Projeto prático

Você faz parte de uma equipe de vigilância epidemiológica do estado de Minas Gerais. A equipe coletou dados de 500 indivíduos de 10 municípios diferentes, com o objetivo de estudar a prevalência de uma doença crônica e seus possíveis fatores associados.

Os dados chegaram para você em um arquivo Excel, e como é comum em projetos reais, estão longe de estar prontos para análise.

Seu trabalho é organizar esses dados, explorar os padrões e responder às perguntas da equipe, com evidências estatísticas.

📫 Entrega

A entrega do arquivo pode ser realizada no formato .R para o e-mail emanuel.simoes@aluno.ufop.edu.br, de modo que as correções possam ser feitas e contribuam para uma melhor compreensão do aluno.

Sugestão de script:

library(readxl)

dados <- read_excel('data/demografico.xlsx')

## QUESTÃO 1

str(dados)
summary(dados)

# 1606 linhas e 8 colunas
# data_nascimento está no formato character
# sexo e estado_civil são categóricas e estão no formato character


## QUESTÃO 2
## ...

A ideia é manter respostas bem simples, para que o cursista não se perca durante a análise e possa usar suas próprias anotações como apoio. Em caso de dúvidas, é possível entrar em contato pelo mesmo e-mail de entrega.

📦 Dados

Importe o arquivo dados_epidemiologicos.xlsx, disponível na pasta data/ do seu projeto.

library(readxl)

dados <- read_excel('data/dados_epidemiologicos.xlsx')

O banco contém as seguintes variáveis:

Variável Tipo Descrição
idade Numérica Idade em anos completos
sexo Categórica Sexo do participante
cidade Categórica Município de residência
diagnostico Categórica Diagnóstico da doença (Sim/Não)
imc Numérica Índice de Massa Corporal (kg/m²)
pressao_sistolica Numérica Pressão arterial sistólica (mmHg)

Parte 1 — Conhecendo e preparando os dados

Questão 1

Inspecione o banco de dados e verifique quantas linhas e colunas ele tem. Também verifique se todas as classes estão corretas.

Funções úteis: str(), summary()

Questão 2

Verifique se há valores duplicados e valores nulos no banco. Quantos são? Em quais colunas estão concentrados?

Funções úteis: sum(duplicated()), is.na(), colSums()

Questão 3

Observe os valores únicos das variáveis sexo e diagnostico. Você vai notar que a mesma categoria foi registrada de formas diferentes ao longo do banco.

Padronize ambas as variáveis para que:

  • sexo contenha apenas "F" e "M"
  • diagnostico contenha apenas "SIM" e "NAO"

Após a padronização, converta as duas para fator.

Funções úteis: unique(), toupper(), gsub(), as.factor()

Dica

Uma forma prática de substituir múltiplos valores de uma vez é combinando toupper() para normalizar a capitalização e depois gsub() para ajustar variações específicas.

Questão 4

Remova as linhas com valores nulos nas variáveis diagnostico, imc e pressao_sistolica, pois elas são essenciais para a análise. Para as demais variáveis com NA, mantenha os registros. Após a remoção, deve restar 470 observações.

Funções úteis: is.na(), indexação com [ ]

Questão 5

Crie duas novas variáveis no banco:

a) faixa_etaria: categorize a idade nos seguintes grupos:

Faixa Intervalo
"18-29" 18 a 29 anos
"30-39" 30 a 39 anos
"40-49" 40 a 49 anos
"50-59" 50 a 59 anos
"60-69" 60 a 69 anos
"70+" 70 anos ou mais

b) grupo_risco: classifique cada participante como "Alto risco" se tiver IMC ≥ 30 e pressão sistólica ≥ 140 mmHg simultaneamente, e "Baixo risco" caso contrário. Converta para fator ao final.

Funções úteis: ifelse(), as.factor()

Parte 2 — Análise descritiva

Questão 6

Calcule para as variáveis idade, imc e pressao_sistolica:

  • Média
  • Mediana
  • Desvio padrão
  • Mínimo e máximo

Organize os resultados e interprete brevemente: a distribuição de alguma variável parece assimétrica? O que isso significa?

Funções úteis: mean(), median(), sd(), range(), summary()

Questão 7

Construa uma tabela de frequência absoluta e relativa (%) para a variável diagnostico. Em seguida, faça o mesmo separando por sexo. Ou seja, uma tabela cruzada entre diagnostico e sexo.

Qual é a prevalência geral da doença? Ela é diferente entre homens e mulheres?

Funções úteis: table(), prop.table()

Questão 8

Calcule a prevalência do diagnóstico (%) por faixa_etaria.

Existe algum padrão claro? Crie um gráfico de barras que mostre essa prevalência visualmente.

Funções úteis: aggregate(), barplot()

Dica

Para calcular a prevalência por faixa, uma abordagem é usar aggregate() com FUN = mean em uma variável numérica 0/1 criada a partir do diagnóstico: as.numeric(dados$diagnostico == "SIM").

Parte 3 — Exploração e visualização

Questão 9

Compare a distribuição do IMC e da pressão sistólica entre os grupos diagnostico == "SIM" e diagnostico == "NAO" usando boxplots lado a lado.

O que os gráficos sugerem sobre a relação entre essas variáveis e o diagnóstico?

Funções úteis: boxplot(variavel ~ grupo, data = ...)

Questão 10

Calcule a correlação de Pearson entre imc e pressao_sistolica. O resultado é significativo?

Em seguida, produza um gráfico de dispersão entre as duas variáveis.

Funções úteis: cor(), cor.test(), plot()

Parte 4 — Testes estatísticos

Questão 11

A equipe quer saber se a pressão sistólica média é significativamente diferente entre os participantes diagnosticados e os não diagnosticados.

Aplique o teste t adequado e interprete o resultado: há diferença significativa? Qual grupo apresenta maior pressão média?

Funções úteis: t.test(variavel ~ grupo, data = ...)

Questão 12

Existe associação entre o diagnóstico e o grupo de risco (grupo_risco) criado na Questão 5?

Construa a tabela de contingência e aplique o teste qui-quadrado. Interprete o resultado.

Funções úteis: table(), chisq.test()

Parte 5 — Síntese

Questão 13

Com base em tudo que você analisou, escreva um pequeno parágrafo (3 a 5 linhas) resumindo os principais achados:

  • Qual é a prevalência geral da doença?
  • O risco aumenta com a idade?
  • IMC e pressão estão associados ao diagnóstico?
  • O grupo de alto risco concentra mais casos?

Esta questão não tem código — é uma interpretação livre com base nos resultados que você obteve.

✅ Checklist final

Antes de entregar, verifique se você: