freguglia / covid19unicamp

Modelos Preditivos para Novos Casos e Óbitos (Força-Tarefa COVID-19 UNICAMP)

title	author	date	output
Modelos Preditivos para COVID-19	COVID-19 FT - UNICAMP	3/31/2020	html_document keep_md true

Obtenção de Dados

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")))

Manipulação de dados

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")

Taxas de Mudança

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).

Contato

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).