Dados Yanomami

Bibliotecas

library(tidyverse)
library(tidytext)
library(gt)

Pedido 25072038745202323

ped25072038745202323 <- read_csv2(
  file = "dados/25072038745202323.csv", 
  col_types = cols(
    ano = col_character(),
    pneumonia = col_double(),
    desnutricao = col_double(),
    malaria = col_double(),
    tuberculose = col_double(),
    obito_1ano = col_double(),
    obito_total = col_double())
  ) |>
  mutate(across(2:6, ~.x/obito_total*100))

ℹ Using "','" as decimal and "'.'" as grouping mark. Use `read_delim()` for more control.

Mortalidade percentual, em relação ao total de óbitos

ped25072038745202323 |> gt()

ano	pneumonia	desnutricao	malaria	tuberculose	obito_1ano	obito_total
2010	8.641975	1.6460905	0.4115226	0.000000	44.85597	243
2011	8.646617	4.5112782	0.0000000	0.000000	50.00000	266
2012	13.602941	3.6764706	0.0000000	0.000000	50.73529	272
2013	8.614232	2.9962547	0.0000000	0.000000	49.43820	267
2014	5.660377	2.8301887	0.0000000	0.000000	49.52830	212
2015	8.743169	2.7322404	0.0000000	0.000000	42.62295	183
2016	8.181818	5.0000000	0.9090909	0.000000	36.36364	220
2017	7.522124	8.4070796	0.4424779	0.000000	37.16814	226
2018	16.250000	2.9166667	0.4166667	0.000000	49.58333	240
2019	19.771863	13.6882129	1.1406844	0.000000	48.28897	263
2020	12.275449	11.9760479	0.2994012	0.000000	38.02395	334
2021	19.774011	17.2316384	0.0000000	0.000000	29.37853	354
2022	23.174603	14.6031746	1.2698413	0.000000	29.84127	315
2023	19.879518	0.6024096	7.2289157	2.409639	28.91566	166

ped25072038745202323 |>
  select(1:6) |>
  pivot_longer(cols = 2:6) |>
  mutate(name = case_match(
    name,
    "desnutricao" ~ "Desnutrição",
    "malaria" ~ "Malária",
    "obito_1ano" ~ "Menores de 1 ano",
    "pneumonia" ~ "Pneumonia",
    "tuberculose" ~ "Tuberculose"
  )) |>
  ggplot(aes(x = ano, y = value, color = name, group = name)) +
  geom_line(alpha = .7, lwd = 1) +
  theme_bw() +
  theme(legend.position = "bottom", legend.direction = "horizontal") +
  labs(title = "Mortalidade proporcional", 
       subtitle = "DSEI Yanomami", 
       color = NULL, x = "Ano", y = "Percentual")

Pedido 25072016474202355

ped25072016474202355 <- read_csv2(
  file = "dados/25072016474202355.csv", 
  col_types = cols(
    ano = col_double(),
    ocupacao = col_character(),
    `De 0 a 4` = col_double(),
    `De 5 a 9` = col_double(),
    `De 10 a 19` = col_double(),
    `De 20 a 29` = col_double(),
    `De 30 a 59` = col_double(),
    `Maior ou Igual a 60` = col_double(),
    `Idade Não Informada` = col_double())
)

ℹ Using "','" as decimal and "'.'" as grouping mark. Use `read_delim()` for more control.

ped25072016474202355 |>
  mutate(total = `De 0 a 4` + `De 5 a 9` +
           `De 10 a 19` + `De 20 a 29` +
           `De 30 a 59` + `Maior ou Igual a 60` +
           `Idade Não Informada`) |>
  select(ano, ocupacao, total) |>
  filter(ocupacao %in% c(
    "Agente de combate a endemias",
    "Agente indígena de saneamento",
    "Agente indígena de saúde",
    "Auxiliar em saúde bucal",
    "Cirurgião dentista - clínico geral",
    "Enfermeiro",
    "Enfermeiro sanitarista",
    "Nutricionista",
    "Técnico de enfermagem"
  )) |>
  ggplot(aes(x = ano, y = total, color = ocupacao)) +
  geom_line() +
  facet_wrap(~ ocupacao, 
             scales = "free_y", 
             labeller = label_wrap_gen(multi_line = TRUE)) +
  theme_bw() +
  theme(legend.position = "none") +
  labs(
    title = "Atendimentos por profissionais de saúde",
    subtitle = "DSEI Yanomami", 
    x = "Ano", y = "Atendimentos (n)"
  )

morbidade <- read_csv2(
  file = "dados/morbidade.csv", 
    col_types = cols(
    ano = col_double(),
    causa = col_character(),
    freq = col_double()
  )
)

ℹ Using "','" as decimal and "'.'" as grouping mark. Use `read_delim()` for more control.

morbidade |>
  group_by(ano) |>
  arrange(-freq) |>
  slice_head(n = 10) |>
  ungroup() |>
  mutate(causa = as.factor(causa),
         causa = reorder_within(causa, freq, ano)) |>
  filter(ano >= 2013) |>
  ggplot(aes(x = freq, y = causa)) +
  geom_bar(stat = "identity") +
  scale_y_reordered() +
  facet_wrap(facets = ~ano, scales = "free_y", ncol = 1) +
  theme_bw() +
  labs(
    title = "Morbidade por grupos ",
    subtitle = "DSEI Yanomami",
    x = "Notificações no SIASI", y = NULL
  )