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

Criando um Dashboard de análise de Ações no Python

Um Dashboard é um painel de controle que consolida uma variedade de informações sobre um determinado objeto de estudo em um ou mais painéis. Ele simplifica significativamente o processo de análise de dados, oferecendo uma visão global e fácil de entender. Uma maneira simples de construir um Dashboard para acompanhar uma ação específica é utilizando duas ferramentas: Quarto e Python. Neste post, mostramos o resultado da criação de um Dashboard de Ação.

Analisando séries temporais no Python e esquecendo de vez o Excel

Séries temporais representam uma disciplina extremamente importante em diversas áreas, principalmente na economia e na ciência de dados. Mas, afinal, como lidar com esses dados que se apresentam ao longo do tempo? Neste exercício, demonstraremos como compreender uma série temporal e como o Python se destaca como uma das melhores ferramentas para analisar esse tipo de dado.

Cálculo do Retorno Econômico de uma Política Pública

Como podemos traduzir os efeitos de uma política pública para valores monetários? Essa é uma tarefa árdua que requer algumas premissas, entretanto, com métodos bem definidos, é possível obter estimativas precisas dos ganhos e os gastos de uma política pública.

Neste exercício, demonstramos tal método usando a política hipotética "Mãe Paranense”, um conjunto de ações que visam reduzir a mortalidade materna e infantil no estado. Usamos a linguagem R como ferramenta para analisar os 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.