Esta semana, o Brasil intensificou as medidas de prevenção contra a COVID-19. Uma doença infecciosa causada pelo mais recente Coronavírus descoberto durante um surto iniciado na cidade de Wuhan, China, em dezembro de 2019.
A COVID-19 é causada por uma família de vírus chamada de coronavírus que pode causar doenças em animais ou humanos. Em humanos, os vírus provocam infecções respiratórias que podem ser desde um resfriado comum até doenças mais severas, como a Síndrome Respiratória do Oriente Médio (MERS) e a Síndrome Respiratória Aguda Grave (SARS).
Com o vírus se alastrando rapidamente no hemisfério norte, principalmente na China, Itália, Irã, Espanha e França, os países tiveram que adotar medidas bruscas para impedir que o vírus se alastre ainda mais.
Para monitorar a expansão do Coronavírus, muitos profissionais passaram a fazer análises estatísticas, criar dashboards e fazer previsões, utilizando as mais variadas linguagens de programação e ferramentas de análise de dados.
No entanto, se você é fã da linguagem R, eu vou apresentar uma seleção dos melhores recursos em R para analisar dados e gerar informações sobre a pandemia mais comentada do século. E esses recursos estão onde?
Você vai encontrar os recursos no Shiny; em pacotes desenvolvidos para linguagem R e em códigos escritos por profissionais (compartilhados no GitHub).
Agora vamos lá que eu já falei demais!
Shiny
1. Rastreador do Coronavírus
Esse aplicativo desenvolvido em Shiny foi desenvolvido por John Coene. A função dele é rastrear a propagação do Coronavírus com base em três fontes: John Hopkins, Weixin e DXY Data.
A aplicação apresenta estatísticas importantes, como: número de casos suspeitos, número de casos confirmados, recuperados, mortes e muito mais. Tudo separado por região, escala de incidência e projeções.
Se você tiver interesse em ver como foi feito, acessa o código no Github.
2. Surto de COVID-19
Esse aplicativo foi desenvolvido pelo Departamento de Saúde Pública do Hospital Universitário e pelo Laboratório de Bioestatística e Informática Médica da Faculdade de Medicina, ambos na cidade de Strasbourg, que não por acaso, fica na França; o quinto país mais afetado pelo Corona.
A aplicação mostra um mapa interativo para monitorar a infecção de uma maneira global. Você pode acompanhar uma evolução ao longo do tempo, começando no centro do surto e expandindo o número de casos para outros países, em termos de incidência e prevalência.
Se tiver interesse, vale a pena dar uma olhada no código disponível no GitHub.
Pacotes do R
3. {nCov2019}
O pacote criado para analisar dados do Coronavírus fornece acesso a dados epidemiológicos sobre o surto que assola a população mundial. Ele fornece estatísticas em tempo real e inclui dados históricos.
O pacote conta com uma documentação que explica as principais funções e possibilidades. Para ajudar ainda mais no entendimento das informações geradas a partir dos dados epidemiológicos, os autores desenvolveram um site. Ele conta com gráficos interativos e previsões de séries temporais, que podem ser úteis para informar o público e posteriormente estudar como o vírus se espalhou entre os países.
Códigos em R
4. Analisando dados de surtos de COVID-19 com R
Os códigos foram escritos por Tim Chrejas e estão divididos em 2 partes (parte 1 e parte 2). Eles exploram de forma brilhante, quais são as ferramentas e pacotes do R que podem ser usados para analisar os dados da COVID-19.
Os códigos também permitem ter uma visão de quão contagioso é o Coronavírus. Isso só é possível porque usaram um modelo epidemiológico.
Todo o código está disponível no GitHub (parte 1 e parte 2).
5. Análise de dados da COVID-19 com {tidyverse} e {ggplot2}
Agora você pode ter acesso aos documentos que possuem os códigos de limpeza, processamento e visualização de dados dos casos confirmados, recuperados e das taxas de mortalidade por países e regiões.
É possível ter uma análise de dados completa do Coronavírus com os pacotes {tidyverse} e {ggplot2}, com especificidades para a China e para o Mundo.
Se você já usou o pacote do Coronavírus ou replicou os códigos apresentados no texto, deixa aqui seu comentário. Vamos gostar de saber da sua experiência.
Em breve, escreverei sobre o que significam, “estatisticamente”, as informações geradas por estes códigos.
Acompanhe!
VIA R-BLOGGERS
