Fatos sobre a doença de coronavírus 2019 (COVID-19) em 5 gráficos criados com R e ggplot2

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br


[Esteartigofoipublicadopelaprimeiravezem[Thisarticlewasfirstpublishedon Novyden, e gentilmente contribuiu para os R-blogueiros]. (Você pode relatar um problema sobre o conteúdo desta página aqui)


Deseja compartilhar seu conteúdo com R-blogueiros? clique aqui se você tiver um blog ou aqui se não tiver.

Introdução

A pandemia de coronovírus está mudando nosso estilo de vida da rotina diária para planos de curto e médio prazo, afetando os relacionamentos em casa e no trabalho, ajustando nossas prioridades e habilidades econômicas, fazendo-nos reavaliar o valor de bens e serviços e, possivelmente, impactando todos os aspectos da vida. Melhor conhecimento e compreensão da morte, suas manifestações e dinâmica devem desempenhar um papel crítico na avaliação dos eventos e decisões atuais que tomamos. Abaixo, compilei alguns fatos úteis sobre o COVID-19 em 5 gráficos e incluí discussões sobre R e ggplot2 técnicas usadas para criá-los.

No final de 2019, um novo coronavírus foi identificado como a causa de um conjunto de casos de pneumonia em Wuhan, uma cidade na província de Hubei, na China. Ele se espalhou rapidamente, resultando em uma epidemia em toda a China, seguida por um número crescente de casos em outros países do mundo. Em fevereiro de 2020, a Organização Mundial da Saúde designou a doença COVID-19, que significa doença de coronavírus 2019. O vírus que causa COVID-19 é designado por coronavírus 2 da síndrome respiratória aguda grave (SARS-CoV-2); anteriormente, era referido como 2019-nCoV.

A compreensão do COVID-19 está evoluindo. Este tópico discutirá a epidemiologia, características clínicas, diagnóstico, tratamento e prevenção do COVID-19.

Doença de coronavírus 2019 (COVID-19) por Kenneth McIntosh, MD

Embora nem todos os tópicos acima sejam abordados neste blog, eu me reservo o direito de publicar mais gráficos, portanto, fique atento.

Recursos Clínicos

Período de Incbuation

Pensa-se que o período de incubação do COVID-19 seja dentro de 14 dias após a exposição, com a maioria dos casos ocorrendo aproximadamente quatro a cinco dias após a exposição [29-31].

Usando dados de 181 casos confirmados publicamente relatados na China com exposição identificável, um estudo de modelagem estimou que os sintomas se desenvolveriam em 2,5% dos indivíduos infectados em 2,2 dias e em 97,5% dos indivíduos infectados em 11,5 dias [32]. O período médio de incubação neste estudo foi de 5,1 dias.

Doença de coronavírus 2019 (COVID-19) por Kenneth McIntosh, MD

A abordagem comum para exibir quartis e percentis extremos de distribuição contínua é com plotagem em caixa. Eu optei por isso por duas razões: a) as pesquisas acima tinham informações insuficientes sobre os quartis eb) os gráficos de caixas são menos conhecidos fora da comunidade estatística. Em vez disso, foi utilizado um gráfico de medidor comum nos tipos de aplicativos do painel:

Detalhes de implementação em R

Conjunto de dados

O conjunto de dados conterá 6 linhas com valores correspondentes a 5 percentis – 0% (mínimo), 2,5% e 97,5% (correspondentes ao intervalo de confiança de 0,95), 50% (mediana), 100% (máximo) – e mais um para a média:

Usando fator() colocará medidores na ordem da coluna menor para a maior e adicional stext usado para exibir um valor em formato legível para cada medidor.

Gráfico

Primeiro, vamos carregar pacotes usados ​​para plotagem: ggplot2, ggthemese balanças:

Realização de gráficos de medidores usando ggplot2 Peguei emprestado deste exemplo com algumas alterações explicadas a seguir:

Explicador linha a linha:

  • 2-4: prepare retângulos para cada valor . Cada medidor é um par de sobreposições retângulos – um valor de dispersão geom_rect() com constante geom_rect (aes (ymax=14, ymin=0 0, xmax=2, xmin=1), preencher =# ece8bd) como pano de fundo.
  • 10: separar medidores por facetas.
  • 5, 6: transforme o sistema de coordenadas em polar, gire-o para iniciar às 21h e apare para exibir apenas a metade superior dos medidores.
  • 9 coloca o rótulo de texto com valor no meio de cada medidor.
  • 7, 8: esquema de cores de few_pal ().
  • 11: removendo as guias do gráfico.
  • 12-15: títulos de título, legenda, legenda e eixo.
  • 16-19: personalização usando ggthemes pacote e tema().

Gravidade da doença

O espectro da infecção sintomática varia de leve a crítico; a maioria das infecções não é grave [33,35-40]. Especificamente, em um relatório do Centro Chinês de Controle e Prevenção de Doenças que incluiu aproximadamente 44.500 infecções confirmadas com uma estimativa da gravidade da doença [41]:

Pneumonia leve (sem ou leve) foi relatada em 81 por cento.

Doença grave (por exemplo, dispnéia, hipóxia ou> 50% de envolvimento pulmonar na imagem em 24 a 48 horas) foi relatada em 14%.

Doença crítica (por exemplo, com insuficiência respiratória, choque ou disfunção multiorgânica) foi relatada em 5%.

A taxa geral de mortalidade de casos foi de 2,3%; não foram relatadas mortes entre os casos não críticos.

Doença de coronavírus 2019 (COVID-19) por Kenneth McIntosh, MD

Leia Também  Mineiros de criptomoeda maliciosa ganham impulso

A escolha óbvia é um gráfico de barras que consiste em 4 barras – 3 para a gravidade da doença mais a taxa de mortalidade de casos relatada no mesmo estudo:

Detalhes de implementação em R

Conjunto de dados


Conjunto de dados com 4 linhas e 4 colunas em que gravidade é um fator() Ordenado por por cento, percent_label usado para exibir valores acima das barras e severity_label detalha a gravidade da doença:

Gráfico

Este é o caso de um gráfico de barras simples usando geom_bar () com state = ‘identidade’ aprimorada apenas com alguns artefatos: geom_text () e anotar():

Explicador linha a linha:

  • 1-2: gráfico de barras com stat = “identidade” exibindo 4 barras.
  • 3: colocando etiquetas de porcentagem acima das barras.
  • 4: exibindo rótulos do eixo y em formato percentual.
  • 5-6: esquema de cores de few_pal () e rotulagem personalizada da legenda.
  • 7-8: anotação de texto sobre CFR no meio do gráfico.
  • 9-12: legendas de título, legenda, legenda e eixo.
  • 13-17: personalização usando ggthemes pacote e tema().

Manifestações clínicas

A pneumonia parece ser a manifestação grave da infecção mais frequente, caracterizada principalmente por febre, tosse, dispnéia e infiltrados bilaterais na imagem do tórax [32,36-38]. Ainda não existem características clínicas específicas que possam distinguir de forma confiável o COVID-19 de outras infecções respiratórias virais.

Em um estudo que descreve 138 pacientes com pneumonia por COVID-19 em Wuhan, as características clínicas mais comuns no início da doença foram [38]:

Febre em 99%

Fadiga em 70%

Tosse seca em 59%

Anorexia em 40%

Mialgias em 35%

Dispnéia em 31%

Produção de escarro em 27%

Doença de coronavírus 2019 (COVID-19) por Kenneth McIntosh, MD

Leia Também  Novos padrões do xgboost | R-bloggers

Continuando usando o gráfico de barras para exibir manifestações clínicas do COVID-19 no início da doença:

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br

Detalhes de implementação em R

Conjunto de dados

Este é um exemplo de um gráfico de barras que requer um mínimo de informações – apenas 2 colunas com nome e por cento para exibir 7 barras:

Gráfico

Mais uma vez, o código abaixo cria um gráfico de barras usando stat = “identidade”:

Explicador linha a linha:

  • 1-2: gráfico de barras com stat = “identidade” exibindo 4 barras.
  • 3: exibindo rótulos do eixo y em formato percentual.
  • 4: esquema de cores de few_pal ().
  • 5-8: legendas de título, legenda, legenda e eixo.
  • 9-12: personalização usando ggthemes pacote e tema().

Taxa de mortalidade de casos

De acordo com uma missão conjunta de investigação da Organização Mundial da Saúde (OMS) na China, a taxa de mortalidade de casos variou de 5,8% em Wuhan a 0,7% no restante da China. [17]. A maioria dos casos fatais ocorreu em pacientes com idade avançada ou comorbidades médicas subjacentes [20,41]. (Veja “Fatores de risco para doenças graves” abaixo).

A proporção de infecções graves ou fatais pode variar de acordo com o local. Como exemplo, na Itália, 12% de todos os casos detectados de COVID-19 e 16% de todos os pacientes hospitalizados foram admitidos na unidade de terapia intensiva; a taxa estimada de casos fatais foi de 7,2% em meados de março [42,43]. Por outro lado, a taxa de mortalidade estimada em meados de março na Coréia do Sul foi de 0,9% [44]. Isso pode estar relacionado à demografia distinta da infecção; na Itália, a idade média dos pacientes com infecção foi de 64 anos, enquanto na Coréia a idade média foi de 40 anos.

Doença de coronavírus 2019 (COVID-19) por Kenneth McIntosh, MD

Este gráfico exibe CFRs por faixa etária com base em 44672 casos confirmados na China até 11 de fevereiro com CFR geral = 2,3%:

Detalhes de implementação em R

Conjunto de dados

Os dados incluem idade, óbitos, casos e cfr computados como uma proporção dos dois últimos:

Gráfico

Este gráfico combina gráficos de barras e linhas em um único gráfico, refletindo a dinâmica da taxa CFR ao longo dos grupos etários e reflete adicionalmente o tamanho desses grupos usando a largura da barra:

Explicador linha a linha:

  • 1,2: gráfico de linhas sobre CFR por faixas etárias.
  • 3: linha pontilhada horizontal representando a taxa geral de mortalidade de casos.
  • 1,4: gráfico de barras com stat = “identidade” exibindo CFRs para cada faixa etária com largura de barra ajustada com base no número de casos em cada grupo.
  • 5,6: colocação de rótulos de texto com valor explícito e cálculo da CFR para cada faixa etária.
  • 7: exibindo rótulos do eixo y em formato percentual.
  • 8: esquema de cores de few_tаbleau ().
  • 9-12: legendas de título, legenda, legenda e eixo.
  • 13-15: personalização usando ggthemes pacote e tema().

Epidemiologia

Período de infectividade

O intervalo durante o qual um indivíduo com COVID-19 é infeccioso é incerto. A maioria dos dados que informam esse problema são de estudos que avaliam a detecção de RNA viral de amostras respiratórias e outras. No entanto, a detecção do RNA viral não indica necessariamente a presença de vírus infeccioso.

Os níveis de RNA viral parecem estar mais altos logo após o início dos sintomas, em comparação com os mais tardios na doença [18]; isso aumenta a possibilidade de transmissão ser mais provável no estágio inicial da infecção, mas dados adicionais são necessários para confirmar esta hipótese.

A duração do derramamento viral também é variável; parece haver uma ampla variedade, que pode depender da gravidade da doença. Em um estudo de 21 pacientes com doença leve (sem hipóxia), 90% fizeram repetidos testes de RNA viral negativo em zaragatoas nasofaríngeas 10 dias após o início dos sintomas; testes foram positivos por mais tempo em pacientes com doença mais grave [19]. Em outro estudo de 137 pacientes que sobreviveram ao COVID-19, a duração média do RNA viral derramado em amostras de orofaringe foi de 20 dias (intervalo de 8 a 37 dias) [20].

Doença de coronavírus 2019 (COVID-19) por Kenneth McIntosh, MD

Leia Também  Nova conta virtual CreDec ajuda PME a contornar os bancos

Este gráfico informa a duração mínima, mediana e máxima do derramamento viral por indivíduos infectados usando barras semelhantes a linhas de tempo:


Detalhes de implementação em R

Conjunto de dados

Este gráfico usará barras para imitar linhas de tempo do período de infecciosidade com base em pesquisas de quanto tempo os indivíduos trocaram o RNA viral que identificou os tempos mínimo, mediano e máximo:

Gráfico

Outro exemplo de gráfico de barras com hack adicional usando geom_point ()S para exibir um ícone improvisado do vírus SARS-CoV-2:

Explicador linha a linha:

  • 1,2: gráfico de barras com stat = “identidade” exibindo 3 barras muito finas imitando a linha do tempo.
  • 3-6: sobreposição de três formas de pontos diferentes com tamanho variável para improvisar o ícone do vírus
  • 7,8: anotação em texto sobre a diferença entre ser infeccioso e o derramamento de RNA viral.
  • 9: inverter os eixos x e y para exibir a linha do tempo horizontalmente.
  • 10-13: legendas de título, legenda, legenda e eixo.
  • 14-16: personalização usando ggthemes pacote e tema().

Conclusões

A maioria dos fatos acima são resultados de pesquisas extremamente jovens sobre COVID-16 que começou há pouco mais de 3 meses. Ainda existem muitas incógnitas sobre o vírus SARS-CoV-2 e a doença. Eu compilei alguns deles no gráfico final – alguns parecerão surpreendentes, dada a riqueza da ciência do conhecimento acumulada sobre outras doenças:

Referências



Se você chegou até aqui, por que não inscreva-se para atualizações do site? Escolha seu sabor: e-mail, Twitter, RSS ou facebook …



cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br