""" Análisis del Cuestionario Oviedo del Sueño (COS). Estudio descriptivo, segundo ciclo de Ciencias Biológicas (UNT), 14/09/2026. Qué hace este script, en orden: 1. Lee las respuestas ya codificadas (una fila por estudiante). 2. Aplica las reglas diagnósticas del COS (García-Portilla et al., 2009, anexo 2). 3. Calcula prevalencias con su intervalo de confianza al 95 % (método de Wilson). 4. Calcula la escala de gravedad del insomnio (COS-GI), la satisfacción y la eficiencia. 5. Compara cada diagnóstico con el registrado durante la codificación. 6. Dibuja las figuras del informe. Uso (PowerShell, desde la raíz del repositorio): python site\\datos\\analisis_cos.py site\\datos\\cos_publico.csv --figuras cos_publico.csv es la versión anonimizada que genera preparar_datos_publicos.py. Con ese archivo el script reproduce exactamente las cifras del informe. """ import csv import os import sys from statistics import mean, median, stdev from statsmodels.stats.proportion import proportion_confint # PowerShell en Windows a veces no muestra bien los acentos; esto lo evita. try: sys.stdout.reconfigure(encoding="utf-8", errors="replace") except Exception: pass # --------------------------------------------------------------------------- # 1. Lectura # --------------------------------------------------------------------------- def leer(ruta): """Devuelve la lista de estudiantes. Una casilla vacía queda como None.""" with open(ruta, encoding="utf-8-sig") as f: filas = list(csv.DictReader(f)) def num(valor): return int(valor) if valor not in ("", None) else None for fila in filas: for clave in ("i1", "i2_1", "i2_2", "i2_3", "i2_4", "i2_5", "i3", "i4", "i5", "i6_calculado", "i7", "i8", "i9", "eficiencia_pct"): fila[clave] = num(fila[clave]) return filas # --------------------------------------------------------------------------- # 2. Reglas del COS con respuestas faltantes # # Cada condición puede dar tres resultados: True (se cumple), False (no se # cumple) o None (no se puede saber porque falta una respuesta que lo cambiaría). # Así se evita decidir por el estudiante. # --------------------------------------------------------------------------- def alguno(valores, condicion): """¿Al menos uno de los valores cumple la condición?""" if any(v is not None and condicion(v) for v in valores): return True if any(v is None for v in valores): return None return False def todos(valores, condicion): """¿Todos los valores cumplen la condición?""" if any(v is not None and not condicion(v) for v in valores): return False if any(v is None for v in valores): return None return True def y_logico(a, b): """'Y' de dos condiciones que pueden ser True, False o None.""" if a is False or b is False: return False if a is None or b is None: return None return True def nocturnos(f): return [f["i2_1"], f["i2_2"], f["i2_3"], f["i2_4"]] def insomnio_cie10(f): # Al menos uno de 2.1-2.4 con 3 o más (3 días por semana) y el ítem 7 con 3 o más. return y_logico(alguno(nocturnos(f), lambda v: v >= 3), alguno([f["i7"]], lambda v: v >= 3)) def insomnio_dsmiv(f): # Al menos uno de 2.1-2.4 igual a 5 (6-7 días por semana) y el ítem 7 igual a 5. return y_logico(alguno(nocturnos(f), lambda v: v == 5), alguno([f["i7"]], lambda v: v == 5)) def hipersomnio(f): # Los cuatro ítems 2.1-2.4 iguales a 1 (ninguna dificultad nocturna) # y los ítems 2.5, 8 y 9 iguales a 5. return y_logico(todos(nocturnos(f), lambda v: v == 1), todos([f["i2_5"], f["i8"], f["i9"]], lambda v: v == 5)) # --------------------------------------------------------------------------- # 3. Prevalencia e intervalo de confianza # --------------------------------------------------------------------------- def prevalencia(resultados): si = sum(r is True for r in resultados) no = sum(r is False for r in resultados) indet = sum(r is None for r in resultados) n = si + no # los indeterminados no entran al denominador bajo, alto = proportion_confint(si, n, alpha=0.05, method="wilson") return si, no, indet, n, si / n, bajo, alto # --------------------------------------------------------------------------- # 4. Escalas # --------------------------------------------------------------------------- def cos_gi(f): """Suma de los 9 ítems de insomnio. Si faltan 1 o 2, se prorratea.""" items = nocturnos(f) + [f["i3"], f["i4"], f["i5"], f["i6_calculado"], f["i7"]] presentes = [v for v in items if v is not None] if len(presentes) == 9: return sum(presentes) if len(presentes) >= 7: return round(mean(presentes) * 9) return None # con menos de 7 ítems no se calcula def banda_eficiencia(p): if p >= 91: return "91-100 %" if p >= 81: return "81-90 %" if p >= 71: return "71-80 %" if p >= 61: return "61-70 %" return "60 % o menos" def coma(x, dec=1): return f"{x:.{dec}f}".replace(".", ",") # --------------------------------------------------------------------------- # 5. Programa principal # --------------------------------------------------------------------------- def main(ruta): filas = leer(ruta) print(f"Cuestionarios analizados: {len(filas)}\n") reglas = [("Insomnio CIE-10", insomnio_cie10, "dx_insomnio_cie10"), ("Insomnio DSM-IV", insomnio_dsmiv, "dx_insomnio_dsmiv"), ("Hipersomnio", hipersomnio, "dx_hipersomnio")] print("Criterio Sí No Indet. n Prevalencia IC 95 % (Wilson)") for nombre, regla, columna in reglas: resultados = [regla(f) for f in filas] # Control: el cálculo debe coincidir con lo registrado al codificar. registrado = {"Si": True, "No": False, "Indeterminado": None} distintos = [f["codigo"] for f, r in zip(filas, resultados) if registrado[f[columna]] != r] if distintos: print(f" ATENCIÓN: {nombre} no coincide en {distintos}") si, no, indet, n, p, bajo, alto = prevalencia(resultados) print(f"{nombre:<16} {si:>3} {no:>3} {indet:>5} {n:>5} " f"{coma(p * 100):>7} % {coma(bajo * 100)} - {coma(alto * 100)} %") gi = [cos_gi(f) for f in filas] gi_validos = [v for v in gi if v is not None] print(f"\nCOS-GI (9 a 45): n = {len(gi_validos)}, media = {coma(mean(gi_validos), 2)}, " f"DE = {coma(stdev(gi_validos), 2)}, mediana = {coma(median(gi_validos))}, " f"rango = {min(gi_validos)}-{max(gi_validos)}") distintos = [f["codigo"] for f, v in zip(filas, gi) if (str(v) if v is not None else "") != f["cos_gi"]] if distintos: print(f" ATENCIÓN: COS-GI no coincide en {distintos}") satis = [f["i1"] for f in filas if f["i1"] is not None] print(f"\nSatisfacción (1 a 7): mediana = {median(satis)}") for valor in range(1, 8): print(f" {valor}: {satis.count(valor)}") efic = [f["eficiencia_pct"] for f in filas if f["eficiencia_pct"] is not None] print(f"\nEficiencia del sueño: n = {len(efic)}, mediana = {coma(median(efic), 0)} %, " f"rango = {min(efic)}-{max(efic)} %") for banda in ("91-100 %", "81-90 %", "71-80 %", "61-70 %", "60 % o menos"): k = sum(banda_eficiencia(p) == banda for p in efic) print(f" {banda:<13} {k:>3} ({coma(k / len(efic) * 100)} %)") if "--figuras" in sys.argv: sys.path.insert(0, os.path.dirname(os.path.abspath(__file__))) import figuras_cos carpeta = os.path.join(os.path.dirname(os.path.abspath(__file__)), "figuras") figuras_cos.dibujar(filas, insomnio_cie10, insomnio_dsmiv, carpeta) print(f"\nFiguras guardadas en {carpeta}") if __name__ == "__main__": if len(sys.argv) < 2: sys.exit("Uso: python site\\datos\\analisis_cos.py site\\datos\\cos_publico.csv [--figuras]") main(sys.argv[1])