Baixe o app para aproveitar ainda mais
Prévia do material em texto
Aluna: Giuliana Mara Fostinoni Projeto Integrador em Ciências de Dados e Inteligência Artificial II B Item a A base escolhida foi extraída do https://www.vs.saude.ms.gov.br/Geral/vigilancia- saude/vigilancia-epidemiologica/boletim-epidemiologico/covid-19/, URL https://www.vs.saude.ms.gov.br/11904-2/ Item b Busquei uma base que fosse mais completa possível. Efetuei o download do documento, conforme link acima. Posteriormente efetuei o download do aplicativo R. Item c – Script # Finalidade: Gerar alguns gráficos utilizando dados disponibilizados pelo # governo do Mato Grosso do Sul sobre COVID-19 no projeto integrador da faculdade. # Autora: Giuliana Mara Fostinoni # # install.packages("nome_do_pacote") # library("ggplot2") library("grid") library("gridExtra") library("scales") library("forcats") library("ExpDes") # Carrega os dados a partir do arquivo de microdados disponibilizado # aqui neste site: https://www.vs.saude.ms.gov.br/11904-2/ # Filtra os dados para ficar apenas com os casos de óbito e em internação # confirmados para COVID-19. Também retira alguns registros que estavam # com o sexo marcado como I, quando deveria ser "INDEFINIDO". filtrado = subset(original,STATUS == "CONFIRMADO" & ( DETALHAMENTO.STATUS == "OBITO" | DETALHAMENTO.STATUS == "INTERNADO" | DETALHAMENTO.STATUS == "INTERNADO EM UTI" )) # Cria um gráfico de barras mostrando os totais por sexo e situação g1 <- ggplot(filtrado, aes(x=DETALHAMENTO.STATUS,fill=SEXO)) + geom_bar(position=position_dodge())+ labs(title="Barplot: Idade por Situação e Sexo",x="Situação", fill = "Sexo")+ theme(plot.title = element_text(hjust = 0.5))+ geom_text(stat='count', aes(label=..count..),vjust=- 1,size=3,position=position_dodge(width=1)) https://www.vs.saude.ms.gov.br/Geral/vigilancia-saude/vigilancia-epidemiologica/boletim-epidemiologico/covid-19/ https://www.vs.saude.ms.gov.br/Geral/vigilancia-saude/vigilancia-epidemiologica/boletim-epidemiologico/covid-19/ https://www.vs.saude.ms.gov.br/11904-2/ # Cria um gráfico de barras mostrando os totais por raça e situação g2 <- ggplot(filtrado, aes(x=DETALHAMENTO.STATUS, fill=RACA)) + geom_bar(position=position_dodge())+ labs(title="Barplot: Idade por Situação e Raça",x="Situação", fill = "Raça")+ theme(plot.title = element_text(hjust = 0.5))+ geom_text(stat='count', aes(label=..count..),vjust=- 1,size=3,position=position_dodge(width=1)) # Cria um boxplot usando idade, situação e sexo g3 <- ggplot(filtrado, aes(x=DETALHAMENTO.STATUS, y=as.numeric(IDADE),fill=SEXO)) + geom_boxplot()+ labs(title="Boxplot: Idade por Situação e Sexo",x="Situação", y = "Idade", fill = "Sexo")+ theme(plot.title = element_text(hjust = 0.5))+ scale_y_continuous(breaks=seq(0,120,10)) # Cria um boxplot usando idade, situação e raça g4 <- ggplot(filtrado, aes(x=DETALHAMENTO.STATUS, y=as.numeric(IDADE),fill=RACA)) + geom_boxplot()+ labs(title="Boxplot: Idade por Situação e Raça",x="Situação", y = "Idade", fill = "Raça")+ theme(plot.title = element_text(hjust = 0.5))+ scale_y_continuous(breaks=seq(0,120,10)) # Junto os 4 gráficos em um única imagem grid.arrange(g1,g2,g3,g4, ncol=2, top = textGrob("Mato Grosso do Sul – 07/06/2022",gp=gpar(fontsize=20,font=3))) # Filtra apenas os casos de óbito filtrado = subset(filtrado, DETALHAMENTO.STATUS == "OBITO") # Cria um gráfico de barras mostrando os totais por sexo e situação g5 <- ggplot(filtrado, aes(x=as.numeric(IDADE),fill=SEXO)) + geom_histogram(binwidth=5,position=position_dodge())+ labs(title="Histograma por idade e sexo",x="Idade", fill = "Sexo")+ theme(plot.title = element_text(hjust = 0.5))+ scale_x_continuous(breaks=seq(0,120,5)) g5 Após, gerados os gráficos abaixo: Podemos extrair as seguintes informações: Sexo x Idade Faixa Etária EM TRATAMEN TO DOMICILIA R IGNORAD O INTERN ADO INTERNA DO EM UTI OBIT O RECUPER ADO Total Geral FEMININO >= 90 Anos 0,00% 0,05% 0,00% 0,00% 0,02% 0,10% 0,18% INDEFINIDO >= 90 Anos 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% MASCULINO >= 90 Anos 0,00% 0,04% 0,00% 0,00% 0,01% 0,07% 0,12% FEMININO 0 a 9 Anos 0,03% 0,69% 0,00% 0,00% 0,00% 2,54% 3,26% INDEFINIDO 0 a 9 Anos 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% MASCULINO 0 a 9 Anos 0,03% 0,68% 0,00% 0,00% 0,00% 2,43% 3,14% FEMININO 10 a 19 Anos 0,06% 0,86% 0,00% 0,00% 0,00% 4,43% 5,35% INDEFINIDO 10 a 19 Anos 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% MASCULINO 10 a 19 Anos 0,05% 0,71% 0,00% 0,00% 0,00% 3,59% 4,36% FEMININO 20 a 29 Anos 0,16% 1,72% 0,00% 0,00% 0,00% 9,85% 11,74 % INDEFINIDO 20 a 29 Anos 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% MASCULINO 20 a 29 Anos 0,12% 1,45% 0,00% 0,00% 0,01% 8,15% 9,71% FEMININO 30 a 39 Anos 0,16% 1,70% 0,00% 0,00% 0,02% 10,20% 12,07 % INDEFINIDO 30 a 39 Anos 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,01% MASCULINO 30 a 39 Anos 0,13% 1,44% 0,00% 0,00% 0,02% 8,63% 10,23 % FEMININO 40 a 49 Anos 0,14% 1,28% 0,00% 0,00% 0,03% 7,76% 9,21% INDEFINIDO 40 a 49 Anos 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% MASCULINO 40 a 49 Anos 0,11% 1,12% 0,00% 0,00% 0,05% 6,63% 7,90% FEMININO 50 a 59 Anos 0,09% 0,89% 0,00% 0,00% 0,05% 5,12% 6,16% INDEFINIDO 50 a 59 Anos 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% MASCULINO 50 a 59 Anos 0,07% 0,78% 0,00% 0,00% 0,07% 4,39% 5,32% FEMININO 60 a 69 Anos 0,05% 0,57% 0,00% 0,00% 0,07% 2,96% 3,64% INDEFINIDO 60 a 69 Anos 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% MASCULINO 60 a 69 Anos 0,04% 0,50% 0,00% 0,00% 0,09% 2,50% 3,12% FEMININO 70 a 79 Anos 0,02% 0,31% 0,00% 0,00% 0,07% 1,27% 1,67% INDEFINIDO 70 a 79 Anos 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% MASCULINO 70 a 79 Anos 0,01% 0,29% 0,00% 0,00% 0,09% 1,11% 1,51% FEMININO 80 a 89 Anos 0,01% 0,16% 0,00% 0,00% 0,05% 0,48% 0,70% MASCULINO 80 a 89 Anos 0,01% 0,14% 0,00% 0,00% 0,06% 0,38% 0,58% FEMININO Menos de 1 Ano 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% MASCULINO Menos de 1 Ano 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% Total Geral 1,27% 15,40% 0,01% 0,00% 0,71% 82,61% 100,0 0% Em análise verificamos que 82,61% dos infectados tiveram sua recuperação e, que as pessoas do sexo feminino com faixa etária de 30 a 39 anos representam a maior porcentagem dos recuperados e, também representam a maioria dos infectados com 12,07% do total de infectados. No que condiz ao óbito, este afligiu 0,71% e, que os mais afetados foram do sexo masculino, com faixa etária de 70 a 79 anos. A quantidade de internados em ITU foi tão baixa que não chegou a ser apontado em confronto com a totalidade. No estudo podemos concluir que, a maioria dos infectados, estão do sexo feminino com faixa etária dos 20 ao 39 anos e, em segundo lugar com a mesma faixa etária, estão os de sexo masculino. Os menos infectados são de idade maior de 90 anos e, menores de 1 ano.
Compartilhar