---
date: "`r format(Sys.Date(), '%d/%m/%Y')`"
format:
html:
theme: cosmo
toc: true
toc-depth: 3
toc-location: left
logo: logo.png
code-fold: true
code-summary: "Mostrar código"
code-tools: true
execute:
echo: false
warning: false
message: false
---
:::: {style="display:flex; align-items:center; gap:20px; margin-bottom:30px;"}
<img src="logo.png" width="120"/>
<div>
# Artigo 1: Bárbara e Alexia
**Edneide Ramalho**\
`r format(Sys.Date(), '%d/%m/%Y')`
</div>
#
::::
```{r pscotes}
library(tidyverse)
library(gtsummary)
library(rstatix)
library(gt)
library(skimr)
library(readr)
library(readxl)
```
```{r dados}
dados_barbara_limpos <- readRDS("~/Library/CloudStorage/GoogleDrive-edneide.ramalho@gmail.com/Meu Drive/Stat-Tech Consultoria/PROJETO PAET-LIKA/dados_barbara_limpos.rds")
```
# Descritiva
## Perfil sociodemográfico dos estudantes
```{r}
# =============================================================================
# 02_tabela_demografica.R
# Tabela descritiva de perfil demográfico — gtsummary::tbl_summary()
# =============================================================================
library(dplyr)
library(forcats)
library(gtsummary)
# -----------------------------------------------------------------------------
# 1. CARREGAR DADOS LIMPOS
# -----------------------------------------------------------------------------
dados <- readRDS("dados_barbara_limpos.rds")
# -----------------------------------------------------------------------------
# 2. PREPARAR VARIÁVEIS PARA A TABELA
# Todas as categóricas viram factor com labels legíveis.
# A ordem dos níveis define a ordem de exibição na tabela.
# -----------------------------------------------------------------------------
demo <- dados |>
mutate(
# --- Idade: cada valor = uma classe ---
# Confira os valores únicos antes com: sort(unique(dados$idade))
faixa_etaria = factor(idade),
# --- Raça/cor ---
raca = factor(raca) |>
fct_relevel("branca", "parda", "preta", "amarela", "indigena") |>
fct_na_value_to_level("Não informado"),
# --- Composição domiciliar ---
n_pessoas_domicilio = factor(n_pessoas_domicilio) |>
fct_na_value_to_level("Não informado"),
mora_com_quem = factor(mora_com_quem) |>
fct_na_value_to_level("Não informado"),
# --- Irmãos ---
n_irmaos = case_when(
n_irmaos == "´1" ~ "1",
n_irmaos == "não tenho irmãos" ~ "não tenho",
.default = n_irmaos
),
irmaos_mesma_escola = factor(irmaos_mesma_escola) |>
fct_relevel("sim", "não") |>
fct_na_value_to_level("Não informado"),
# --- Família ---
estado_civil_pais = factor(estado_civil_pais) |>
fct_na_value_to_level("Não informado"),
# --- Escolaridade (variável ordinal) ---
escolaridade_mae = factor(
escolaridade_mae,
levels = c(
"sem escolaridade",
"ensino fundamental incompleto",
"ensino fundamental completo",
"ensino médio incompleto",
"ensino médio completo",
"superior incompleto",
"superior completo",
"pós-graduação"
),
ordered = TRUE
) |> fct_na_value_to_level("Não informado"),
escolaridade_pai = factor(
escolaridade_pai,
levels = c(
"sem escolaridade",
"ensino fundamental incompleto",
"ensino fundamental completo",
"ensino médio incompleto",
"ensino médio completo",
"superior incompleto",
"superior completo",
"pós-graduação"
),
ordered = TRUE
) |> fct_na_value_to_level("Não informado"),
# --- Trabalho fora ---
mae_trabalha_fora = factor(mae_trabalha_fora) |>
fct_relevel("sim", "não") |>
fct_na_value_to_level("Não informado"),
pai_trabalha_fora = factor(pai_trabalha_fora) |>
fct_relevel("sim", "não") |>
fct_na_value_to_level("Não informado"),
# --- Renda familiar ---
# Ajuste os níveis conforme os valores que aparecem nos dados.
# Confira com: sort(unique(dados$renda_familiar))
renda_familiar = factor(
renda_familiar,
levels = c(
"menos de 1 salário mínimo (R$1.412,00)",
"1 salário mínimo (R$1.412,00)",
"2 salários mínimos (R$2.824,00)",
"3 salários mínimos (R$4.236,00)",
"4 salários mínimos (R$5.648,00)",
"5 ou mais salários mínimos"
),
ordered = TRUE
) |> fct_na_value_to_level("Não informado")
) |>
select(
faixa_etaria,
raca,
n_pessoas_domicilio,
n_irmaos,
estado_civil_pais,
escolaridade_mae,
mae_trabalha_fora,
escolaridade_pai,
pai_trabalha_fora,
renda_familiar
)
# -----------------------------------------------------------------------------
# 3. TABELA DESCRITIVA
# -----------------------------------------------------------------------------
tabela_demo <- demo |>
tbl_summary(
statistic = list(all_categorical() ~ "{n} ({p}%)"),
digits = list(all_categorical() ~ c(0, 1)),
missing = "no", # NAs já estão como nível "Não informado"
label = list(
faixa_etaria ~ "Idade (anos)",
raca ~ "Raça/cor",
n_pessoas_domicilio ~ "Pessoas no domicílio",
n_irmaos ~ "Número de irmãos",
estado_civil_pais ~ "Estado civil dos pais",
escolaridade_mae ~ "Escolaridade da mãe",
mae_trabalha_fora ~ "Mãe trabalha fora",
escolaridade_pai ~ "Escolaridade do pai",
pai_trabalha_fora ~ "Pai trabalha fora",
renda_familiar ~ "Renda familiar mensal"
)
) |>
bold_labels() |>
modify_header(label ~ "**Variável**") |>
modify_caption("**Tabela 1. Perfil demográfico dos estudantes**")
# Visualizar no RStudio Viewer
tabela_demo
# -----------------------------------------------------------------------------
# 4. EXPORTAR (escolha um formato)
# -----------------------------------------------------------------------------
# Word (.docx) — requer pacote flextable
tabela_demo |>
as_flex_table() |>
flextable::save_as_docx(path = "tabela1_demografica.docx")
# HTML
tabela_demo |>
as_gt() |>
gt::gtsave("tabela1_demografica.html")
```
## Dados corporais
```{r}
# =============================================================================
# 03_tabela_corporal.R
# Tabela descritiva de dados corporais — gtsummary::tbl_summary()
# =============================================================================
library(dplyr)
library(forcats)
library(gtsummary)
# -----------------------------------------------------------------------------
# 1. CARREGAR DADOS LIMPOS
# -----------------------------------------------------------------------------
dados <- readRDS("dados_barbara_limpos.rds")
# -----------------------------------------------------------------------------
# 2. PREPARAR VARIÁVEIS
# -----------------------------------------------------------------------------
# Confira os valores únicos das categóricas antes de definir os níveis:
# sort(unique(dados$classif_imc))
# sort(unique(dados$classif_gordura))
corporal <- dados |>
mutate(
# --- Contínuas: garantir tipo numérico ---
peso_kg = as.numeric(peso_kg),
altura_m = as.numeric(altura_m),
imc = as.numeric(imc),
dobra_tricipital_mm = as.numeric(dobra_tricipital_mm),
dobra_subescapular_mm = as.numeric(dobra_subescapular_mm),
soma_dobras_mm = as.numeric(soma_dobras_mm),
pct_gordura = as.numeric(pct_gordura),
# --- Classificação do IMC (ordinal) ---
# Ajuste os níveis conforme sort(unique(dados$classif_imc))
classif_imc = factor(
classif_imc,
levels = c("magreza", "eutrófico", "sobrepeso", "obesidade"),
ordered = TRUE
) |> fct_na_value_to_level("Não informado"),
# --- Classificação do % de gordura — Lohman (1987) (ordinal) ---
# Ajuste os níveis conforme sort(unique(dados$classif_gordura))
classif_gordura = factor(
classif_gordura,
levels = c("muito baixo", "baixo", "ótimo", "moderado",
"elevado", "muito elevado"),
ordered = TRUE
) |> fct_na_value_to_level("Não informado")
) |>
select(
peso_kg,
altura_m,
imc,
classif_imc,
dobra_tricipital_mm,
dobra_subescapular_mm,
soma_dobras_mm,
pct_gordura,
classif_gordura
)
# -----------------------------------------------------------------------------
# 3. TABELA DESCRITIVA
# -----------------------------------------------------------------------------
tabela_corporal <- corporal |>
tbl_summary(
statistic = list(
all_continuous() ~ "{median} ({p25}–{p75})",
all_categorical() ~ "{n} ({p}%)"
),
digits = list(
all_continuous() ~ 1,
all_categorical() ~ c(0, 1)
),
missing = "no",
label = list(
peso_kg ~ "Peso (kg)",
altura_m ~ "Altura (m)",
imc ~ "IMC (kg/m²)",
classif_imc ~ "Classificação do IMC",
dobra_tricipital_mm ~ "Dobra tricipital (mm)",
dobra_subescapular_mm ~ "Dobra subescapular (mm)",
soma_dobras_mm ~ "Soma das dobras cutâneas (mm)",
pct_gordura ~ "Percentual de gordura corporal (%)",
classif_gordura ~ "Classificação do % de gordura (Lohman, 1987)"
)
) |>
bold_labels() |>
modify_header(label ~ "**Variável**") |>
modify_footnote(
all_stat_cols() ~ "Variáveis contínuas: mediana (P25–P75); categóricas: n (%)"
) |>
modify_caption("**Tabela 2. Perfil corporal dos estudantes**")
# Visualizar no RStudio Viewer
tabela_corporal
# -----------------------------------------------------------------------------
# 4. EXPORTAR
# -----------------------------------------------------------------------------
tabela_corporal |>
as_flex_table() |>
flextable::save_as_docx(path = "tabela2_corporal.docx")
```
## Perfil de alimentação
```{r}
# =============================================================================
# 04_tabela_alimentacao.R
# Tabela descritiva do QFA por grupo alimentar — gtsummary::tbl_summary()
# =============================================================================
# -----------------------------------------------------------------------------
# 1. CARREGAR DADOS LIMPOS
# -----------------------------------------------------------------------------
dados <- readRDS("dados_barbara_limpos.rds")
# -----------------------------------------------------------------------------
# 2. PADRONIZAR CATEGORIAS DO QFA
# Todas as variáveis qfa_ recebem o mesmo tratamento:
# - harmonizar grafias inconsistentes
# - valores pendentes de decisão → NA (documentados abaixo)
# - converter para factor ordenado
# -----------------------------------------------------------------------------
# Níveis em ordem crescente de frequência
niveis_qfa <- c(
"nunca",
"< 1x/mês",
"1–3x/mês",
"1x/semana",
"2–4x/semana",
"1x/dia",
"2x+/dia"
)
padronizar_qfa <- function(x) {
x <- dplyr::case_when(
# Nunca
x == "n" ~ "nunca",
# Menos de 1x por mês
x %in% c("< 1 m", "< 1m", "<1", "<1 m", "<1m", "<1n", "m") ~ "< 1x/mês",
# 1 a 3x por mês
x %in% c("1 a 3 m", "1 a 3 x m", "1 a 3x m", "1 a 3xm") ~ "1–3x/mês",
# 1x por semana
x %in% c("1 sem", "1 s", "1") ~ "1x/semana",
# 2 a 4x por semana
x == "2 a 4 sem" ~ "2–4x/semana",
# 1x por dia
x == "1 dia" ~ "1x/dia",
# 2 ou mais vezes por dia
x %in% c("2 ou + dia", "2 o", "2 ou = dia") ~ "2x+/dia",
# --- PENDENTE: aguardando decisão da Bárbara ---
# "cuscuz (1 dia)" → provável 1x/dia, mas não confirmado
# "cuscuz (2 ou + dia)" → provável 2x+/dia, mas não confirmado
# "patilha (2 ou + dia)" → provável 2x+/dia, mas não confirmado
x %in% c("cuscuz (1 dia)", "cuscuz (2 ou + dia)",
"patilha (2 ou + dia)") ~ NA_character_,
.default = NA_character_
)
factor(x, levels = niveis_qfa, ordered = TRUE)
}
# Aplicar a todas as colunas qfa_
dados <- dados |>
mutate(across(starts_with("qfa_"), padronizar_qfa))
# Verificação: checar se sobrou algum NA inesperado
na_qfa <- dados |>
select(starts_with("qfa_")) |>
summarise(across(everything(), ~ sum(is.na(.)))) |>
tidyr::pivot_longer(everything(), names_to = "variavel", values_to = "n_na") |>
filter(n_na > 0)
cat("Variáveis QFA com NA:\n")
print(na_qfa)
# -----------------------------------------------------------------------------
# 3. MONTAR SUBTABELAS POR GRUPO ALIMENTAR
# tbl_merge() junta tudo num único objeto para exportação,
# tbl_stack() empilha com cabeçalho de grupo — usamos tbl_stack()
# -----------------------------------------------------------------------------
fazer_subtabela <- function(df, variaveis, titulo) {
df |>
select(all_of(variaveis)) |>
tbl_summary(
statistic = list(all_categorical() ~ "{n} ({p}%)"),
digits = list(all_categorical() ~ c(0, 1)),
missing = "ifany",
missing_text = "Não informado / pendente"
) |>
bold_labels() |>
modify_header(label ~ "**Alimento (porção de referência)**") |>
modify_caption(glue::glue("**{titulo}**"))
}
# --- Rótulos por variável ---
# Usamos set_variable_labels() do pacote labelled para manter os nomes
# originais visíveis na tabela sem precisar renomear o data frame.
# Instale se necessário: install.packages("labelled")
library(labelled)
dados <- dados |>
set_variable_labels(
# Doces e ultraprocessados
qfa_chips = "Batatinha tipo chips ou salgadinho (1/2 pcte grande)",
qfa_chocolate = "Chocolate/Brigadeiro (1 tablete/barrinha/3 unids peq)",
qfa_bolo = "Bolo comum/Pullman (1 fatia média)",
qfa_sorvete = "Sorvete massa/palito (2 bolas/1 unid)",
qfa_achocolatado = "Achocolatado em pó — Nescau etc. (2 c. sopa rasa)",
qfa_pipoca = "Pipoca estourada, doce ou salgada (1 saco médio)",
qfa_acucar = "Açúcar adicionado em café, leite etc. (2 c. sobremesa)",
qfa_balas = "Balas (2 unids)",
qfa_goiabada = "Doces de frutas — goiabada (1 fatia fina/ped peq)",
qfa_mousse = "Sobremesas tipo mousse (1 taça/pote)",
qfa_croissant_choc = "Croissant de chocolate (1 unid média)",
# Salgados e fast food
qfa_hamburguer = "Cheeseburger de carne/frango (1 sanduíche)",
qfa_sanduiche_misto = "Sanduíche misto/queijo/frios/quentes (1 sanduíche)",
qfa_sanduiche_natural= "Sanduíche natural (1 sanduíche)",
qfa_salgado_frito = "Coxinha/risólis/pastel/enroladinho frito (1 unid média)",
qfa_pao_queijo = "Pão de queijo (1 unid média)",
qfa_salgado_assado = "Esfiha/empada/enroladinho assado (1 unid média)",
qfa_salada_batata = "Salada de batata com maionese (1 c. servir)",
qfa_sopa = "Sopa — canja, feijão, legumes (1 prato fundo)",
qfa_farofa = "Farofa de farinha de mandioca (1 c. servir)",
qfa_pizza = "Pizza (1 fatia média)",
qfa_cachorro_quente = "Cachorro quente (1 sanduíche)",
qfa_croissant_presunto = "Croissant presunto e queijo (1 unid média)",
# Lácteos e gorduras
qfa_leite_integral = "Leite integral (1 copo cheio)",
qfa_leite_desnatado = "Leite desnatado (1 copo cheio)",
qfa_leite_fermentado = "Leite fermentado (1 garrafinha)",
qfa_iogurte = "Iogurte natural/frutas (1 pote)",
qfa_iogurte_diet = "Iogurte diet (1 pote)",
qfa_queijo_branco = "Queijo minas/ricota/cottage (1 fatia média)",
qfa_requeijao = "Requeijão (1 c. sopa)",
qfa_maionese = "Maionese tradicional (1 c. sopa)",
qfa_manteiga = "Manteiga (1 ponta de faca)",
qfa_margarina = "Margarina (1 ponta de faca)",
qfa_azeite = "Azeite de oliva (1 c. café)",
# Carboidratos e cereais
qfa_arroz = "Arroz cozido (4 c. sopa / 1½ c. servir)",
qfa_macarrao = "Macarrão instantâneo/ao sugo/manteiga (3 c. servir)",
qfa_massas = "Massas — lasanha/raviole/capeleti (1 ped. médio)",
qfa_biscoito_simples = "Biscoito sem recheio/cream cracker (15 unids)",
qfa_biscoito_recheado= "Biscoito com recheio (7 unids)",
qfa_pao = "Pão francês/forma/integral/hot dog (1½ unid/3 fatias)",
qfa_cereal = "Cereal matinal/barra de cereal (1 xíc. chá/1 unid)",
qfa_batata_frita = "Batata frita de palito (1 saco peq/1 c. servir)",
qfa_pure_batata = "Batata purê/sautée (1 c. servir)",
qfa_polenta = "Polenta cozida ou frita (5 c. sopa)",
qfa_mandioca = "Mandioca cozida (2 pedaços médios)",
qfa_pamonha = "Pamonha doce/salgada (1 unid média)",
# Hortaliças
qfa_alface = "Alface (6 folhas médias)",
qfa_acelga_repolho = "Acelga/repolho (2 c. servir)",
qfa_agriao_rucula = "Agrião/rúcula (3 ramos/5 folhas médias)",
qfa_couve_flor = "Couve-flor (2 ramos médios)",
qfa_beterraba = "Beterraba (1 c. servir)",
qfa_cenoura = "Cenoura (1 c. servir)",
qfa_espinafre_couve = "Espinafre/couve (1 c. servir)",
qfa_ervilha = "Ervilha (2 c. sopa)",
qfa_milho = "Milho verde (1 c. sopa)",
qfa_pepino = "Pepino (6 fatias médias)",
qfa_tomate = "Tomate (3 fatias médias)",
# Frutas
qfa_abacate = "Abacate (1/2 unid)",
qfa_abacaxi = "Abacaxi (1 fatia média)",
qfa_banana = "Banana (1 unid média)",
qfa_laranja = "Laranja/mexerica (1 unid média)",
qfa_maca_pera = "Maçã/pera (1 unid média)",
qfa_mamao = "Mamão (1 fatia média)",
qfa_melao_melancia = "Melão/melancia (1 fatia média)",
qfa_manga = "Manga (1/2 unid média)",
qfa_morango = "Morangos (1/2 xíc. chá)",
qfa_uva = "Uva (1 cacho médio)",
# Proteínas
qfa_feijao = "Feijão marrom ou preto (1½ concha média)",
qfa_carne_bovina = "Carne bovina cozida/moída/de panela (1 fatia/c. servir)",
qfa_bife_frito = "Bife frito/à milanesa (1 unid média)",
qfa_frango = "Frango cozido/assado/grelhado/frito (1 ped. médio)",
qfa_peixe = "Peixe frito (1 filé médio/posta)",
qfa_carne_suina = "Carne suína — bisteca/lombo (1 unid/fatia média)",
qfa_ovo = "Ovo frito/mexido/omelete (1 unid média)",
qfa_embutidos = "Embutidos — presunto/peru/mortadela/salame (2 fatias)",
qfa_salsicha = "Salsicha (1½ unidade)",
qfa_linguica = "Linguiça (1 gomo médio)",
# Bebidas
qfa_refri_normal = "Refrigerante normal (1 lata)",
qfa_refri_diet = "Refrigerante diet (1 lata)",
qfa_cha_mate = "Chá mate com sabor (1 lata)",
qfa_suco_abacaxi = "Suco de abacaxi com açúcar (1 copo)",
qfa_suco_laranja = "Suco de laranja com açúcar (1 copo)",
qfa_suco_mamao = "Suco de mamão com açúcar (1 copo)",
qfa_suco_melao = "Suco de melão/melancia com açúcar (1 copo)",
qfa_limonada = "Limonada/laranjada com açúcar (1 copo)",
qfa_vitamina_fruta = "Vitamina de frutas/suco natural com leite (1 copo)",
qfa_suco_artificial = "Suco artificial (1 copo)",
qfa_cafe = "Café (1 xícara pequena)",
qfa_cerveja = "Cerveja (1 copo médio)",
qfa_vinho = "Vinho (1 copo médio)",
qfa_batida = "Batida (1 copo médio)",
qfa_agua = "Água (1 copo)",
qfa_chimarrao = "Chimarrão (1 cuia)",
qfa_adocante = "Adoçante gotas/pó"
)
# -----------------------------------------------------------------------------
# 4. GERAR SUBTABELAS POR GRUPO
# -----------------------------------------------------------------------------
tab_doces <- fazer_subtabela(
dados,
c("qfa_chips", "qfa_chocolate", "qfa_bolo", "qfa_sorvete",
"qfa_achocolatado", "qfa_pipoca", "qfa_acucar", "qfa_balas",
"qfa_goiabada", "qfa_mousse", "qfa_croissant_choc"),
"Doces e ultraprocessados"
)
tab_salgados <- fazer_subtabela(
dados,
c("qfa_hamburguer", "qfa_sanduiche_misto", "qfa_sanduiche_natural",
"qfa_salgado_frito", "qfa_pao_queijo", "qfa_salgado_assado",
"qfa_salada_batata", "qfa_sopa", "qfa_farofa", "qfa_pizza",
"qfa_cachorro_quente", "qfa_croissant_presunto"),
"Salgados e fast food"
)
tab_lacteos <- fazer_subtabela(
dados,
c("qfa_leite_integral", "qfa_leite_desnatado", "qfa_leite_fermentado",
"qfa_iogurte", "qfa_iogurte_diet", "qfa_queijo_branco",
"qfa_requeijao", "qfa_maionese", "qfa_manteiga",
"qfa_margarina", "qfa_azeite"),
"Lácteos e gorduras"
)
tab_carboidratos <- fazer_subtabela(
dados,
c("qfa_arroz", "qfa_macarrao", "qfa_massas", "qfa_biscoito_simples",
"qfa_biscoito_recheado", "qfa_pao", "qfa_cereal", "qfa_batata_frita",
"qfa_pure_batata", "qfa_polenta", "qfa_mandioca", "qfa_pamonha"),
"Carboidratos e cereais"
)
tab_hortalicas <- fazer_subtabela(
dados,
c("qfa_alface", "qfa_acelga_repolho", "qfa_agriao_rucula",
"qfa_couve_flor", "qfa_beterraba", "qfa_cenoura",
"qfa_espinafre_couve", "qfa_ervilha", "qfa_milho",
"qfa_pepino", "qfa_tomate"),
"Hortaliças"
)
tab_frutas <- fazer_subtabela(
dados,
c("qfa_abacate", "qfa_abacaxi", "qfa_banana", "qfa_laranja",
"qfa_maca_pera", "qfa_mamao", "qfa_melao_melancia",
"qfa_manga", "qfa_morango", "qfa_uva"),
"Frutas"
)
tab_proteinas <- fazer_subtabela(
dados,
c("qfa_feijao", "qfa_carne_bovina", "qfa_bife_frito", "qfa_frango",
"qfa_peixe", "qfa_carne_suina", "qfa_ovo", "qfa_embutidos",
"qfa_salsicha", "qfa_linguica"),
"Proteínas"
)
tab_bebidas <- fazer_subtabela(
dados,
c("qfa_refri_normal", "qfa_refri_diet", "qfa_cha_mate",
"qfa_suco_abacaxi", "qfa_suco_laranja", "qfa_suco_mamao",
"qfa_suco_melao", "qfa_limonada", "qfa_vitamina_fruta",
"qfa_suco_artificial", "qfa_cafe", "qfa_cerveja",
"qfa_vinho", "qfa_batida", "qfa_agua",
"qfa_chimarrao", "qfa_adocante"),
"Bebidas e outros"
)
# -----------------------------------------------------------------------------
# 5. EMPILHAR E EXPORTAR
# tbl_stack() agrupa as subtabelas com cabeçalho de grupo
# -----------------------------------------------------------------------------
tabela_qfa <- tbl_stack(
list(tab_doces, tab_salgados, tab_lacteos, tab_carboidratos,
tab_hortalicas, tab_frutas, tab_proteinas, tab_bebidas),
group_header = c(
"Doces e ultraprocessados", "Salgados e fast food",
"Lácteos e gorduras", "Carboidratos e cereais",
"Hortaliças", "Frutas",
"Proteínas", "Bebidas e outros"
)
)
tabela_qfa
# Exportar
tabela_qfa |>
as_flex_table() |>
flextable::save_as_docx(path = "tabela3_alimentacao.docx")
```
# Perguntas de interesse
