Quando o negacionismo de governantes matam as pessoas
Jonas Campos
Abstract
Trabalho da disciplina Repositórios Digitais e Ciência de Dados em Saúde - Módulo I - Semana 01 - UNIFESPIntrodução
Se um chimpanzé respondesse um questionário sobre questões sócio-econômicas (o que inclui questões sobre saúde), este chimpanzé se sairia MELHOR do que a maioria das pessoas (Rosling ,Rosling e Rosling Rönnlund, 2019). Os autores propõem uma mentalidade que leva em consideração somente os fatos (Factfulness), mentalidade esta que será utilizada neste trabalho.
‘Sugriva in Myrtle Beach Safari, South Carolina, US. Image credit by: https://www.admiravelcurioso.com.br/estaria-este-chimpanze-utilizando-o-instagram’
Negacionismo que contagia
Um presidente que contraria a ciência, dizendo que um vírus não causa grandes males, e para os acometidos pela doença, recomendava o uso de uma substância comprovadamente ineficaz para que o doente se cure. Uma estimativa é que por influência direta do presidente, 300.000 pessoas perderam a vida. Tribunais internacionais analisam pedidos para julgar o presidente por crimes contra a humanidade (Krippahl, 2019).
Figura louvada pelo engajamento de inserir o seu país no grupo de potências econômicas, negou compromissos junto à democracia e direitos humanos (DOPCKE, 2002).
Embora inequívoca semelhança, esta análise não é sobre a figura do presidente da república Jair Messias Bolsonaro (SEM PARTIDO) e sua atuação enquanto chefe de Estado diante do enfrentamento da pandemia de Covid-19.
Preparando o ambiente para análises e visão geral dos dados
#instalando, caso não tenha os pacotes
if (!('rvest' %in% installed.packages())) {
install.packages('rvest')
}
if (!('reshape2' %in% installed.packages())) {
install.packages('reshape2')
}
if (!('dplyr' %in% installed.packages())) {
install.packages('dplyr')
}
if (!('readr' %in% installed.packages())) {
install.packages('readr')
}
# Carregando pacotes utilizados
library(dplyr)
library(reshape2)
library(tidyr)
library(readr)
Carregando conjunto de dados
df = read_csv('datasets/adults_with_hiv_percent_age_15_49.csv')
-- Column specification -------------------------------------
cols(
.default = col_double(),
country = col_character(),
`1988` = col_logical(),
`1989` = col_logical()
)
i Use `spec()` for the full column specifications.head(df)Como vemos, o conjunto de dados apresenta porcentagem da população adulta infectada por HIV ao longo dos anos, por países. Além de valores não disponíveis (NA), a forma como os dados estão dispostos não estão apropriados para nossa análise.
Transpondo dados e Removendo valores indisponíveis (NA)
df1 = melt(df, id = c('country'))
head(df1)**Removendo valores NA e renomeando colunas
df1a = na.omit(df1)
head(df1a)#
colnames(df1a)[1] "country" "variable" "value" names(df1a)[1:3] = c('País', 'Ano', 'Incidência')
head(df1a)Ufa! Agora nossos dados estão quase prontos para as análises. Vamos salvar o que fizemos até aqui. Isso ajuda organizar os arquivos, além de fazer um bakup do resultado de tudo que fizemos até aqui.
write.csv(df1a, file='datasets/HIV_adultos_reshape.csv')Filtrando dados Nossos dados contém um intervalo de tempo bem extenso. Vou considerar somente os fatos registrados entre 2000-2010
# 2000-2010
df = read.csv('datasets/HIV_adultos_reshape.csv')
head(df)df1 = filter(df, Ano > 1999, Ano < 2011)
head(df1)O R gerou uma coluna de índice, que vou remover.
df1$X = NULL
head(df1)Agora vamos salvar nosso arquivo para começar nossas análises
write.csv(df1, file = 'datasets/HIV_adultos_2000-2010.csv', fileEncoding = 'UTF-8')Visualizando dados no DataStudio
Fiz o upload do nosso dataset tratado e filtrado para o google studio. Fiz uma cópia da coluna Data, para que fosse reconhecida como formato de Ano. Para a cópia usei a fórmula:
PARSE_DATE("%Y%m", Cópia de Ano)Removi a métrica e depois a coluna de Ano Original. Filtrei os dados por quantidade de infecatados, e filtrei para os 50 primeiros registros (~que não entendi porque apareceram os 66 primeiros…~). Nada que prejudique nossa análise, mas se alguém souber me explicar isso seria muito grato. Fiz o cruzamento das métricas e gerei o mapa com a tabela das principais ocorrências, no qual disponibilizo na sessão Análises logo a seguir. Fiz o download do arquivo tratado, usado para a visualização do mapa, para que possa sumarizar e trazer mais algumas informações dentro do RStudio.
Negacionismo que adoece e mata
Análises
É espantoso que em 10 anos, a maior população adulta infectada com HIV concentra-se em um único continente. Para acessar o relatório dinâmico, clique aqui.
50 países com maior quantidade de Adultos infectados entre 2000-2010 no mundo. Mapa produzido pelo autor
Voltando ao RStudio
Vamos carregar nosso conjunto de dados usado no Data Studio, e espiar com a função glimpse().
df = read.csv('datasets/Top-50-Adults_HIV-in_World.csv')
glimpse(df)Rows: 66
Columns: 2
$ Pais <chr> "Botswana", "Botswana", "Botswana", "...
$ Incidencia <dbl> 0.263, 0.261, 0.260, 0.259, 0.258, 0....#df_summary = count(df, Pais, order())
df1 = df
df1 %>%
group_by(Pais) %>%
summarise(Incidencia = mean(Incidencia),
total = n())NAConsiderando os 50 primeiros resultados, vemos que todos os países são do continente africano, e que ao longo de 11 anos (2000-2010) alguns aparecem 11 vezes na listagem.
Referências
DOPCKE, Wolfgang. Há salvação para a África? Thabo Mbeki e seu New Partnership for African development. Rev. bras. polít. int., Brasília , v. 45, n. 1, p. 146-155, June 2002 . Disponível em http://dx.doi.org/10.1590/S0034-73292002000100006, acessado em 12/02/2021.
GAPMINDER. Data. Gapminder, 2019. Disponivel em https://www.gapminder.org/data/, acessado em 10/02/2021. Hans Rosling, Ola Rosling, Anna Rosling Rönnlund. Factfulness: o hábito libertador de só ter opiniões baseadas em fatos.
Tradução Vitor Paolozzi. – 1. ed. – Rio de Janeiro: Record, 2019.
IME-USP. Ciência de dados em R. Disponível em https://livro.curso-r.com/index.html, acessado em 12/02/2021
Krippahl, Cristina. Perigos da ignorância: Os presidentes africanos e a negação da SIDA. Deutsche Welle, 01/03/2019. Disponível em https://www.dw.com/pt-002/perigos-da-ignorância-os-presidentes-africanos-e-a-negação-da-sida/g-46511688, acessado em 12/02/2021.
R Foundadion. The R Project for Statistical Computing. Disponível em https://www.r-project.org, acessado em 13/01/2021.