Covid 19 Portugal

1 Dados de dia 2021-08-22

1.1 Internados vs Casos Novos

1.2 Internados em UCI vs Internados

1.3 Óbitos vs Internados em UCI

1.4 Óbitos vs Casos Novos

2 Por ARS

2.1 ARS Norte

2.2 ARS Lisboa e Vale do Tejo

2.3 ARS Centro

2.4 ARS Alentejo

2.5 ARS Algarve

2.6 ARS Açores

2.7 ARS Madeira

2.8 Médias móveis por Data

3 Vacinas

3.1 Data - 2021-08-22

vc <- ggplot(vacinas, aes(doses1, doses2))
vc <- vc + geom_path()+theme_minimal()
vc +geom_point()+labs(title="N. Doses Administradas Totais")

vc +geom_point(aes(x=10000000,y=10000000), color=2, size=10, shape='cross')+labs(title="N. Doses Administradas vs TARGET")

dados$confirmados_80_plus_all_novos <- dados$confirmados_80_plus_m + dados$confirmados_80_plus_f
dados$confirmados_80_plus_all_novos <- c(0, diff(dados$confirmados_80_plus_all_novos))
old <- ggplot(dados, aes(data,confirmados_80_plus_all_novos))
old+geom_path()+theme_minimal()+labs(title = 'Novos casos +80 anos')

dados$obitos_80_plus <- c(0, diff(dados$obitos_80_plus_f + dados$obitos_80_plus_m))
dados$racio_80_plus <-  (dados$obitos_80_plus / dados$confirmados_80_plus_all_novos)

np <- ggplot(tail(dados, 120), aes(data, racio_80_plus))+geom_path()
np+theme_minimal()

coef <- 50
df2 <- subset(dados,dados$data>=vacinas$data[1])
pl <- ggplot(df2, aes(data, confirmados_80_plus_all_novos))+labs(title='Novos Casos +80')
pl+theme_minimal()+geom_point()+geom_path()+scale_y_continuous(name='80+', sec.axis = sec_axis(trans=~.*coef,name='Vacinação Dose 1 (totais)'))

ccf(dados$confirmados_80_plus_all_novos, dados$obitos_80_plus, na.action=na.pass)

dados$confirmados_70_79_all_novos <- dados$confirmados_70_79_m + dados$confirmados_70_79_f
dados$confirmados_70_79_all_novos <- c(0, diff(dados$confirmados_70_79_all_novos))
old <- ggplot(dados, aes(data,confirmados_70_79_all_novos))
old+geom_path()+theme_minimal()+labs(title = 'Novos casos 70-79 anos')

dados$obitos_70_79_novos <- c(0, diff(dados$obitos_70_79_f + dados$obitos_70_79_m))
dados$racio_70_79 <- dados$obitos_70_79_novos / dados$confirmados_70_79_all_novos

np <- ggplot(tail(dados, 120), aes(data, racio_70_79))+geom_path()
np+theme_minimal()

<!-- rnb-text-end -->


<!-- rnb-chunk-begin -->


<!-- rnb-source-begin eyJkYXRhIjoiYGBgclxucGxvdChkYWRvcyRkYXRhLGRhZG9zJGNvbmZpcm1hZG9zX25vdm9zL2RhZG9zJGF0aXZvcywgbG9nPVwieVwiLCB0eXBlPSdsJylcblxuYGBgIn0= -->

```r
plot(dados$data,dados$confirmados_novos/dados$ativos, log="y", type='l')

3.2 Vamos tentar fazer um PCA

summary(dados)
dados.pca <- prcomp(na.omit(dados[,c(12,15,16,17,19)]), center=TRUE, scale.=TRUE)
summary(dados.pca)
biplot(dados.pca)