## Building tables to be used in dashboard

library(flexdashboard)
library(WDI)
library(ggplot2)
library(dplyr)
library(DT)
library(plotly)
library(data.table)
library(dygraphs)
library(knitr)
library(tidyr)


## Mortalidade geral: casos totais e mortalidade por 1000 habitantes

cols = paste0("2000":"2019")

d <- fread("../data/obitos_UF_2000_2019.csv", header = TRUE) |>
    pivot_longer(cols = all_of(cols),
                 names_to = "Ano",
                 values_to = "Obitos")


d1 <- fread("../data/pop_UF_2000_2020.csv", header = TRUE) |>
    select(-`2020`) |>
    pivot_longer(cols = all_of(cols),
                 names_to = "Ano",
                 values_to = "População")


d3 <- left_join(d, d1, by = c("UF", "Ano")) |>
    mutate(Mortalidade = (Obitos/População) * 1000)


d4 <- fread("../data/obitos_reg_2000_2020.csv", header = TRUE) |>
    pivot_longer(cols = all_of(cols),
                 names_to = "Ano",
                 values_to = "Obitos")



d5 <- fread("../data/pop_reg_2000_2020.csv", header = TRUE) |>
    pivot_longer(cols = all_of(cols),
                 names_to = "Ano",
                 values_to = "População")



d6 <- left_join(d4, d5, by = c("Regiao", "Ano")) |>
    mutate(Mortalidade = (Obitos/População) * 1000) |>
    rename(Região = "Regiao")