Evolução do coronavírus no Brasil

O Brasil chegou hoje aos 291 casos confirmados de Covid-19, o coronavírus. A evolução da doença no Brasil e a comparação com outros países, em particular com a Itália, mostra que o país precisa adotar medidas ainda mais restritivas de afastamento social. Para ilustrar, a seguir importo os dados disponibilizados pelo Ministério da Saúde.


library(tidyverse)
library(scales)

data = read_csv('data.csv') %>%
add_row(Data = '2020-03-17', pos = 291) %>%
mutate(incidence = pos - lag(pos,1)) %>%
mutate(dias = seq(1:length(pos)))

A seguir, nós coletamos os dados referentes à Itália.


italia = read_csv2('italia.csv',
col_types = list(col_date(format='%d/%m/%Y'),
col_double())) %>%
mutate(dias = seq(1:length(confirmados)))

O gráfico abaixo mostra o comportamento dos casos confirmados ao longo do tempo.


ggplot(data, aes(x=Data, y=pos))+
geom_line(size=.8, colour='darkblue')+
geom_point(colour='red', fill='red')+
scale_x_date(breaks = date_breaks("3 day"),
labels = date_format("%d/%b"))+
theme(axis.text.x=element_text(angle=45, hjust=1),
plot.title = element_text(size=10, face='bold'))+
labs(x='', y='',
title='Casos de Covid-19 confirmados no Brasil',
caption='Fonte: Ministério da Saúde')

A seguir, plotamos a incidência diária.


ggplot(data, aes(x=Data, y=incidence))+
geom_bar(stat='identity', colour='darkblue', fill='darkblue',
width=.8)+
scale_x_date(breaks = date_breaks("2 day"),
labels = date_format("%d/%b"))+
theme(axis.text.x=element_text(angle=45, hjust=1),
plot.title = element_text(size=10, face='bold'))+
labs(x='', y='',
title='Incidência de Casos de Covid-19 no Brasil',
caption='Fonte: Ministério da Saúde')

Para efeitos de comparação, colocamos abaixo a curva italiana a partir dos 150 casos.

filter(italia, confirmados > 150) %>%
ggplot(aes(x=date, y=confirmados/1000))+
geom_line(size=.8, colour='darkblue')+
geom_hline(yintercept=10, colour='black', linetype='dashed')+
geom_point(colour='red', fill='red')+
scale_x_date(breaks = date_breaks("1 day"),
labels = date_format("%d/%b"))+
theme(axis.text.x=element_text(angle=45, hjust=1),
plot.title = element_text(size=10, face='bold'))+
labs(x='', y='Mil Casos',
title='Casos de Covid-19 confirmados na Itália',
caption='Fonte: Johns Hopkins CSSE')

A Itália saiu de 155 para 10.149 casos em apenas 16 dias! Em outras palavras, o Brasil precisa urgentemente adotar medidas fortes de isolamento social para que não sigamos a mesma trajetória.

________________________

(*) Na próxima sexta-feira, publico um modelo de ajuste para a propagação do Covid-19 no âmbito do Clube do Código.

(**) Isso e muito mais você aprende nos nossos Cursos Aplicados de R.

(***) O código completo e os datasets estarão disponíveis amanhã no Clube do Código.

(****) Quem quiser reproduzir os códigos acima, pode baixar os datasets aqui e aqui.


Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Coletando e integrando dados do BCB, IBGE e IPEA de forma automatizada

Quem trabalha com modelagem e previsão macroeconômica sabe o quanto é demorado reunir dados de diferentes fontes — Banco Central, IBGE, IPEA, FRED, IFI... Cada um com sua API, formato, frequência e estrutura. Esse gargalo de coleta e padronização consome tempo que poderia estar sendo usado na análise, nos modelos ou na comunicação dos resultados.

Foi exatamente por isso que criamos uma rotina de coleta automatizada, que busca, trata e organiza séries temporais econômicas diretamente das APIs oficiais, pronta para ser integrada a pipelines de previsão, dashboards ou agentes de IA econometristas.

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.

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.