Dentro do universo do R, cada vez mais tem sido facilitado o acesso a diversos tipos de dados. Para tanto, O pacote {microdatasus} tem como principal propósito a importação dos microdados do DATASUS, este sendo um sistema do estado brasileiro de apoio a conexão e suporte de informações sobre a saúde com os entes federativos. No Hackeando o R de hoje, iremos dar uma olhada sobre o pacote.
Antes de tudo é necessário realizar o download do pacote, que se encontra no repositório do autor no github.
1 2 3 4 | # remotes::install_github("rfsaldanha/microdatasus")library(microdatasus)library(tidyverse) |
O pacote se separa em dois tipos de funções, a primeira sendo fetch_datasus(), que consiste na função que realiza o download dos dados. E o segundo tipo, que se refere ao pré-processamento dos dados, sendo eles: process_sim(), process_sinac() e process_sih().
Para importar os dados mostraremos exemplos da função fetch_datasus().
(obs: antes de replicar o código, certifique que sua máquina pode lidar com grandes quantidades de dados. O processo pode demorar um pouco).
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 | # Sistema de Informação sobre Mortalidade de Minas Gerais de 2019data_sim_mg <- fetch_datasus(year_start = 2019,year_end = 2019,uf = "MG",information_system = "SIM-DO")# Sistema de informação Hospital Descentralizada de Minas Gerais de 2019data_sih_mg <- fetch_datasus(year_start = 2019,year_end = 2019,month_start = 1,month_end = 12,uf = "MG",information_system = "SIH-RD")# Sistema de informações sobre Nascidos Vivos de Minas Gerais de 2019data_sinasc_mg <- fetch_datasus(year_start = 2019,year_end = 2019,uf = "MG",information_system = "SINASC") |
Trataremos de pegar somente dados de um único ano, já que são grandes quantidade de dados. Dependendo da máquina, pode demorar um pouco o tempo de download.
Ao seguir a etapa, agora é preciso tratar os dados com as respectivas funções de cada sistema.
1 2 3 4 5 6 7 8 9 10 11 | # Trata os dados do SIMsim_mg <- process_sim(data_sim_mg)# Trata os dados do SIHsih_mg <- process_sih(data_sih_mg)# Trata os dados do SIAsinasc_mg <- process_sinasc(data_sinasc_mg) |
As variáveis dos dados de cada sistema possuem uma forma especial de lidar, além de seus nomes serem processados em abreviações. Para obter a informações de todas as variáveis e suas convenções, é recomendável checar o repositório do github do pacote.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 | # Seleciona os dados de interesse: Estado civil da mãe e Sexo do bebêsinasc <- sinasc_mg %>%select(ESTCIVMAE, SEXO) %>%na.omit()# Visualiza os número de Mães por Estado Civilsinasc %>%count(ESTCIVMAE) %>%ggplot(aes(x = ESTCIVMAE, y = n,fill = ESTCIVMAE,color = ESTCIVMAE,label = n))+geom_bar(stat = "identity")+geom_label(color = "black")+labs(title = "Estado Civil das Mães de Nascidos em Minas Gerais",subtitle = "ano de 2019",x = "",y = "",caption = "Elaborado por analisemacro.com.br com dados do DATASUS")+theme_minimal()+theme(legend.position = "none") |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 | # Visualiza o número de bebês por sexosinasc %>%count(SEXO) %>%ggplot(aes(x = SEXO, y = n,fill = SEXO,color = "SEXO",label = n))+geom_bar(stat = "identity")+geom_label(color = "black")+labs(title = "Sexo dos bebês nascidos em Minas Gerais",subtitle = "ano de 2019",x = "",y = "",caption = "Elaborado por analisemacro.com.br com dados do DATASUS")+theme_minimal()+theme(legend.position = "none") |
________________________________
Na Análise macro oferecemos cursos que ensinam você a como lidar com o micro dados e análise de dados. Veja nossa trilha de Micro dados e nosso curso de R para análise de dados.
________________________________
