Researching Mind

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

ArchivoQué es
cos_publico.csvLos datos anonimizados: una fila por cuestionario (N = 57), con ítems, puntuaciones, diagnósticos y notas de codificación.
cos_publico.jsonLos mismos datos, en JSON.
analisis_cos.pyEl 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.pyDibuja las tres figuras; lo llama analisis_cos.py.
figuras/figura1_puntos.pngUn punto por estudiante, con la regla de la CIE-10 y la del DSM-IV.
figuras/figuraA1_flujo.pngCómo se llegó de las hojas a los resultados.
figuras/figuraA2_intervalos.pngCada prevalencia con su intervalo de confianza.
anexos_cos.pyGenera la matriz de tabulación del anexo D con las mismas reglas.
anexo_matriz_tabulacion.csvLa matriz de tabulación que produce anexos_cos.py.
preparar_datos_publicos.pyCómo se generó la versión pública a partir de los datos crudos.
demo_cos.pyDemostración de aula: la prevalencia según cada criterio diagnóstico.
demo_umbral.pyDemostración de aula: el umbral decide la cifra; recalcula los datos bajo distintos criterios.
demo_aula.pyLa misma demostración, contada para proyectar en clase, un dato a la vez.
slider_ventana.pyEl umbral con un deslizador, en una ventana.
slider_consola.pyEl umbral con un deslizador, dibujado en la consola.
prueba_entorno.pyComprueba 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.