You signed in with another tab or window. Reload to refresh your session.You signed out in another tab or window. Reload to refresh your session.You switched accounts on another tab or window. Reload to refresh your session.Dismiss alert
## tibble [389,992 x 16] (S3: tbl_df/tbl/data.frame)
## $ regiao : chr [1:389992] "Brasil" "Brasil" "Brasil" "Brasil" ...
## $ estado : chr [1:389992] NA NA NA NA ...
## $ municipio : chr [1:389992] NA NA NA NA ...
## $ coduf : chr [1:389992] "76" "76" "76" "76" ...
## $ codmun : num [1:389992] NA NA NA NA NA NA NA NA NA NA ...
## $ codRegiaoSaude : num [1:389992] NA NA NA NA NA NA NA NA NA NA ...
## $ nomeRegiaoSaude : chr [1:389992] NA NA NA NA ...
## $ data : POSIXct[1:389992], format: "2020-02-25" "2020-02-26" ...
## $ semanaEpi : num [1:389992] 9 9 9 9 9 10 10 10 10 10 ...
## $ populacaoTCU2019 : chr [1:389992] "210147125" "210147125" "210147125" "210147125" ...
## $ casosAcumulado : num [1:389992] 0 1 1 1 2 2 2 2 3 7 ...
## $ casosNovos : num [1:389992] 0 1 0 0 1 0 0 0 1 4 ...
## $ obitosAcumulado : num [1:389992] 0 0 0 0 0 0 0 0 0 0 ...
## $ obitosNovos : num [1:389992] 0 0 0 0 0 0 0 0 0 0 ...
## $ Recuperadosnovos : num [1:389992] NA NA NA NA NA NA NA NA NA NA ...
## $ emAcompanhamentoNovos: num [1:389992] NA NA NA NA NA NA NA NA NA NA ...
knitr::kable(tail(corona.brasil), align='c')
regiao
estado
municipio
coduf
codmun
codRegiaoSaude
nomeRegiaoSaude
data
semanaEpi
populacaoTCU2019
casosAcumulado
casosNovos
obitosAcumulado
obitosNovos
Recuperadosnovos
emAcompanhamentoNovos
Centro-Oeste
DF
Brasília
53
530010
53001
DISTRITO FEDERAL
2020-06-10
24
3015268
19433
1343
256
20
NA
NA
Centro-Oeste
DF
Brasília
53
530010
53001
DISTRITO FEDERAL
2020-06-11
24
3015268
20507
1074
274
18
NA
NA
Centro-Oeste
DF
Brasília
53
530010
53001
DISTRITO FEDERAL
2020-06-12
24
3015268
21396
889
282
8
NA
NA
Centro-Oeste
DF
Brasília
53
530010
53001
DISTRITO FEDERAL
2020-06-13
24
3015268
21959
563
293
11
NA
NA
Centro-Oeste
DF
Brasília
53
530010
53001
DISTRITO FEDERAL
2020-06-14
25
3015268
22871
912
304
11
NA
NA
Centro-Oeste
DF
Brasília
53
530010
53001
DISTRITO FEDERAL
2020-06-15
25
3015268
23684
813
319
15
NA
NA
Distribuição do número de novos registros entre os casos de novos óbitos, recuperados e em acompanhamento.
Foi possível verificar pelo gráfico acima que o número de novos
obitos foi muito menor do que o número de casos da doença entre
recuperados e em acompanhamento;
Até 26/04, o número de casos em acompanhamento superava o número de
recuperados. No entanto, este comportamento foi invertido até a data
do último registro;
A visualização de novos registros entre recuperados e em
acompanhamento foi muito semelhante aos gráficos de casos e óbitos
acumulados, onde os registros no período foram crescentes.
No gráfico acima dos números absolutos de novos casos, percebe-se
que até a 19° semana a região Sudeste apresentou mais casos novos
seguido da região Nordeste. A partir da 20° semana, o Nordeste foi o
líder com mais casos novos;
O Norte foi constantemente a terceira região mais afetada com
exceção dos números da 25° semana, em que o Centro-Oeste superou a
região Norte;
As regiões Sudeste e Centro-Oeste obtiveram seus maiores números de
casos novos na 24° semana, enquanto o Sul e o Nordeste alcançaram
suas máximas na 23° semana. A região Norte alcançou sua máxima na
22° semana.
Diferentemente do que foi verificado para o número de casos novos, a
região Sudeste apresentou os maiores registros de óbitos em todas as
semanas seguido do Nordeste e Norte, com exceção da 25° semana, onde
o Nordeste ultrapassou o Sudeste em número absoluto de mortes;
Semelhante ao número de casos novos, as regiões Centro-Oeste e Sul
registraram os menores números de óbitos em todas as semanas;
Somente a região Sudeste obteve maior número de óbitos na 23° semana
enquanto as regiões Nordeste, Centro-Oeste e Sul alcaçaram seus
maiores valores na semana seguinte;
Assim como obteve o maior número de novos casos na 22° semana, a
região Norte alcançou seu maior número de óbitos novamente na mesma
semana. O mesmo ocorreu com a região Centro-Oeste, com máxima de
casos e óbitos na 24° semana.
Número absoluto e relativo de casos acumulados e óbitos acumulados
casos.acumulados.regiao= ggplot(corona.prop.acumuladas.regiao, aes(x=regiao, y=tx.casos.acumulados)) +
geom_bar(stat="identity", fill='Tomato') +
labs(title='Número de casos acumulados de COVID-19 pelo total de habitantes', x='Região', y='Proporção de casos acumulados') +
theme_minimal() +
theme(title= element_text(size=15),
axis.text.x= element_text(size=12),
axis.text.y= element_text(size=12),
legend.text= element_text(size=12))
obitos.acumulados.regiao= ggplot(corona.prop.acumuladas.regiao, aes(x=regiao, y=tx.obitos.acumulados)) +
geom_bar(stat="identity", fill='brown') +
labs(title='Número de óbitos acumulados de COVID-19 pelo total de habitantes', x='Região', y='Proporção de óbitos acumulados') +
theme_minimal() +
theme(title= element_text(size=15),
axis.text.x= element_text(size=12),
axis.text.y= element_text(size=12),
legend.text= element_text(size=12))
casos.abs.acumulados.regiao= ggplot(corona.abs.acumuladas.regiao, aes(x=regiao, y=casos.acumulados)) +
geom_bar(stat="identity", fill='Tomato') +
labs(title='Número de casos acumulados de COVID-19', x='Região', y='Casos acumulados') +
theme_minimal() +
theme(title= element_text(size=15),
axis.text.x= element_text(size=12),
axis.text.y= element_text(size=12),
legend.text= element_text(size=12))
obitos.abs.acumulados.regiao= ggplot(corona.abs.acumuladas.regiao, aes(x=regiao, y=obitos.acumulados)) +
geom_bar(stat="identity", fill='brown') +
labs(title='Número de óbitos acumulados de COVID-19', x='Região', y='Óbitos acumulados') +
theme_minimal() +
theme(title= element_text(size=15),
axis.text.x= element_text(size=12),
axis.text.y= element_text(size=12),
legend.text= element_text(size=12))
(casos.acumulados.regiao+casos.abs.acumulados.regiao) / (obitos.acumulados.regiao+obitos.abs.acumulados.regiao)
Visualizando proporcionalmente o número de casos e óbitos acumulados
pelas regiões do país, a região Norte foi a que mais sofreu com o
coronavírus e a região Sul foi a que menos teve registro de casos ou
mortes por habitantes;
Em números absolutos, o Norte foi a terceira região com mais casos e
mortes acumuladas;
A região Nordeste alcançou o maior número absoluto de casos
acumulados e o Sudeste o maior número de óbitos acumulados.
casos.acumulados.est= ggplot(corona.prop.acumuladas.est, aes(x=estado, y=tx.casos.acumulados)) +
geom_bar(stat="identity", position="stack", fill='Tomato') +
labs(title='Número de casos acumulados de COVID-19 pelo total de habitantes', x='Estado', y='Proporção de casos acumulados') +
theme_minimal() +
theme(title= element_text(size=15),
axis.text.x= element_text(size=12),
axis.text.y= element_text(size=12),
legend.text= element_text(size=12))
obitos.acumulados.est= ggplot(corona.prop.acumuladas.est, aes(x=estado, y=tx.obitos.acumulados)) +
geom_bar(stat="identity", position="stack", fill='brown') +
labs(title='Número de óbitos acumulados de COVID-19 pelo total de habitantes', x='Estado', y='Proporção de óbitos acumulados') +
theme_minimal() +
theme(title= element_text(size=15),
axis.text.x= element_text(size=12),
axis.text.y= element_text(size=12),
legend.text= element_text(size=12))
casos.acumulados.est/obitos.acumulados.est
Como no gráfico anterior do número relativo de casos acumulados, os
estados da região Norte Amapá, Amazonas, Roraima e Acre apresentaram
a maior proporção de casos acumulados por habitante;
Ao contrário do número de casos, o Amapá não apresentou a maior
proporção de óbitos. No sentido oposto, alguns estados se destacaram
mais pelo número relativo de óbitos acumulados como o Ceará, Pará,
Pernambuco e Rio de Janeiro.
casos.acumulados.cid= ggplot(top_n(corona.prop.acumuladas.cidade, 15, wt=tx.casos.acumulados) %>%
mutate(municipio=factor(municipio,
levels=municipio[order(as.numeric(tx.casos.acumulados))])),
aes(x=tx.casos.acumulados, y=municipio, fill=regiao)) +
geom_bar(stat="identity", position="stack") +
labs(title='Top 15 cidades com maior número de casos acumulados de COVID-19 pelo total de habitantes', x='Proporção de casos acumulados', y='Cidade', fill='Região') +
theme_minimal() +
theme(title= element_text(size=15),
axis.text.x= element_text(size=12),
axis.text.y= element_text(size=12),
legend.text= element_text(size=12))
obitos.acumulados.cid= ggplot(top_n(corona.prop.acumuladas.cidade, 15, wt=tx.obitos.acumulados) %>% mutate(municipio=factor(municipio,
levels=municipio[order(as.numeric(tx.obitos.acumulados))])),
aes(x=tx.obitos.acumulados, y=municipio, fill=regiao)) +
geom_bar(stat="identity", position="stack") +
labs(title='Top 15 cidades com maior número de óbitos acumulados de COVID-19 pelo total de habitantes', x='Proporção de óbitos acumulados', y='Cidade', fill='Região') +
theme_minimal() +
theme(title= element_text(size=15),
axis.text.x= element_text(size=12),
axis.text.y= element_text(size=12),
legend.text= element_text(size=12))
casos.acumulados.cid/obitos.acumulados.cid
As cidades da região Norte dominaram o ranking de municípios com
maior proporção de casos acumulados por habitante, reforçando o que
foi mostrado no gráfico de barras por região de que a região Norte
apresentou as maiores proporções de casos de covid no país;
Nenhuma cidade do Centro-Oeste, Sudeste ou Sul apareceram no ranking
dos 15 municípios com mais casos acumulados;
Nenhuma capital esteve entre os 15 municípios com maior número
relativo de casos acumulados;
Em relação aos óbitos acumulados, das 15 cidades, somente três
capitais (Belém, Fortaleza e Recife) apareceram neste ranking e
nenhuma cidade do Centro-Oeste foi incluída.
Distribuição do número de novos casos por habitante
Entre regiões
corona.brasil %>%
filter(regiao!='Brasil'& is.na(municipio)) %>%
mutate(tx.casos.novos=casosNovos/as.numeric(populacaoTCU2019)) %>%
ggplot(aes(x=regiao, y=tx.casos.novos)) +
geom_violin(size=1.5, aes(color=regiao), show.legend=FALSE) +
labs(title='Número de casos novos por habitante nas regiões', x=NULL, y='Proporção de casos novos') +
theme_minimal() +
theme(title= element_text(size=15),
axis.text.x= element_text(size=15, face='bold'),
axis.text.y= element_text(size=12))
Como esperado pelas visualizações anteriores, a região Norte
apresentou menos registros com proporção de casos novos próximo de 0
e a região Sul apresentou mais registros com proporção próxima de 0,
i.e, quanto maior a largura do gráfico violino em sua base, menor
foi a incidência de novos casos de covid por habitante.
Entre estados
corona.brasil %>%
filter(regiao!='Brasil'& is.na(municipio)) %>%
mutate(tx.casos.novos=casosNovos/as.numeric(populacaoTCU2019)) %>%
ggplot(aes(x=estado, y=tx.casos.novos)) +
geom_violin(size=1.5) +
labs(title='Número de casos novos por habitante nos estados', x=NULL, y='Proporção de casos novos') +
theme_minimal() +
theme(title= element_text(size=15),
axis.text.x= element_text(size=15, face='bold'),
axis.text.y= element_text(size=12))
Pelo gráfico de violino ficou mais claro quais estados tiveram menor
proporção de novos casos. Foram eles: Bahia, Goiás, Minas Gerais,
Mato Grosso, Mato Grosso do Sul, Paraná, Rio Grande do Sul e Santa
Catarina;
As visualizações da proporção de casos acumulados e casos novos
mostraram que o Amapá foi o estado mais afetado pelo vírus. No
entanto, através do gráfico violino acima, o Ceará e Sergipe foram o
segundo e terceiro estados com maior proporção de novos casos, o que
não ocorreu em relação a proporção de casos acumulados em que o
Amazonas e Roraima obtiveram essas colocações.
Distribuição do número de novos óbitos por habitante
Entre regiões
corona.brasil %>%
filter(regiao!='Brasil'& is.na(municipio)) %>%
mutate(tx.casos.novos=obitosNovos/as.numeric(populacaoTCU2019)) %>%
ggplot(aes(x=regiao, y=tx.casos.novos)) +
geom_violin(size=1.5, aes(color=regiao), show.legend=FALSE) +
labs(title='Número de óbitos novos por habitante nas regiões', x=NULL, y='Proporção de óbitos novos') +
theme_minimal() +
theme(title= element_text(size=15),
axis.text.x= element_text(size=15, face='bold'),
axis.text.y= element_text(size=12))
Pelo gráfico violino acima, as regiões Nordeste, Norte e Sudeste
tiveram uma distribuição do número relativo de óbitos muito
próximos;
Diferentemente da proporção de novos casos, a região Centro-Oeste
apresentou mais registros com proporção próxima de 0.
Entre estados
corona.brasil %>%
filter(regiao!='Brasil'& is.na(municipio)) %>%
mutate(tx.casos.novos=obitosNovos/as.numeric(populacaoTCU2019)) %>%
ggplot(aes(x=estado, y=tx.casos.novos)) +
geom_violin(size=1.5) +
labs(title='Número de óbitos novos por habitante nos estados', x=NULL, y='Proporção de óbitos novos') +
theme_minimal() +
theme(title= element_text(size=15),
axis.text.x= element_text(size=15, face='bold'),
axis.text.y= element_text(size=12))
Os mesmos estados apresentaram a menor proporção de óbitos
acumulados e óbitos novos. Foram eles: Bahia, Goiás, Minas Gerais,
Mato Grosso, Mato Grosso do Sul, Paraná, Rio Grande do Sul e Santa
Catarina;
Através do gráfico violino acima, Roraima, Ceará e Pará foram os
três estados com maior proporção de óbitos novos. O Amazonas, que
foi o estado com maior proporção de óbitos acumulados, apresentou no
último gráfico a quarta maior proporção de óbitos novos;
O Mato Grosso do Sul apresentou mais registros com proporção de
óbitos novos próximo de 0.
