Trabalho de Graduação (2019-2021)

ZDB: utilizando banco de dados para gerenciamento, análise e conscientização sobre zoonoses no Brasil

Discente: Liandra Ayumi Federizi Yoshida

Orientadora: Fernanda Nascimento Almeida

Saiba mais sobre a doença e os números no país:


Mais informações do Ministério da Saúde: Febre Tifoide: causas, tratamento, diagnóstico e prevenção



Baixe o arquivo de dados:

Download


Estatísticas descritivas em linguagem R:

#limpa dados
rm(list = ls())

# definir diretório
setwd("insira o diretorio em que seu arquivo foi armazenado")

# verificar diretório
getwd()
## [1] "diretorio"
# carrega pacote de manipulação de tabelas
if (!require("data.table")){
  install.packages("data.table")
}
## Loading required package: data.table
## Warning: package 'data.table' was built under R version 3.6.3
library("data.table")

#carrega dados
tabela <- read.csv("tabela.csv",sep=";")

#monta tabela com dados de febre tifóide apenas
ocor = tabela$ocorrencia[tabela$cod_zoo==6] #ocorrencias
an = tabela$ano[tabela$cod_zoo==6] #ano
re = tabela$cod_regiao[tabela$cod_zoo==6] #regiao
escola = tabela$escolaridade[tabela$cod_zoo==6] #escolaridade
munextr = tabela$mun_extr_pobreza[tabela$cod_zoo==6] #municipio de extrema pobreza
idade = tabela$classif_etaria[tabela$cod_zoo==6] #idade
gen = tabela$sexo[tabela$cod_zoo==6] #genero
evol = tabela$evolucao[tabela$cod_zoo==6] #evolução do caso
desp <- data.table(an,ocor,re,escola,munextr,idade,gen,evol) #tabela com dados específicos de febre tifóide

Ocorrências totais ao longo dos anos:

graf = tapply(desp$ocor,desp$an,sum)
bp <- barplot(graf, border = F, las=2, ylim = c(0,170), xlab = "Anos", ylab = "Ocorrências de febre tifóide", main = "Febre tifóide no Brasil ao longo dos anos", col = "DeepSkyBlue", cex.names = 0.6, cex.axis = 0.6, cex.main = 1.0, cex.lab = 0.7) #gráfico de barras
text(x=as.vector(bp), y=graf+1, labels = graf, pos=3, offset = 0.05, cex = 0.6)
grid(ny = 6, nx = NA) #linhas de grade
abline(lsfit(1:length(graf),graf), col = "darkgreen") #linha de tendência

    Em 2017 e 2018 as ocorrências de febre tifóide aumentaram significativamente. A redução em 2019 pode estar associada tanto às ações de prevenção quanto à ausência de dados totais disponíveis até o momento. A última atualização em massa do DATASUS ocorreu em Março de 2020, sendo que em nota ressalta-se que os dados ainda precisam de revisão.


Ocorrências totais por região:

aux = tapply(desp$ocor,desp$re,sum)
names(aux) = c("Norte","Nordeste","Sudeste","Sul","Centro-Oeste")
aux = sort(aux, decreasing = TRUE)
bp <- barplot(aux, border = F, ylim = c(0,450), las=2, names.arg = names(aux), ylab = "Ocorrências de febre tifóide", main = "Febre tifóide no Brasil por região (casos de 2015 a 2019)", col = "DeepSkyBlue", cex.names = 0.6, cex.axis = 0.6, cex.main = 1.0, cex.lab = 0.7)
text(x=as.vector(bp), y=aux+1, labels = aux, pos=3, offset = 0.1, cex = 0.6)
grid(ny = 6, nx = NA)


Por escolaridade:

grafesc = tapply(desp$ocor,desp$escola,sum)
grafesc = sort(grafesc, decreasing = TRUE)
bp <- barplot(grafesc, border = F, ylim = c(0,150), las=2, ylab = "Ocorrências de febre tifóide", main = "Febre tifóide no Brasil por escolaridade (casos de 2015 a 2019)", col = "DeepSkyBlue", cex.names = 0.45, cex.axis = 0.6, cex.main = 1.0, cex.lab = 0.6)
text(x=as.vector(bp), y=grafesc+1, labels = grafesc, pos=3, offset = 0.1, cex = 0.6)
grid(ny = 6, nx = NA)

    Há uma presença muito elevada de dados não preenchidos nas fichas de notificação. Estes aparecem como “Em branco/Ignorado” e analisando em termos de escolaridade dos casos, este fator torna mais difícil a elaboração de estratégias adequadas de prevenção.


Por município de extrema pobreza:

grafmep = tapply(desp$ocor,desp$munextr,sum)
names(grafmep) = c("Não","Sim")
grafmep = sort(grafmep, decreasing = TRUE)
bp <- barplot(grafmep, border = F, ylim = c(0,500), las=1, ylab = "Ocorrências de febre tifóide", main = "Febre tifóide no Brasil por status de extrema pobreza do município (casos de 2015 a 2019)", col = "DeepSkyBlue", cex.names = 0.7, cex.axis = 0.7, cex.main = 0.9, cex.lab = 0.7)
text(x=as.vector(bp), y=grafmep+1, labels = grafmep, pos=3, offset = 0.1, cex = 0.6)
grid(ny = 6, nx = NA)


Por classificação etária:

grafidade = tapply(desp$ocor,desp$idade,sum)
grafidade = sort(grafidade, decreasing = TRUE)
bp <- barplot(grafidade, border = F, ylim = c(0,230), las=2, ylab = "Ocorrências de febre tifóide", main = "Febre tifóide no Brasil por faixa etária (casos de 2015 a 2019)", col = "DeepSkyBlue", cex.names = 0.6, cex.axis = 0.6, cex.main = 1.0, cex.lab = 0.6)
text(x=as.vector(bp), y=grafidade+1, labels = grafidade, pos=3, offset = 0.1, cex = 0.6)
grid(ny = 6, nx = NA)

#tabela com as faixas de idade de cada classificação:
faixas <- data.table(categoria = c("bebês", "crianças",
                            "adolescentes", "jovens",                                     "adultos", "idosos"),  
                   idade = c("0-4 anos", "5-14 anos", "15-19 anos", "20-39 anos", "40-59 anos", "a partir de 60 anos"))
faixas
##       categoria               idade
## 1:        bebês            0-4 anos
## 2:     crianças           5-14 anos
## 3: adolescentes          15-19 anos
## 4:       jovens          20-39 anos
## 5:      adultos          40-59 anos
## 6:       idosos a partir de 60 anos

Por gênero:

grafgen = tapply(desp$ocor,desp$gen,sum)
grafgen = sort(grafgen, decreasing = TRUE)
bp <- barplot(grafgen, border = F, ylim = c(0,350), las=1, ylab = "Ocorrências de febre tifóide", main = "Febre tifóide no Brasil por gênero (casos de 2015 a 2019)", col = "DeepSkyBlue", cex.names = 0.7, cex.axis = 0.7, cex.main = 1.0, cex.lab = 0.7)
text(x=as.vector(bp), y=grafgen+1, labels = grafgen, pos=3, offset = 0.1, cex = 0.6)
grid(ny = 6, nx = NA)


Por evolução do caso:

grafevol = tapply(desp$ocor,desp$evol,sum)
names(grafevol) = c("cura","óbito")
grafevol = sort(grafevol, decreasing = TRUE)
bp <- barplot(grafevol, border = F, ylim = c(0,600), las=1, ylab = "Ocorrências de febre tifóide", main = "Febre tifóide no Brasil por evolução do caso (casos de 2015 a 2019)", col = "DeepSkyBlue", cex.names = 0.7, cex.axis = 0.7, cex.main = 1.0, cex.lab = 0.7)
text(x=as.vector(bp), y=grafevol+1, labels = grafevol, pos=3, offset = 0.1, cex = 0.6)
grid(ny = 6, nx = NA)


    Para dúvidas ou mais informações entrar em contato através do endereço de email: