Evolução da pandemia no Brasil

Vivemos tempos sombrios. O país se aproxima das 500 mil mortes causadas pela peste que nos assola. Em meio a uma situação crítica como essa, o antídoto, a vacina, tem sido administrada em ritmo (muito) aquém do ideal. Para um país com a experiência de décadas em imunização e tendo a capacidade de produção de vacinas, só a incompetência na gestão de crise explica tamanha lentidão no processo. Nesse Comentário de Conjuntura, fazemos um avaliação da pandemia no país.


## Pacotes utilizados nessa apresentação
library(knitr)
library(tidyverse)
library(tsibble)
library(fable)
library(feasts)
library(tsibbledata)
library(fpp3)
library(gridExtra)
library(zoo)
library(scales)


## Coletar dados
url = "https://raw.githubusercontent.com/wcota/covid19br/master/cases-brazil-states.csv"
covid = readr::read_csv(url, guess_max = 10000) %>%
group_by(state) %>%
mutate(MM_mortes = zoo::rollmean(newDeaths, k = 7, fill = NA, align = "right"),
MM_casos = zoo::rollmean(newCases, k = 7, fill = NA, align = "right")) %>%
mutate(d_vaccinated = vaccinated - lag(vaccinated,1)) %>%
mutate(MM_dose1 = rollmean(d_vaccinated, 7, NA, align='right'))

Os dados são coletados do repositório do Wesley Cota, como descrito acima.

Membros do Clube AM, como de praxe, têm acesso a todos os códigos do exercício. 

Após atingir um pico forte no final de março, os novos casos e mortes têm se reduzido lentamente nas últimas semanas. Mas ainda está longe de atingir uma derivada civilizada, como pode ser visto no gráfico de mortes mensais abaixo.

Os últimos dois meses, março e abril, foram de recorde de vítimas pela peste e não há sinais de trégua: maio já registra números superlativos, se comparamos com os demais meses da peste no país.

A realidade vista no agregado pode ser melhor compreendida se observamos o que está ocorrendo nos Estados. Vejamos, por exemplo, a situação no Rio e em SP.

A situação do Rio é um tanto quanto complexa, dado que os números não têm sido atualizados de forma correta pela secretaria de saúde, o que causa um problema na avaliação da pandemia no Estado.

São Paulo, epicentro da pandemia no país, mostra uma melhora nas últimas semanas, após o pico de março.

Em praticamente todos os Estados, diga-se, temos uma 2ª onda da pandemia bastante crítica e acima do registrado no ano passado.

No Rio, a situação parece ser muito parecida com o restante do país: uma 2ª onda da pandemia bastante contundente e com números acima do registrado no ano anterior.

Em meio a essa situação crítica, o número de doses da vacina contra a peste ainda é bastante modesta, se comparado ao número necessário para imunizar 60% da população.

Há muito por melhorar no ritmo de vacinação, se queremos sair logo desse período crítica da humanidade.

____________________

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Criando operações SQL com IA Generativa no R com querychat

No universo da análise de dados, a velocidade para obter respostas é um diferencial competitivo. Frequentemente, uma simples pergunta de negócio — “Qual foi nosso produto mais vendido no último trimestre na região Nordeste?” — inicia um processo que envolve abrir o RStudio, escrever código dplyr ou SQL, executar e, finalmente, obter a resposta. E se pudéssemos simplesmente perguntar isso aos nossos dados em português, diretamente no nosso dashboard Shiny?

Dashboard Financeiro com IA e Shiny Python: Análise de Dados Abertos da CVM

Este artigo apresenta um tutorial completo sobre como construir uma ferramenta de análise financeira de ponta. Utilizando Shiny for Python, demonstramos a automação da coleta de dados das Demonstrações Financeiras Padronizadas (DFP) da CVM e o tratamento dessas informações com Pandas. O ponto alto do projeto é a integração da IA Generativa do Google Gemini, que atua como um assistente de análise, interpretando os dados filtrados pelo usuário e fornecendo insights contábeis e financeiros em tempo real. O resultado é um dashboard dinâmico que democratiza a análise de dados complexos e acelera a tomada de decisão.

Econometria, ML ou IA para previsão da PMS?

Prever a Pesquisa Mensal de Serviços (PMS/IBGE) é um desafio por natureza: trata-se de uma série mensal, sujeita a volatilidade e choques que vão de fatores sazonais a mudanças estruturais no setor. Para enfrentar esse problema, realizamos um exercício de comparação entre três abordagens de modelagem: econometria tradicional (ARIMA), machine learning (XGBoost) e inteligência artificial (TimeGPT).

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.