MBA em Ciência de Dados - Estatística para Ciência de Dados

Avaliação Final - Terceira e Quarta questões

Aluno: Rafael Capaci Pereira

Professora e Professor: Cibele Russo e Francisco Rodrigues

Cemeai - ICMC/USP São Carlos

Informações

Na base de dados comorbidades.csv, são apresentados dados reais de uma amostra obtida do seade-R (Fonte dos dados originais: https://github.com/seade-R/dados-covid-sp). Essa base de dados contém as seguintes informações sobre pacientes que foram internados com diagnóstico de COVID-19 entre fevereiro de 2020 e maio de 2021:

• Identificação do paciente
• Município
• Código do IBGE
• Idade
• Sexo (1: feminino, 0: masculino)
• Óbito (1: sim, 0: não)
• Comorbidades: asma, cardiopatia, diabetes, doença hematológica, doença renal, doença hepática, doença neurológica, imunodepressão, obesidade, outros fatores de risco, pneumopatia, puérpera, síndrome de down (para cada uma delas 1: presente, 0: ausente)

As observações com dados faltantes foram excluídas da base original para esta análise específica, considerando que essa exclusão não afeta a representatividade da amostra.

Questão 3

Enunciado

Descreva por meio de gráficos a associação entre idade e óbito, e repita para sexo e óbito.

Considere então as comorbidades: asma, cardiopatia, diabetes, doença renal e obesidade e investigue a associação de cada uma delas com a variável óbito.

Note que algumas variáveis estão codificadas em 0 e 1 mas são qualitativas. Fique atento à forma de analisar a associação entre duas variáveis qualitativas.

Comente os resultados obtidos, observando que não é possível concluir estatisticamente se existe ou não associação entre as variáveis apenas com análise exploratória.

Desenvolvimento da resposta

import numpy as np
import pandas as pd
import plotly.express as px
import plotly.graph_objects as go
import statsmodels.api as sm
from scipy import stats

# Definindo algumas opções do bandas para melhorar a qualidade do pdf exportado
pd.set_option('display.notebook_repr_html', True)

def _repr_latex_(self):
    return "\centering{%s}" % self.to_latex()

pd.DataFrame._repr_latex_ = _repr_latex_  # monkey patch pandas DataFrame

# opções do plotly, comuns a todos os gráficos
chart_options = dict(margin=dict(l=0, r=0), legend=dict(title='', y=0.99, x=0.995, xanchor='right'), height=700, font_size=16)

df = pd.read_csv('comorbidades.csv')

# agrupando as idades por faixas etárias, de 5 em 5 anos
faixas_de_idade = np.arange(0, 150, 5, dtype='int')
df['faixa_etaria'] = pd.cut(df['idade'], faixas_de_idade)

# dicionário para renomear as colunas de óbitos na exibição 
rotulos_obitos = {0: 'Recuperados', 1: 'Óbitos'}

Óbitos por idade

Ao realizar essa observação, as idades foram agrupadas de 5 em 5 anos, para não poluir demais os gráficos.

# utiliza a crosstab para cruzar as faixas etárias com o número de óbitos
tabela_faixa_etaria = pd.crosstab(index=df['faixa_etaria'], columns=df['obito'])

# algumas alterações para permitir e melhorar a visualização da tabela
tabela_faixa_etaria.index = tabela_faixa_etaria.index.astype(str)
tabela_faixa_etaria.index.name = 'faixa_etaria'
tabela_faixa_etaria = tabela_faixa_etaria.rename(columns=rotulos_obitos)

# plota o gráfico 
fig = px.bar(tabela_faixa_etaria, title="Casos por faixa etária")
fig.update_layout(barmode='stack', bargap=0.01, **chart_options)
fig.update_yaxes(title='')
fig.update_xaxes(title='Faixa etária')
fig.show()