malaria_amazonas#

Um conjunto de dados integrado de notificações de malária no estado do Amazonas

Descrição#

Este conjunto de dados contém prontuários médicos de pacientes que se submeteram a exames de triagem para malária na Amazônia Legal. Os dados deste conjunto foram filtrados para incluir apenas os casos notificados no estado do Amazonas e referentes a pacientes que residiam especificamente no estado do Amazonas entre 2014 e 2019.

Uso#

malaria_amazonas = get_dataset("malaria_amazonas")

Formato#

malaria_amazonas“Um data frame com 551.633 linhas e 35 colunas:

notification_state#

Status da notificação

notification_rh#

Região de saúde de notificação

notification_county#

Município de notificação

infection_country#

Condado provável onde o paciente foi infectado

infection_state#

Estado provável onde o paciente foi infectado

infection_hr#

Região de saúde provável onde o paciente foi infectado

infection_county#

Condado provável onde o paciente foi infectado

home_country#

País de residência do paciente

home_state#

Estado de residência do paciente

home_hr#

Região de saúde de residência do paciente

home_county#

Município de residência do paciente

exam_interval#

Intervalo de tempo entre a notificação e o exame

treatment_interval#

Intervalo de tempo entre o exame e o início do tratamento

notification_interval#

Intervalo de tempo entre o surgimento do sintoma e a notificação

notification_month#

Mês em que a notificação foi registrada

notification_year#

Ano em que a notificação foi registrada

symptom_month#

Mês em que o paciente sentiu os primeiros sintomas da malária

symptom_year#

Ano em que o paciente sentiu os primeiros sintomas da malária

exam_month#

Mês em que o exame foi realizado

exam_year#

Ano em que o exame foi realizado

treatment_month#

Mês em que o tratamento teve início

treatment_year#

Ano em que o tratamento teve início

migração#

Região de saúde de residência diferente daquela da notificação

autochthonous_case#

Região sanitária da infecção é a mesma da residência

exam_result#

Resultado do exame

detection_type#

Tipo de detecção

exam_type#

Tipo de exame

sintoma#

Indica se o paciente sentiu algum sintoma

hemiparasita#

O resultado do exame para outros hemiparasitas

previous_treatment#

Tratamento prévio para P. vivax ou P. falciparum

ocupação#

Atividade principal nos últimos 15 dias

education_level#

Nível de escolaridade do paciente

idade#

Faixa etária do paciente

corrida#

Raça/cor do paciente

gênero#

Sexo do paciente

gravidez#

Indica gravidez e a idade gestacional

cruzes#

Indica o nível de parasitemia nos cruzamentos

cvl_case#

Indica a existência de casos de leishmaniose visceral canina

esquema#

Indica o esquema de tratamento utilizado

qty_parasites#

Indica o número de parasitas por mm³

mês#

O mês em que esses dados foram registrados

Fonte#

https://www.synapse.org/Synapse:syn21552203/files

Exemplo#

import matplotlib.pyplot as plt
from amazonasdatahub.datasets import get_dataset

# Load dataset
malaria_amazonas = get_dataset("malaria_amazonas")

# Filter by year 2019 and count exam results
counts = (
    malaria_amazonas[malaria_amazonas["exam_year"] == 2019]["exam_result"]
    .value_counts()
)

# Plot bar chart
fig, ax = plt.subplots(figsize=(10, 6))
bars = ax.bar(counts.index, counts.values, color="skyblue", edgecolor="gray")

# Add text labels on top of bars
ax.bar_label(bars, padding=3)

# Titles and labels
ax.set_title(
    "Results of malaria tests conducted in 2019\nDocumented cases in Amazonas and of patients residing in the state",
    fontsize=10,
    loc="left"
)
ax.set_xlabel("Result")
ax.set_ylabel("Count")

plt.grid(axis="y", linestyle="--", alpha=0.5)
plt.tight_layout()
plt.show()
../_images/be7f8ccd16c9fe46900bf7f9a68d3c0ce96883e5ead4023d5db7495578824434.png