-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathscript_sisvan.R
318 lines (240 loc) · 12.9 KB
/
script_sisvan.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
## Dados SISVAN
# Limpando todos os objetos atualmente ativos no Ambiente (Environment)
rm(list=ls(all=T))
# Carregando os pacotes necessarios
if(!require(tidyverse)){install.packages("tidyverse")};library(tidyverse)
# Definindo diretorio de trabalho
getwd()
setwd("")
# Coleta de tabelas de estimas populacionais - Censo IBGE - Tabnet
Pop2008 <- read_delim("/Pop2008.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
Pop2009 <- read_delim("/Pop2009.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
Pop2010 <- read_delim("/Pop2010.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
Pop2011 <- read_delim("/Pop2011.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
Pop2012 <- read_delim("/Pop2012.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
Pop2013 <- read_delim("/Pop2013.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
Pop2014 <- read_delim("/Pop2014.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
Pop2015 <- read_delim("/Pop2015.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
Pop2016 <- read_delim("/Pop2016.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
Pop2017 <- read_delim("/Pop2017.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
Pop2018 <- read_delim("/Pop2018.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
Pop2019 <- read_delim("/Pop2019.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
Pop2020 <- read_delim("/Pop2020.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
Pop2021 <- read_delim("/Pop2021.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
# criando coluna de anos em cada uma das tabelas
Pop2008$ano <- 2008
Pop2009$ano <- 2009
Pop2010$ano <- 2010
Pop2011$ano <- 2011
Pop2012$ano <- 2012
Pop2013$ano <- 2013
Pop2014$ano <- 2014
Pop2015$ano <- 2015
Pop2016$ano <- 2016
Pop2017$ano <- 2017
Pop2018$ano <- 2018
Pop2019$ano <- 2019
Pop2020$ano <- 2020
Pop2021$ano <- 2021
# Acrescentar tabelas de 2022 e 2023
# Unindo tabelas com todas as estimativas populacionais do período
poptotal <- bind_rows(Pop2008,Pop2009, Pop2010, Pop2011, Pop2012, Pop2013, Pop2014,
Pop2015, Pop2016, Pop2017, Pop2018, Pop2019, Pop2020, Pop2021)
poptotal$municipios
# Criando estimativa pop para faixaeta de crianças separadamente
poptotal_0_5 <- poptotal %>%
select("0 a 4 anos", "codigoIBGE", "ano") %>%
rename("Pop_Total" = "0 a 4 anos")
poptotal_5_10 <- poptotal %>%
select("5 a 9 anos", "codigoIBGE", "ano") %>%
rename("Pop_Total" = "5 a 9 anos")
# Lendo tabelas de Estados Nutricionais - Crianças
# 0 a 5
rel2008 <- read_delim("0_a_4_anos_municipios/RelatorioEstadoNutricional2008.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2009 <- read_delim("0_a_4_anos_municipios/RelatorioEstadoNutricional2009.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2010 <- read_delim("0_a_4_anos_municipios/RelatorioEstadoNutricional2010.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2011 <- read_delim("0_a_4_anos_municipios/RelatorioEstadoNutricional2011.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2012 <- read_delim("0_a_4_anos_municipios/RelatorioEstadoNutricional2012.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2013 <- read_delim("0_a_4_anos_municipios/RelatorioEstadoNutricional2013.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2014 <- read_delim("0_a_4_anos_municipios/RelatorioEstadoNutricional2014.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2015 <- read_delim("0_a_4_anos_municipios/RelatorioEstadoNutricional2015.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2016 <- read_delim("0_a_4_anos_municipios/RelatorioEstadoNutricional2016.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2017 <- read_delim("0_a_4_anos_municipios/RelatorioEstadoNutricional2017.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2018 <- read_delim("0_a_4_anos_municipios/RelatorioEstadoNutricional2018.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2019 <- read_delim("0_a_4_anos_municipios/RelatorioEstadoNutricional2019.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2020 <- read_delim("0_a_4_anos_municipios/RelatorioEstadoNutricional2020.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2021 <- read_delim("0_a_4_anos_municipios/RelatorioEstadoNutricional2021.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
# 5 a 10
rel2008.2 <- read_delim("5_a_10_anos_municipios/RelatorioEstadoNutricional2008.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2009.2 <- read_delim("5_a_10_anos_municipios/RelatorioEstadoNutricional2009.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2010.2 <- read_delim("5_a_10_anos_municipios/RelatorioEstadoNutricional2010.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2011.2 <- read_delim("5_a_10_anos_municipios/RelatorioEstadoNutricional2011.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2012.2 <- read_delim("5_a_10_anos_municipios/RelatorioEstadoNutricional2012.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2013.2 <- read_delim("5_a_10_anos_municipios/RelatorioEstadoNutricional2013.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2014.2 <- read_delim("5_a_10_anos_municipios/RelatorioEstadoNutricional2014.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2015.2 <- read_delim("5_a_10_anos_municipios/RelatorioEstadoNutricional2015.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2016.2 <- read_delim("5_a_10_anos_municipios/RelatorioEstadoNutricional2016.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2017.2 <- read_delim("5_a_10_anos_municipios/RelatorioEstadoNutricional2017.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2018.2 <- read_delim("5_a_10_anos_municipios/RelatorioEstadoNutricional2018.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2019.2 <- read_delim("5_a_10_anos_municipios/RelatorioEstadoNutricional2019.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2020.2 <- read_delim("5_a_10_anos_municipios/RelatorioEstadoNutricional2020.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
rel2021.2 <- read_delim("5_a_10_anos_municipios/RelatorioEstadoNutricional2021.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
# Criando colunas ano e idade para cada tabela de estado nutricional
rel2008$ano <- 2008
rel2008$idade <- "0 a 5 anos"
rel2009$ano <- 2009
rel2009$idade <- "0 a 5 anos"
rel2010$ano <- 2010
rel2010$idade <- "0 a 5 anos"
rel2011$ano <- 2011
rel2011$idade <- "0 a 5 anos"
rel2012$ano <- 2012
rel2012$idade <- "0 a 5 anos"
rel2013$ano <- 2013
rel2013$idade <- "0 a 5 anos"
rel2014$ano <- 2014
rel2014$idade <- "0 a 5 anos"
rel2015$ano <- 2015
rel2015$idade <- "0 a 5 anos"
rel2016$ano <- 2016
rel2016$idade <- "0 a 5 anos"
rel2017$ano <- 2017
rel2017$idade <- "0 a 5 anos"
rel2018$ano <- 2018
rel2018$idade <- "0 a 5 anos"
rel2019$ano <- 2019
rel2019$idade <- "0 a 5 anos"
rel2020$ano <- 2020
rel2020$idade <- "0 a 5 anos"
rel2021$ano <- 2021
rel2021$idade <- "0 a 5 anos"
rel2008.2$ano <- 2008
rel2008.2$idade <- "5 a 9 anos"
rel2009.2$ano <- 2009
rel2009.2$idade <- "5 a 9 anos"
rel2010.2$ano <- 2010
rel2010.2$idade <- "5 a 9 anos"
rel2011.2$ano <- 2011
rel2011.2$idade <- "5 a 9 anos"
rel2012.2$ano <- 2012
rel2012.2$idade <- "5 a 9 anos"
rel2013.2$ano <- 2013
rel2013.2$idade <- "5 a 9 anos"
rel2014.2$ano <- 2014
rel2014.2$idade <- "5 a 9 anos"
rel2015.2$ano <- 2015
rel2015.2$idade <- "5 a 9 anos"
rel2016.2$ano <- 2016
rel2016.2$idade <- "5 a 9 anos"
rel2017.2$ano <- 2017
rel2017.2$idade <- "5 a 9 anos"
rel2018.2$ano <- 2018
rel2018.2$idade <- "5 a 9 anos"
rel2019.2$ano <- 2019
rel2019.2$idade <- "5 a 9 anos"
rel2020.2$ano <- 2020
rel2020.2$idade <- "5 a 9 anos"
rel2021.2$ano <- 2021
rel2021.2$idade <- "5 a 9 anos"
# Unindo relatórios 2008 a 2021 para crianças 0 a 5
relTotal0_5 <- bind_rows(rel2008,rel2009, rel2010, rel2011, rel2012, rel2013,
rel2014,rel2015, rel2016, rel2017, rel2018, rel2019, rel2020, rel2021) %>%
rename("municipios" = "municipio")
# Unindo relatórios 2008 a 2021 para crianças 5 a 10
relTotal5_10 <- rbind(rel2008,rel2009, rel2010, rel2011, rel2012, rel2013,
rel2014,rel2015, rel2016, rel2017, rel2018, rel2019, rel2020, rel2021) %>%
rename("municipios" = "municipio")
# União de estimativa populacional com relatórios sisvan
tab_final_0_5 <- poptotal_0_5 %>%
inner_join(relTotal0_5, by = c("codigoIBGE", "ano")) %>%
select(2:5,6:17,1,18,19) # reordenando colunas para melhor visualização
# União de estimativa populacional com relatórios sisvan
tab_final_5_10 <- poptotal_5_10 %>% inner_join(relTotal5_10, by = c("codigoIBGE", "ano")) %>%
select(2:5,6:17,1,18,19) # reordenando colunas para melhor visualização
# salvando tabelas
write.table(tab_final_0_5, file = "Crianças/tab_final_0_5.csv",
sep = ",", quote = TRUE, row.names=FALSE)
write.table(tab_final_5_10, file = "Crianças/tab_final_5_10.csv",
sep = ",",quote = TRUE,row.names=FALSE)
# União tabela 0 a 5 e 5 a 10
tbl_criança_final <- bind_rows(tab_final_0_5,tab_final_5_10)
write.table(tbl_criança_final, file = "Crianças/sisvan.csv",
sep = ",",quote = TRUE,row.names=FALSE)
# Calculando as razões de população atendida por estado nutricional
tbl_criança_final_2 <- tbl_criança_final
tbl_criança_final_2$por_ma_a = round((tbl_criança_final_2$`Magreza acentuada`/tbl_criança_final_2$total_atend),3) %>%
as.double() #por magreza acentuada
tbl_criança_final_2$por_ma = round((tbl_criança_final_2$Magreza/tbl_criança_final_2$total_atend),3) %>%
as.double() #por magreza
tbl_criança_final_2$por_eu = round((tbl_criança_final_2$Eutrofia/tbl_criança_final_2$total_atend),3)%>%
as.double() #por eutrofia
tbl_criança_final_2$por_ri_s = round((tbl_criança_final_2$`Risco de sobrepeso`/tbl_criança_final_2$total_atend),3)%>%
as.double() #por risco de sobrepeso
tbl_criança_final_2$por_sob = round((tbl_criança_final_2$Sobrepeso/tbl_criança_final_2$total_atend),3)%>%
as.double() #por sobrepeso
tbl_criança_final_2$por_ob = round((tbl_criança_final_2$Obesidade/tbl_criança_final_2$total_atend),3)%>%
as.double() #por obesidade
# Calculando as razões de população total por estado nutricional
tbl_criança_final_2$por_ma_a_total = round((tbl_criança_final_2$`Magreza acentuada`/tbl_criança_final_2$Pop_Total),3)%>%
as.double() #por magreza acentuada
tbl_criança_final_2$por_ma_total = round((tbl_criança_final_2$Magreza/tbl_criança_final_2$Pop_Total),3)%>%
as.double() #por magreza
tbl_criança_final_2$por_eu_total = round((tbl_criança_final_2$Eutrofia/tbl_criança_final_2$Pop_Total),3)%>%
as.double() #por eutrofia
tbl_criança_final_2$por_ri_s_total = round((tbl_criança_final_2$`Risco de sobrepeso`/tbl_criança_final_2$Pop_Total),3)%>%
as.double() #por risco de sobrepeso
tbl_criança_final_2$por_sob_total = round((tbl_criança_final_2$Sobrepeso/tbl_criança_final_2$total_atend),3)%>%
as.double() #por sobrepeso
tbl_criança_final_2$por_ob_total = round((tbl_criança_final_2$Obesidade/tbl_criança_final_2$Pop_Total),3)%>%
as.double() #por obesidade
# Calculando as razões de atendimento pela população total
tbl_criança_final_2$raz_pop_atend_total = round((tbl_criança_final_2$total_atend/tbl_criança_final_2$Pop_Total),3)%>%
as.double()
# Salvando tabela final e reordenando colunas
names(tbl_criança_final_2)
tbl_criança_final_2 <- tbl_criança_final_2 %>%
select(2,19,1,3,4,5,6,20,7,8,21,9,10,22,11,12,23,13,14,24,15,16,25,17,18,26) # reordenando colunas
write.table(tbl_criança_final_2, file = "Crianças/sisvan_final.csv",
sep = ",",quote = TRUE,row.names=FALSE)