mort_geral/script/pais_reg_UF_dash.Rmd

155 lines
3.6 KiB
Plaintext
Executable File

---
title: "Mortalidade geral população brasileira 2000-2019"
author: "José A Bran - https://ayuda.onecluster.org/"
date: "2021-04-22"
output:
flexdashboard::flex_dashboard:
orientation: rows
vertical_layout: fill
source_code: embed
runtime: shiny
---
```{r setup, include=FALSE}
library(flexdashboard)
library(WDI)
library(ggplot2)
library(dplyr)
library(DT)
library(plotly)
#library(readr)
library(data.table)
library(dygraphs)
library(knitr)
library(tidyr)
library(WDI)
```
Mortalidade geral: casos totais e mortalidade por 1000 habitantes
```{r }
d <- fread("../data/obitos_UF_2000_2019.csv", header = TRUE) |>
pivot_longer(cols = c(`2000`:`2019`),
names_to = "Ano",
values_to = "Obitos")
d
```
```{r }
d1 <- fread("../data/pop_UF_2000_2020.csv", header = TRUE) |>
select(-`2020`) |>
pivot_longer(cols = c(`2000`:`2019`),
names_to = "Ano",
values_to = "População")
```
```{r }
d3 <- left_join(d, d1, by = c("UF", "Ano")) |>
mutate(Mortalidade = (Obitos/População) * 1000)
```
```{r }
d4 <- fread("../data/obitos_reg_2000_2020.csv", header = TRUE) |>
pivot_longer(cols = c(`2000`:`2019`),
names_to = "Ano",
values_to = "Obitos")
```
```{r }
d5 <- fread("../data/pop_reg_2000_2020.csv", header = TRUE) |>
pivot_longer(cols = c(`2000`:`2019`),
names_to = "Ano",
values_to = "População")
```
```{r }
d6 <- left_join(d4, d5, by = c("Regiao", "Ano")) |>
mutate(Mortalidade = (Obitos/População) * 1000) |>
rename(Região = "Regiao")
```
UF
=======================================================================
População estimada segundo Ano: 2000-2019
http://tabnet.datasus.gov.br/cgi/tabcgi.exe?ibge/cnv/poptuf.def
http://tabnet.datasus.gov.br/cgi/ibge/Popula_Residente_Estim_TCU.pdf
Fonte: IBGE - Estimativas de população
```{r }
datatable(d3)
```
UF gráfico
=======================================================================
```{r }
M_U <- ggplot(d3, aes(Ano, Mortalidade, group = `Sigla-UF`)) +
geom_line(aes(color = `Sigla-UF`)) +
labs(y = "Mortalidade x 1000 habitantes",
color = "UF") +
theme_minimal() +
theme(legend.position = c(0.8, 0.2),
# legend.direction = "horizontal",
legend.text = element_text(size = 7),
axis.text.x = element_text(size = 7, angle = 45)) +
facet_wrap(~ Região)
```
```{r }
plotly::ggplotly(M_U)
```
Região
=======================================================================
```{r }
datatable(d6, filter = 'top') |>
formatRound('Mortalidade', 1)
```
Região gráfico
=======================================================================
```{r }
mr <- ggplot(d6, aes(Ano, Mortalidade, group = Região)) +
geom_point(aes(color = Região)) +
geom_line(aes(color = Região)) +
labs(y = "Mortalidade x 1000 habitantes") +
theme_minimal()
```
```{r }
plotly::ggplotly(mr)
```
País
=======================================================================
```{r }
pai <- d6 |>
group_by(Ano) |>
summarise(Total_obitos = sum(Obitos),
Total_população = sum(População)) |>
mutate(Mortalidade = (Total_obitos/Total_população) * 1000)
datatable(pai, filter = 'top') |>
formatRound('Mortalidade', 1)
```
Gráfico país
=======================================================================
```{r }
mp <- ggplot(pai, aes(Ano, Mortalidade, group = 1)) +
geom_line(col = "blue") +
geom_point() +
labs(y = "Mortalidade x 1000 habitantes") +
theme_minimal()
ggplotly(mp)
```