes de Ciencias Biológicas: 58 cuestionarios, 57 válidos. Los criterios diagnósticos son los de García-Portilla y colaboradores (2009, anexo 2). Con estos archivos, el análisis reproduce exactamente las cifras del informe.
Los archivos
| Archivo | Qué es |
|---|---|
cos_publico.csv | Los datos anonimizados: una fila por cuestionario (N = 57), con ítems, puntuaciones, diagnósticos y notas de codificación. |
cos_publico.json | Los mismos datos, en JSON. |
analisis_cos.py | El análisis completo: aplica las reglas diagnósticas del COS, calcula las prevalencias con su intervalo de confianza al 95 % (método de Wilson) y, con --figuras, dibuja las figuras del informe. |
figuras_cos.py | Dibuja las tres figuras; lo llama analisis_cos.py. |
figuras/figura1_puntos.png | Un punto por estudiante, con la regla de la CIE-10 y la del DSM-IV. |
figuras/figuraA1_flujo.png | Cómo se llegó de las hojas a los resultados. |
figuras/figuraA2_intervalos.png | Cada prevalencia con su intervalo de confianza. |
anexos_cos.py | Genera la matriz de tabulación del anexo D con las mismas reglas. |
anexo_matriz_tabulacion.csv | La matriz de tabulación que produce anexos_cos.py. |
preparar_datos_publicos.py | Cómo se generó la versión pública a partir de los datos crudos. |
demo_cos.py | Demostración de aula: la prevalencia según cada criterio diagnóstico. |
demo_umbral.py | Demostración de aula: el umbral decide la cifra; recalcula los datos bajo distintos criterios. |
demo_aula.py | La misma demostración, contada para proyectar en clase, un dato a la vez. |
slider_ventana.py | El umbral con un deslizador, en una ventana. |
slider_consola.py | El umbral con un deslizador, dibujado en la consola. |
prueba_entorno.py | Comprueba que el entorno de Python tiene lo necesario para las demostraciones. |
Cómo reproducir las cifras
Descarga cos_publico.csv, analisis_cos.py y figuras_cos.py en una misma carpeta y, desde ella:
python -m pip install statsmodels matplotlib
python analisis_cos.py cos_publico.csv --figuras
Lo que no está
Los datos crudos no se publican: tienen texto libre de los participantes y los códigos con los que cada uno podía pedir su devolución. preparar_datos_publicos.py muestra cómo se generó la versión pública: quita el texto libre, reasigna los códigos al azar y comprueba que las prevalencias coinciden con las del informe antes de escribir nada.
Licencia
Datos y código se distribuyen bajo CC BY 4.0: puedes usarlos, modificarlos y redistribuirlos citando la fuente («Carlos Eduardo Ravello Joo, Researching Mind») con un enlace a esta página. Un dato que nadie puede comprobar no es un dato.