Este é o terceiro projeto feito por mim em função do Bootcamp de Data Science aplicada da Alura. Nele usarei os processos de análise e manipulação de dataframes em conjunto com ferramentas gráficas para analisar séries temporais, inicialmente comparando a evolução no número de casos no estado do Rio de Janeiro com a evolução no número de Casos na cidade de Berlim, Alemanha. Em seguida, utilizarei-me de métodos estatíticos e da biblioteca Prophet para formular um modelo preditivo dos novos casos de Covid-19 no estado do Rio de Janeiro.
Sendo um típico brasileirinho que sou fiquei e fico indignado com a postura adotada pelas autoridades em relação ao combate à Covid-19 no país: Demora para tomar as primeiras iniciativas preventivas, posicionamento anti-científico, etc. Assim, me veio a ideia de comparar o meu querido estado, Rio de Janeiro, um estado que mesmo enfrentando uma das maiores médias de óbitos a cada 100 mil habitantes na época [1] demorou a tomar medidas como o lockdown, com outro grande centro urbano que aplicou com eficácia a prática de lockdown e testar a hipótese de que essa medida realmente poupa vidas. Essa ideia ficou ainda mais interessante pois a Alemanha passou de exemplo ao combate da doença, durante a primeira onda de Covid-19, para um exemplo de como a falsa sensação de segurança e o relaxamento das medidas podem condenar parte da população e fazer subirem drasticamente os índices de casos e mortes[2].
O dataframe que obtive com os dados de Berlim contava com um índice específico: novos casos a cada 100 mil habitantes nas duas últimas semanas, calculados semanalmente, então manipulei o dataframe que possuia para o estado do Rio de Janeiro a fim de gerar esse índice e poder comparar ambos os Estados. Assim, pude comparar os índices de novos casos a cada 100 mil habitantes de ambos os estados e testar a hipótese de que as medidas de afastamento social são eficazes e necessárias no combate de uma doença de fácil transimssão como é a Covid-19. Finalmente, pude também comparar o índice anteriormente citado no momento em que Berlim passava por uma crise durante a segunda onda com os do Rio de Janeiro.
Os dados utilizados neste projeto foram obtidos do Brasil.io, que disponibiliza dados sobre os casos e óbitos relacionados à Covid-19 no Brasil, e também do European Centre for Disease Prevention and Control , que fornece dados quanto ao combate da Covid-19 em diversos países dentro da União Européia. Eu escolhi os dataset:
- caso_full, que possui os dados para todos os municípios do país.
- Data on the weekly subnational 14-day notification rate of new COVID-19 cases[3], que possui o índice de novos casos a cada 100 mil habitantes das últimas 2 semanas, feito semanalmente, de uma grande gama de estados de diversas nações dentro da União Européia.
Os dados Europeus estaram na pasta Dados no GitHub do projeto, contudo, por ser maior terei que apenas disponibilizar o link para baixar o outro conjunto de dados referentes aos estados brasileiros.
-
A prática de medidas de afastameto social bem aplicadas reduzem a propagação do Covid-19.
-
O número de casos no Rio de Janeiro deve diminuir por conta do início da campanha de vacinação.
-
Importação das bibliotecas usadas.
-
Importação dos dados.
-
Tratamento dos dados para comparação entre RJ e Berlim.
-
Primeira análise dos dados.
-
Tratamento dos dados para uso do Prophet.
-
Construção de um modelo preditivo.
-
Previsão de novos casos no RJ.
-
Comentários sobre o modelo.
-
Conclusões.
-
Projeções futuras.
O primeiro modelo foi criado utilizando o parâmetro change_prior_scale, que muda o quanto o modelo se molda às curvas dos dados, igual à 5 pois é um valor um pouco mais alto que o valor padrão, que é 0.5, assim, gera um fit melhor aos dados, mas evitamos um valor ainda maior para não ocorrer um overfit. Quando tratamos de séries temporais com sazonalidades e padrões o parâmetro de sazonalidade multiplicativa se encaixa melhor. Fora isso, só foram adicionados os feriados.
Como nossa base de dados é de notificações de casos novos observamos muitas irregularidades e padrões, que até mesmo o Prophet identifica e nos mostra, logo, percebemos que existem pontos muito fora do padrão.Tendo isso em vista, é feito um recorte de outlier para criarmos um modelo mais preciso e os outliers foram selecionados como aqueles valores que se encontravam fora do intervalo de confiança, ou incerteza, alcançada pelo primeiro modelo.
Assim, comparados as quantidades como o R² e o erro absoluto da média, que são quantidades que comparavam o valor previsto com o valor real, vemos que o modelo com outliers removidos gera melhores resultados e então seguimos com ele.
-
Observamos a partir do primeiro gráfico, o gráfico que compara o índice de novos casos a cada 100 mil habitantes entre as cidades de Berlim e Rio de Janeiro, que durante a primeira onda o Rio de Janeiro sofre com um grande número de novos casos e que só para de decrescer em meados de Agosto, enquanto que em Berlim no mesmo período esse índice se encontra estável e com um número de casos bastante inferior, assim, fortalecendo a hipótese de que medidas de isolamento social são eficazes no combate à Covid-19 se bem aplicadas.Aliado à análise gráfico temos o teste de hipótese aplicado que corrobora nossa tese.
-
Observamos um claro aumento no número de casos em ambos os estados aproximadamente no mês de Outubro de 2020 e Março de 2021, representando as segunda e terceira onda. O Rio de Janeiro, que não conseguiu estabilizar o número de novos casos, sofre com o contínuo aumento desse índice em média, apesar de alguns momentos de descréscimo, já Berlin que relaxou suas medidas sofreu o impacto dessa segunda onda intenssamente, contudo, propôs novas medidas de isolamento social para parar o aumento de novos casos e controlar a crise no estado.
-
Para relacionar a diminuição ou o estabilização no índice de novos casos de Covid-19 com a prática de Lockdown ou outras medidas de distanciamento social precisamos analisar também a influência de outras possíveis variáveis nesse índice, tais como o investimento em saúde pública por exemplo. Uma análise muito mais minuciosa e elaborada é feita no artigo [4].
-
O modelo feito neste trabalho gera previsões razoáveis para até 30 dias além dos dados, contudo, suas taxas de incerteza e erro relacionados as previsões aumentam muito após a faixa de 30 dias de previsão. Assim, à primeira vista poderiamos dizer que é razoável pensar que o índice de novos casos irá crescer no próximo mês, contudo, essa previsão deve ser levada com várias ressalvas devido aos motivos já previamente mencionados e também pelo fator dele não englobar variáveis que podem influenciar esse índice como a própria campanha de vacinação atualmente em curso. Logo, é justo falarmos que a hipótese de que os casos vão diminuir ou até mesmo estabilizar no mês de Julho não é corroborada pelo modelo.
-
Para analisar melhor a hipótese de que medidas de distanciamento social são eficazes na contenção da Covid-19 podemos fazer uma análise mais parecida com a do artigo previamente mencionado e analisar diversos países que adotaram medidas de proporções diferentes e estudar como evolui o índice de novos casos e óbitos nos mesmos.
-
Um melhor estudo sob a biblioteca Prophet se faz necessária para a melhor parametrização do modelo para que assim possamos gerar melhores previsões à cerca da evolução de casos no estado do RJ.
-
Uma outra forma de análise a ser testa pode ser a de separar os dados em amostras de teste e de treino de forma randômica para que assim não precisemos usar os dados do Mês de Junho para teste, logo os englobando e fazendo com que a previsão de 30 dias no futuro englobe todo o mês de Julho, então diminuindo as incertezas e erros relacionados às previsões dos dias que não possuimos dados ainda.
[1] "Rio de Janeiro adota lockdown envergonhado enquanto infecções pela Covid-19 aceleram".
[2] "Como a Alemanha passou de exemplo na pandemia a um dos países mais golpeados pela Covid-19 na Europa.
[3]"Weekly subnational 14 day notification rate Covid-19"
[4]."The effect of large-scale anti-contagion policies on the COVID-19 pandemic"