""" preparar_datos_publicos.py ========================== Genera la version publica de los datos del Cuestionario Oviedo de Sueno (COS) aplicado el 14/09/2026 a 58 estudiantes de Ciencias Biologicas (UNT); N = 57. Que hace: 1. Lee los datos crudos, que NO estan en este repositorio. 2. Quita lo que un participante escribio con sus propias palabras (texto libre de los items 11 y "ayuda para dormir"), el nombre del escaneo de cada protocolo y las fechas. 3. Reasigna los codigos al azar. Los codigos originales se entregaron a cada participante para que pudiera pedir su devolucion; publicarlos permitiria a cualquiera que conozca un codigo ver esos datos. La tabla de correspondencia no se guarda en ningun lado. 4. Conserva los items, las puntuaciones, los diagnosticos y las notas de codificacion, que son el rastro de auditoria. 5. Comprueba que las prevalencias publicas coinciden con las del informe y solo entonces escribe los archivos. Si algo no cuadra, no escribe nada. Uso (PowerShell, desde la raiz del repositorio): python site\\datos\\preparar_datos_publicos.py Solo usa la biblioteca estandar de Python: no hay que instalar nada. """ import csv import json import random import sys from collections import Counter from pathlib import Path # --- Rutas ------------------------------------------------------------------ # argv[1] = carpeta de salida (por defecto, la carpeta de este script) # argv[2] = carpeta con los datos crudos (por defecto, Documentos\PSICOLOGIA CARLOS) DESTINO = Path(sys.argv[1]) if len(sys.argv) > 1 else Path(__file__).resolve().parent ORIGEN = Path(sys.argv[2]) if len(sys.argv) > 2 else Path.home() / "Documents" / "PSICOLOGIA CARLOS" CSV_IN = ORIGEN / "investigacion" / "cos_codificado.csv" JSON_IN = ORIGEN / "cos_datos.json" CSV_OUT = DESTINO / "cos_publico.csv" JSON_OUT = DESTINO / "cos_publico.json" # --- Lo que sale ------------------------------------------------------------ FUERA_CSV = {"i11_texto", "fecha"} FUERA_JSON = {"archivo", "codigo_manuscrito", "fecha_manuscrita", "fecha_registrada", "ayuda_para_dormir_texto"} # --- Lo que tiene que dar, segun el informe ----------------------------------- ESPERADO = {"n": 57, "cie10_si": 27, "cie10_indet": 2, "dsmiv_si": 1, "hiper_si": 0} def fallar(msg): print("\n ERROR: " + msg) print(" No se escribio ningun archivo.\n") sys.exit(1) def main(): for f in (CSV_IN, JSON_IN): if not f.exists(): fallar("no encuentro %s" % f) filas = list(csv.DictReader(open(CSV_IN, encoding="utf-8-sig"))) crudo = json.load(open(JSON_IN, encoding="utf-8")) participantes = crudo["participantes"] if len(filas) != ESPERADO["n"] or len(participantes) != ESPERADO["n"]: fallar("esperaba %d casos y hay %d en el CSV y %d en el JSON" % (ESPERADO["n"], len(filas), len(participantes))) # 1. Codigos nuevos al azar, sin semilla: la correspondencia no se puede reconstruir originales = [int(f["codigo"]) for f in filas] if sorted(originales) != sorted(int(p["codigo"]) for p in participantes): fallar("el CSV y el JSON no tienen los mismos codigos") barajados = originales[:] random.SystemRandom().shuffle(barajados) nuevo = {viejo: i + 1 for i, viejo in enumerate(barajados)} # 2. CSV publico columnas = [c for c in filas[0].keys() if c not in FUERA_CSV] filas_pub = [] for f in filas: g = {c: f[c] for c in columnas} g["codigo"] = "%03d" % nuevo[int(f["codigo"])] filas_pub.append(g) filas_pub.sort(key=lambda g: g["codigo"]) # 3. JSON publico part_pub = [] for p in participantes: q = {k: v for k, v in p.items() if k not in FUERA_JSON} q["codigo"] = "%03d" % nuevo[int(p["codigo"])] part_pub.append(q) part_pub.sort(key=lambda q: q["codigo"]) publico = { "instrumento": crudo.get("instrumento"), "fecha_aplicacion": crudo.get("fecha_aplicacion"), "n": ESPERADO["n"], "nota_muestra": "58 protocolos aplicados; uno se excluyo porque su escaneo " "resulto identico al de otro protocolo. N = 57.", "nota_publica": "Version publica. Se retiraron el texto libre escrito por los " "participantes, el nombre del escaneo y las fechas, y los codigos " "se reasignaron al azar. Items, puntuaciones, diagnosticos y notas " "de codificacion se conservan sin cambios.", "reglas": crudo.get("reglas"), "participantes": part_pub, } # 4. Comprobaciones for g in filas_pub: if FUERA_CSV & set(g): fallar("quedo una columna prohibida en el CSV") for q in part_pub: if FUERA_JSON & set(q): fallar("quedo un campo prohibido en el JSON") cie = Counter(g["dx_insomnio_cie10"] for g in filas_pub) dsm = Counter(g["dx_insomnio_dsmiv"] for g in filas_pub) hip = Counter(g["dx_hipersomnio"] for g in filas_pub) obtenido = {"n": len(filas_pub), "cie10_si": cie["Si"], "cie10_indet": cie["Indeterminado"], "dsmiv_si": dsm["Si"], "hiper_si": hip["Si"]} if obtenido != ESPERADO: fallar("las prevalencias no coinciden con el informe: %s" % obtenido) json_por_codigo = {q["codigo"]: q["puntuacion"] for q in part_pub} for g in filas_pub: pj = json_por_codigo[g["codigo"]] if (pj["dx_insomnio_CIE10"], pj["dx_insomnio_DSMIV"], pj["dx_hipersomnio"]) != \ (g["dx_insomnio_cie10"], g["dx_insomnio_dsmiv"], g["dx_hipersomnio"]): fallar("el CSV y el JSON no coinciden en el caso %s" % g["codigo"]) # 5. Recien ahora se escribe DESTINO.mkdir(parents=True, exist_ok=True) with open(CSV_OUT, "w", encoding="utf-8-sig", newline="") as fh: w = csv.DictWriter(fh, fieldnames=columnas) w.writeheader() w.writerows(filas_pub) with open(JSON_OUT, "w", encoding="utf-8") as fh: json.dump(publico, fh, ensure_ascii=False, indent=2) n_cie = ESPERADO["n"] - ESPERADO["cie10_indet"] pct = lambda a, b: ("%.1f" % (100 * a / b)).replace(".", ",") print("\n Datos publicos generados y comprobados:") print(" Insomnio CIE-10 : %d/%d = %s %%" % (obtenido["cie10_si"], n_cie, pct(obtenido["cie10_si"], n_cie))) print(" Insomnio DSM-IV : %d/%d = %s %%" % (obtenido["dsmiv_si"], ESPERADO["n"], pct(obtenido["dsmiv_si"], ESPERADO["n"]))) print(" Hipersomnio : %d/%d = %s %%" % (obtenido["hiper_si"], ESPERADO["n"], pct(obtenido["hiper_si"], ESPERADO["n"]))) print("\n %s" % CSV_OUT) print(" %s\n" % JSON_OUT) if __name__ == "__main__": main()