Exportar y Ejecutar Pipelines Reproducibles

Introduccion — Que es un RAP?

El problema de la reproducibilidad en epidemiologia ambiental

La investigacion en salud publica y epidemiologia ambiental en Brasil enfrenta un desafio creciente: como garantizar que un analisis realizado hoy — sobre mortalidad por enfermedades respiratorias en Sao Paulo en el invierno de 2022 — pueda ser reproducido, actualizado y auditado por otro investigador dentro de tres anos? Con distintas versiones de paquetes, bases de datos actualizadas, nuevos municipios a incluir?

Los Pipelines Analiticos Reproducibles (Reproducible Analytical Pipelines — RAPs) son la respuesta de la ciencia de datos gubernamental y academica a este problema. El concepto fue formalizado por el UK Government Data Science (2022) para garantizar que los analisis publicados por agencias publicas sean auditables, actualizables y ejecutables por cualquier colaborador con acceso al entorno correcto.

En climasus4r, el modulo RAP serializa todo el pipeline de analisis — desde la importacion de los datos del DATASUS hasta la agregacion temporal — en un archivo de texto portatil (.R, .Rmd o .qmd), con metadatos de trazabilidad embebidos. Esto significa que usted puede:

Archivar el analisis junto al articulo como material suplementario
Reejecutar el mismo pipeline para nuevas unidades federativas o periodos con un unico comando
Comparar dos versiones del pipeline para identificar divergencias
Actualizar parametros sin reabrir y editar el archivo manualmente

📦

Portabilidad

El pipeline exportado es un archivo de texto estandar de R. Cualquier colaborador con climasus4r instalado puede reejecutarlo.

🔍

Trazabilidad

Metadatos automaticos registran la version de R, los paquetes, la fecha/hora y la plataforma en el momento de la exportacion.

🔄

Actualizabilidad

Parametros como UF, periodo y sistema DATASUS pueden ser sobrescritos sin editar el archivo exportado.

📊

Comparabilidad

Dos versiones del pipeline pueden compararse lado a lado para identificar que cambio entre revisiones.

La clase `rap_object`

sus_rap_export() retorna un objeto de la clase S3 rap_object, que es una lista con nombre con siete campos:

Campo	Tipo	Descripcion
`metadata`	lista	Version de R, paquetes, timestamp, plataforma, semilla aleatoria
`params`	lista	Parametros detectados en el pipeline (uf, years, system, etc.)
`steps`	lista	Cada etapa del pipeline con su funcion y argumentos
`structure`	lista	Formato, tipo de salida, numero total de etapas
`source`	character	Ruta del archivo exportado en disco
`format`	character	Formato de la exportacion (`"script"`, `"rmarkdown"`, etc.)
`raw`	character	Lineas del archivo exportado (para inspeccion directa)

**Nota:** El `rap_object` hereda de `list`, lo que significa que usted puede acceder a cualquier campo con `$` o `[[`. Por ejemplo, `rap$params$uf` retorna la unidad federativa registrada en el momento de la exportacion.

Prerrequisitos

Paquetes necesarios

# Instalacion de climasus4r (si aun no esta instalado)
# install.packages("remotes")
# remotes::install_github("ByMaxAnjos/climasus4r")

library(climasus4r)
library(dplyr)     # para manipulacion de datos
library(magrittr)  # para el operador %>%

Construyendo el pipeline de ejemplo

En este tutorial usaremos como caso conductor un analisis de mortalidad por enfermedades respiratorias en el estado de Sao Paulo, 2020-2022, importado del SIM-DO (Sistema de Informaciones sobre Mortalidad). El pipeline se define con quote(), que captura la expresion sin evaluarla:

pipeline <- quote(
  sus_data_import(uf = "SP", years = 2020:2022, system = "SIM-DO") |>
    sus_data_clean_encoding() |>
    sus_data_standardize() |>
    sus_data_filter_cid(cid_group = "respiratory") |>
    sus_data_aggregate(by = "month", lang = "pt")
)

**Consejo:** El uso de `quote()` es esencial. Crea un objeto de lenguaje (`call`) que `sus_rap_export()` puede inspeccionar, parametrizar y serializar. Si usted pasa el resultado de un pipeline ya ejecutado, el modulo RAP no podra reconstruir los pasos de forma auditable.

Verificando la estructura del pipeline

# El objeto 'pipeline' es un objeto de lenguaje del tipo 'call'
class(pipeline)
#> [1] "call"

# Visualizando el arbol de llamadas
lobstr::ast(!!pipeline)
#> o-`|>`
#> +-o-`|>`
#> | +-o-`|>`
#> | | +-o-`|>`
#> | | | +-sus_data_import(uf = "SP", years = 2020:2022, system = "SIM-DO")
#> | | | \-sus_data_clean_encoding()
#> | | \-sus_data_standardize()
#> | \-sus_data_filter_cid(cid_group = "respiratory")
#> \-sus_data_aggregate(by = "month", lang = "pt")

`sus_rap_export()` — Serializar el Pipeline

Firma completa

sus_rap_export(
  pipeline             = NULL,
  file_path            = NULL,
  format               = c("script", "rmarkdown", "quarto", "function"),
  include_metadata     = TRUE,
  include_validation   = TRUE,
  include_documentation = c("standard", "minimal", "comprehensive"),
  output_type          = c("analysis", "dashboard", "report"),
  lang                 = "pt",
  overwrite            = FALSE
)

Exportar como script R (formato estandar)

El formato "script" genera un archivo .R autocontenido, con encabezado de metadatos, bloque de parametros, bloque de validacion y el pipeline en si. Es el formato recomendado para archivado y reejecucion via linea de comandos.

rap <- sus_rap_export(
  pipeline              = pipeline,
  file_path             = "analise_respiratoria_sp.R",
  format                = "script",
  include_metadata      = TRUE,
  include_validation    = TRUE,
  include_documentation = "standard",
  lang                  = "pt"
)
#> v Pipeline exportado para 'analise_respiratoria_sp.R'
#> i Formato      : script
#> i Etapas       : 5
#> i Parametros   : uf, years, system, cid_group, by, lang
#> i Metadados    : R 4.4.1 | climasus4r 0.1.0 | 2026-06-18 09:32:14

Estructura del archivo generado

El archivo analise_respiratoria_sp.R exportado tiene la siguiente estructura:

# ============================================================
# RAP gerado por climasus4r::sus_rap_export()
# Timestamp : 2026-06-18 09:32:14 BRT
# R version : 4.4.1 (2024-06-14)
# climasus4r: 0.1.0
# Plataforma: aarch64-apple-darwin20
# ============================================================

# -- PARAMETROS (edite aqui para reutilizar o pipeline) ------
params <- list(
  uf        = "SP",
  years     = 2020:2022,
  system    = "SIM-DO",
  cid_group = "respiratory",
  by        = "month",
  lang      = "pt"
)

# -- VALIDACAO -----------------------------------------------
stopifnot(
  is.character(params$uf),
  all(params$years >= 1979),
  params$system %in% c("SIM-DO", "SIH", "SINAN", "SIA", "CNES", "SINASC")
)

# -- PIPELINE ------------------------------------------------
resultado <- sus_data_import(
    uf = params$uf, years = params$years, system = params$system
  ) |>
  sus_data_clean_encoding() |>
  sus_data_standardize() |>
  sus_data_filter_cid(cid_group = params$cid_group) |>
  sus_data_aggregate(by = params$by, lang = params$lang)

Estructura del `rap_object` retornado

str(rap)
#> List of 7
#>  $ metadata : list [r_version, packages, timestamp, platform, seed]
#>  $ params   : list [uf, years, system, cid_group, by, lang]
#>  $ steps    : list [5 pipeline steps]
#>  $ structure: list [type, input_params, output_params, total_steps]
#>  $ source   : chr "analise_respiratoria_sp.R"
#>  $ format   : chr "script"
#>  $ raw      : chr [linhas do arquivo exportado]
#>  - attr(*, "class")= chr [1:2] "rap_object" "list"

# Accediendo a campos individuales
rap$params$uf
#> [1] "SP"

rap$metadata$r_version
#> [1] "R version 4.4.1 (2024-06-14)"

rap$structure$total_steps
#> [1] 5

Exportar como R Markdown

Para publicacion de informes reproducibles con narrativa, use format = "rmarkdown". El archivo .Rmd generado incluye encabezado YAML, bloques de configuracion y el pipeline dentro de chunks ejecutables.

rap_rmd <- sus_rap_export(
  pipeline              = pipeline,
  file_path             = "relatorio_respiratorio_sp.Rmd",
  format                = "rmarkdown",
  include_metadata      = TRUE,
  include_validation    = TRUE,
  include_documentation = "comprehensive",
  output_type           = "report",
  lang                  = "pt"
)
#> v Pipeline exportado para 'relatorio_respiratorio_sp.Rmd'
#> i Formato      : rmarkdown
#> i Etapas       : 5
#> i output_type  : report
#> i Documentacao : comprehensive

Exportar como Quarto

El formato "quarto" genera un archivo .qmd compatible con el sistema Quarto, ideal para documentos tecnicos modernos con soporte para Python, Julia y ejecucion multiple de engines.

rap_qmd <- sus_rap_export(
  pipeline   = pipeline,
  file_path  = "analise_respiratoria_sp.qmd",
  format     = "quarto",
  output_type = "dashboard",
  lang       = "pt"
)
#> v Pipeline exportado para 'analise_respiratoria_sp.qmd'
#> i Formato: quarto | output_type: dashboard

Exportar como funcion encapsulada

El formato "function" es el mas adecuado para integracion en paquetes o scripts de automatizacion. El pipeline se encapsula en una funcion R con todos los parametros como argumentos formales, lista para ser importada o reutilizada programaticamente.

rap_fn <- sus_rap_export(
  pipeline   = pipeline,
  file_path  = "run_analise_respiratoria.R",
  format     = "function",
  lang       = "pt"
)
#> v Pipeline exportado para 'run_analise_respiratoria.R'
#> i Formato: function
#> i Funcao gerada: run_pipeline(uf, years, system, cid_group, by, lang)

El archivo generado contiene una funcion como esta:

run_pipeline <- function(
    uf        = "SP",
    years     = 2020:2022,
    system    = "SIM-DO",
    cid_group = "respiratory",
    by        = "month",
    lang      = "pt"
) {
  sus_data_import(uf = uf, years = years, system = system) |>
    sus_data_clean_encoding() |>
    sus_data_standardize() |>
    sus_data_filter_cid(cid_group = cid_group) |>
    sus_data_aggregate(by = by, lang = lang)
}

Niveles de documentacion (`include_documentation`)

El parametro include_documentation controla la cantidad de comentarios generados en el archivo exportado:

Nivel	Descripcion
`"minimal"`	Solo el encabezado esencial y el bloque de parametros
`"standard"`	Encabezado, parametros, validacion y comentarios de etapa
`"comprehensive"`	Todo lo anterior + descripcion de cada funcion, tipos esperados y enlaces a la documentacion

# Exportacion minima -- solo lo esencial
rap_min <- sus_rap_export(
  pipeline              = pipeline,
  file_path             = "analise_minima.R",
  include_documentation = "minimal",
  lang                  = "pt"
)

# Exportacion exhaustiva -- maxima trazabilidad
rap_full <- sus_rap_export(
  pipeline              = pipeline,
  file_path             = "analise_completa.R",
  include_documentation = "comprehensive",
  lang                  = "pt"
)

**Atencion:** El parametro `overwrite = FALSE` es el predeterminado. Si el archivo ya existe en disco, `sus_rap_export()` aborta con un error explicativo. Use `overwrite = TRUE` para sobrescribir explicitamente, o especifique una nueva ruta.

`sus_rap_read()` — Leer de Vuelta

Una vez exportado, el archivo .R (o .Rmd/.qmd) puede leerse de vuelta a un rap_object en cualquier sesion de R, aunque el pipeline original ya no exista en memoria.

Firma

sus_rap_read(file_path, lang = "pt", validate = TRUE)

Leyendo el archivo exportado

rap2 <- sus_rap_read("analise_respiratoria_sp.R", lang = "pt")
#> v Arquivo lido: 'analise_respiratoria_sp.R'
#> v Metadados validados
#> i R version  : 4.4.1 (exportado em 2026-06-18 09:32:14)
#> i climasus4r : 0.1.0
#> i Etapas     : 5
#> i Parametros : uf = "SP" | years = 2020:2022 | system = "SIM-DO"

Imprimiendo el `rap_object`

El metodo print.rap_object() muestra un resumen formateado del pipeline:

print(rap2)
#> -- RAP: analise_respiratoria_sp.R -----------------------
#> Formato   : script
#> Exportado : 2026-06-18 09:32:14 BRT
#> R version : 4.4.1 | climasus4r 0.1.0
#> Plataforma: aarch64-apple-darwin20
#>
#> -- Parametros ------------------------------------------
#> uf        : "SP"
#> years     : 2020 2021 2022
#> system    : "SIM-DO"
#> cid_group : "respiratory"
#> by        : "month"
#> lang      : "pt"
#>
#> -- Pipeline (5 etapas) ----------------------------------
#> [1] sus_data_import()
#> [2] sus_data_clean_encoding()
#> [3] sus_data_standardize()
#> [4] sus_data_filter_cid()
#> [5] sus_data_aggregate()
#> ---------------------------------------------------------

**Nota:** El argumento `validate = TRUE` (predeterminado) verifica si el archivo leido contiene los campos obligatorios de metadatos (`timestamp`, `r_version`, `climasus4r`) y emite una advertencia en caso de que el archivo haya sido editado manualmente y tenga metadatos incompletos. Use `validate = FALSE` para suprimir esa verificacion.

`sus_rap_inspect()` — Inspeccionar y Comparar

Firma

sus_rap_inspect(rap, rap2 = NULL, verbose = TRUE, lang = "pt")

5.1 Inspeccion de un unico RAP

Con un unico rap_object, sus_rap_inspect() muestra un resumen detallado del pipeline: etapas, parametros, metadatos y, con verbose = TRUE, el codigo raw del archivo exportado.

sus_rap_inspect(rap2, verbose = TRUE)
#> == Inspecao: analise_respiratoria_sp.R ==================
#>
#> METADADOS
#>   Timestamp : 2026-06-18 09:32:14 BRT
#>   R version : 4.4.1
#>   climasus4r: 0.1.0
#>   Plataforma: aarch64-apple-darwin20
#>   Semente   : nao definida
#>
#> ESTRUTURA
#>   Formato      : script
#>   Total etapas : 5
#>   Output type  : analysis
#>   Documentacao : standard
#>
#> PARAMETROS
#>   uf        = "SP"
#>   years     = 2020:2022
#>   system    = "SIM-DO"
#>   cid_group = "respiratory"
#>   by        = "month"
#>   lang      = "pt"
#>
#> PIPELINE
#>   [1] sus_data_import(uf, years, system)
#>   [2] sus_data_clean_encoding()
#>   [3] sus_data_standardize()
#>   [4] sus_data_filter_cid(cid_group)
#>   [5] sus_data_aggregate(by, lang)
#>
#> CODIGO (raw)
#>   [ver arquivo: analise_respiratoria_sp.R]
#> =========================================================

5.2 Comparacion entre dos RAPs (diff)

Al pasar dos rap_objects, sus_rap_inspect() realiza un diff estructurado, identificando:

Parametros que cambiaron de valor
Etapas agregadas o eliminadas
Divergencias en los metadatos (version de paquete, plataforma)

El escenario a continuacion compara el pipeline de Sao Paulo con una version equivalente exportada para Rio de Janeiro:

# Primero, exportamos el pipeline para el RJ
pipeline_rj <- quote(
  sus_data_import(uf = "RJ", years = 2020:2022, system = "SIM-DO") |>
    sus_data_clean_encoding() |>
    sus_data_standardize() |>
    sus_data_filter_cid(cid_group = "respiratory") |>
    sus_data_aggregate(by = "month", lang = "pt")
)

sus_rap_export(
  pipeline  = pipeline_rj,
  file_path = "analise_respiratoria_rj.R",
  lang      = "pt"
)

rap_rj <- sus_rap_read("analise_respiratoria_rj.R")

sus_rap_inspect(rap2, rap_rj)
#> == Diff: [1] analise_respiratoria_sp.R vs [2] analise_respiratoria_rj.R ==
#>
#> PARAMETROS ALTERADOS
#>   uf        : "SP"  -->  "RJ"
#>
#> PARAMETROS IDENTICOS
#>   years, system, cid_group, by, lang
#>
#> ETAPAS
#>   Identicas : 5/5  (nenhuma etapa adicionada ou removida)
#>
#> METADADOS
#>   Timestamps : diferentes (2026-06-18 09:32:14  vs  2026-06-18 09:45:07)
#>   R version  : identicas (4.4.1)
#>   climasus4r : identicas (0.1.0)
#>
#> CONCLUSAO: pipelines equivalentes com parametro 'uf' distinto.
#> =========================================================

**Consejo:** El diff es especialmente util en revisiones por pares. Si un colaborador modifica el pipeline y lo reexporta, usted puede comparar el RAP original con el nuevo para entender exactamente que fue alterado, sin necesidad de leer el codigo linea por linea.

`sus_rap_run()` — Reejecutar con Nuevos Parametros

Firma

sus_rap_run(rap, ..., envir = parent.frame(), dry_run = FALSE, lang = "pt")

Los argumentos pasados via ... sobrescriben los parametros del RAP solo en la ejecucion actual — el archivo en disco no se modifica. Para modificar permanentemente el archivo, use sus_rap_update() (seccion 7).

6.1 Simulacion con `dry_run = TRUE`

Antes de ejecutar el pipeline con nuevos parametros, se recomienda verificar el codigo que se ejecutaria usando dry_run = TRUE. No se abre ninguna conexion al DATASUS, no se descarga ningun dato.

sus_rap_run(rap2, uf = "RJ", years = 2021:2023, dry_run = TRUE)
#> -- [dry_run] Codigo que seria executado ------------------
#>
#> sus_data_import(uf = "RJ", years = 2021:2023, system = "SIM-DO") |>
#>   sus_data_clean_encoding() |>
#>   sus_data_standardize() |>
#>   sus_data_filter_cid(cid_group = "respiratory") |>
#>   sus_data_aggregate(by = "month", lang = "pt")
#>
#> Parametros substituidos: uf = "RJ" | years = 2021:2023
#> Parametros mantidos    : system, cid_group, by, lang
#> ----------------------------------------------------------
#> i Nenhum dado foi baixado (dry_run = TRUE)

6.2 Ejecucion efectiva

Confirmado el codigo, elimine dry_run = TRUE para ejecutar el pipeline:

resultado_rj <- sus_rap_run(
  rap2,
  uf    = "RJ",
  years = 2021:2023,
  lang  = "pt"
)
#> -- Executando RAP: analise_respiratoria_sp.R -------------
#> i Parametros substituidos: uf = "RJ" | years = 2021:2023
#> v [1/5] sus_data_import()     ... 148.392 registros importados
#> v [2/5] sus_data_clean_encoding() ... concluido
#> v [3/5] sus_data_standardize() ... concluido
#> v [4/5] sus_data_filter_cid()  ... 42.817 registros (cid_group = "respiratory")
#> v [5/5] sus_data_aggregate()   ... 36 linhas (mensal, 2021-2023)
#> -- Pipeline concluido em 4.2 segundos --------------------

class(resultado_rj)
#> [1] "climasus_df" "tbl_df"      "tbl"         "data.frame"

6.3 Sobrescribiendo multiples parametros

Usted puede sobrescribir tantos parametros como quiera en una unica llamada:

resultado_mg_anual <- sus_rap_run(
  rap2,
  uf    = "MG",
  years = 2019:2023,
  by    = "year",
  lang  = "en"
)
#> -- Executando RAP: analise_respiratoria_sp.R -------------
#> i Parametros substituidos: uf = "MG" | years = 2019:2023 | by = "year"
#> v Pipeline concluido em 6.1 segundos

6.4 Control del entorno de ejecucion

El argumento envir define en que entorno se evalua el pipeline. El predeterminado parent.frame() es adecuado para uso interactivo. Para ejecuciones automatizadas en scripts o funciones, pase envir = new.env() para aislar el pipeline:

env_isolado <- new.env(parent = baseenv())
resultado_iso <- sus_rap_run(
  rap2,
  uf   = "CE",
  envir = env_isolado
)

**Atencion:** `sus_rap_run()` requiere conexion a internet para descargar datos del DATASUS via `microdatasus`. Asegurese de que el entorno de ejecucion tenga acceso al servidor del Datasus antes de llamar a la funcion.

`sus_rap_update()` — Actualizar Parametros en el Archivo

Firma

sus_rap_update(rap, ..., backup = TRUE, lang = "pt")

Mientras que sus_rap_run() sustituye parametros solo para la ejecucion actual (sin tocar el archivo), sus_rap_update() edita permanentemente el bloque de parametros en el archivo en disco. Esto es util cuando usted quiere que la version “oficial” del pipeline refleje un cambio permanente de alcance.

Actualizando la UF y el periodo

sus_rap_update(
  rap2,
  uf    = c("RJ", "MG"),
  years = 2021:2023,
  lang  = "pt"
)
#> i Backup criado: analise_respiratoria_sp.R.bak (2026-06-18 10:02:31)
#> v Parametros atualizados em 'analise_respiratoria_sp.R':
#>   uf    : "SP"          -->  c("RJ", "MG")
#>   years : 2020:2022     -->  2021:2023
#> i Parametros nao alterados: system, cid_group, by, lang

El bloque de parametros antes y despues

Antes de la actualizacion:

# -- PARAMETROS (edite aqui para reutilizar o pipeline) ------
params <- list(
  uf        = "SP",
  years     = 2020:2022,
  system    = "SIM-DO",
  cid_group = "respiratory",
  by        = "month",
  lang      = "pt"
)

Despues de la actualizacion:

# -- PARAMETROS (edite aqui para reutilizar o pipeline) ------
# Atualizado por sus_rap_update() em 2026-06-18 10:02:31
params <- list(
  uf        = c("RJ", "MG"),
  years     = 2021:2023,
  system    = "SIM-DO",
  cid_group = "respiratory",
  by        = "month",
  lang      = "pt"
)

Backup automatico

Por defecto, backup = TRUE crea una copia del archivo original antes de cualquier modificacion, con el sufijo .bak y timestamp. Esto garantiza que usted nunca pierda la version anterior del pipeline:

# El backup se crea automaticamente:
# analise_respiratoria_sp.R.bak.2026-06-18_10-02-31

# Para restaurar manualmente:
file.copy(
  "analise_respiratoria_sp.R.bak.2026-06-18_10-02-31",
  "analise_respiratoria_sp.R",
  overwrite = TRUE
)

**Consejo de versionado:** Para proyectos en Git, combine `sus_rap_update()` con commits regulares. El historial del archivo exportado es el mecanismo de trazabilidad mas robusto disponible, especialmente para auditorias externas.

Recargando el RAP actualizado

Despues de la actualizacion, vuelva a leer el archivo para tener un rap_object con los parametros nuevos reflejados en memoria:

rap2_atualizado <- sus_rap_read("analise_respiratoria_sp.R")

# Confirme la actualizacion
rap2_atualizado$params$uf
#> [1] "RJ" "MG"

rap2_atualizado$params$years
#> [1] 2021 2022 2023

Flujo Completo

El ciclo de vida completo de un RAP en climasus4r pasa por seis etapas. El diagrama a continuacion ilustra la secuencia tipica de uso:

quote(pipeline) → sus_rap_export() → sus_rap_read() → sus_rap_inspect() → sus_rap_run() → sus_rap_update()

Script completo de referencia

El codigo a continuacion reune todas las etapas en un unico script de referencia:

library(climasus4r)

# 1. Definir el pipeline con quote()
pipeline <- quote(
  sus_data_import(uf = "SP", years = 2020:2022, system = "SIM-DO") |>
    sus_data_clean_encoding() |>
    sus_data_standardize() |>
    sus_data_filter_cid(cid_group = "respiratory") |>
    sus_data_aggregate(by = "month", lang = "pt")
)

# 2. Exportar a disco
rap <- sus_rap_export(
  pipeline              = pipeline,
  file_path             = "analise_respiratoria_sp.R",
  format                = "script",
  include_documentation = "standard",
  lang                  = "pt"
)

# 3. Volver a leer de disco (simula un colaborador recibiendo el archivo)
rap2 <- sus_rap_read("analise_respiratoria_sp.R")

# 4. Inspeccionar
sus_rap_inspect(rap2, verbose = TRUE)

# 5. Simular la ejecucion con nuevos parametros (sin descargar datos)
sus_rap_run(rap2, uf = "RJ", years = 2021:2023, dry_run = TRUE)

# 6. Ejecutar de verdad
resultado <- sus_rap_run(rap2, uf = "RJ", years = 2021:2023)

# 7. Actualizar parametros en el archivo para un alcance ampliado
sus_rap_update(rap2, uf = c("RJ", "MG"), years = 2021:2023)

Tabla de referencia rapida

Funcion	Entrada	Salida	Modifica el disco?
`sus_rap_export()`	`quote(pipeline)`	`rap_object`	Si (crea archivo)
`sus_rap_read()`	ruta del archivo	`rap_object`	No
`sus_rap_inspect()`	1 o 2 `rap_object`	salida en consola	No
`sus_rap_run()`	`rap_object`	`climasus_df`	No
`sus_rap_update()`	`rap_object` + params	`rap_object` (invisible)	Si (edita archivo)

Referencias

Wilson G, Bryan J, Cranston K, Kitzes J, Nederbragt L, Teal TK (2017). Good enough practices in scientific computing. PLOS Computational Biology, 13(6), e1005510. https://doi.org/10.1371/journal.pcbi.1005510
Marwick B, Boettiger C, Mullen L (2018). Packaging data analytical work reproducibly using R (and friends). The American Statistician, 72(1), 80-88. https://doi.org/10.1080/00031305.2017.1375986
UK Government Data Science (2022). Reproducible Analytical Pipelines (RAP) Strategy. Cabinet Office, His Majesty’s Government. https://analysisfunction.civilservice.gov.uk/support/reproducible-analytical-pipelines/
Anjos M (2026). climasus4r: Analisis integrado salud-clima-ambiente en Brasil. R package version 0.1.0. https://github.com/ByMaxAnjos/climasus4r

Navegacion: Anterior: Tutoriales Tematicos | Siguiente: RAP 2 - Pipelines con targets

climasus4r · Analisis integrado salud-clima-ambiente en Brasil

Encontro un problema o tiene sugerencias para este tutorial?

🐛 Reportar en GitHub

Serializar, leer, inspeccionar y reejecutar analisis con sus_rap_export(), sus_rap_read(), sus_rap_run() y sus_rap_update()

Dr. Max Anjos

17 October, 2026

Introduccion — Que es un RAP?

El problema de la reproducibilidad en epidemiologia ambiental

Portabilidad

Trazabilidad

Actualizabilidad

Comparabilidad

La clase rap_object

Prerrequisitos

Paquetes necesarios

Construyendo el pipeline de ejemplo

Verificando la estructura del pipeline

sus_rap_export() — Serializar el Pipeline

Firma completa

Exportar como script R (formato estandar)

Estructura del archivo generado

Estructura del rap_object retornado

Exportar como R Markdown

Exportar como Quarto

Exportar como funcion encapsulada

Niveles de documentacion (include_documentation)

sus_rap_read() — Leer de Vuelta

Firma

Leyendo el archivo exportado

Imprimiendo el rap_object

sus_rap_inspect() — Inspeccionar y Comparar

Firma

5.1 Inspeccion de un unico RAP

5.2 Comparacion entre dos RAPs (diff)

sus_rap_run() — Reejecutar con Nuevos Parametros

Firma

6.1 Simulacion con dry_run = TRUE

6.2 Ejecucion efectiva

6.3 Sobrescribiendo multiples parametros

6.4 Control del entorno de ejecucion

sus_rap_update() — Actualizar Parametros en el Archivo

Firma

Actualizando la UF y el periodo

El bloque de parametros antes y despues

Backup automatico

Recargando el RAP actualizado

Flujo Completo

Script completo de referencia

Tabla de referencia rapida

Referencias

Serializar, leer, inspeccionar y reejecutar analisis con `sus_rap_export()`, `sus_rap_read()`, `sus_rap_run()` y `sus_rap_update()`

La clase `rap_object`

`sus_rap_export()` — Serializar el Pipeline

Estructura del `rap_object` retornado

Niveles de documentacion (`include_documentation`)

`sus_rap_read()` — Leer de Vuelta

Imprimiendo el `rap_object`

`sus_rap_inspect()` — Inspeccionar y Comparar

`sus_rap_run()` — Reejecutar con Nuevos Parametros

6.1 Simulacion con `dry_run = TRUE`

`sus_rap_update()` — Actualizar Parametros en el Archivo