Fixing caption numbering and positioning on Rmd report

DESCRIPTION

@@ -40,7 +40,8 @@ Imports:
     showtext,
     cowplot,
     gridExtra,
-    kableExtra
+    kableExtra,
+    bookdown
 Suggests: 
     knitr,
     rmarkdown

R/plotting.R

@@ -1025,7 +1025,7 @@ plot_tabla_tipos_event <- function(data_agrupada,
                                "caption_table_events")
   data_agrupada[[col_event]] <-
     stringr::str_to_title(data_agrupada[[col_event]])
-  tabla_tipos <- knitr::kable(data_agrupada[, c("cod_eve",
+  tabla_tipos <- kableExtra::kbl(data_agrupada[, c("cod_eve",
                                                 col_event,
                                                 "casos")],
                               col.names = c(etiqueta_cod,
@@ -1385,7 +1385,7 @@ plot_tabla_incidencia_geo <- function(data_agrupada,
                      .groups = "drop")
   data_tabla <- data_tabla[order(data_tabla$incidencia,
                                    decreasing = TRUE), ]
-  tabla_geo <- knitr::kable(data_tabla,
+  tabla_geo <- kableExtra::kbl(data_tabla,
                             col.names = c(etiqueta_cod,
                                           etiqueta_geo,
                                           "Incidencia"),
@@ -1444,7 +1444,7 @@ plot_tabla_incidencia_sex <- function(data_agrupada,
     stringr::str_to_title(data_agrupada[["nombre_evento"]])
   data_agrupada <- data_agrupada[order(data_agrupada$incidencia,
                                  decreasing = TRUE), ]
-  tabla_sex <- knitr::kable(data_agrupada[, c("cod_eve",
+  tabla_sex <- kableExtra::kbl(data_agrupada[, c("cod_eve",
                                               "nombre_evento",
                                               col_sex,
                                               "incidencia")],

inst/rmarkdown/templates/reports/skeleton/_bookdown.yml

@@ -0,0 +1,4 @@
+language:
+  label:
+    fig: "Figura "
+    tab: "Tabla "

inst/rmarkdown/templates/reports/skeleton/skeleton.Rmd

@@ -2,7 +2,7 @@
 output:
   pdf_document: 
     number_sections: true
-  html_document:
+  bookdown::html_document2:
     number_sections: true
     fig_caption: true
     css: style.css
@@ -12,14 +12,18 @@ header-includes:
   - \usepackage{fancyhdr}
   - \pagestyle{fancy}
   - \usepackage[utf8]{inputenc}
-  - \usepackage[spanish]{babel}
+  - \usepackage[spanish, provide=*]{babel}
   - \fancyfoot[R]{\includegraphics[width=1.1cm]{logo.png}}
   - \usepackage[defaultfam,tabular,lining]{montserrat}
   - \usepackage{tikz}
   - \usepackage[absolute,overlay]{textpos}
   - \definecolor{colortitle}{HTML}{0CC0DF}
   - \usepackage{caption}
   - \captionsetup[table]{position=above,name=Tabla}
+  - \usepackage{floatrow}
+  - \floatsetup[figure]{capposition=top}  
+  - \floatsetup[table]{capposition=top}  
+
 papersize: a4
 title: \textcolor{colortitle}{.}
 subtitle: ""
@@ -77,7 +81,7 @@ editor_options:
     wrap: sentence
 ---
 
-```{r setup, echo = FALSE, error = FALSE, warning = FALSE, include = FALSE, message = FALSE}
+```{r configuracion, echo = FALSE, error = FALSE, warning = FALSE, include = FALSE, message = FALSE}
 knitr::opts_chunk$set(include = TRUE,
                       echo = FALSE,
                       error = FALSE,
@@ -142,16 +146,16 @@ fuente <- "Fuente SIVIGILA, Datos libres"
 </div>
 ```
 
-```{r import_data, include = FALSE}
+```{r importar-datos, include = FALSE}
 data_event <- import_data_event(nombre_event = params$nombre_evento,
                                 years = params$year)
 ```
 
-```{r clean_data, include = FALSE}
+```{r limpiar-datos, include = FALSE}
 data_limpia <- limpiar_data_sivigila(data_event)
 ```
 
-```{r filter_data, include = FALSE}
+```{r filtrar-datos, include = FALSE}
 data_event_filtrada <-  geo_filtro(data_event = data_limpia,
                                    dpto = params$departmento)
 ```
@@ -167,15 +171,15 @@ En este reporte se presenta el comportamiento del `r stringr::str_to_title(param
 
 La distribución de casos por tipo es la siguiente:
 
-```{r total_cases, echo = FALSE, error = FALSE, fig.height=5, fig.width = 10, warning = FALSE, include = TRUE, message = FALSE, fig.pos = "H"} 
+```{r casos-totales, echo = FALSE, error = FALSE, fig.height=5, fig.width = 10, warning = FALSE, include = TRUE, message = FALSE, fig.pos = "H", fig.cap = "Distribución de casos por evento", fig.topcaption = TRUE} 
 total_casos_eventos <- agrupar_eventos(data_event = data_event_filtrada,
                                        col_event = "cod_eve")
 plot_tabla_tipos_event(total_casos_eventos)
 ```
 
 Durante el período comprendido entre el año `r (params$year - 5)` y `r params$year`, se observó la siguiente distribución de casos:
 
-```{r cases_by_years, echo = FALSE, error = FALSE, fig.height=5, fig.width = 10, warning = FALSE, include = TRUE, message = FALSE}
+```{r casos-por-ano, echo = FALSE, error = FALSE, fig.height=5, fig.width = 10, warning = FALSE, include = TRUE, message = FALSE, fig.topcaption = TRUE}
 data_event_years <- import_data_event(nombre_event = params$nombre_evento,
                                       years = seq(params$year - 5,
                                                    params$year))
@@ -185,34 +189,34 @@ data_years_filtrada <- geo_filtro(data_event = data_years_limpia,
 casos_years <- agrupar_years(data_event = data_years_filtrada)
 ```
 
-```{r plot_cases_by_years, fig.height = 5, fig.width = 11, fig.cap = "Distribución de casos en los últimos 6 años"}
+```{r grafica-casos-por-ano, fig.height = 5, fig.width = 11, fig.cap = "Distribución de casos en los últimos 6 años", fig.topcaption = TRUE}
 plot_years(casos_years)
 ```
 
 # Distribución de casos por clasificación
 
-```{r cases_by_tip_cas, echo = FALSE, error = FALSE, fig.height=5, fig.width = 10, warning = FALSE, include = TRUE, message = FALSE}
+```{r casos-por-tipo, echo = FALSE, error = FALSE, fig.height=5, fig.width = 10, warning = FALSE, include = TRUE, message = FALSE, fig.topcaption = TRUE}
 casos_tip_cas <- agrupar_tipo_caso(data_event = data_event_filtrada)
 ```
 
-```{r plot_cases_by_tip_cas, fig.height = 5, fig.width = 11, fig.cap = "Distribución de casos por clasificación"}
+```{r grafica-casos-por-tipo, fig.height = 5, fig.width = 11, fig.cap = "Distribución de casos por clasificación", fig.topcaption = TRUE}
 plot_tipo_caso(casos_tip_cas)
 ```
 
 Durante el período comprendido entre el año `r (params$year - 5)` y `r params$year`, se observó la siguiente distribución por clasificacion:
 
-```{r cases_by_tip_cas_years, echo = FALSE, error = FALSE, warning = FALSE, include = TRUE, message = FALSE}
+```{r casos-por-tipo-por-ano, echo = FALSE, error = FALSE, warning = FALSE, include = TRUE, message = FALSE}
 casos_tip_cas_years <- agrupar_tipo_caso(data_event = data_years_filtrada,
                                          cols_tipo = c("tip_cas", "ano"))
 ```
 
-```{r plot_tip_cas_by_years, fig.height = 7, fig.width = 13, fig.cap = "Distribución de casos en los últimos 6 años"}
+```{r grafica-casos-por-tipo-por-ano, fig.height = 7, fig.width = 13, fig.cap = "Distribución de casos en los últimos 6 años", fig.topcaption = TRUE}
 plot_tipo_caso_years(casos_tip_cas_years)
 ```
 
 `r if (params$temporal_distribution) {"# Distribución temporal de los casos"}`
 
-```{r cases_by_onset_symptom_date, include = FALSE}
+```{r casos-por-fecha-inicio-sintomas, include = FALSE}
 casos_iniciosin_dia <- agrupar_fecha_inisintomas(data_event =
                                                    data_event_filtrada)
 mes_mayor_casos <- obtener_meses_mas_casos(data_event =
@@ -226,25 +230,25 @@ mes_mayor_casos <- obtener_meses_mas_casos(data_event =
 
 **Distribución de casos por fecha de inicio de sintomas**
 
-```{r plot_cases_by_onset_symptom_date, fig.height = 5, fig.width = 11, fig.cap = "Distribución de casos por fecha de inicio de sintomas", include = params$temporal_distribution, eval = params$temporal_distribution}
+```{r grafica-casos-por-fecha-inicio-sintomas, fig.height = 5, fig.width = 11, fig.cap = "Distribución de casos por fecha de inicio de sintomas", include = params$temporal_distribution, eval = params$temporal_distribution, fig.topcaption = TRUE}
 plot_fecha_inisintomas(data_agrupada = casos_iniciosin_dia,
                        uni_marca = "semanaepi")
 ```
 
 **Distribución de casos por fecha de notificación**
-```{r cases_by_onset_notification_date, include = FALSE}
+```{r casos-por-fecha-notificacion, include = FALSE}
 casos_fecha_notifica_dia <- agrupar_fecha_notifica(data_event =
                                                      data_event_filtrada)
 ```
 
-```{r plot_cases_by_onset_notification_date, fig.height = 5, fig.width = 10, fig.cap = "Distribución de casos por fecha de notificación", include = params$temporal_distribution, eval = params$temporal_distribution}
+```{r grafica-casos-por-fecha-notificacion, fig.height = 5, fig.width = 10, fig.cap = "Distribución de casos por fecha de notificación", include = params$temporal_distribution, eval = params$temporal_distribution, fig.topcaption = TRUE}
 plot_fecha_notifica(data_agrupada = casos_fecha_notifica_dia,
                     uni_marca = "semanaepi")
 ```
 
 `r if (params$epi_sex_distribution) {"# Distribución de casos por sexo y semana epidemiológica"}`
 
-```{r distribution_cg, include = FALSE}
+```{r distribucion-casos-sexo, include = FALSE}
 casos_sex <- agrupar_sex(data_event = data_event_filtrada)
 porcentaje_masculino <- casos_sex$porcentaje[2]
 porcentaje_femenino <- casos_sex$porcentaje[1]
@@ -260,38 +264,38 @@ if (isTRUE(porcentaje_femenino < porcentaje_masculino)) {
 
 `r if (params$epi_sex_distribution) {paste0("En el total de casos para ",  params$year, " se observa una predominancia del sexo ", sexo_mayor[1],  " (", sexo_mayor[2], ")% respecto al sexo ", sexo_menor[1], " (", sexo_menor[2], ")% (Ver Figura 3).")}`
 
-```{r distribution_cg_plots, fig.height = 4, fig.width = 8, fig.cap = "Distribución de casos por sexo", include = params$epi_sex_distribution}
+```{r grafica-distribucion-casos-sexo, fig.height = 4, fig.width = 8, fig.cap = "Distribución de casos por sexo", include = params$epi_sex_distribution, fig.topcaption = TRUE}
 plot_sex(data_agrupada = casos_sex)
 ```
 
-```{r distribution_cg_semanaepi, include = FALSE}
+```{r distribucion-casos-sexo-semana-epi, include = FALSE}
 casos_sex_semanaepi <- agrupar_sex_semanaepi(data_event = data_event_filtrada)
 ```
 
 `r if (params$epi_sex_distribution) {paste0("Esta predominancia del reporte de casos del sexo ", sexo_mayor[1], " se mantuvo a lo largo de la mayoria de semanas epidemiológicas (Ver figura 4). ")}`
 
-```{r plot_cg_semanaepi, fig.height = 6, fig.width = 10, fig.cap =  "Distribución de casos por sexo y semana epidemiológica", include = params$epi_sex_distribution, fig.pos = "H"}
+```{r grafica-distribucion-casos-sexo-semana-epi, fig.height = 6, fig.width = 10, fig.cap =  "Distribución de casos por sexo y semana epidemiológica", include = params$epi_sex_distribution, fig.pos = "H", fig.topcaption = TRUE}
 plot_sex_semanaepi(data_agrupada = casos_sex_semanaepi)
 ```
 
 \newpage
 
 `r if (params$age_distribution) {"# Distribución de casos por edad"}`
 
-```{r distribution_age_d, include = FALSE}
+```{r distribucion-casos-edad, include = FALSE}
 casos_edad <- agrupar_edad(data_event = data_event_filtrada, interval_edad = 10)
 age_most_cases <- obtener_fila_mas_casos(data_event = casos_edad)
 ```
 
 `r if (params$age_distribution) {paste0("La distribución de los casos por grupos etarios muestra una tendencia decreciente a medida que se avanza en la edad. La población de ", age_most_cases$edad, " años representó el ",  age_most_cases$porcentaje, " % de todos los casos de ", stringr::str_to_title(params$nombre_evento), " (Ver figura 5).")}`
 
-```{r distribution_age, fig.height = 3, fig.width = 8, fig.cap =  "Distribución de casos por edad", include = params$age_distribution}
+```{r grafica-distribucion-casos-edad, fig.height = 3, fig.width = 8, fig.cap =  "Distribución de casos por edad", include = params$age_distribution, fig.topcaption = TRUE}
 plot_edad(data_agrupada = casos_edad)
 ```
 
 `r if(params$age_sex_distribution) {"# Distribución de casos por edad y sexo"}`
 
-```{r distribution_age_anger, fig.height = 3, fig.width = 9, fig.cap =  "Distribución de casos por edad y sexo", include = params$age_sex_distribution}
+```{r grafica-distribucion-casos-edad-sexo, fig.height = 3, fig.width = 9, fig.cap =  "Distribución de casos por edad y sexo", include = params$age_sex_distribution, fig.topcaption = TRUE}
 casos_edad_sex <- agrupar_edad_sex(data_event = data_event_filtrada,
                                    interval_edad = 10)
 plot_edad_sex(data_agrupada = casos_edad_sex)
@@ -301,14 +305,14 @@ plot_edad_sex(data_agrupada = casos_edad_sex)
 
 `r if(params$age_sex_distribution) {"# Distribución de casos por pertenencia étnica"}`
 
-```{r distribution_per_etn, fig.height = 8, fig.width = 9, fig.cap =  "Distribución de casos por pertenencia étnica", include = params$age_sex_distribution}
+```{r grafica-distribucion-casos-etnica, fig.height = 8, fig.width = 9, fig.cap =  "Distribución de casos por pertenencia étnica", include = params$age_sex_distribution, fig.topcaption = TRUE}
 casos_per_etn <- agrupar_per_etn(data_event = data_event_filtrada)
 plot_per_etn(data_agrupada = casos_per_etn)
 ```
 
 `r if(params$mpio_distribution) {"# Distribución de casos por municipio"}`
 
-```{r group_distribution_municipios, results='hide', echo = FALSE, error = FALSE, warning = FALSE, include = FALSE, message = FALSE}
+```{r distribucion-casos-municipio, results='hide', echo = FALSE, error = FALSE, warning = FALSE, include = FALSE, message = FALSE}
 dist_espacial_dpto <- agrupar_mpio(data_event = data_event_filtrada,
                                    dpto = params$departmento)
 dist_espacial_dpto <- dist_espacial_dpto[order(dist_espacial_dpto$casos), ]
@@ -318,7 +322,7 @@ espacial_mayor_casos <- obtener_fila_mas_casos(data_event =
 
 `r if(params$mpio_distribution) {paste0("Los casos se distribuyen a lo largo de ", nrow(dist_espacial_dpto), " municipios del departamento de ", params$departmento, " teniendo un mayor reporte el municipio de ", stringr::str_to_title(espacial_mayor_casos$nombre), " con ", espacial_mayor_casos$casos, " casos (Ver Figura 7).")}`
 
-```{r plot_distribution_municipios, fig.height = 15, fig.width = 10, fig.cap = "Distribución de casos por municipio", include = params$mpio_distribution}
+```{r grafica-distribucion-casos-municipio, fig.height = 15, fig.width = 10, fig.cap = "Distribución de casos por municipio", include = params$mpio_distribution, fig.topcaption = TRUE}
 plot_spatial <- plot_mpios(data_agrupada = dist_espacial_dpto)
 plot_spatial
 ```
@@ -327,11 +331,11 @@ plot_spatial
 
 `r if(params$mpio_distribution) {"# Distribución de casos por área geográfica"}`
 
-```{r group_distribution_areas,  results='hide', echo = FALSE, error = FALSE, warning = FALSE, include = FALSE, message = FALSE}
+```{r distribucion-casos-area-geo,  results='hide', echo = FALSE, error = FALSE, warning = FALSE, include = FALSE, message = FALSE}
 dist_areas_geo <- agrupar_area_geo(data_event = data_event_filtrada)
 ```
 
-```{r plot_distribution_areas, fig.height = 11.5, fig.width = 10, fig.cap = "Distribución de casos por área geográfica", include = params$areas_distribution, fig.pos = "H"}
+```{r grafica-distribucion-casos-area-geo, fig.height = 11.5, fig.width = 10, fig.cap = "Distribución de casos por área geográfica", include = params$areas_distribution, fig.pos = "H", fig.topcaption = TRUE}
 plot_areas_geo <- plot_area_geo(data_agrupada = dist_areas_geo)
 plot_areas_geo
 ```
@@ -340,7 +344,7 @@ plot_areas_geo
 
 # Incidencia
 
-```{r total_incidence, results='hide', echo = FALSE, error = FALSE, warning = FALSE, include = FALSE, message = FALSE}
+```{r incidencia-total, results='hide', echo = FALSE, error = FALSE, warning = FALSE, include = FALSE, message = FALSE}
 proyecciones <- import_data_incidencia()
 incidencia_dpto <- calcular_incidencia(data_incidencia =
                                           proyecciones,
@@ -357,18 +361,18 @@ La incidencia para el departamento de `r params$departmento` es: `r incidencia_d
 
 La incidencia para cada sexo por `r cond_incidencia$coeficiente` habitantes, se puede visualizar en la tabla 2 y figura 13.
 
-```{r sex_incidence, results='hide', echo = FALSE, error = FALSE, warning = FALSE, include = FALSE, message = FALSE}
+```{r incidencia-sexo, results='hide', echo = FALSE, error = FALSE, warning = FALSE, include = FALSE, message = FALSE}
 incidencias_sex <- calcular_incidencia_sex(data_incidencia = proyecciones,
                                            data_agrupada = casos_sex,
                                            dpto = params$departmento,
                                            year = params$year)
 ```
 
-```{r table_sex_incidence, echo = FALSE, error = FALSE, fig.height=5, fig.width = 10, warning = FALSE, include = TRUE, message = FALSE, fig.pos = "H"} 
+```{r tabla-incidencia-sexo, echo = FALSE, error = FALSE, fig.height=5, fig.width = 10, warning = FALSE, include = TRUE, message = FALSE, fig.pos = "H", fig.topcaption = TRUE} 
 plot_tabla_incidencia_sex(incidencias_sex)
 ```
 
-```{r sex_incidence_plot, fig.height = 4, fig.width = 8, fig.cap = "Incidencia por sexo", include = params$epi_sex_distribution}
+```{r grafica-incidencia-sexo, fig.height = 4, fig.width = 8, fig.cap = "Incidencia por sexo", include = params$epi_sex_distribution, fig.topcaption = TRUE}
 plot_sex(data_agrupada = incidencias_sex,
          col_distribucion = "incidencia",
          porcentaje = FALSE)
@@ -378,23 +382,23 @@ plot_sex(data_agrupada = incidencias_sex,
 
 La incidencia para cada uno de los municipios del departamento del `r params$departmento` por `r cond_incidencia$coeficiente` habitantes es la siguiente:
 
-```{r geo_incidence, results='hide', echo = FALSE, error = FALSE, warning = FALSE, include = FALSE, message = FALSE}
+```{r incidencia-geo, results='hide', echo = FALSE, error = FALSE, warning = FALSE, include = FALSE, message = FALSE}
 dist_espacial_dpto <- calcular_incidencia_geo(data_incidencia =
                                           proyecciones,
                                        data_agrupada =
                                          dist_espacial_dpto,
                                        year = params$year)
 ```
 
-```{r table_geo_incidence, echo = FALSE, error = FALSE, fig.height=5, fig.width = 10, warning = FALSE, include = TRUE, message = FALSE, fig.pos = "H"} 
+```{r tabla-incidencia-geo, echo = FALSE, error = FALSE, fig.height=5, fig.width = 10, warning = FALSE, include = TRUE, message = FALSE, fig.pos = "H", fig.topcaption = TRUE} 
 plot_tabla_incidencia_geo(dist_espacial_dpto)
 ```
 
-```{r plot_distribution_spatial, results='hide', echo = FALSE, error = FALSE, warning = FALSE, include = FALSE, message = FALSE}
+```{r calc-incidencia-geo, results='hide', echo = FALSE, error = FALSE, warning = FALSE, include = FALSE, message = FALSE}
 mapa <- plot_map(data_agrupada = dist_espacial_dpto)
 ```
 
-```{r map_distribution_spatial, echo = FALSE, error = FALSE, warning = FALSE, include = TRUE, message = FALSE, cache = FALSE, results = FALSE, comment = FALSE, fig.height = 16, fig.width = 14, fig.cap = "Incidencia según distribución geográfica", include = params$spatial_distribution}
+```{r mapa-incidencia-geo, echo = FALSE, error = FALSE, warning = FALSE, include = TRUE, message = FALSE, cache = FALSE, results = FALSE, comment = FALSE, fig.height = 16, fig.width = 14, fig.cap = "Incidencia según distribución geográfica", include = params$spatial_distribution, fig.topcaption = TRUE}
 mapa
 ```