Análise realizada como atividade final do curso ACIEPE: análise e visualização de dados do coronavírus usando R do Departamento de Economia da Universidade Federal de São Carlos ministrado pela professora Profa. Dra. Andreza A. Palma.
Os dados (PNAD_COVID_112020.csv) e o dicionário com a descrição das variáveis (Dicionario_PNAD_COVID_112020.xls) podem ser baixados via ftp como mostrado em https://analisemacro.com.br/data-science/dicas-de-rstats/analise-de-microdados-da-pnad-covid-com-o-r/.
# Download dos dados
url = "ftp://ftp.ibge.gov.br/Trabalho_e_Rendimento/Pesquisa_Nacional_por_Amostra_de_Domicilios_PNAD_COVID19/Microdados/Dados/PNAD_COVID_112020.zip"
download.file(url, destfile='PNAD_COVID_112020.zip', mode='wb')
unzip('PNAD_COVID_112020.zip')## Download do dicionário dos dados
url_2 = "ftp://ftp.ibge.gov.br/Trabalho_e_Rendimento/Pesquisa_Nacional_por_Amostra_de_Domicilios_PNAD_COVID19/Microdados/Documentacao/Dicionario_PNAD_COVID_112020.xls"
download.file(url_2, destfile='Dicionario_PNAD_COVID_112020.xls', mode='wb')pnad_covid = read_csv("PNAD_COVID_112020.csv", col_types = cols(.default = "d")) %>%
as_survey_design(ids = UPA, strata = Estrato, weights = V1032, nest = TRUE)pnad_escola = pnad_covid %>% mutate(one = 1,
escola = ifelse(A006A == 1, "Pública", "Privada"),
aula_presencial = factor(case_when(
A006B == 1 ~ "Sim, normalmente",
A006B == 2 ~ "Sim, mas apenas parcialmente",
A006B == 3 ~ "Não, e meu normalmente é presencial/semipresencial",
A006B == 4 ~ "Não, meu curso é online"),
levels = c('Sim, normalmente', 'Sim, mas apenas parcialmente',
'Não, e meu normalmente é presencial/semipresencial',
'Não, meu curso é online')),
homework = factor(case_when(
A007 == 1 ~ "Sim, e realizou pelo menos parte delas",
A007 == 2 ~ "Sim, mas não realizou (por qualquer motivo)",
A007 == 3 ~ "Não",
A007 == 4 ~ "Não, porque estava de férias"),
levels = c('Sim, e realizou pelo menos parte delas',
'Sim, mas não realizou (por qualquer motivo)',
'Não', 'Não, porque estava de férias')),
razao_naohomework = factor(case_when(
A007A == 1 ~ "Equipamento",
A007A == 2 ~ "Internet",
A007A == 3 ~ "Saúde",
A007A == 4 ~ "Afazeres domésticos/família",
A007A == 5 ~ "Concentração"),
levels = c('Equipamento', 'Internet', 'Saúde', 'Afazeres domésticos/família', 'Concentração')))Distribuição de alunos que frequentam escola/faculdade que estão com/sem aulas presenciais por rede de ensino (pública ou privada)
pnad_escola %>%
group_by(escola, aula_presencial) %>%
summarise(freq_escola = survey_prop()) %>%
mutate(freq_escola = freq_escola * 100) %>%
drop_na() %>%
ggplot(aes(x = escola, y = freq_escola, fill = escola)) +
geom_bar(stat = "identity") +
facet_wrap(~aula_presencial) +
labs(title = 'Distribuição de aulas presenciais por rede de ensino a partir da pergunta: "Você está tendo aulas presenciais?"', x = NULL, y = 'Frequenta escola (%)') +
theme_bw() +
theme(title = element_text(size = 14),
strip.text.x = element_text(size=12, face="bold"),
legend.text = element_text(size = 15),
axis.title.y = element_text(size = 12),
legend.position = 'none')
pnad_freq_homework = pnad_escola %>%
rename(semana_pesquisa = V1012) %>%
group_by(escola, homework, semana_pesquisa) %>%
summarise(freq_homework = survey_prop()) %>%
mutate(semana_pesquisa = paste0('Semana ', semana_pesquisa),
freq_homework = freq_homework * 100) %>%
drop_na()
ggplot(pnad_freq_homework, aes(x = freq_homework, y = homework, fill = escola)) +
geom_bar(stat = "identity", position = "stack") +
facet_wrap(~semana_pesquisa) +
labs(title = 'Distribuição de alunos com atividades para casa por semana do mês de Novembro', fill = 'Escola/Faculdade', y = NULL, x = 'Alunos com atividades (%)') +
theme_minimal() +
theme(title = element_text(size = 13),
strip.text.x = element_text(size=12, face="bold"),
legend.text = element_text(size = 12),
axis.title.x = element_text(size = 12),
legend.position = 'bottom')
pnad_freq_motivo = pnad_escola %>%
rename(semana_pesquisa = V1012) %>%
group_by(escola, razao_naohomework, semana_pesquisa) %>%
summarise(freq_motivo = survey_prop()) %>%
mutate(semana_pesquisa = paste0('Semana ', semana_pesquisa),
freq_motivo = freq_motivo * 100) %>%
drop_na()
ggplot(pnad_freq_motivo, aes(x = freq_motivo, y = razao_naohomework, fill = escola)) +
geom_bar(stat = "identity", position = "stack") +
facet_wrap(~semana_pesquisa) +
labs(title = 'Razão pelos alunos não terem realizado as atividades da semana anterior do mês de Novembro', fill = 'Escola/Faculdade', x = 'Alunos que não realizaram atividade (%)', y = NULL) +
theme_minimal() +
theme(title = element_text(size = 13),
strip.text.x = element_text(size=12, face="bold"),
legend.text = element_text(size = 12),
axis.title.x = element_text(size = 12),
legend.position = 'bottom')
- A partir da visualização acima foi verificada uma grande variação de comportamento entre as quatro semanas;
- Enquanto nas semanas 1 e 2 as atividades domésticas ou com familiares foi a maior razão para os alunos não fazerem suas atividades, na semana 4, essa razão apresentou-se como menor empecilho;
- Na semana 1, somente os alunos da rede pública responderam que tiveram problemas relacionados à saúde ou à internet que os impediram de fazer as atividades;
- Somente na semana 3 que os afazeres domésticos ou cuidar de familiares afetaram mais os alunos da rede pública do que privada;
- Ao longo das semanas, não houve prevalência da rede pública ou privada sobre nenhum dos cinco motivos para a não realização de atividades.
Razão pelos alunos não terem realizado as atividades das quatro semanas do mês de Novembro por faixa etária
pnad_freq_motivo_idade = pnad_escola %>%
mutate(idade = case_when(
A002 %in% 0:6 ~ "00 - 6",
A002 %in% 7:10 ~ "07 - 10",
A002 %in% 11:14 ~ "11 - 14",
A002 %in% 15:24 ~ "15 - 24",
A002 %in% 25:34 ~ "25 - 34",
A002 %in% 35:49 ~ "35 - 49",
A002 %in% 50:64 ~ "50 - 64",
A002 > 64 ~ "65+")) %>%
group_by(escola, razao_naohomework, idade) %>%
summarise(freq_motivo = survey_prop()) %>%
mutate(freq_motivo = freq_motivo * 100) %>%
drop_na()
ggplot(pnad_freq_motivo_idade, aes(x = razao_naohomework, y = freq_motivo, fill = razao_naohomework)) +
geom_bar(stat = "identity", position = "stack") +
facet_grid(rows = vars(idade), cols = vars(escola)) +
labs(title = 'Razão pelos alunos não terem realizado as atividades das quatro semanas do mês de Novembro', y = 'Alunos que não realizaram atividade (%)', fill = 'Razão', x = NULL) +
theme_bw() +
theme(title = element_text(size = 13),
strip.text.x = element_text(size=12, face="bold"),
axis.text.x = element_blank(),
strip.text.y = element_text(size=11, face="bold"),
legend.text = element_text(size = 12),
axis.title.x = element_text(size = 12),
axis.title.y = element_text(size = 12))
- Na rede privada, problemas de saúde foram justificados como empecilho para a realização de tarefas somente na faixa etária de 15 a 24 anos;
- Na rede pública, pode-se destacar que as faixas entre 11 - 14 e 25 - 34 tiveram, na mesma proporção, os afazeres domésticos ou cuidados familiares como razão para a não realização das atividades escolares/faculdade.
Distribuição entre os entrevistados diagnosticados com COVID por tipo de exame e por sintoma apresentado
Observação: A proporção de entrevistados positivados com covid foi feito em relação ao número de pessoas que afirmaram terem feito algum teste para saber se estava infectado(a) pelo coronavírus, ou seja, quando a variável B008 foi definida com valor igual a 1.
febre_teste_positivo = pnad_covid %>%
filter(B0011 %in% c(1:3)) %>%
mutate(febre = case_when(
B0011 == 1 ~ "Sim",
B0011 == 2 ~ "Não",
B0011 == 3 ~ "Não sabe")) %>%
group_by(febre) %>%
summarise(total_positivo_swab = survey_total(B009B == 1, na.rm = TRUE),
total_positivo_dedo = survey_total(B009D == 1, na.rm = TRUE),
total_positivo_braco = survey_total(B009F == 1, na.rm = TRUE),
total = survey_total(B008 == 1, na.rm = TRUE)) %>%
mutate(febre_positivo_swab = 100 * total_positivo_swab/total,
febre_positivo_dedo = 100 * total_positivo_dedo/total,
febre_positivo_braco = 100 * total_positivo_braco/total)
type.labels = c('Sangue através da veia do braço', 'Sangue através de furo no dedo',
'Cotonete na boca e/ou nariz (SWAB)')
names(type.labels) = c('febre_positivo_braco', 'febre_positivo_dedo', 'febre_positivo_swab')
febre_teste_positivo %>%
select(febre, febre_positivo_swab, febre_positivo_dedo, febre_positivo_braco) %>%
pivot_longer(
cols = !febre,
names_to = 'variavel',
values_to = 'metrica') %>%
ggplot(aes(x = febre, y = metrica, fill = febre)) +
geom_bar(stat = "identity") +
facet_wrap(~variavel, labeller = labeller(variavel = type.labels)) +
labs(title = 'Distribuição de pessoas que testaram positivo por sintoma de febre e tipo de teste', y = '(%)', x = 'Na semana passada teve febre?') +
theme_bw() +
theme(title = element_text(size = 13),
strip.text.x = element_text(size = 12, face ="bold"),
legend.text = element_text(size = 12),
axis.title.x = element_text(size = 12, face = 'bold'),
legend.position = 'none')
- A proporção de casos positivos detectados por exames de sangue pelo braço ou dedo foram muito próximos entre as pessoas que disseram não terem tido febre e as que responderam que sim. No entanto, o contrário foi observado nos exames do tipo SWAB, em que a maioria que respondeu que sentiu febre teve resultado positivo para o COVID.
tosse_teste_positivo = pnad_covid %>%
filter(B0012 %in% c(1:3)) %>%
mutate(tosse = case_when(
B0012 == 1 ~ "Sim",
B0012 == 2 ~ "Não",
B0012 == 3 ~ "Não sabe")) %>%
group_by(tosse) %>%
summarise(total_positivo_swab = survey_total(B009B == 1, na.rm = TRUE),
total_positivo_dedo = survey_total(B009D == 1, na.rm = TRUE),
total_positivo_braco = survey_total(B009F == 1, na.rm = TRUE),
total = survey_total(B008 == 1, na.rm = TRUE)) %>%
mutate(tosse_positivo_swab = 100 * total_positivo_swab/total,
tosse_positivo_dedo = 100 * total_positivo_dedo/total,
tosse_positivo_braco = 100 * total_positivo_braco/total)
names(type.labels) = c('tosse_positivo_braco', 'tosse_positivo_dedo', 'tosse_positivo_swab')
tosse_teste_positivo %>%
select(tosse, tosse_positivo_swab, tosse_positivo_dedo, tosse_positivo_braco) %>%
pivot_longer(
cols = !tosse,
names_to = 'variavel',
values_to = 'metrica') %>%
ggplot(aes(x = tosse, y = metrica, fill = tosse)) +
geom_bar(stat = "identity") +
facet_wrap(~variavel, labeller = labeller(variavel = type.labels)) +
labs(title = 'Distribuição de pessoas que testaram positivo por sintoma de tosse e tipo de teste', y = '(%)', x = 'Na semana passada teve tosse?') +
theme_bw() +
theme(title = element_text(size = 13),
strip.text.x = element_text(size = 12, face ="bold"),
legend.text = element_text(size = 12),
axis.title.x = element_text(size = 12, face = 'bold'),
legend.position = 'none')
garganta_teste_positivo = pnad_covid %>%
filter(B0013 %in% c(1:3)) %>%
mutate(garganta = case_when(
B0013 == 1 ~ "Sim",
B0013 == 2 ~ "Não",
B0013 == 3 ~ "Não sabe")) %>%
group_by(garganta) %>%
summarise(total_positivo_swab = survey_total(B009B == 1, na.rm = TRUE),
total_positivo_dedo = survey_total(B009D == 1, na.rm = TRUE),
total_positivo_braco = survey_total(B009F == 1, na.rm = TRUE),
total = survey_total(B008 == 1, na.rm = TRUE)) %>%
mutate(garganta_positivo_swab = 100 * total_positivo_swab/total,
garganta_positivo_dedo = 100 * total_positivo_dedo/total,
garganta_positivo_braco = 100 * total_positivo_braco/total)
names(type.labels) = c('garganta_positivo_braco', 'garganta_positivo_dedo', 'garganta_positivo_swab')
garganta_teste_positivo %>%
select(garganta, garganta_positivo_swab, garganta_positivo_dedo, garganta_positivo_braco) %>%
pivot_longer(
cols = !garganta,
names_to = 'variavel',
values_to = 'metrica') %>%
ggplot(aes(x = garganta, y = metrica, fill = garganta)) +
geom_bar(stat = "identity") +
facet_wrap(~variavel, labeller = labeller(variavel = type.labels)) +
labs(title = 'Distribuição de pessoas que testaram positivo por sintoma de dor de garganta e tipo de teste', y = '(%)', x = 'Na semana passada teve dor de garganta?') +
theme_bw() +
theme(title = element_text(size = 13),
strip.text.x = element_text(size = 12, face ="bold"),
legend.text = element_text(size = 12),
axis.title.x = element_text(size = 12, face = 'bold'),
legend.position = 'none')
- Assim como verificado para os sintomas de febre e tosse, entre os três testes, o SWAB detectou mais casos como positivo, independente da resposta do entrevistado se teve, não teve ou não sabia se tinha tido dor de garganta na semana anterior da entrevista;
- Os resultados dos testes foram semelhantes quando os sintomas questionados foram tosse e dor de garganta.
respirar_teste_positivo = pnad_covid %>%
filter(B0014 %in% c(1:3)) %>%
mutate(respirar = case_when(
B0014 == 1 ~ "Sim",
B0014 == 2 ~ "Não",
B0014 == 3 ~ "Não sabe")) %>%
group_by(respirar) %>%
summarise(total_positivo_swab = survey_total(B009B == 1, na.rm = TRUE),
total_positivo_dedo = survey_total(B009D == 1, na.rm = TRUE),
total_positivo_braco = survey_total(B009F == 1, na.rm = TRUE),
total = survey_total(B008 == 1, na.rm = TRUE)) %>%
mutate(respirar_positivo_swab = 100 * total_positivo_swab/total,
respirar_positivo_dedo = 100 * total_positivo_dedo/total,
respirar_positivo_braco = 100 * total_positivo_braco/total)
names(type.labels) = c('respirar_positivo_braco', 'respirar_positivo_dedo', 'respirar_positivo_swab')
respirar_teste_positivo %>%
select(respirar, respirar_positivo_swab, respirar_positivo_dedo, respirar_positivo_braco) %>%
pivot_longer(
cols = !respirar,
names_to = 'variavel',
values_to = 'metrica') %>%
ggplot(aes(x = respirar, y = metrica, fill = respirar)) +
geom_bar(stat = "identity") +
facet_wrap(~variavel, labeller = labeller(variavel = type.labels)) +
labs(title = 'Distribuição de pessoas que testaram positivo por sintoma de dificuldade para respirar e tipo de teste', y = '(%)', x = 'Na semana passada teve dificuldade para respirar?') +
theme_bw() +
theme(title = element_text(size = 13),
strip.text.x = element_text(size = 12, face ="bold"),
legend.text = element_text(size = 12),
axis.title.x = element_text(size = 12, face = 'bold'),
legend.position = 'none')
- Deve-se destacar que a proximidade entre as proporções de resultados positivos dados pelos exames de sangue independente da percepção ou não de um sintoma (febre, tosse, dor de garganta e dificuldade de respirar) invalida a importância do sintoma como indício da doença quando se é realizado o exame de sangue, seja pelo dedo ou pelo braço.
olfato_paladar_teste_positivo = pnad_covid %>%
filter(B00111 %in% c(1:3)) %>%
mutate(olfato_paladar = case_when(
B00111 == 1 ~ "Sim",
B00111 == 2 ~ "Não",
B00111 == 3 ~ "Não sabe")) %>%
group_by(olfato_paladar) %>%
summarise(total_positivo_swab = survey_total(B009B == 1, na.rm = TRUE),
total_positivo_dedo = survey_total(B009D == 1, na.rm = TRUE),
total_positivo_braco = survey_total(B009F == 1, na.rm = TRUE),
total = survey_total(B008 == 1, na.rm = TRUE)) %>%
mutate(olfato_paladar_positivo_swab = 100 * total_positivo_swab/total,
olfato_paladar_positivo_dedo = 100 * total_positivo_dedo/total,
olfato_paladar_positivo_braco = 100 * total_positivo_braco/total)
names(type.labels) = c('olfato_paladar_positivo_braco', 'olfato_paladar_positivo_dedo', 'olfato_paladar_positivo_swab')
olfato_paladar_teste_positivo %>%
select(olfato_paladar, olfato_paladar_positivo_swab, olfato_paladar_positivo_dedo, olfato_paladar_positivo_braco) %>%
pivot_longer(
cols = !olfato_paladar,
names_to = 'variavel',
values_to = 'metrica') %>%
ggplot(aes(x = olfato_paladar, y = metrica, fill = olfato_paladar)) +
geom_bar(stat = "identity") +
facet_wrap(~variavel, labeller = labeller(variavel = type.labels)) +
labs(title = 'Distribuição de pessoas que testaram positivo por sintoma de perda de olfato e/ou paladar e tipo de teste', y = '(%)', x = 'Na semana passada teve perda de cheiro ou sabor?') +
theme_bw() +
theme(title = element_text(size = 13),
strip.text.x = element_text(size = 12, face ="bold"),
legend.text = element_text(size = 12),
axis.title.x = element_text(size = 12, face = 'bold'),
legend.position = 'none')
-
Somente para os sintomas de dificuldade de respirar e perda de olfato e/ou paladar que o exame SWAB apresentou uma taxa de casos positivos entre entrevistados que não tiveram o sintoma perguntado menor do que a taxa de positivos através do exame de sangue entre aqueles que afirmaram terem tido o sintoma questionado. Graficamente, a barra do Sim para os exames de sangue (dedo e braço) e sintomas de dificuldade para respirar e perda de olfato e/ou paladar foi maior do que a barra do Não para o teste SWAB.
-
Os resultados da pesquisa em relação ao sintoma de perda de olfato e/ou paladar para aqueles que fizeram o teste SWAB foi semelhante ao encontrado ao se perguntar sobre a dificuldade em respirar. No entanto, o sintoma de perda de olfato e/ou paladar foi aquele com maior acurácia ao indicar a presença do vírus (acima de 40%) quando detectado pelo exame de cotonete na boca e/ou nariz.
Observação: Para o total de exames realizados não foi utilizada a variável B008 pois uma pessoa pode ter feito mais de um tipo de exame, como pode ser visto na consulta pnad_covid$variables %>% filter(B008 == 1, B009A == 1 | B009C == 1 | B009E == 1) %>% select(B008, B009A, B009C, B009D).
#pnad_exames equivale a filtrar B009A, B009C e B009E == 1 de cada base
#pnad_covid %>%
# filter(B008 == 1) %>%
# group_by(B009A) %>%
# summarise(total = survey_prop())
#pnad_covid %>%
# filter(B008 == 1) %>%
# group_by(B009C) %>%
# summarise(total = survey_prop())
#pnad_covid %>%
# filter(B008 == 1) %>%
# group_by(B009E) %>%
# summarise(total = survey_prop())
pnad_exames = pnad_covid %>%
summarise(teste_swab = survey_total(B009A == 1, na.rm = TRUE),
teste_dedo = survey_total(B009C == 1, na.rm = TRUE),
teste_braco = survey_total(B009E == 1, na.rm = TRUE)) %>%
mutate(total_testes = sum(teste_swab, teste_dedo, teste_braco),
swab_testes = 100 * teste_swab/total_testes,
dedo_testes = 100 * teste_dedo/total_testes,
braco_testes = 100 * teste_braco/total_testes) %>%
select(swab_testes, dedo_testes, braco_testes) %>%
pivot_longer(
cols = everything(),
names_to = 'exame',
values_to = 'metrica'
)
ggplot(pnad_exames, aes(x = '', y = metrica, fill = exame)) +
geom_bar(stat = "identity") +
geom_text(aes(label = paste0(round(metrica, 2), "%")), position = position_stack(vjust = 0.5), size = 5, color = 'grey31') +
coord_polar("y") +
labs(title = 'Distribuição entre os tipos de exames realizados', fill = 'Tipo de Exame', x = NULL, y = NULL) +
scale_fill_discrete(labels = c('Sangue através da veia do braço', 'Sangue através de furo no dedo', 'Cotonete na boca e/ou nariz (SWAB)')) +
theme_classic() +
theme(title = element_text(size = 13),
legend.text = element_text(size = 12),
axis.text = element_blank(),
axis.line = element_blank(),
axis.ticks = element_blank())
resultados_por_teste = pnad_covid %>%
filter(B009A == 1, B009B %in% c(1:3)) %>%
mutate(resultado = case_when(
B009B == 1 ~ "Positivo",
B009B== 2 ~ "Negativo",
B009B == 3 ~ "Inconclusivo")) %>%
group_by(resultado) %>%
summarise(total_percent = survey_prop()) %>%
mutate(total_percent = 100 * total_percent) %>%
add_column(exame = rep('swab', 3))
resultados_por_teste = rbind(resultados_por_teste, pnad_covid %>%
filter(B009C == 1, B009D %in% c(1:3)) %>%
mutate(resultado = case_when(
B009D == 1 ~ "Positivo",
B009D == 2 ~ "Negativo",
B009D == 3 ~ "Inconclusivo")) %>%
group_by(resultado) %>%
summarise(total_percent = survey_prop()) %>%
mutate(total_percent = 100 * total_percent) %>%
add_column(exame = rep('dedo', 3)))
resultados_por_teste = rbind(resultados_por_teste, pnad_covid %>%
filter(B009E == 1, B009F %in% c(1:3)) %>%
mutate(resultado = case_when(
B009F == 1 ~ "Positivo",
B009F == 2 ~ "Negativo",
B009F == 3 ~ "Inconclusivo")) %>%
group_by(resultado) %>%
summarise(total_percent = survey_prop()) %>%
mutate(total_percent = 100 * total_percent) %>%
add_column(exame = rep('braco', 3)))
names(type.labels) = c('braco', 'dedo', 'swab')
ggplot(resultados_por_teste, aes(x = '', y = total_percent, fill = resultado)) +
geom_bar(stat = "identity") +
geom_text(aes(label = paste0(round(total_percent, 2), "%")), position = position_stack(vjust = 0.5), size = 4, color = 'grey31') +
coord_polar("y") +
facet_wrap(~exame, labeller = labeller(exame = type.labels)) +
labs(title = 'Distribuição entre os resultados por tipo de exame', fill = 'Resultado', x = NULL, y = NULL) +
theme_bw() +
theme(title = element_text(size = 13),
legend.text = element_text(size = 12),
strip.text.x = element_text(size = 12, face ="bold"),
axis.text = element_blank(),
axis.line = element_blank(),
axis.ticks = element_blank())
pnad_regiao = pnad_covid %>%
mutate(regiao = case_when(
UF %in% c(11:17) ~ "Norte",
UF %in% c(21:29) ~ "Nordeste",
UF %in% c(31:35) ~ "Suldeste",
UF %in% c(41:43) ~ "Sul",
UF %in% c(50:53) ~ "Centro-Oeste")) %>%
group_by(regiao) %>%
summarise(teste_swab = survey_total(B009A == 1, na.rm = TRUE),
teste_dedo = survey_total(B009C == 1, na.rm = TRUE),
teste_braco = survey_total(B009E == 1, na.rm = TRUE))
total_testagem = pnad_regiao %>%
select(teste_swab, teste_dedo, teste_braco) %>% rowSums()
pnad_regiao = pnad_regiao %>%
mutate(total_testes = total_testagem,
swab_testes = 100 * teste_swab/total_testes,
dedo_testes = 100 * teste_dedo/total_testes,
braco_testes = 100 * teste_braco/total_testes)
pnad_regiao %>%
select(regiao, swab_testes, dedo_testes, braco_testes) %>%
pivot_longer(
cols = !regiao,
names_to = 'exame',
values_to = 'metrica'
) %>%
ggplot(aes(x = '', y = metrica, fill = exame)) +
geom_bar(stat = "identity") +
geom_text(aes(label = paste0(round(metrica, 2), "%")), position = position_stack(vjust = 0.5), size = 5, color = 'grey31') +
coord_polar("y") +
facet_wrap(~regiao, nrow = 2) +
labs(title = 'Distribuição entre os tipos de exames por região', fill = 'Tipo de Exame', x = NULL, y = NULL) +
scale_fill_discrete(labels = c('Sangue através da veia do braço', 'Sangue através de furo no dedo', 'Cotonete na boca e/ou\n nariz (SWAB)')) +
theme_bw() +
theme(title = element_text(size = 13),
legend.text = element_text(size = 12),
axis.text = element_blank(),
axis.line = element_blank(),
axis.ticks = element_blank(),
strip.text.x = element_text(size = 12, face ="bold"))
- As regiões Norte e Nordeste apresentaram maior proporção de exames de sangue através do dedo ao contrário da proporção nacional de exames, onde a coleta com cotonete pela boca e/ou nariz foi maior.
pnad_salario = pnad_covid %>%
mutate(salario = factor(case_when(
C01012 <= 1044 ~ "Menos de um salário mínimo",
C01012 %in% c(1045:2090) ~ "Entre 1 e 2",
C01012 %in% c(2091:3135) ~ "Entre 2 e 3",
C01012 %in% c(3136:4180) ~ "Entre 3 e 4",
C01012 %in% c(4181:5225) ~ "Entre 4 e 5",
C01012 >= 5226 ~ "Mais de 5"),
levels = c("Menos de um salário mínimo",
"Entre 1 e 2",
"Entre 2 e 3",
"Entre 3 e 4",
"Entre 4 e 5",
"Mais de 5"))) %>%
group_by(salario) %>%
summarise(teste_swab = survey_total(B009A == 1, na.rm = TRUE),
teste_dedo = survey_total(B009C == 1, na.rm = TRUE),
teste_braco = survey_total(B009E == 1, na.rm = TRUE)) %>%
drop_na()
total_testagem = pnad_salario %>%
select(teste_swab, teste_dedo, teste_braco) %>% rowSums()
pnad_salario = pnad_salario %>%
mutate(total_testes = total_testagem,
swab_testes = 100 * teste_swab/total_testes,
dedo_testes = 100 * teste_dedo/total_testes,
braco_testes = 100 * teste_braco/total_testes)
pnad_salario %>%
select(salario, swab_testes, dedo_testes, braco_testes) %>%
pivot_longer(
cols = !salario,
names_to = 'exame',
values_to = 'metrica'
) %>%
ggplot(aes(x = '', y = metrica, fill = exame)) +
geom_bar(stat = "identity") +
geom_text(aes(label = paste0(round(metrica, 2), "%")), position = position_stack(vjust = 0.5), size = 4.5, color = 'grey31') +
coord_polar("y") +
facet_wrap(~salario, nrow = 2) +
labs(title = 'Distribuição entre os tipos de exames por faixa salarial', fill = 'Tipo de Exame', x = NULL, y = NULL) +
scale_fill_discrete(labels = c('Sangue através da veia do braço', 'Sangue através de furo no dedo', 'Cotonete na boca e/ou\n nariz (SWAB)')) +
theme_bw() +
theme(title = element_text(size = 13),
legend.text = element_text(size = 12),
axis.text = element_blank(),
axis.line = element_blank(),
axis.ticks = element_blank(),
strip.text.x = element_text(size = 12, face ="bold"))
- O mesmo tipo de exame mais frequente nas regiões Norte e Nordeste foi também o majoritário entre a população com renda menor do que um salário mínimo;
- Já entre a população com mais de 5 salários mínimos, o exame de sangue através do braço superou a proporção de exames através de furo no dedo.
pnad_idade = pnad_covid %>%
mutate(idade = case_when(
A002 %in% 15:24 ~ "15-24",
A002 %in% 25:34 ~ "25-34",
A002 %in% 35:49 ~ "35-49",
A002 %in% 50:64 ~ "50-64",
A002 > 64 ~ "65+")) %>%
group_by(idade) %>%
summarise(teste_swab = survey_total(B009A == 1, na.rm = TRUE),
teste_dedo = survey_total(B009C == 1, na.rm = TRUE),
teste_braco = survey_total(B009E == 1, na.rm = TRUE)) %>%
drop_na()
total_testagem = pnad_idade %>%
select(teste_swab, teste_dedo, teste_braco) %>% rowSums()
pnad_idade = pnad_idade %>%
mutate(total_testes = total_testagem,
swab_testes = 100 * teste_swab/total_testes,
dedo_testes = 100 * teste_dedo/total_testes,
braco_testes = 100 * teste_braco/total_testes)
pnad_idade %>%
select(idade, swab_testes, dedo_testes, braco_testes) %>%
pivot_longer(
cols = !idade,
names_to = 'exame',
values_to = 'metrica'
) %>%
ggplot(aes(x = '', y = metrica, fill = exame)) +
geom_bar(stat = "identity") +
geom_text(aes(label = paste0(round(metrica, 2), "%")), position = position_stack(vjust = 0.5), size = 4.5, color = 'grey31') +
coord_polar("y") +
facet_wrap(~idade, nrow = 2) +
labs(title = 'Distribuição entre os tipos de exames por faixa etária', fill = 'Tipo de Exame', x = NULL, y = NULL) +
scale_fill_discrete(labels = c('Sangue através da veia do braço', 'Sangue através de furo no dedo', 'Cotonete na boca e/ou\n nariz (SWAB)')) +
theme_bw() +
theme(title = element_text(size = 13),
legend.text = element_text(size = 12),
axis.text = element_blank(),
axis.line = element_blank(),
axis.ticks = element_blank(),
strip.text.x = element_text(size = 12, face ="bold"))
- Os entrevistados a partir de 50 anos fizeram com maior frequência o exame de sangue através do dedo enquanto as demais faixas etárias seguem a proporção nacional com prevalência do teste SWAB.