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()