SRAG 2023 - OpenDataSUS

INTRODUÇÃO

1.1 Tema

A síndrome respiratória aguda grave, conhecida pela sigla SRAG, é uma condição em que uma infecção respiratória gera grande dificuldade de respirar e lesões nos alvéolos (onde ocorrem as trocas gasosas). Geralmente é acompanhada de pneumonia.

A SRAG é marcada por dificuldade para respirar, sensação de peso no peito e lábios arroxeados, podendo trazer febre e perda de apetite. Ela não é uma doença, mas, sim, a complicação de diferentes infecções, podendo ser resultado de uma infecção viral, como gripe ou covid-19. O problema também pode ser consequência de doenças bacterianas ou fúngicas que afetam a respiração. (Martins Neto et al. 2024)

Distribuição etária no Brasil

1.2 Delimitação do Problema

Síndrome Respiratória Aguda Grave (SRAG) em Pernambuco antes e durante período pandêmico da COVID-19. Na pré-pandemia ocorreram 5.617 casos de SRAG, 187 casos/mês e 23,8 casos/100 mil hab. e, na pandemia, 15.100 casos, 2.516 casos/ mês e 320,3 casos/100 mil hab., um aumento da detecção mensal em 13 vezes. Foi ampliada (p < 0,001) a ocorrência em idosos (de 7,7% para 48,3%), a coleta de amostras (de 60,9% para 96,5%) e a identificação do agente etiológico causador da SRAG, com predomínio da SRAG por COVID-19 (66,0%). Regiões do interior do estado tiveram razão de detecção de SRAG 20 vezes superior à esperada. (Silva, Maia, and Souza 2020)

1.3 Justificativa

O estudo em questão se justifica devido a importância epidemiológica da SRAG frente a saúde humana, visto todas as hospitalizações, mortes e dor produzida pela ocorrência dessa síndrome nos últimos anos.

1.4 Objetivos

Realizar um corte dos dados do OpenSUS referente a SRAG em Pernambuco no ano de 2023 Levantar o número de SRAG (COVID) e óbitos em Pernambuco segundo o Sexo, Faixa etária: “menor que 60 anos” e “Maior/igual a 60 anos”

1.5 Metodologia

1.5.1 Origem dos dados

Foi utilizado o RStudio para tratar os dados de SRAG 2023 - 17/02. O dataset possui 65.535 linhas e 190 colunas.

1.5.2 Pacotes utilizados:

    library(DT)
    library(tidyr)
    library(stringr)
    library(dplyr)
    library(knitr)
    library(ggplot2)
    library(plotly)

1.5.3 Tratamento dos dados

Os dados se encontravam bem estruturados, mas com várias linhas contendo “NA” (not applicable ou not available). Das 190 colunas, foram selecinadas 13 para análise neste trabalho. Ainda, algumas colunas os dados estavam codificados segundo o “Dicionário de Dados” da “FICHA DE REGISTRO INDIVIDUAL – CASOS DE SÍNDROME RESPIRATÓRIA AGUDA GRAVE HOSPITALIZADOS” para registro na base de dados.

Carregamento dos dados e seleção das colunas

    srag <-read_xlsx(path = "C:\\Contagem_Cells\\INFLUD23-20-01-2025.xlsx")

srag_temp<-srag[,c(3,5,8,10,12,14,18:20,27,107,108,110)]
str(srag_temp)

## tibble [65,535 × 13] (S3: tbl_df/tbl/data.frame)
##  $ DT_SIN_PRI: POSIXct[1:65535], format: "2023-01-20" "2023-01-23" ...
##  $ SG_UF_NOT : chr [1:65535] "MG" "RS" "SC" "SP" ...
##  $ ID_MUNICIP: chr [1:65535] "ARACUAI" "CAMPINA DAS MISSOES" "FLORIANOPOLIS" "CAJURU" ...
##  $ ID_UNIDADE: chr [1:65535] "HOSPITAL SAO VICENTE DE PAULO ARACUAI" "POSTO DE SAUDE SEDE E PACS CAMPINA DAS MISSOES" "INSTITUTO DE ENSINO E PESQUISA DR IRINEU MAY BRODBECK" "CASA DE CARIDADE SAO VICENTE DE PAULO CAJURU" ...
##  $ CS_SEXO   : chr [1:65535] "F" "M" "M" "F" ...
##  $ NU_IDADE_N: num [1:65535] 82 81 76 18 1 2 20 8 8 5 ...
##  $ CS_RACA   : num [1:65535] 1 1 1 1 4 4 4 4 1 4 ...
##  $ CS_ESCOL_N: num [1:65535] 1 1 NA NA 5 5 9 0 NA NA ...
##  $ ID_PAIS   : chr [1:65535] "BRASIL" "BRASIL" "BRASIL" "BRASIL" ...
##  $ CS_ZONA   : num [1:65535] 1 2 1 2 1 1 1 1 1 1 ...
##  $ CLASSI_FIN: num [1:65535] 5 5 4 5 4 2 5 2 2 4 ...
##  $ CLASSI_OUT: chr [1:65535] NA NA NA NA ...
##  $ EVOLUCAO  : num [1:65535] 1 3 1 1 1 1 1 1 1 1 ...

  srag_temp$CS_RACA<-as.factor(srag_temp$CS_RACA)

  srag_temp$CS_ESCOL_N<-as.factor(srag$CS_ESCOL_N)
  
  srag_temp$CS_ZONA<-as.factor(srag_temp$CS_ZONA)
  
  srag_temp$CLASSI_FIN<-as.factor(srag$CLASSI_FIN)
  
  srag_temp$EVOLUCAO<-as.factor(srag$EVOLUCAO)

 srag_temp2<-srag_temp
srag_temp<-srag_temp2%>% mutate(Raca=ifelse(CS_RACA==1,"Branca",
                                      ifelse(CS_RACA==2,"Preta",
                                             ifelse(CS_RACA==3,"Amarela",
                                                    ifelse(CS_RACA==4,"Parda",
                                                           ifelse(CS_RACA==5,"Indigena",
                                                                  ifelse(CS_RACA==9,"Ignorado",CS_RACA
                                                                  )))))))

srag_temp2<-srag_temp%>% mutate(
  Escolaridade=ifelse(CS_ESCOL_N==0,"Sem escolaridade/Analfabeto",
  ifelse(CS_ESCOL_N==1,"Fundamental 1 ciclo (1a a 5a serie)",
  ifelse(CS_ESCOL_N==2,"Fundamental 2 ciclo (6a a 9a série)",
  ifelse(CS_ESCOL_N==3,"Medio (1 ao 3 ano)",
  ifelse(CS_ESCOL_N==4,"Superior",
  ifelse(CS_ESCOL_N==5,"Nao se aplica",
  ifelse(CS_ESCOL_N==9,"Ignorado",CS_ESCOL_N
  ))))))))

 srag_temp<-srag_temp2%>% mutate(Zona=ifelse(CS_ZONA==1,"Urbana",
                                ifelse(CS_ZONA==2,"Rural",
                                ifelse(CS_ZONA==3,"Periurbana",
                               ifelse(CS_ZONA==9,"Ignorado",CS_ZONA
                               )))))

   srag_temp2<-srag_temp%>% mutate(ClassSRAG=ifelse(CLASSI_FIN==1,"SRAG por influenza",
                                ifelse(CLASSI_FIN==2,"SRAG por outro virus respiratorio",
                                ifelse(CLASSI_FIN==3,"SRAG por outro agente etiologico",
                                ifelse(CLASSI_FIN==4,"SRAG nao especificado",
                                ifelse(CLASSI_FIN==5,"SRAG por covid-19",
                                CLASSI_FIN
                                ))))))

  srag_temp<-srag_temp2%>% mutate(AltaPct=ifelse(EVOLUCAO==1,"Cura",
                                               ifelse(EVOLUCAO==2,"Obito",
                                               ifelse(EVOLUCAO==3,"Obito por outras causas",
                                               ifelse(EVOLUCAO==9,"Ignorado",EVOLUCAO
                                               )))))

    srag_temp2<-srag_temp[,c(1:6,9,12,14:18)]
    srag2023<-rename(srag_temp2,c("AgentEtiolog"="CLASSI_OUT"))
    rm(srag_temp2)
    rm(srag_temp)
    rm(srag)

DESENVOLVIMENTO

SRAG

SRAG no BRASIL por Estado

zona_countsBRASIL <- table(srag2023$SG_UF_NOT)

fig <- plot_ly(
  x = names(zona_countsBRASIL),
  y = as.numeric(zona_countsBRASIL), 
  type = 'bar', 
  marker = list(color = 'blue') 
  )

fig <- fig %>%
  layout(
    title = "Numero de Casos de SRAG por Estado - 2023",
    xaxis = list(title = "Estados (UF)", tickangle = -45), 
    yaxis = list(title = "Numero de Casos"),
    bargap = 0.2 
  )

fig

SRAG no BRASIL por sexo

  zona_countsBRASILSexo <- table(srag2023$CS_SEXO)

fig <- plot_ly(
  labels = names(zona_countsBRASILSexo),
  values = as.numeric(zona_countsBRASILSexo),
  type = "pie",
  textinfo = "label+percent",
  hoverinfo = "label+value"
)

fig <- fig %>% layout(title = "SRAG por Sexo Brasil")

fig

Morte por SRAG no BRASIL por Estado

sragFilterObitosBrasil<-srag2023 %>% filter(AltaPct=="Obito"|AltaPct=="Obito por outras causas")

Obitoszona_countsBRASIL <- table(sragFilterObitosBrasil$SG_UF_NOT)

figObitos <- plot_ly(
  x = names(Obitoszona_countsBRASIL),
  y = as.numeric(Obitoszona_countsBRASIL), 
  type = 'bar', 
  marker = list(color = 'blue') 
)

figObitos <- figObitos %>%
  layout(
    title = "Numero de Obitos por Casos de SRAG por Estado - 2023",
    xaxis = list(title = "Estados (UF)", tickangle = -45), 
    yaxis = list(title = "Numero de Casos"),
    bargap = 0.2 
  )

figObitos

SRAG em Pernambuco por Zona

sragFilterPE<-srag2023 %>% filter(SG_UF_NOT=="PE")

zona_counts <- table(sragFilterPE$Zona)

fig <- plot_ly(
  labels = names(zona_counts),
  values = as.numeric(zona_counts),
  type = "pie",
  textinfo = "label+percent",
  hoverinfo = "label+value"
)

fig <- fig %>% layout(title = "SRAG por Zona de PE")

fig

Óbitos por SRAG por Zona em PE

sragFilterObitosPE<-sragFilterPE %>% filter(AltaPct=="Obito"|AltaPct=="Obito por outras causas")

zona_countsObitosPE <- table(sragFilterObitosPE$Zona)

fig <- plot_ly(
  labels = names(zona_countsObitosPE),
  values = as.numeric(zona_countsObitosPE),
  type = "pie",
  textinfo = "label+percent",
  hoverinfo = "label+value"
)

fig <- fig %>% layout(title = "Obitos por SRAG por Zona em PE")

fig

SRAG por faixa etária em Pernambuco

 faixa_etaria <- ifelse(sragFilterPE$NU_IDADE_N >= 60, "60+", "Menor que 60")

idade_counts <- table(faixa_etaria)

fig <- plot_ly(
  labels = names(idade_counts),
  values = as.numeric(idade_counts),
  type = "pie",
  textinfo = "label+percent",
  hoverinfo = "label+value"
)

fig <- fig %>% layout(title = "SRAG por faixa etari em PE")

fig

Óbitos por SRAG em Pernambuco segundo faixa etária

 faixa_etariaObitos <- ifelse(sragFilterObitosPE$NU_IDADE_N >= 60, "60+", "Menor que 60")

idade_countsObitos <- table(faixa_etariaObitos)

fig <- plot_ly(
  labels = names(idade_countsObitos),
  values = as.numeric(idade_countsObitos),
  type = "pie",
  textinfo = "label+percent",
  hoverinfo = "label+value"
)

fig <- fig %>% layout(title = "Obitos faixa etaria por SRAG PE")

fig

SRAG - COVID no BRASIL

SRAG - COVID no BRASIL por Estado

  sragFilterConvid<-srag2023 %>% filter(ClassSRAG=="SRAG por covid-19")

zona_countsBRASILCOVID <- table(sragFilterConvid$SG_UF_NOT)

fig <- plot_ly(
  x = names(zona_countsBRASILCOVID),
  y = as.numeric(zona_countsBRASILCOVID), 
  type = 'bar', 
  marker = list(color = 'blue') 
)

fig <- fig %>%
  layout(
    title = "Numero de Casos de COVID por Estado - 2023",
    xaxis = list(title = "Estados (UF)", tickangle = -45), 
    yaxis = list(title = "Numero de Casos"),
    bargap = 0.2 
  )

fig

SRAG - COVID no BRASIL por sexo

zona_countsBRASILCOVIDSexo <- table(sragFilterConvid$CS_SEXO)

fig <- plot_ly(
  labels = names(zona_countsBRASILCOVIDSexo),
  values = as.numeric(zona_countsBRASILCOVIDSexo),
  type = "pie",
  textinfo = "label+percent",
  hoverinfo = "label+value"
)

fig <- fig %>% layout(title = "COVID por Sexo Brasil")

fig

Óbitos por SRAG - COVID no BRASIL por Estado

sragFilterObitosBrasil<-sragFilterConvid %>% filter(AltaPct=="Obito"|AltaPct=="Obito por outras causas")

Obitoszona_countsBRASIL <- table(sragFilterObitosBrasil$SG_UF_NOT)

figObitos <- plot_ly(
  x = names(Obitoszona_countsBRASIL),
  y = as.numeric(Obitoszona_countsBRASIL), 
  type = 'bar', 
  marker = list(color = 'blue') 
)

figObitos <- figObitos %>%
  layout(
    title = "Numero de Obitos por Casos de SRAG - COVID por Estado - 2023",
    xaxis = list(title = "Estados (UF)", tickangle = -45), 
    yaxis = list(title = "Numero de Casos"),
    bargap = 0.2 
  )

figObitos

SRAG - COVID em Pernambuco por Zona

 sragFilterConvidPE<-sragFilterPE %>% filter(ClassSRAG=="SRAG por covid-19")

zona_countsCOVID <- table(sragFilterConvidPE$Zona)

fig <- plot_ly(
  labels = names(zona_countsCOVID),
  values = as.numeric(zona_countsCOVID),
  type = "pie",
  textinfo = "label+percent",
  hoverinfo = "label+value"
)

fig <- fig %>% layout(title = "COVID por Regiao de PE")

fig

Óbitos por SRAG - COVID em Pernambuco por Zona

sragFilterObitosPECOVID<-sragFilterConvidPE %>% filter(AltaPct=="Obito"|AltaPct=="Obito por outras causas")

zona_countsObitosPECOVID <- table(sragFilterObitosPECOVID$Zona)

fig <- plot_ly(
  labels = names(zona_countsObitosPECOVID),
  values = as.numeric(zona_countsObitosPECOVID),
  type = "pie",
  textinfo = "label+percent",
  hoverinfo = "label+value"
)

fig <- fig %>% layout(title = "Obitos por COVID por Regiao de PE")

fig

SRAG - COVID em Pernambuco por faixa etária

faixa_etariaCOVID <- ifelse(sragFilterConvidPE$NU_IDADE_N >= 60, "60+", "Menor que 60")

idade_countsCOVID <- table(faixa_etariaCOVID)

fig <- plot_ly(
  labels = names(idade_countsCOVID),
  values = as.numeric(idade_countsCOVID),
  type = "pie",
  textinfo = "label+percent",
  hoverinfo = "label+value"
)

fig <- fig %>% layout(title = "SRAG COVID por faixa etaria em PE")

fig

Óbitos por SRAG - COVID em Pernambuco por faixa etária

faixa_etariaCOVIDObitos <- ifelse(sragFilterObitosPECOVID$NU_IDADE_N >= 60, "60+", "Menor que 60")
str(faixa_etariaCOVIDObitos)

##  chr [1:73] "60+" "60+" "60+" "60+" "Menor que 60" "60+" "Menor que 60" ...

idade_countsCOVIDObitos <- table(faixa_etariaCOVIDObitos)

idade_countsCOVIDObitos

## faixa_etariaCOVIDObitos
##          60+ Menor que 60 
##           50           23

fig <- plot_ly(
  labels = names(idade_countsCOVIDObitos),
  values = as.numeric(idade_countsCOVIDObitos),
  type = "pie",
  textinfo = "label+percent",
  hoverinfo = "label+value") 

fig <- fig %>% layout(title = "Obitos por faixa etaria por COVID PE")

fig 

CONCLUSÃO

SRAG é uma síndrome mais letal entre as pessoas acima de 60 anos, mesmo que não sejam a faixa etária mais acometida ou mesmo que nao sejam, percentualmente, a mais predominante na sociedade. E o principal fator é a idade, apesar que como envelhecemos conta muito, em relação a qualidade de vida, exercícios físicos e condição de saúde.

REFERÊNCIA

Martins Neto, Carlos, Fábio Nogueira da Silva, José de Jesus Dias Júnior, Maria dos Remédios Freitas Carvalho Branco, Alcione Miranda dos Santos, and Bruno Luciano Carneiro Alves de Oliveira. 2024. “Fatores Individuais e Contextuais Associados à Sobrevida de Pacientes Com sı́ndrome Respiratória Aguda Grave Por COVID-19 No Brasil.” Revista Brasileira de Epidemiologia 27: e240019.

Silva, Amanda Priscila de Santana Cabral, Lı́via Teixeira de Souza Maia, and Wayner Vieira de Souza. 2020. “Sı́ndrome Respiratória Aguda Grave Em Pernambuco: Comparativo Dos Padrões Antes e Durante a Pandemia de COVID-19.” Ciência & Saúde Coletiva 25: 4141–50.