Análise dos Dados de Vacinação COVID-19 no Brasil - 2021

Informações sobre o Dataset

• O dataset consiste em um único arquivo chamado “microdados_vacinacao.csv” com tamanho de 2.12 GB.
• Dataset possui 29 colunas de dados
• O upload foi feito a 4 anos (2021)

1. Limpeza e Tratamento dos Dados

Para garantir a qualidade das análises, foram adotadas as seguintes medidas:

• Remoção de valores ausentes: Foi realizada uma análise exploratória inicial dos dados de vacinação com o objetivo de identificar valores ausentes e possíveis inconsistências nas variáveis. A tabela abaixo apresenta um resumo das principais métricas analisadas:
  • paciente_etnia — 26,69% de valores ausentes
  • paciente_cep — 19,89% de valores ausentes
  • paciente_municipio — 0,56% de valores ausentes
  • paciente_unidade_federativa — 0,56% de valores ausentes
    

# Definindo as variáveis (nomes das colunas)
variaveis <- colnames(dados_vacinacao)

# Criando o dataframe com as métricas
metricas <- data.frame(
  #variavel = variaveis,
  Total = sapply(variaveis, function(col) sum(!is.na(dados_vacinacao[[col]]))), # Total de itens
  Pct_de_NA = sapply(variaveis, function(col) mean(is.na(dados_vacinacao[[col]])) * 100), # Percentual de NAs
  Qt_Variaveis_Distintas = sapply(variaveis, function(col) length(unique(dados_vacinacao[[col]]))) # Quantidade de valores distintos
)

# Ajustando a coluna de percentual de NAs
metricas$Pct_de_NA <- paste0(format(round(metricas$Pct_de_NA, 2), nsmall = 2), "%")

# Renomeando as colunas para nomes mais amigáveis
colnames(metricas)[colnames(metricas) == "Pct_de_NA"] <- "Porcentagem de Valores Ausentes"
colnames(metricas)[colnames(metricas) == "Qt_Variaveis_Distintas"] <- "Quantidade de Valores Distintos"

# Gerando a tabela com kable
kable(metricas, align = "lccc", digits = 2)

• Filtragem de idades válidas: Nos dados foram encontrados mais de 130 variações de idades, quando plotados, foi encontrado que possuem idades que variam de 0 até 221, no caso, será somente considerado idades até 109 anos.

A pessoa mais velha vacinada no Brasil no período analisado

dados_filtrados_maior_100 <- dados_vacinacao %>%
  filter(paciente_idade > 100) # Filtra as idades acima de 100

ggplot(dados_filtrados_maior_100, 
       aes(x = paciente_idade)) +
  geom_histogram(binwidth = 5, position = "dodge", alpha = 0.8, fill = "skyblue") +
  geom_text(stat = "bin",
            aes(label = ..count..),
            binwidth = 5,
            position = position_dodge(width = 5),
            vjust = -0.5,
            size = 3) +
  theme_minimal() +
  labs(
    title = "Distribuição de Idade dos Pacientes (Acima de 100 anos)",
    subtitle = "Idades acima de 100 anos",
    x = "Idade",
    y = "Quantidade"
  ) +
  theme(
    legend.position = "none", # Remover legenda
    plot.title = element_text(hjust = 0.5),
    plot.subtitle = element_text(hjust = 0.5)
  ) +
  scale_y_continuous(labels = comma)

• Tipos de Vacina: O dataset contém informações sobre quatro tipos de vacinas. No entanto, como pode ser observado na tabela abaixo, as proporções entre elas não são ideais, com apenas duas vacinas apresentando uma participação significativa.

vacinas_quantidade <- dados_vacinacao %>%
  group_by(vacina) %>%
  summarise(quantidade = n()) %>%
  arrange(desc(quantidade))

# Criar a tabela no R Markdown
kable(vacinas_quantidade, 
      caption = "Quantidade de Vacinas por Tipo", 
      format = "html") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"),
                full_width = TRUE) %>%
  scroll_box(width = "100%")

2. Criação de Variáveis Derivadas

Variáveis adicionais foram criadas para facilitar as análises e visualizações:

• Ano e Mês da vacinação: extraídos a partir da data de aplicação.
• Faixas etárias: divisão das idades em grupos, como “0-17”, “18-29”, “30-44”, “45-59”, “60-74” e “75+”.

dados_vacinacao <- dados_vacinacao %>%
  mutate(
    ano = year(data_aplicacao),
    mes = month(data_aplicacao, label = TRUE, abbr = FALSE),
    faixa_etaria = case_when(
      paciente_idade <= 17 ~ "0-17",
      paciente_idade <= 29 ~ "18-29",
      paciente_idade <= 44 ~ "30-44",
      paciente_idade <= 59 ~ "45-59",
      paciente_idade <= 74 ~ "60-74",
      TRUE ~ "75+"
    )
  )

3. Bibliotecas Utilizadas

• tidyverse: Conjunto de pacotes para manipulação e visualização de dados, incluindo ggplot2, dplyr, tidyr e outros.
• scales: Fornece funções para personalizar escalas, como formatação de eixos e legendas em gráficos.
• knitr: Gera relatórios dinâmicos ao integrar código R com documentos Markdown, HTML e LaTeX.
• kableExtra: Extensão do kable para criar tabelas mais bonitas e personalizáveis em R Markdown.
• plotly: Cria gráficos interativos e dinâmicos, incluindo 3D e mapas.

4. Filtros Aplicados durante a Analise

• Filtro de somente 2 vacinas

dados_vacinacao_filtrados <- dados_vacinacao %>%
  filter(vacina %in% c("Covid-19-Coronavac-Sinovac/Butantan", "Vacina Covid-19 - Covishield")) %>%
  select(vacina, estabelecimento_unidade_federativa, paciente_idade, numero_dose, faixa_etaria) %>%
  na.omit()

• Filtro de valores únicos da coluna de grupo de pacientes

# Tabela de valores únicos de paciente_grupo
valores_unicos <- dados_vacinacao %>%
  select(paciente_grupo) %>%
  distinct() %>%
  na.omit()

• Agrupamento por faixa etária, com Idade limite de até 109 anos

dados_vacinacao_clean_idade <- dados_vacinacao_filtrados %>%
  # Remover NAs
  filter(!is.na(paciente_idade),
         !is.na(numero_dose)) %>%
  filter(paciente_idade <= 109) %>%
  mutate(
    faixa_etaria = cut(paciente_idade, 
                       breaks = c(0, 17, 29, 44, 59, 74, 109),
                       labels = c("0-17", "18-29", "30-45", "46-59", "60-74", "75+"),
                       include.lowest = TRUE)
  ) %>%
  select(faixa_etaria, paciente_idade, numero_dose, vacina)

• Agrupamento da idade pelo número de doses

dados_prop <- dados_vacinacao_clean_idade %>%
  select(numero_dose, faixa_etaria) %>%
  group_by(faixa_etaria, numero_dose) %>%
  summarise(n = n()) %>%
  group_by(faixa_etaria) %>%
  mutate(prop = n/sum(n)) %>%
  ungroup()

• Agrupamento de faixa etária pelo número de doses

dados_prop2 <- dados_vacinacao_clean_idade %>%
  select(faixa_etaria, numero_dose) %>%
  group_by(faixa_etaria, numero_dose) %>%
  summarise(total_vacinacao = n(), .groups = "drop")
dados_prop2 <- dados_prop2 %>% na.omit()

• Agrupamento de grupos vacinados

# Contagem da quantidade de vacinados por grupo
quantidade_vacinados <- dados_vacinacao %>%
  group_by(paciente_grupo) %>%
  summarise(quantidade_vacinados = n()) %>%
  na.omit()

# Proporção de vacinados por grupo
total_vacinados <- sum(quantidade_vacinados$quantidade_vacinados)

quantidade_vacinados <- quantidade_vacinados %>%
  mutate(proporcao = quantidade_vacinados / total_vacinados)

• Somente vacinações que aconteceram devido ao Programa Nacional de Imunização(PNI)

# Lista completa de UFs sem NA
ufs_completas <- unique(na.omit(dados_vacinacao$estabelecimento_unidade_federativa))

# Contagem das vacinações, garantindo que todas as UFs apareçam
dados_pni <- dados_vacinacao %>%
  filter(grepl("PNI", sistema_origem)) %>%
  group_by(estabelecimento_unidade_federativa) %>%
  summarise(volume_vacinacao = n()) %>%
  right_join(
    tibble(estabelecimento_unidade_federativa = ufs_completas),
    by = "estabelecimento_unidade_federativa"
  ) %>%
  mutate(volume_vacinacao = replace_na(volume_vacinacao, 0))

Conclusão da Declaração do Problema

Este relatório teve como objetivo analisar os dados de vacinação contra a COVID-19 no Brasil durante os meses de janeiro e fevereiro de 2021, focando na distribuição por faixa etária, tipos de vacina, cobertura geográfica e grupos prioritários. A pesquisa visou identificar padrões e tendências na campanha de vacinação, a fim de avaliar sua eficácia e abrangência em diferentes segmentos da população brasileira.

Abordagem da Declaração do Problema

Para abordar a questão, utilizamos um conjunto de dados sobre a vacinação contra a COVID-19 no Brasil, que contém informações sobre os tipos de vacina (Coronavac-Sinovac/Butantan, Covishield e mais dois tipos), distribuição por faixa etária, doses aplicadas, distribuição por estado e grupos prioritários. A metodologia consistiu em realizar uma análise exploratória e criar visualizações para entender a cobertura vacinal no país.

Embora o conjunto de dados incluísse quatro tipos de vacinas, as duas últimas (Vacina covid-19 - BNT162b2 - BioNTech/Fosun Pharma/Pfizer, Vacina covid-19 - Ad26.COV2.S - Janssen-Cilag) representaram menos de 1% da amostra total (6.272.491 doses), razão pela qual foram desconsideradas na análise.

Insights Interessantes da Análise

A análise exploratória revelou diversos insights relevantes:

1. Tipos de Vacina e Distribuição Etária: A vacina Coronavac-Sinovac/Butantan foi significativamente mais utilizada que a Covishield em todas as faixas etárias. O pico de vacinação com Coronavac ocorreu na faixa dos 30-45 e 75+ anos, enquanto a Covishield manteve uma distribuição mais equilibrada.

2. Cobertura de Segunda Dose: Existe uma disparidade significativa entre a aplicação da primeira e segunda doses em todas as faixas etárias. As faixas de 30-45 e 46-59 anos apresentaram as maiores proporções de completude vacinal (24%), enquanto as faixas de 0-17 e 75+ tiveram as menores taxas de segunda dose (10,4% e 4,1%, respectivamente).

3. Cobertura de Vacina para 75+ Anos: Do público de mais de 75 anos, que correspondem a cerca de 23,96% (1.502.920) do público amostral, foram vacinados, sendo 18,56% utilizando a “Covid-19-Coronavac-Sinovac/Butantan” e os outros 5,4% receberam a “Vacina Covid-19 - Covishield”.

4. Volume de Vacinação por Faixa Etária: A faixa etária de 30-44 anos recebeu o maior número de primeiras doses (1.598.634), seguida pela faixa de 75+ (1.436.945). No entanto, a faixa etária com menor volume de vacinação na amostra, foram os de 0-17 anos, que tiveram cerca de 0,4% dentre os 6.272.184 amostras coletada.

5. Distribuição Geográfica: Houve uma distribuição desigual de vacinas entre os estados brasileiros. O estado identificado como “SP” recebeu uma quantidade significativamente maior de doses, especialmente da Coronavac-Sinovac/Butantan, o que é consistente com o fato de ser o estado mais populoso e também sede do Instituto Butantan, e serem um dos primeiros estados a adotar a nova vacina.

6. Grupos Prioritários: Os trabalhadores da saúde foram o grupo mais vacinado (4.195.807 doses), seguido por pessoas categorizadas por faixa etária (1.467.236). Isso reflete a estratégia de priorização adotada no início da campanha, focando em profissionais de saúde e idosos.

7. Sistemas de Registro: O Novo PNI¹ (Programa Nacional de Imunizações) foi o principal sistema de registro de vacinação (3.633.550 doses), seguido pelo VACIVIDA² (2.061.625 doses), indicando diferentes infraestruturas tecnológicas utilizadas nos processos de imunização.

8. Unidades Federativas: A análise do volume de vacinação por estado revela que alguns estados, como MA, RJ e RS, apresentaram volumes consideravelmente maiores do que outros, o que pode refletir variações nas populações ou nas capacidades de execução da campanha. É importante destacar que São Paulo (SP) e Rio Grande do Norte (RN) não utilizaram o sistema do PNI para a vacinação, provavelmente adotando os programas “VaciVida” e “RN + Vida”, respectivamente.

Pontos Finais

Este relatório apresenta uma análise detalhada da campanha de vacinação contra a COVID-19 no Brasil, destacando os padrões de distribuição, cobertura e alcance em diversos segmentos populacionais. Os dados indicam uma estratégia de vacinação que deu prioridade, inicialmente, aos profissionais de saúde e idosos, expandindo-se posteriormente para outras faixas etárias, mesmo um ano após o início da pandemia.

A disparidade entre primeiras e segundas doses, especialmente nas faixas etárias mais jovens, sugere desafios na completude do esquema vacinal que podem ter impactado a eficácia global da campanha. A predominância da Coronavac-Sinovac/Butantan reflete a capacidade de produção nacional e as parcerias estabelecidas no início da pandemia.

A análise destacou também diferenças regionais importantes na distribuição de vacinas, que podem estar relacionadas a fatores como população, infraestrutura de saúde e capacidade logística. Esses insights são valiosos para avaliar a eficácia da campanha de vacinação e podem contribuir para o planejamento de futuras estratégias de imunização em larga escala no país.