title | author | date | output | ||||
---|---|---|---|---|---|---|---|
Modelos Preditivos para COVID-19 |
COVID-19 FT - UNICAMP |
3/31/2020 |
|
Afim de simplificar o acesso aos dados, utilizou-se o pacote datacovidbr
, que importa diariamente os dados compilados pela iniciativa Brasil IO, sem maiores dependências. Para que colaboradores que não utilizam o R como plataforma analítica, o arquivo dados/covid19_cidades.csv
possui os dados (por cidade) disponíveis hoje (Wed Apr 8 11:32:45 2020).
library(datacovidbr)
library(tidyverse)
library(lubridate)
datapath = "dados"
covid19_cidades = brasilio() %>% filter(place_type == 'city')
write_csv(covid19_cidades, file.path(datapath, "covid19_cidades.csv"))
write_csv(covid19_cidades, file.path(datapath, paste0("covid19_cidades-", today(), ".csv")))
save(covid19_cidades, file=file.path(datapath, "covid19_cidades.rda"))
save(covid19_cidades, file=file.path(datapath, paste0("covid19_cidades-", today(), ".rda")))
Abaixo, são apresentados dados da cidade de São Paulo, apenas por esta ter sido a cidade onde foi identificado o paciente zero do Brasil e haver um histórico maior de informações, que podem ser úteis para a modelagem de casos e óbitos.
casos_sp = covid19_cidades %>% filter(city == "São Paulo") %>%
select(-state, -place_type, -is_last, -city_ibge_code)
# casos_sp = casos_sp %>% mutate(confirmed=case_when(
# date == as.Date("2020-03-24") ~ as.integer(717),
# TRUE ~ confirmed))
casos_sp %>% head() %>% knitr::kable("markdown")
date | city | confirmed | deaths | estimated_population_2019 | confirmed_per_100k_inhabitants | death_rate |
---|---|---|---|---|---|---|
2020-04-07 | São Paulo | 4258 | 296 | 12252023 | 34.75344 | 0.0695 |
2020-04-06 | São Paulo | 3754 | 244 | 12252023 | 30.63984 | 0.0650 |
2020-04-05 | São Paulo | 3612 | 220 | 12252023 | 29.48085 | 0.0609 |
2020-04-04 | São Paulo | 3496 | 212 | 12252023 | 28.53406 | 0.0606 |
2020-04-03 | São Paulo | 3202 | 186 | 12252023 | 26.13446 | 0.0581 |
2020-04-02 | São Paulo | 2815 | 164 | 12252023 | 22.97580 | 0.0583 |
casos_sp %>% select(date, confirmed, deaths) %>% gather(type, counts, -date) %>%
ggplot(aes(date, counts, colour=type)) + geom_point() + geom_line() + scale_y_log10() +
theme_bw() + xlab("Data") + ylab("Contagem") +
ggtitle("Casos Confirmados e Óbitos na Cidade de São Paulo")
temp = casos_sp %>% select(date, confirmed, deaths) %>% arrange(date) %>%
mutate(dx=as.integer(date-lag(date, default=date[1])),
dconf=confirmed-lag(confirmed, default=confirmed[1]),
rate = dconf/dx)
ggplot(temp, aes(date, rate)) + geom_line() + geom_point() +
theme_bw()
## Warning: Removed 1 row(s) containing missing values (geom_path).
## Warning: Removed 1 rows containing missing values (geom_point).
Para maiores informações, utilize a plataforma https://covid.ic.unicamp.br/. Em particular, procuramos documentar informações desta inciativa no seu respectivo tópico em Modelagem e Epidemiologia (https://covid.ic.unicamp.br/c/tecnolC3B3gicas/ModelagemeEpidemiologia/11).