Medicamentos da Prefeitura do Recife

# importando os dados
distritos <- read_csv(file="distritos_sanitarios.csv", col_types= cols(), locale = locale(encoding = "UTF-8"))
#distritos[] <- lapply(distritos, function(x) iconv(x, from = "UTF-8", to = "UTF-8"))
medicamentos1 <- read_csv(file = "dia1/medicamentos_distrito01.csv")
medicamentos1 <- medicamentos1 %>%
  mutate(produto = str_replace_all(produto, "[*'\"]", "")) # tirando simbolos especiais
unidades_bairros <- read_csv(file = "unidades_bairros.csv")
lat_lon <- read_csv(file = "bairro_lat_lon.csv")

kable(head(medicamentos1, 6), caption = "Medicamentos Distrito 1 Dia 1 (6 Primeiras Linhas)", align = 'c', format = 'html') %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"), 
                full_width = TRUE, 
                position = "center", 
                font_size = 12)

kable(head(distritos, 6), caption = "Distritos Sanitários (6 Primeiras Linhas)", align = 'c', format = 'html') %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"), 
                full_width = TRUE, 
                position = "center", 
                font_size = 12)

kable(head(unidades_bairros, 6), caption = "Tabela criada auxiliar: unidades_bairros (6 Primeiras Linhas)", align = 'c', format = 'html') %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"), 
                full_width = TRUE, 
                position = "center", 
                font_size = 12)

kable(head(lat_lon, 6), caption = "Tabela criada auxiliar: lat_lon (6 Primeiras Linhas)", align = 'c', format = 'html') %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"), 
                full_width = TRUE, 
                position = "center", 
                font_size = 12)

medicamentos_corrigidos <- medicamentos_com_bairro %>%
  mutate(across(starts_with("dia"), ~ ifelse(. < 0, 0, .)))

media_medicamentos <- medicamentos_corrigidos %>%
  group_by(produto, classe) %>%
  summarise(media_quantidade = mean(c(dia1, dia2, dia3, dia4, dia5, dia6,dia7,dia8,dia9), na.rm = TRUE), .groups = 'drop') %>%
  arrange(desc(media_quantidade))%>%
  slice_head(n = 200) %>%  # Seleciona as primeiras 200 linhas
  mutate(media_quantidade = as.integer(media_quantidade))


media_medicamentos <- media_medicamentos %>%
  mutate(media_quantidade = as.integer(media_quantidade))

datatable(media_medicamentos,
          options = list(
            pageLength = 10,               # Número de linhas por página
            autoWidth = TRUE,              # Ajustar a largura das colunas
            order = list(list(3, 'desc')), # Ordenar por média da quantidade, decrescente
            dom = 'Bfrtip',                # Exibir botões e filtros
            buttons = c('copy', 'csv', 'excel', 'pdf', 'print'), # Botões de exportação
            columnDefs = list(
              list(targets = "_all", 
                   className = 'dt-center') # Centralizar texto em todas as colunas
            )
          ),
          colnames = c('Produto', 'Classe', 'Media da Quantidade')) %>%
  formatStyle(columns = 'media_quantidade', 
              background = styleInterval(c(0), c('white', 'lightgray')),
              color = styleInterval(c(0), c('black', 'red')),
              fontWeight = 'bold')

# Limitar os valores negativos a zero
medicamentos_com_bairro <- medicamentos_com_bairro %>%
  mutate(across(starts_with("dia"), ~ replace(., . < 0, 0)))

# Filtrar os produtos com todos os dias zerados e garantir no maximo 200 linhas
medicamentos_zerados <- medicamentos_com_bairro %>%
  filter(if_all(starts_with("dia"), ~ . == 0)) %>%
  select(produto, classe) %>%
  distinct() %>%
  slice_head(n = 200)  # Limita a 200 linhas

# Exibir a tabela interativa
datatable(medicamentos_zerados, 
          options = list(pageLength = 10, 
                         autoWidth = TRUE, 
                         dom = 'Bfrtip', 
                         buttons = c('copy', 'csv', 'excel', 'pdf', 'print')))

desvio_medicamentos <- dados_completos %>%
  group_by(classe, produto) %>%
  summarise(desvio_padrao = sd(quantidade, na.rm = TRUE), .groups = 'drop') %>%
  group_by(classe) %>%
  summarise(desvio_padrao_classe = sum(desvio_padrao, na.rm = TRUE), .groups = 'drop') %>%
  arrange(desc(desvio_padrao_classe))

top_classes_desvio <- desvio_medicamentos %>%
  top_n(20, desvio_padrao_classe)

ggplot(top_classes_desvio, aes(x = reorder(classe, desvio_padrao_classe), y = desvio_padrao_classe)) +
  geom_bar(stat = "identity", fill = "skyblue") +
  coord_flip() +
  labs(title = "Variacao por dia filtrado por classes (desvio padrao)",
       x = "Classe",
       y = "Desvio Padrao") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Calcular o desvio padrão para cada produto
desvio_padrao_produtos <- dados_completos %>%
  group_by(produto) %>%
  summarise(desvio_padrao = sd(quantidade, na.rm = TRUE), .groups = 'drop') %>%
  arrange(desc(desvio_padrao))

# Obter os 10 produtos com maior desvio padrão
top_produtos_desvio <- desvio_padrao_produtos %>%
  top_n(20, desvio_padrao)  # Ajuste o número de produtos conforme necessário

ggplot(top_produtos_desvio, aes(x = reorder(produto, desvio_padrao), y = desvio_padrao, fill = produto)) +
  geom_bar(stat = "identity", fill = "skyblue") +
  coord_flip() +
  labs(title = "Produtos com Maior Desvio Padrão",
       x = "Produto",
       y = "Desvio Padrão",
              fill = "Produto") +  # Adiciona o título da legenda
  theme_minimal() +
  theme(
        axis.text.x = element_text(angle = 45, hjust = 1),
    plot.title = element_text(face = "bold"))

medicamentos_corrigidos <- medicamentos_com_bairro %>%
  mutate(across(starts_with("dia"), ~ ifelse(. < 0, 0, .)))

media_medicamentos <- medicamentos_corrigidos %>%
  group_by(produto, classe) %>%
  summarise(media_quantidade = mean(c(dia1, dia2, dia3, dia4, dia5, dia6,dia7,dia8,dia9), na.rm = TRUE), .groups = 'drop') %>%
  arrange(desc(media_quantidade))

# Selecionar os top 10 medicamentos com maior média de quantidade
top_medicamentos <- media_medicamentos %>%
  top_n(10, media_quantidade)

ggplot(top_medicamentos, aes(x = "", y = media_quantidade, fill = produto)) +
  geom_bar(stat="identity", width=1, color="white") +
  coord_polar("y", start = 0) +
  labs(title = "Proporção por produto (medicamentos)",
       fill = "Produto",
       y = "Quantidade média por dia",
       x = NULL) +
  theme_minimal() +
  theme(
    axis.text.x = element_blank(),  # Remove os rótulos do eixo x
    plot.title = element_text(size = 120, face = "bold"),  # Tamanho do título
    legend.text = element_text(size = 100),  # Tamanho da legenda
    legend.title = element_text(size = 100),  # Tamanho do título da legenda
    legend.position = "right",  # Coloca a legenda à direita
    legend.key.size = unit(8, "cm")  # Aumenta o tamanho das chaves da legenda
  ) +
  guides(fill = guide_legend(ncol = 1))  # Faz a legenda ter uma coluna

# Calcular a média de medicamentos por distrito e produto
media_medicamentos_distrito <- medicamentos_com_bairro %>%
  group_by(distrito, produto) %>%
  summarise(media_quantidade = mean(c(dia1, dia2, dia3, dia4, dia5, dia6,dia7,dia8,dia9), na.rm = TRUE), .groups = 'drop')

# Resumir as maiores e menores médias por produto e calcular a disparidade
medicamentos_distrito_summary <- media_medicamentos_distrito %>%
  group_by(produto) %>%
  summarise(distrito_maior = distrito[which.max(media_quantidade)],
            maior_media = max(media_quantidade),
            distrito_menor = distrito[which.min(media_quantidade)],
            menor_media = min(media_quantidade)) %>%
  filter(maior_media != menor_media) %>%  # Remover onde as médias são iguais
  mutate(diferenca = maior_media - menor_media) %>%  # Calcular a disparidade entre as médias
  arrange(desc(diferenca)) %>%  # Ordenar pela maior diferença
  slice_head(n = 200)  # Selecionar os top 200 produtos

# Exibir a tabela interativa
datatable(medicamentos_distrito_summary,
          options = list(
            pageLength = 10,              # Número de linhas por página
            autoWidth = TRUE,             # Ajustar a largura das colunas
            dom = 'Bfrtip',               # Exibir botões e filtros
            buttons = c('copy', 'csv', 'excel', 'pdf', 'print') # Botões de exportação
          ),
          colnames = c('Produto', 'Distrito com Maior Quantidade', 'Maior Media', 'Distrito com Menor Quantidade', 'Menor Media', 'Diferenca')) %>%
  formatStyle(columns = 'maior_media', fontWeight = 'bold') %>%
  formatStyle(columns = 'menor_media', fontWeight = 'bold', color = 'red') %>%
  formatStyle(columns = 'diferenca', fontWeight = 'bold', backgroundColor = styleInterval(0, c('white', 'lightblue')))

# Calculando a média de medicamentos por bairro e produto
media_medicamentos_bairro <- medicamentos_com_bairro %>%
  group_by(bairro, produto) %>%
  summarise(media_quantidade = mean(c(dia1, dia2, dia3, dia4, dia5, dia6,dia7,dia8,dia9), na.rm = TRUE), .groups = 'drop')

# Identificando o bairro com maior e menor média de cada medicamento e calculando a disparidade
medicamentos_bairro_summary <- media_medicamentos_bairro %>%
  group_by(produto) %>%
  summarise(bairro_maior = bairro[which.max(media_quantidade)],
            maior_media = max(media_quantidade),
            bairro_menor = bairro[which.min(media_quantidade)],
            menor_media = min(media_quantidade)) %>%
  filter(maior_media != menor_media) %>%  # Remover linhas onde as médias são iguais
  mutate(diferenca = maior_media - menor_media) %>%  # Calcular a disparidade entre as médias
  arrange(desc(diferenca)) %>%  # Ordenar pela maior diferença
  slice_head(n = 200)  # Selecionar os top 200 produtos

# Exibindo a tabela com as médias e diferença
datatable(medicamentos_bairro_summary,
          options = list(
            pageLength = 10,              # Número de linhas por página
            autoWidth = TRUE,             # Ajustar a largura das colunas
            dom = 'Bfrtip',               # Exibir botões e filtros
            buttons = c('copy', 'csv', 'excel', 'pdf', 'print') # Botões de exportação
          ),
          colnames = c('Produto', 'Bairro com Maior Quantidade', 'Maior Média', 'Bairro com Menor Quantidade', 'Menor Média', 'Diferença')) %>%
  formatStyle(columns = 'maior_media', fontWeight = 'bold') %>%
  formatStyle(columns = 'menor_media', fontWeight = 'bold', color = 'red') %>%
  formatStyle(columns = 'diferenca', fontWeight = 'bold', backgroundColor = styleInterval(0, c('white', 'lightblue')))

# Calculando a média de medicamentos por unidade de saúde e produto
media_medicamentos_unidade <- medicamentos_com_bairro %>%
  group_by(unidade, produto) %>%
  summarise(media_quantidade = mean(c(dia1, dia2, dia3, dia4, dia5, dia6,dia7,dia8,dia9), na.rm = TRUE), .groups = 'drop')

# Identificando a unidade com maior e menor média de cada medicamento e calculando a disparidade
medicamentos_unidade_summary <- media_medicamentos_unidade %>%
  group_by(produto) %>%
  summarise(unidade_maior = unidade[which.max(media_quantidade)],
            maior_media = max(media_quantidade),
            unidade_menor = unidade[which.min(media_quantidade)],
            menor_media = min(media_quantidade)) %>%
  filter(maior_media != menor_media) %>%  # Remover onde as médias são iguais
  mutate(diferenca = maior_media - menor_media) %>%  # Calcular a disparidade entre as médias
  arrange(desc(diferenca)) %>%  # Ordenar pela maior diferença
  slice_head(n = 200)  # Selecionar os top 200 produtos

# Exibindo a tabela com as médias e diferença
datatable(medicamentos_unidade_summary,
          options = list(
            pageLength = 10,              # Número de linhas por página
            autoWidth = TRUE,             # Ajustar a largura das colunas
            dom = 'Bfrtip',               # Exibir botões e filtros
            buttons = c('copy', 'csv', 'excel', 'pdf', 'print') # Botões de exportação
          ),
          colnames = c('Produto', 'Unidade com Maior Quantidade', 'Maior Média', 'Unidade com Menor Quantidade', 'Menor Média', 'Diferença')) %>%
  formatStyle(columns = 'maior_media', fontWeight = 'bold') %>%
  formatStyle(columns = 'menor_media', fontWeight = 'bold', color = 'red') %>%
  formatStyle(columns = 'diferenca', fontWeight = 'bold', backgroundColor = styleInterval(0, c('white', 'lightblue')))