Este repositório centraliza os dados coletados e processados pelo projeto clean-data-covid-vaccination-brazil.
O diretório data está organizado em subdiretórios que contêm dados relativos às unidades federativas.
Dentro de cada subdiretório, há as seguintes seções:
_info: Informações gerais sobre os dados coletados.consistent: Dados agregados contemplando os microdados para os quais não foram detectadas inconsistências de informações.inconsistent: Dados agregados contemplando os microdados para os quais foram detectadas inconsistências de informações.wrong_date: Dados agregados contemplando os microdados para os quais não foram detectadas inconsistências de informações exceto pela data, que está fora do real período de vacinação.
Os dados estão em arquivos separados de acordo com a semana de aplicação das vacinas. O nome de cada arquivo é a data da segunda-feira da semana correspondente. Por exemplo, os dados entre os dias 5 de julho de 2021 e 11 de julho de 2021 estão todos em um arquivo intitulado 2021-07-05.csv. Chamamos essa data de semana-índice.
-
Para baixar todos os dados em um arquivo compactado, acesse este link. O tamanho do arquivo é 51,4 MB em 4 de julho de 2021.
-
Para baixar alguns dados específicos, filtrando por data ou unidade federativa, veja o código disponível em clean-data-covid-vaccination-brazil/downloader.py.
As seções abaixo descrevem como ler os dados dentro do diretório data:
O diretório _info contém:
- Um arquivo
totals.csvque contém o número total de vacinas aplicadas em cada data, sumarizando os dados disponíveis neste repositório. - Um diretório
update_totals, que contém um arquivo para cada semana-índice. Cada arquivo registra as datas em que os dados correspondente foram atualizados, e a contagem total de vacinas aplicadas em cada data de atualização.
O diretório consistent contém os dados agregados. Ele contém vários arquivos CSV cujos nomes são correspondentes às semanas-índices. Cada arquivo contém os seguintes campos, nomeados conforme a documentação do OpenDataSus:
- paciente_enumSexoBiologico
- paciente_idade
- vacina_nome
- vacina_categoria_nome
- vacina_grupoAtendimento_nome
Além desses campos, há uma coluna dose que informa com um número inteiro se a dose aplicada foi a primeira ou a segunda.
A coluna contagem informa quantas vezes a combinação de dados daquela linha ocorreu na data de vacinação correspondente.
A coluna data_aplicaçao informa a data de aplicação da vacina.
O diretório inconsistent contém dados com possíveis problemas de consistência. Eles estão dispostos da mesma forma que os do diretório consistent, exceto que contêm uma coluna extra chamada paciente_id para facilitar a análise de IDs duplicados.
O diretório wrong_date contém os dados cujas datas estão claramente erradas. Sua organização é idêntica ao do diretório consistent.
Alguns problemas foram encontrados para fazer este trabalho de organização de dados. Se você tem sugestões para colaborar, entre em contato pelo formulário ou pela seção Issues.
Alguns microdados possuem inconsistências claras, por exemplo: a amostra informa que a pessoa tem 90 anos mas vacinou por estar no grupo prioritário de 60 a 65 anos. Esses problemas são dos dados do OpenDataSus e provavelmente refletem erros na coleta de dados. Nos dados agregados disponibilizados neste repositório, esses erros são mantidos como na fonte.
Nos microdados obtidos do OpenDataSus, cada paciente possui um código identificador. Um problema observado é que muitos IDs aparecem de forma duplicada, como se a mesma pessoa tivesse sido vacinada várias vezes. Os dados com IDs duplicados foram separados, pois se considera que as informações que eles contém podem estar incorretas. Esse problema afeta cerca de 20% dos microdados. Veja a documentação dos dados para mais informações.
Em alguns testes, os dados de vacinados dos últimos 14 dias forneceram um total de vacinados muito inferior ao esperado. Isso pode ser um indicativo de atraso na disponibilização de dados do OpenDataSus.
Os dados obtidos não necessariamente concordam com outras fontes. Por exemplo, o repositório de wcota, que não dá detalhes sobre como coleta os dados, registra um número de vacinados diferente, como mostra o gráfico abaixo. O atraso de dados do OpenDataSus também contribui muito para essa diferença.
Você pode usar como quiser os dados e o código-fonte disponibilizados. A fonte de dados é de domínio público.
Se você pretende fazer acessos automatizados, preencha este formulário para ser avisado de eventuais mudanças que possam afetar a automatização.
Esteja ciente das limitações descritas na seção anterior, e que podem haver outros erros não identificados. Não existe qualquer garantia para o conteúdo fornecido.
Caso queira citar a fonte dos dados, use o próprio endereço do repositório.
Siga nosso bot que posta gráficos dos dados sobre covid: dataviz_sp.
