CE302: Projeto

Autor

Afiliação

Eny Joyci Mascarenhas

Universidade Federal do Paraná

Data de Publicação

19 de novembro de 2023

Resumo

Este projeto tem como objetivo entender a distribuição de cachorros disponíveis para adoção em todo o Estados Unidos, além de criar uma visualização para facilitar o encontro de futuros tutores e um cachorro disponível de acordo com suas preferências. A base de dados utilizada contém 58.131 cachorros disponíveis no Estados Unidos, sendo a maioria localizada no estado de Nova York (6,88%) e a maioria machos (52,07%). E para isso foi utilizado a ferramenta R Studio, a qual permite a utilização de linguagem de programação R, para manipulação e análise dos dados para o resultado proposto. Além da localização e sexo, veremos também a distribuição de acordo com a idade, raça, tamanho, adestramento, comportamento com crianças e outros atributos importantes na escolha de um cachorro para adoção.

Introdução

A disponibilidade de cachorros para adoção cresce a cada dia e no Estados Unidos não seria diferente. De acordo com o Anuário de 2022 da Comac, o EUA lidera o ranking de países com a maior população desde 2016. Com a grande lotação em abrigos de animais e a vontade de algumas famílias que desejam adotar, mas muitas vezes não sabem como, neste projeto temos como objetivo analisar as oportunidades de adoção em todos os estados do país e conciliar os desejos de cada futuro tutor com as caracteristicas dos cachorros disponíveis.

Materiais e Métodos

A fim de analisar os animais disponíveis para adoção, iniciamos lendo os banco de dados allDogDescriptions.csv e "movesByLocation.csv. Os dados foram coletados por Aman Chauhan e disponíveis na plataforma kaggle.

Código

# Carregando os pacotes necessário para a importação e análise dos dados
require(data.table)
require(dplyr)
require(tidyr)
library(ggplot2)
library(tidyverse)
library(MASS)
library(highcharter)

Código

# Lendo dados
descricao <- data.table::fread("allDogDescriptions.csv")
movimentacao <- data.table::fread("movesByLocation.csv")

Manipulação dos dados

Para que possamos analisar os dados de maneira mais rápida e fácil, utilizaremos alguns métodos para manipulação da base.

Base Movimentação

Código

# Nesta primeira base excluiremos os locais fora dos Estados Unidos, pois não entrarão na análise
movimentacao <- movimentacao[!grepl("FALSE", movimentacao$inUS),]

Código

# Padronização dos estados conforme sua sigla
movimentacao$location[movimentacao$location == "Alabama"] <- "AL"
movimentacao$location[movimentacao$location == "Alaska"] <- "AK"
movimentacao$location[movimentacao$location == "Arizona"] <- "AZ"
movimentacao$location[movimentacao$location == "Arkansas"] <- "AR"
movimentacao$location[movimentacao$location == "American Samoa"] <- "AS"
movimentacao$location[movimentacao$location == "California"] <- "CA"
movimentacao$location[movimentacao$location == "Colorado"] <- "CO"
movimentacao$location[movimentacao$location == "Connecticut"] <- "CT"
movimentacao$location[movimentacao$location == "Delaware"] <- "DE"
movimentacao$location[movimentacao$location == "District of Columbia"] <- "DC"
movimentacao$location[movimentacao$location == "Florida"] <- "FL"
movimentacao$location[movimentacao$location == "Georgia"] <- "GA"
movimentacao$location[movimentacao$location == "Guam"] <- "GU"
movimentacao$location[movimentacao$location == "Hawaii"] <- "HI"
movimentacao$location[movimentacao$location == "Idaho"] <- "ID"
movimentacao$location[movimentacao$location == "Illinois"] <- "IL"
movimentacao$location[movimentacao$location == "Indiana"] <- "IN"
movimentacao$location[movimentacao$location == "Iowa"] <- "IA"
movimentacao$location[movimentacao$location == "Kansas"] <- "KS"

movimentacao$location[movimentacao$location == "Kentucky"] <- "KY"
movimentacao$location[movimentacao$location == "Louisiana"] <- "LA"
movimentacao$location[movimentacao$location == "Maine"] <- "ME"
movimentacao$location[movimentacao$location == "Maryland"] <- "MD"
movimentacao$location[movimentacao$location == "Massachusetts"] <- "MA"
movimentacao$location[movimentacao$location == "Michigan"] <- "MI"
movimentacao$location[movimentacao$location == "Minnesota"] <- "MN"
movimentacao$location[movimentacao$location == "Mississippi"] <- "MS"
movimentacao$location[movimentacao$location == "Missouri"] <- "MO"
movimentacao$location[movimentacao$location == "Montana"] <- "MT"
movimentacao$location[movimentacao$location == "Nebraska"] <- "NE"
movimentacao$location[movimentacao$location == "Nevada"] <- "NV"
movimentacao$location[movimentacao$location == "New Hampshire"] <- "NH"
movimentacao$location[movimentacao$location == "New Jersey"] <- "NJ"
movimentacao$location[movimentacao$location == "New Mexico"] <- "NM"
movimentacao$location[movimentacao$location == "New York"] <- "NY"
movimentacao$location[movimentacao$location == "North Carolina"] <- "NC"
movimentacao$location[movimentacao$location == "North Dakota"] <- "ND"
movimentacao$location[movimentacao$location == "Northern Mariana Islands"] <- "MP"

movimentacao$location[movimentacao$location == "Ohio"] <- "OH"
movimentacao$location[movimentacao$location == "Oklahoma"] <- "OK"
movimentacao$location[movimentacao$location == "Oregon"] <- "OR"
movimentacao$location[movimentacao$location == "Pennsylvania"] <- "PA"
movimentacao$location[movimentacao$location == "Puerto Rico"] <- "PR"
movimentacao$location[movimentacao$location == "Rhode Island"] <- "RI"
movimentacao$location[movimentacao$location == "South Carolina"] <- "SC"
movimentacao$location[movimentacao$location == "South Dakota"] <- "SD"
movimentacao$location[movimentacao$location == "Tennessee"] <- "TN"
movimentacao$location[movimentacao$location == "Texas"] <- "TX"
movimentacao$location[movimentacao$location == "Trust Territories"] <- "TT"
movimentacao$location[movimentacao$location == "Utah"] <- "UT"
movimentacao$location[movimentacao$location == "Vermont"] <- "VT"
movimentacao$location[movimentacao$location == "Virginia"] <- "VA"
movimentacao$location[movimentacao$location == "Virgin Islands"] <- "VI"
movimentacao$location[movimentacao$location == "Washington"] <- "WA"
movimentacao$location[movimentacao$location == "West Virginia"] <- "WV"
movimentacao$location[movimentacao$location == "Wisconsin"] <- "WI"
movimentacao$location[movimentacao$location == "Wyoming"] <- "WY"

Código

# Substituindo os dados faltantes (na) da coluna "Imported" e "Exported" para o número zero
movimentacao[is.na(movimentacao$imported)] <- 0
movimentacao[is.na(movimentacao$exported)] <- 0

Código

# Excluindo a coluna de país e index
movimentacao$inUS <- NULL
movimentacao$index <- NULL

Código

# Exluindo as linhas que contém zero como informação na coluna estado
movimentacao <- movimentacao[!movimentacao$location == 0,]

Base Descrição

Código

# Excluindo locais fora dos Estados Unidos, pois não entrarão na análise
descricao <- descricao[grepl("US", descricao$contact_country),]

Código

# Criando uma coluna para contagem dos cachorros disponíveis
descricao$age[descricao$age == "Senior"] <- "Idoso"
descricao$age[descricao$age == "Adult"] <- "Adulto"
descricao$age[descricao$age == "Young"] <- "Jovem"
descricao$age[descricao$age == "Baby"] <- "Filhote"

descricao$sex[descricao$sex == "Male"] <- "Macho"
descricao$sex[descricao$sex == "Female"] <- "Fêmea"
descricao$sex[descricao$sex == "Unknown"] <- "Sem informação"

descricao$size[descricao$size == "Medium"] <- "Médio"
descricao$size[descricao$size == "Large"] <- "Grande"
descricao$size[descricao$size == "Small"] <- "Pequeno"
descricao$size[descricao$size == "Extra Large"] <- "Gigante"

Código

# Alterando alguns dados de inglês para português
descricao <- descricao %>%
  mutate(n = case_when(status == "adoptable" ~ 1))
descricao$n <- as.numeric(descricao$n)

Análise dos dados

Código

# Criando variavel com o total de cães disponíveis
total <- count(descricao, "status")

Código

# Criando um resumo de total de cães disponíveis por estado atual de sua localização 
resumo_estado <- descricao %>%
  group_by(contact_state) %>%
  summarise(n = n(),
            perc = n()/nrow(descricao)) %>%
  arrange(desc(n))

Código

# Avaliando total da exportação e importação de cães, de acordp com o estado
# Exportaçao
movimentacao_exp <- movimentacao[, -3]
movimentacao_exp <- movimentacao_exp[, -3]
movimentacao_exp <- arrange(movimentacao_exp,desc(exported))
names(movimentacao_exp) = c("contact_state", "exported")

# Importação 
movimentacao_imp <- movimentacao[, -2]
movimentacao_imp <- movimentacao_imp[, -3]
movimentacao_imp <- arrange(movimentacao_imp,desc(imported))
names(movimentacao_imp) = c("contact_state", "imported")

# Comparando base de importação e base de disponibilidade
importacao_disponibilidade = 
  head(resumo_estado)  %>% 
left_join(., head(movimentacao_imp), by="contact_state")

# Avaliando correspondência de estados com maiores importações e com maior quantidade de cães disponíveis
correspondecia_imp <- sum(!is.na(importacao_disponibilidade$imported))

importacao_disponibilidade_semna = importacao_disponibilidade[!is.na(importacao_disponibilidade$imported),]

Código

# Criando um resumo de total de cães disponíveis de acordo com o sexo
resumo_sexo <- descricao %>%
  group_by(sex) %>%
  summarise(n = n(),
            perc = n()/nrow(descricao)) %>%
  arrange(desc(n))

Código

# Avaliando relação de disponibilidade de cães de acordo com o estado de localização e sexo do animal
resumo_estado_machos <- descricao %>%
  filter(sex == "Macho") %>%
  group_by(contact_state) %>%
  summarise(n = n()) %>%
  arrange(desc(n))

names(resumo_estado_machos)[2] <- c("macho")

resumo_estado_femea <- descricao %>%
  filter(sex == "Fêmea") %>%
  group_by(contact_state) %>%
  summarise(n = n()) %>%
  arrange(desc(n))

names(resumo_estado_femea)[2] <- c("femea")

resumo_estado_sexo = 
  resumo_estado_machos  %>% 
  left_join(., resumo_estado_femea, by = "contact_state")

resumo_estado_sexo <- resumo_estado_sexo %>%
  mutate(total = macho + femea)

Código

# Criando um resumo de total de cães disponíveis de acordo com o tamanho
resumo_tamanho <- descricao %>%
  group_by(size) %>%
  summarise(n = n()) %>%
  arrange(desc(n))

Código

# Criando um resumo de total de cães disponíveis de acordo com a idade
resumo_idade <- descricao %>%
  group_by(age) %>%
  summarise(n = n()) %>%
  arrange(desc(n))

Código

# Avaliando relação de disponibilidade de cães de acordo com sua idade e os animais com necessidades especiais
resumo_idade_semnec <- descricao %>%
  filter(special_needs == "FALSE") %>%
  group_by(age) %>%
  summarise(n = n())

names(resumo_idade_semnec)[2] <- c("Sem_Necessidade_Especial")

resumo_idade_comnec <- descricao %>%
  filter(special_needs == "TRUE") %>%
  group_by(age) %>%
  summarise(n = n())

names(resumo_idade_comnec)[2] <- c("Com_Necessidade_Especial")

resumo_idade_necessidade = 
  resumo_idade_semnec  %>% 
  left_join(., resumo_idade_comnec, by = "age")

Código

# Avaliando a relação de animais de acordo com seu convívio com crianças 
total_na_crian <- sum(is.na(descricao$env_children))

total_crian <- sum(!is.na(descricao$env_children))

resumo_crianca <- descricao %>%
  filter(!is.na(descricao$env_children)) %>%
  group_by(env_children) %>%
  summarise(n = n()) %>%
  arrange(desc(n))

Código

# Avaliando a relação de animais de acordo com seu convívio com outros cães e gatos
total_na_outros_caes <- sum(is.na(descricao$env_dogs))

total_outros_caes <- sum(!is.na(descricao$env_dogs))

total_outros_gatos <- sum(!is.na(descricao$env_cats))

resumo_outros_caes <- descricao %>%
  filter(!is.na(descricao$env_dogs)) %>%
  group_by(env_dogs) %>%
  summarise(n = n()) %>%
  arrange(desc(n))

resumo_outros_gatos <- descricao %>%
  filter(!is.na(descricao$env_cats)) %>%
  group_by(env_cats) %>%
  summarise(n = n()) %>%
  arrange(desc(n))

Código

# Criando um resumo de total de cães disponíveis de acordo com a raça
racas <- descricao %>%
  group_by(breed_primary) %>% 
  summarise(Contagem = length(breed_primary)) %>%
  arrange(desc(Contagem))

total_racas <- nrow(racas)

total_mix <- sum(descricao$breed_mixed == "TRUE")

racas_10 <- head(racas, 10)

Código

# Avaliando informações de cores e pelagem
cores <- descricao %>%
  group_by(color_primary) %>%
  summarise(n = n())

pelo <- descricao %>%
  group_by(coat) %>%
  summarise(n = n())

Código

# Analisando os cães com vacinação incompleta 
resumo_vacinacao_idades <- descricao %>%
  filter(shots_current == "FALSE") %>%
  group_by(age) %>%
  summarise(n = n()) %>%
  arrange(desc(n))

Discussão

Com cerca de 85 milhões de cães em 2022, o Estados Unidos é o país com a maior população de cachorros de estimação no mundo, de acordo com o Anuário de 2022 da Comac. Além disso, como mencionado na publicação da Forbes:

66% dos lares dos EUA (86,9 milhões de lares) possuem um animal de estimação; Os cães são os animais mais populares nos EUA (65,1 milhões de famílias nos EUA possuem um cachorro).

A base analisada para este projeto contém uma fração dos cães disponíveis para adoção no Estados Unidos, com um volume de 58131 cães em análise.

Para melhor análise dos cães disponíveis, analisaremos a localização dos mesmos, assim como outros fatores que são cruciais na decisão de adoção:

Localização

Os estados com maior concentração de cachorros para adoção no Estados Unidos são:

Estado	Cães	Representatividade
NY	4002	6.88 %
GA	3479	5.98 %
VA	3058	5.26 %
NJ	3022	5.2 %
PA	2821	4.85 %

Os cinco estados juntos totalizando 32.77 % de toda a base.

Esse resultado complementa os dados de importação de cães nos estados do Estados Unidos. Podemos notar que temos 4 estados relacionados entre os que possuem maior disponibilidade para adoção de cachorros e os que importam mais animais de outros lugares. Estes estados são NY, VA, NJ e PA. O que pode explicar, em parte, o grande volume de cães nestes locais.

De acordo com o estudo feito pela Countryeconomy.com os cinco estados mencionados acima estão entre os 12 estados mais populosos do país, o que pode aumentar as chances de adoção desses cães. Mas não podemos negar que o tamanho da população pode não ser o único fator importante para essa análise, alguns destes estados, como Georgia, Virginia e Ohio, também foram listados como “States with the most devoted dog owners”, ou seja, estados com os donos de cães mais dedicados, artigo publicado pela Forbes, o que pode indicar uma maior compatibilidade com futuras famílias destes cães.

Além disso, o sexo dos cães também pode ser um fator importante na decisão.

Sexo

Mais da metade dos cachorros disponíveis são machos, 52.07 %. Esse resultado pode estar relacionado ao comportamente de cada sexo, as fêmeas possuem alguns comportamentes que tutores de primeira viagem podem preferir. Como mencionado no artigo publicado pelo Pet Doctor, podemos listar alguns comprtamentos que afetem a decisão:

O principal motivo que leva os tutores a escolherem uma fêmea é a questão do xixi. Ao contrário dos machos, elas não marcam território, e por isso, a urina tende a ser em menores quantidades e com o odor menos intenso; As cadelas também costumam se mostrar mais independentes que os machos; Os machos são brincalhões, gostam de correr e geralmente são mais destrutivos que as fêmeas.

Também podemos notar que há 3 cachorros sem indentificalção de sexo, o que nos mostra a possibilidade de refinamento na base, ou seja, atualiza-la para que todos os cachorros disponíveis tenham todas as inforamções necessárias que facilitaram o encontro de novas famílias.

Agora, para melhorar a análise veremos como está a distribuição de machos e fêmeas nos 5 estados com maior concentração:

Estado	Machos	Fêmeas
NY	2059	1943
GA	1752	1727
VA	1608	1450
NJ	1539	1483
PA	1453	1368

Mas não só esses dois fatores, há muitos outros que podem mudar uma decisão.

Castração

Para, adoções muitas vezes, a castração do animal pode ser um fator decisivo, visto que é não é apenas um procedimento para conter a reprodução desses animais, mas também pode ser um preventivo de doenças e comportamentos, e este último além de estar envolvido com a agressividade, também está relacionado a outros comportamentos que pesam na avaliação e decisão dos futuros tutores:

A castração altera alguns comportamentos dos animais quando estes estão relacionados à hormônios sexuais. Uma das principais alterações que podem incentivar o tutor a realizar esse procedimento é o fim do instinto do macho de fazer xixi pela casa para marcar território. (Esp. Kenny Cardoso)

Desta forma, como observamos no gráfico apresentado em Figura 1 a maioria dos cães para adoção estão devidamente castrados.

Código

contagem = table(descricao$fixed)
porcent = round(contagem/sum(contagem)*100,2)
rotulo2=paste(c("Não", "Sim")," (",porcent,"%",")",sep="")
pie(table(descricao$fixed),labels=rotulo2, main="Castração", col=c("#064144","#0ea5af"))

O que deve ajudar os cães machos a encontrarem uma família, pois como mencionado em relação ao sexo, o fator de marcação de território pelos machos, e consequentemente a maior quantidade de urina, pode ser um ponto de recusa de futuros tutores para esses animais.

Tamanho

O tamanho também pode ser um fator importante, tendo em vista a residência dos futuros tutores. Famílias morando em apartamento, por exemplo, normalmente preferem cachorros de porte pequeno.

Como podemos notar no gráfico apresentado na Figura 2 a base tem em sua maioria cães do tamanho Médio com 29885 disponíveis para adoção.

Código

ggplot(data=descricao, aes(x=descricao$size)) +
  geom_bar(stat="count", fill=c("#0ea5af","#0b8b93","#096c72","#064144"))+
  geom_text(stat="count",aes(label=..count..),vjust=-0.5, color="black",size=3.5)+
  ylab("Quantidade") +
  xlab("Tamanho") +
  ggtitle("Cães de acordo com seu tamanho") +
  theme_minimal()

Figura 2: Proporção de cães de acordo com seu tamanho

Idade

Em relação a idade, famílias normalmente procuram por cães filhotes ou jovens, para que possam treinar ou acostumar o cão desde jovem à rotina da casa. Desta forma, cães mais velhos tendem a ficar muito tempo na fila de adoção.

Com isso muitas instituições criam campanhas para adoção de cachorros idosos para que eles encontrem um lar mais rapidamente, como podemos ver na matéria CBS News.

Atualmente cães idosos representam 7.96 % de toda a base.

A liderança está com cães Adulto com 27923, seguido por Jovem com 16185, Filhote com 9395 e por fim, Idoso com 4628.

Necessidade Especiais

Assim como mencionado para cães idosos, cães com necessidade especiais também tendem a ficar mais tempo na fila de espera por uma familía.

Apesar de observarmos no gráfico apresentado em Figura 3 que a maioria dos cães não possuem necessidade especial, precisamos direcionar nossa atenção principalmente para aqueles que possuem necessidades, para que encontrem um lar mais rapidamente.

Código

contagem3 = table(descricao$special_needs)
porcent3 = round(contagem3/sum(contagem3)*100,2)
rotulo3=paste(c("Não", "Sim")," (",porcent3,"%",")",sep="")
pie(table(descricao$special_needs),labels=rotulo3, main="Cães Necessidades Especiais", col=c("#064144","#0ea5af"))

Figura 3: Proporção de cães com necessidade espeicias

Além disso temos 494 cães idosos com necessidade especial, o que, provavelmente, deixará esse grupo com a maior dificuldade de encontrar um lar.

Treinamentos

Como as instituições normalmente resgatam cachorros de rua dificilmente teremos cães treinados nos abrigos.

Porém, devido ao tempo de espera por um adoção, a própria instituição pode treinar o cão, assim como ocorrer um abandono de um cão já treinado. Desta forma, podemos notar pelo gráfico apresentado em Figura 4 que a premissa é verdadeira, a maior parte dos cães disponíveis não possuem treinamento.

Código

contagem2 = table(descricao$house_trained)
porcent2 = round(contagem2/sum(contagem2)*100,2)
rotulo2=paste(c("Não", "Sim")," (",porcent2,"%",")",sep="")
pie(table(descricao$house_trained),labels=rotulo2, main="Cães já Treinados", col=c("#064144","#0ea5af"))

Convívio com Crianças

Um outro fator importante, é o convívio e bom comportamento dos cães com crianças, visto que muitas famílias procuram cães para atender as vontades de filhos, por exemplo.

Mas para esta análise temos um problema de informações, visto que nem todos os cães disponíveis possuem informação se eles se comportam bem ou não com crianças, total de 30130 estão sem informações disponíveis. Apesar de que muitos cães podem nunca ter tido contato com crianças, por estarem no abrigo desde filhote, esse pode ser um impeditivo de escolha por famílias com crianças.

Uma possível melhora nos dados, que pode ser determinante para o futuro desses cães, é realizar testes de convívio com crianças no próprio abrigo para termos essa informação disponível para as futuras famílias.

Para os demais cães com a classificação, total de 28001 animais, temos 23571 cães que podem ser alocados para famílias com crianças e 4430 que devem ser destinados para famílias sem crianças.

Convívio com outros animais

Como nem todos os futuros tutores estão a procura do primeiro pet, e muitos estão a procura de companhia para o cachorro, ou até mesmo para um gato, que já possuem ou estão simplesmente buscando aumentar sua família, o bom convívio com outros animais, seja cachorro ou gato, é um fator fundamental na análise de adoção.

Mas assim como mencionado no tópico de convívio com crianças, neste dado também não temos 100% das informações completas, temos um total de 23494 casos sem informação sobre convívio com outros cães e 19328 casos sem informação sobre convívio com outros gatos, o que nos mostra outra grande oportunidade de refinamento dos dados.

No total de cães com informações sobre convívio com outros cães, total de 34637, temos que 89.77 %, ou seja 31095 são sociaveis com outros cachorros.

E em relação aos felinos, temos que 64.85 %, são sociaveis com gatos, totalizando 12534 cães.

Raças

Apesar de se tratar de cães resgatados das ruas, muitas famílias procuram uma raça ou a aparência de determinada raça nos cães de abrigos.

Na base utilizada temos um total de 216 raças predominantes, sendo 41557 de cães com raças misturadas do total de 58131 cães.

As 10 raças com maior frêquencia entre todos os cães são Pit Bull Terrier, Labrador Retriever, Chihuahua, Mixed Breed, Terrier, Hound, German Shepherd Dog, Boxer, Shepherd e American Staffordshire Terrier. Juntas elas totalizaram 60.21 % do total.

Resultado que podemos observar de forma mais acertiva no gráfico apresentado em Figura 5.

Código

racas_10 %>% 
  slice_max(order_by = racas_10$Contagem, n = 10) %>% 
  ggplot() +
  geom_col(aes(x = reorder(racas_10$breed_primary,racas_10$Contagem), y = racas_10$Contagem), fill=c("#7FEDF5","#2AE0EE","#11C3D1","#0EA5AF","#0E939A","#0b8b93","#096c72","#085458","#064144","#043032"), show.legend = FALSE) +
  geom_label(aes(x = racas_10$breed_primary, y = racas_10$Contagem, label = racas_10$Contagem)) +
  ylab("Raças") +
  xlab("Quantidade") +
  ggtitle("Top 10 Raças Disponíveis") +
  coord_flip()

Vacinação

O cumprimento do calendário vacinal é fundamental para a saúde dos animais, por isso futuros tutores podem avaliar se a vacinação dos cães que pretendem adotar estão em dia.

Na Figura 6 podemos notar que a maioria dos cães possuem a vacinação completa, gerando maior conforto para as famílias no momento da adoção.

Código

contagem5 = table(descricao$shots_current)
porcent5 = round(contagem5/sum(contagem5)*100,2)
rotulo5=paste(c("Sim", "Não")," (",porcent5,"%",")",sep="")
pie(table(descricao$special_needs),labels=rotulo5, main="Vacinação em dia", col=c("#064144","#0ea5af"))

Figura 6: total de cães com todas as vacinas em dia

Sabemos que para cães filhotes, o calendário vacinal pode não estar completo devido a sua idade, visto que há uma quantidade maior de vacinas a serem tomadas e que intervalos precisam ser respeitadas entre elas. Porém apenas 12.48 % correspondem a cães filhotes. Ou seja, há um total de 14098 cães na fase jovem até fase idosa que deveriam possuir todas as vacinações em dia, porém não possuem.

Esse pode ser resultado das condições de cada abrigo, visto que muitos dependem de doações para garantir a alimentação e saúde desses animais.

Apesar que as vacinas podem ser atualizadas já com os tutores, esse fator pode ser um impeditivo na escolha de cada cão. Um plano de ação e campanhas de arrecadação para esses abrigos, podem ajudar neste tema.

Outras Características

Há outros fatores importante de análise, como coloração e pelagem, mas essas duas informações também estão com dados faltantes.

Assim como já mencionado para sexo, convívio com crianças e convívio com outros animais, as quais com refinamento e cadastro das informações faltantes podem trazer melhores resultados para o processo de adoção. Para dados de coloração, considerando apenas a informação de cor predominiante, temos 32025 dados faltantes, assim como para a pelagem temos 30980.

Conclusões e Persperctivas Futuras

O Estados Unidos possui a maior população de cães de estimação do mundo, mas com isso sua população de animais em abrigos aguardando uma adoção também não deixa de ser relevante.

A concentração de cães disponíveis para novos tutores se dá principalmente nos Estados de New York, Georgia, Virginia, New Jersey, Pennsylvania e Ohio, estados estes que também recebem um grande volume de importação de animais de outros locais, tornando mais fácil para morados dessas regiões encontrar um cachorro que se adeque as suas expectativas e desejos.

Apesar da base de dados analisada conter as principais informações para que seja possível mapear e destinar os cães para as famílias que melhor se adequem, a base possui opotunidades de melhorias que facilitariam o match entre os animais e famílias, visto que algumas informações não estão completas. O que pode resultar na exclusão de alguns cães no momento de escolha dos tutores, dependendo dos fatores de decisão que eles possuam, deixando esses animais com menor probabilidade de escolha, e consequentemente, um maior tempo na fila de espera por uma adoção.

Referências

Base de Dados: Dog Adoption https://www.kaggle.com/datasets/whenamancodes/dog-adoption/
Artgio: Castração: quais doenças previne e como afeta o comportamento? https://minutosaudavel.com.br/castracao/](https://minutosaudavel.com.br/castracao/)
Reportagem: Petaluma animal shelter leads nationwide campaign for senior dogs https://www.cbsnews.com/sanfrancisco/news/petaluma-animal-shelter-leads-nationwide-campaign-for-senior-dogs/
Relatório: Anuário Comac 2022 https://sindan.org.br/wp-content/uploads/2023/05/Comac-Anuario-2022-vf.pdf
Estudo:População dos Estados dos EUA https://pt.countryeconomy.com/demografia/populacao/estados-unidos-estados
Artigo: Pet Ownership Statistics 2023 https://www.forbes.com/advisor/pet-insurance/pet-ownership-statistics/
Artigo: Macho ou Fêmea: o que levar em consideração na hora de adotar https://petdoctor.com.br/macho-ou-femea-o-que-levar-em-consideracao-na-hora-de-adotar/

Outros formatos

Introdução

Materiais e Métodos

Manipulação dos dados

Base Movimentação

Base Descrição

Análise dos dados

Discussão

Localização

Sexo

Castração

Tamanho

Idade

Necessidade Especiais

Treinamentos

Convívio com Crianças

Convívio com outros animais

Raças

Vacinação

Outras Características

Conclusões e Persperctivas Futuras

Referências