Análise exploratória de casos de Zika notificado pelo SUS

Neste tutorial vamos explorar como começar a entender a descrição de casos do sistema de notificação de agravos do SUS, o SINAN. Estes dados são bastante ricos e a documentação sobre o significado de cada uma das variáveis pode ser encontrada aqui.

from pysus.online_data import SINAN, parquets_to_dataframe
%pylab inline

%pylab is deprecated, use %matplotlib inline and import the required libraries.
Populating the interactive namespace from numpy and matplotlib

Primeiro vamos começar pelo carregamento dos dados a partir do site do InfoDengue. Como o dado está no formato parquet, nós vamos utilizar a biblioteca pandas para carregar os dados em um Dataframe.

cols = [
    'ID_AGRAVO', 'DT_NOTIFIC', 'SEM_NOT', 'NU_ANO', 'ID_MUNICIP',
    'DT_SIN_PRI', 'SEM_PRI', 'NU_IDADE_N', 'CS_SEXO', 'CS_GESTANT',
    'latitude', 'longitude',
    'NM_DISEASE'
]
casos = parquets_to_dataframe(SINAN.download('Zika', 2016))

Vejamos os nomes da variáveis

casos.columns

Index(['TP_NOT', 'ID_AGRAVO', 'CS_SUSPEIT', 'DT_NOTIFIC', 'SEM_NOT', 'NU_ANO',
       'SG_UF_NOT', 'ID_MUNICIP', 'ID_REGIONA', 'DT_SIN_PRI', 'SEM_PRI',
       'NU_IDADE_N', 'CS_SEXO', 'CS_GESTANT', 'CS_RACA', 'CS_ESCOL_N', 'SG_UF',
       'ID_MN_RESI', 'ID_RG_RESI', 'ID_PAIS', 'NDUPLIC_N', 'IN_VINCULA',
       'DT_INVEST', 'ID_OCUPA_N', 'CLASSI_FIN', 'CRITERIO', 'TPAUTOCTO',
       'COUFINF', 'COPAISINF', 'COMUNINF', 'DOENCA_TRA', 'EVOLUCAO',
       'DT_OBITO', 'DT_ENCERRA', 'CS_FLXRET', 'FLXRECEBI', 'TP_SISTEMA',
       'TPUNINOT'],
      dtype='object')

# casos = casos[casos.ID_AGRAVO=='A928']
casos.head()

	TP_NOT	ID_AGRAVO	CS_SUSPEIT	DT_NOTIFIC	SEM_NOT	NU_ANO	SG_UF_NOT	ID_MUNICIP	ID_REGIONA	DT_SIN_PRI	...	COPAISINF	COMUNINF	DOENCA_TRA	EVOLUCAO	DT_OBITO	DT_ENCERRA	CS_FLXRET	FLXRECEBI	TP_SISTEMA	TPUNINOT
0	2	A928		2016-01-01	201552	2016	17	170230		2016-01-01	...	0					20160307	0	2	1
1	2	A928		2016-01-01	201552	2016	29	292040	1385	2015-12-29	...	1	292040	2	1		20160602	0	2	1
2	2	A928		2016-01-01	201552	2016	29	292040	1385	2016-01-01	...	1	292040	2	1		20160602	0	2	1
3	2	A928		2016-01-01	201552	2016	29	293240	1394	2015-12-28	...	1	293240	2	1		20160102	0	2	1
4	2	A928		2016-01-01	201552	2016	32	320530	1510	2015-12-31	...	1	320530	2	1		20160125	0	2	1

5 rows × 38 columns

Estes dados correspondem a todos os casos de Zika notificados ao SUS durante um período. Neste caso de 2015 a 2016. Para podermos tratar adequadamente estes dados para fins de visualização ou análise precisamos corrigir os tipos das colunas. Por exemplo vamos converter as datas.

import pandas as pd
casos['DT_INDEX'] = pd.to_datetime(casos.DT_NOTIFIC)

Para poder organizar os dados temporalmente, é útil indexar a tabela por alguma variável temporal. Vamos usar a data de notifiacão de cada caso como índice

casos = casos.set_index('DT_INDEX')

Agora podemos plotar o número de casos por semana de dengue na cidade do Rio de Janeiro.

casos.ID_AGRAVO.resample('1W').count().plot()

<Axes: xlabel='DT_INDEX'>

Suponhamos agora que desejamos visualizar em um mapa os casos que ocorreram, por exemplo entre janeiro e agosto de 2016.

Usando Kepler.gl para visualização

import keplergl
import os
import json
if os.path.exists('kepler_config.json'):
    config = json.load(open('kepler_config.json','r'))
w1 = keplergl.KeplerGl(height=600, config=config)

User Guide: https://docs.kepler.gl/docs/keplergl-jupyter

df = casos.dropna()
df['DT_NOTIFIC'] = df['DT_NOTIFIC'].astype('string')
df['DT_SIN_PRI'] = df['DT_SIN_PRI'].astype('string')
df.index = df.index.astype('string')
w1.add_data(df, name='Casos de Zika em 2016')

w1.show()

#Salvando a configuração.
# execute apenas se desejar preservar a configuração atual para sessões futuras.
json.dump(w1.config, open('kepler_config.json','w'))