Este exercício foi montado para o Dia dos Dados Abertos de 2021 em Curitiba (OpenDataDay2021).
A prefeitura de Curitiba possui este site para disponibilizar dados da administração municipal.
Escolhi o arquivo com dados dos atendimentos de enfermagem para avaliarmos.
saude <- readr::read_delim(
file = "./2021-02-06_Sistema_E-Saude_Enfermagem_-_Base_de_Dados.csv",
delim = ";",
col_types = cols(.default = "c")
)
saude <- janitor::clean_names(saude)A função janitor::clean_names faz a troca de nomes como Área de Atuação para area_de_atuacao (isto ajuda muito na hora de
digitar).
A função skimr::skim() mostra um resumo dos dados. Por exemplo, vemos que boa parte dos registros não possuem disponível o campo codigo_do_cid. Para esta análise, vamos eliminar os registros sem estas informações, e diminuir as colunas apenas para um sub-grupo das colunas iniciais.
Eu gosto de utilizar o pacote visdat e skimr nas primeiras análises sobre dados, porque eles fornecem visões gerais úteis.
saude %>% dplyr::sample_n(1000) %>% visdat::vis_dat()
O gáfico mostra que há muitos registros de atendimento sem código do CID. Vamos restringir nossa análise apenas àqueles com esta informaçao.
total_registros <- saude %>% nrow()
registros_com_cid <- saude %>%
dplyr::filter(
!is.na(descricao_do_cid)
) %>%
nrow()São 537322, mas apenas 115493 registros com CID.
Antes de seguir, vamos filtrar os dados e manter apenas os com CID.
saude <- saude %>%
dplyr::filter(
!is.na(descricao_do_cid)
)O site da prefeitura indica que os registros são atualizados apenas para os últimos 3 meses.
Vamos montar um histograma para verificar como estes atendimentos aconteceram no tempo.
saude <- saude %>%
dplyr::mutate(
data_do_atendimento = lubridate::dmy_hms(data_do_atendimento)
)
(
hist_saude <- saude %>%
ggplot() +
geom_histogram(aes(x = data_do_atendimento,
fill = ..count..),
color = "white") +
scale_fill_gradient(
"Quantidade",
low = "darkblue",
high = "aquamarine4"
) +
labs(title = "Atendimentos com CID",
subtitle = "2020 - 2021 Nov, Dez, Jan",
x = "Data",
y = "Quantidade"
) +
theme_minimal()
)## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
Olhando nos gráficos disponibilizados, percebemos que há um campo para identificar o local do atendimento: descricao_da_unidade. Vamos verificar se há diferença de comportamento dos dados conforme o local.
(hist_saude + facet_wrap(~ descricao_da_unidade))## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
Como seria possível colocar isto em um mapa?
Primeiro precisamos de um mapa… e o IPPUC possui vários shapefiles neste site.
regionais <- sf::read_sf(
dsn = "./DIVISA_DE_REGIONAIS_SIRGAS/",
layer = "DIVISA_DE_REGIONAIS"
)
upas <- sf::read_sf(
dsn = "./UNIDADE_DE_PRONTO_ATENDIMENTO_SIRGAS",
layer = "UNIDADE_DE_PRONTO_ATENDIMENTO"
)
(
ggplot() +
geom_sf(data = regionais,
mapping = aes(geometry = geometry, fill = NOME)) +
labs(fill = "Regional") +
geom_sf(data = upas,
mapping = aes(geometry = geometry))
)
Qual é o total de atendimentos por UPA?
(por_upa <- saude %>%
count(descricao_da_unidade, sort = T))## # A tibble: 9 x 2
## descricao_da_unidade n
## <chr> <int>
## 1 UPA SITIO CERCADO 19125
## 2 UPA CAJURU 17890
## 3 UPA CIDADE INDUSTRIAL 16856
## 4 UPA TATUQUARA 15061
## 5 UPA BOA VISTA 14947
## 6 UPA PINHEIRINHO 12676
## 7 UPA CAMPO COMPRIDO 12011
## 8 UPA BOQUEIRAO 4117
## 9 UPA FAZENDINHA 2810
por_upa <- por_upa %>%
mutate(
descricao_da_unidade = stringr::str_remove(descricao_da_unidade, "UPA "),
descricao_da_unidade = case_when(
descricao_da_unidade == "PORTAO" ~ "PORTÃO",
descricao_da_unidade == "BOQUEIRAO" ~ "BOQUEIRÃO",
TRUE ~ descricao_da_unidade))Vamos tentar um mapa dos atendimentos por bairro. Não basta o número de atendimentos, é preciso considerar a população da regional.
As informações sobre a população no site do IPPUC são de 2010. As estimativas no site do IBGE não detalham as regionais. A melhor estimativa que encontrei foi de 2016 publicada em uma imagem em matéria no site da Prefeitura.
Vamos seguir com estes números.
pop <- tibble::tibble(
regional = c(
"BOA VISTA",
"CAJURU",
"MATRIZ",
"BOQUEIRÃO",
"CIDADE INDUSTRIAL",
"PORTÃO",
"SANTA FELICIDADE",
"BAIRRO NOVO",
"PINHEIRINHO",
"TATUQUARA"
),
pop_est_2016 = c(
268556,
232563,
208674,
205248,
200271,
184437,
155525,
163651,
151202,
112873
)
)Vamos achar a relação de atendimentos por população para as regionais.
por_upa <- por_upa %>%
left_join(
pop,
by = c("descricao_da_unidade" = "regional")) %>%
mutate(
atend_por_khabit = n * 1000 / pop_est_2016
)
regionais <- regionais %>% dplyr::left_join(
por_upa,
by = c("NOME" = "descricao_da_unidade")
)
(
ggplot() +
geom_sf(data = regionais, mapping = aes(geometry = geometry, fill = atend_por_khabit)) +
labs(fill = "Atendimentos por 1000 habitantes") +
geom_sf(data = upas, mapping = aes(geometry = geometry))
)
saude %>% count(descricao_do_cid, sort = TRUE)## # A tibble: 2,658 x 2
## descricao_do_cid n
## <chr> <int>
## 1 DOR LOMBAR BAIXA 5882
## 2 DIARREIA E GASTROENTERITE DE ORIGEM INFECCIOSA PRESUMIVEL 4578
## 3 PROCEDIMENTO NAO REALIZADO DEVIDO A DECISAO DO PACIENTE POR OUTRAS RAZ… 4415
## 4 CEFALEIA 3965
## 5 DOR AGUDA 3620
## 6 ANSIEDADE GENERALIZADA 3367
## 7 OUTRAS DORES ABDOMINAIS E AS NAO ESPECIFICADAS 3341
## 8 EXAME MEDICO GERAL 3110
## 9 INFECCAO DO TRATO URINARIO DE LOCALIZACAO NAO ESPECIFICADA 3038
## 10 NAUSEA E VOMITOS 2726
## # … with 2,648 more rows
psi <- saude %>% filter(codigo_do_cid %in% c("F410", "F411", "F419"))
(psi %>% count(descricao_do_cid, sort = TRUE))## # A tibble: 3 x 2
## descricao_do_cid n
## <chr> <int>
## 1 ANSIEDADE GENERALIZADA 3367
## 2 TRANSTORNO ANSIOSO NAO ESPECIFICADO 246
## 3 TRANSTORNO DE PANICO [ANSIEDADE PAROXISTICA EPISODICA] 226
(hist_psi <- psi %>% ggplot() +
geom_histogram(aes(x = data_do_atendimento,
fill = ..count..),
color = "white") +
scale_fill_gradient("Qtde",
low = "darkblue",
high = "aquamarine4") +
labs(title = "Ansiedade",
subtitle = "2020 - 2021 Nov, Dez, Jan",
x = "Data",
y = "Quantidade de Atendimentos Ansiedade") +
theme_minimal() +
geom_vline(xintercept = dmy_hms("25/12/2020 20:00:00")) +
geom_vline(xintercept = dmy_hms("31/12/2020 23:30:00"), color = "red")
)## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
(hist_psi + facet_wrap(~ sexo))## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
