Notebook para criação de tabela de indicadores da PNS - módulo P 2019 Tabagismo¶
Bibliotecas Utilizadas¶
In [53]:
#Lendo pacotes necessários
library(survey)
library(ggplot2)
library(dplyr)
library(foreign)
library(forcats)
library(tidyverse)
Carregando microdados da PNS¶
In [54]:
#Carregando banco de dados para R versão 3.5.0 ou superior
load("<coloque aqui o caminho para o arquivo dos microdados formato RDATA>")
Definição de peso e filtragem de respondentes do questionário¶
In [55]:
#Selecionando registros válidos para o módulo P e calculando peso amostral - summary de verificação
pns2019.1<-pns2019v3 %>% filter(V0025A==1)
pns2019.1<-pns2019.1 %>% mutate(peso_morador_selec=((V00291*(94114/168426190))))
pns2019.1<-pns2019.1 %>% filter(!is.na(peso_morador_selec))
summary(pns2019.1$peso_morador_selec)
Criação de variáveis dos indicadores¶
In [56]:
#Desfechos - Indicadores
#P019P - Uso atual de produtos derivados do tabaco
pns2019.1 <- pns2019.1 %>% mutate(P019P = ifelse(P050 %in% 1:2, 1,
ifelse(P067 %in% 1:2, 1, 2)))
pns2019.1$P019P<-factor(pns2019.1$P019P, levels=c(1,2), labels=c("Sim","Não"))
summary(pns2019.1$P019P)
#P020P - Fumo atual do tabaco
pns2019.1 <- pns2019.1 %>% mutate(P020P = ifelse(P050 %in% 1:2, 1, 2))
pns2019.1$P020P<-factor(pns2019.1$P020P, levels=c(1,2), labels=c("Sim","Não"))
summary(pns2019.1$P020P)
#P021P - Ex-fumantes de tabaco
pns2019.1 <- pns2019.1 %>% mutate(P021P = ifelse(P050 == 3 & P052 %in% 1:2,1,2))
pns2019.1$P021P<-factor(pns2019.1$P021P, levels=c(1,2), labels=c("Sim","Não"))
summary(pns2019.1$P021P)
#P022P - Tentativa de parar de fumar nos últimos 12 meses entre os fumantes atuais de tabaco
pns2019.1 <- pns2019.1 %>% mutate(P022P = if_else(P060==1 | P05901==0,1,2,missing=2))
pns2019.1$P022P<-factor(pns2019.1$P022P, levels=c(1,2), labels=c("Sim","Não"))
summary(pns2019.1$P022P)
#P023P - Fumo passivo no domícilio entre os não fumantes
pns2019.1 <- pns2019.1 %>% mutate(P023P = if_else(P050==3 & P068<=3,1,2,missing=2))
pns2019.1$P023P<-factor(pns2019.1$P023P, levels=c(1,2), labels=c("Sim","Não"))
summary(pns2019.1$P023P)
#P024P - Fumo atual de cigarro
pns2019.1 <- pns2019.1 %>% mutate(P024P = ifelse((P050%in%1:2) & (P05401<=4 | P05404<=4 | P05407<=4),1,2))
pns2019.1$P024P<-factor(pns2019.1$P024P, levels=c(1,2), labels=c("Sim","Não"))
summary(pns2019.1$P024P)
Definições de abrangências¶
Situação urbana ou rural¶
In [57]:
#Situação Urbano ou Rural
pns2019.1 <- pns2019.1 %>% rename(Sit_Urbano_Rural=V0026)
pns2019.1$Sit_Urbano_Rural<-factor(pns2019.1$Sit_Urbano_Rural, levels=c(1,2), labels=c("urbano", "rural"))
summary(pns2019.1$Sit_Urbano_Rural)
Sexo¶
In [58]:
#Sexo
pns2019.1 <- pns2019.1 %>% rename(Sexo=C006)
pns2019.1$Sexo<-factor(pns2019.1$Sexo, levels=c(1,2), labels=c("Masculino", "Feminino"))
summary(pns2019.1$Sexo)
UF¶
In [59]:
#Estados - UFs
pns2019.1 <- pns2019.1 %>% rename(Unidades_da_Federacao=V0001)
pns2019.1$Unidades_da_Federacao<-factor(pns2019.1$Unidades_da_Federacao, levels=c(11,12,13,14,15,16,17,21,22,23,24,25,26,27,28,29,31,32,33,35,41,42,43,50,51,52,53),
label=c("Rondônia","Acre","Amazonas","Roraima","Pará","Amapá","Tocantins","Maranhão","Piauí","Ceará",
"Rio Grande do Norte","Paraíba","Pernambuco","Alagoas","Sergipe","Bahia",
"Minas Gerais","Espírito Santo","Rio de Janeiro","São Paulo",
"Paraná","Santa Catarina","Rio Grande do Sul",
"Mato Grosso do Sul","Mato Grosso","Goiás","Distrito Federal"))
summary(pns2019.1$Unidades_da_Federacao)
Grandes Regiões¶
In [60]:
#Grandes Regiões
pns2019.1 <- pns2019.1 %>%
mutate(GrandesRegioes = fct_collapse(Unidades_da_Federacao,
`Norte` = c("Rondônia","Acre","Amazonas","Roraima","Pará", "Amapá","Tocantins"),
`Nordeste` = c("Maranhão", "Piauí", "Ceará", "Rio Grande do Norte", "Paraíba","Pernambuco", "Alagoas","Sergipe","Bahia"),
`Sudeste` = c("Minas Gerais", "Espírito Santo","Rio de Janeiro", "São Paulo"),
`Sul` = c("Paraná", "Santa Catarina", "Rio Grande do Sul"),
`Centro-Oeste`= c("Mato Grosso do Sul","Mato Grosso", "Goiás", "Distrito Federal")))
summary(pns2019.1$GrandesRegioes)
Faixa Etária¶
In [61]:
#Faixas Etárias
pns2019.1 <- pns2019.1 %>% mutate(faixa_idade=cut(C008,
breaks = c(18,30, 45, 60, 75,Inf),
labels = c("18 a 29 anos","30 a 44 anos","45 a 59 anos","60 a 74 anos","75 anos ou mais"),
ordered_result = TRUE, right = FALSE))
summary(pns2019.1$faixa_idade)
Raça¶
In [62]:
#Raça
pns2019.1 <- pns2019.1 %>% mutate(Raca= ifelse(C009==1, 1,
ifelse(C009==2, 2,
ifelse(C009==4, 3, 9))))
pns2019.1$Raca<-factor(pns2019.1$Raca, levels=c(1,2,3),labels=c("Branca", "Preta", "Parda"))
summary(pns2019.1$Raca)
Renda per capita¶
In [63]:
#Rendimento domiciliar per capita
pns2019.1 <- pns2019.1 %>% mutate(rend_per_capita = ifelse(VDF004 %in% 1:2, 1,
ifelse(VDF004%in% 3, 2,
ifelse(VDF004%in% 4, 3,
ifelse(VDF004%in% 5, 4,5)))))
pns2019.1$rend_per_capita<-factor(pns2019.1$rend_per_capita, levels=c(1,2,3,4,5), labels=c("Até 1/2 SM","1/2 até 1 SM","1 até 2 SM",
"2 até 3 SM","Mais de 3 SM"))
summary(pns2019.1$rend_per_capita)
Escolaridade¶
In [64]:
# Escolaridade
pns2019.1 <- pns2019.1 %>% mutate(gescol = ifelse(VDD004A %in% 1:2, 1,
ifelse(VDD004A%in% 3:4, 2,
ifelse(VDD004A%in% 5:6, 3,4
))))
pns2019.1$gescol<-factor(pns2019.1$gescol, levels=c(1,2,3,4),
labels=c("Sem instrução e fundamental incompleto","Fundamental completo e médio incompleto",
"Médio completo e superior incompleto","Superior completo"))
summary(pns2019.1$gescol)
Capital¶
In [65]:
#Capital
pns2019.1<- pns2019.1 %>% mutate(Capital= fct_collapse(Unidades_da_Federacao,
`Porto Velho`= "Rondônia",
`Boa Vista`= "Roraima",
`Rio Branco `= "Acre",
`Manaus` = "Amazonas",
`Belém` = "Pará" ,
`Macapá`= "Amapá",
`Palmas` = "Tocantins",
`São Luís` = "Maranhão",
`Teresina`= "Piauí" ,
`Fortaleza`= "Ceará",
`Natal`= "Rio Grande do Norte",
`João Pessoa`= "Paraíba",
`Recife`= "Pernambuco",
`Maceió`= "Alagoas",
`Aracaju`= "Sergipe",
`Salvador`= "Bahia",
`Belo Horizonte`= "Minas Gerais",
`Vitória`= "Espírito Santo",
`Rio de Janeiro`= "Rio de Janeiro",
`São Paulo`= "São Paulo",
`Curitiba`= "Paraná",
`Florianópolis`= "Santa Catarina",
`Porto Alegre`= "Rio Grande do Sul",
`Campo Grande`= "Mato Grosso do Sul",
`Cuiabá`= "Mato Grosso",
`Goiânia` = "Goiás",
`Brasília`= "Distrito Federal"))
summary(pns2019.1$Capital)
Criando Indicadores¶
Filtrando base de indicadores¶
In [66]:
#Selecionando variáveis para cálculo de indicadores no survey
pns2019Psurvey<- pns2019.1 %>% select("V0024","UPA_PNS","peso_morador_selec", "P019P","P020P","P021P","P022P","P023P","P024P",
"C008","C009","V0031","P050","P05901","Sit_Urbano_Rural","Sexo","Unidades_da_Federacao", "GrandesRegioes",
"faixa_idade", "Raca","rend_per_capita","gescol","Capital")
summary(pns2019Psurvey)
Exporta tabela filtrada¶
In [67]:
#Salvando csv para cálculo de indicadores no survey
path <- "<coloque aqui o caminho onde deseja salvar a base filtrada>"
write.csv(pns2019Psurvey, file.path(path, "pns2019Psurvey.csv"))
Cria plano amostral complexo¶
In [68]:
#survey design
desPNSP=svydesign(id=~UPA_PNS, strat=~V0024, weight=~peso_morador_selec, nest=TRUE, data=pns2019Psurvey)
desPNSP18=subset(desPNSP, C008>=18)
desPNSPC=svydesign(id=~UPA_PNS, strat=~V0024, weight=~peso_morador_selec, nest=TRUE, data=pns2019Psurvey)
desPNSPC18=subset(desPNSPC, C008>=18 & V0031==1)
desPNSPR18=subset(desPNSP, C008>=18 & C009!=9)
In [69]:
#survey design - P022P
desPNSP022P_18=subset(desPNSP, C008>=18 & (P050==1 | P050==2 | P05901==0))
desPNSP022P_R18=subset(desPNSP, C008>=18 & (P050==1 | P050==2 | P05901==0) & C009!=9)
desPNSP022P_C18=subset(desPNSP, C008>=18 & V0031==1 & (P050==1 | P050==2 | P05901==0))
In [70]:
#survey design - P023P
desPNSP023P_18=subset(desPNSP, C008>=18 & P050==3)
desPNSP023P_R18=subset(desPNSP, C008>=18 & P050==3 & C009!=9)
desPNSP023P_C18=subset(desPNSP, C008>=18 & V0031==1 & P050==3 & !is.na(P023P))
Criação da tabela de indicadores¶
Essa tabela é responsável por unir os indicadores no formato do painel de indicadores
In [71]:
matrizIndicadores = data.frame()
Definição de variáveis para iteração dos indicadores¶
In [73]:
ListaIndicadores = c(~P019P,~P020P,~P021P,~P022P,~P023P,~P024P)
ListaIndicadoresTexto = c("P019P","P020P","P021P","P022P","P023P","P024P")
ListaDominios = c(~Sexo,~Raca,~rend_per_capita,~faixa_idade,~Sit_Urbano_Rural,~Unidades_da_Federacao,~GrandesRegioes,~gescol,~Capital)
ListaDominiosTexto = c("sexo","raça","rend_per_capita","fx_idade_18","urb_rur","uf","região","gescol","capital")
ListaTotais = c('Brasil','Capital')
Ano <- "2019"
In [74]:
#Cálculo dos indicadores usando o pacote survey
i <- 0
for( indicador in ListaIndicadores){
i <- i + 1
j <- 1
for (dominio in ListaDominios){
if (ListaDominiosTexto[j]=="capital"){
if(ListaIndicadoresTexto[i] == "P022P"){
dataframe_indicador<-svyby( indicador , dominio , desPNSP022P_C18 , svymean,vartype= "ci")
}else if(ListaIndicadoresTexto[i] == "P023P"){
dataframe_indicador<-svyby( indicador , dominio , desPNSP023P_C18 , svymean,vartype= "ci")
}else{
dataframe_indicador<-svyby( indicador , dominio , desPNSPC18 , svymean,vartype= "ci")
}
}else if (ListaDominiosTexto[j]=="raça"){
if(ListaIndicadoresTexto[i] == "P022P"){
dataframe_indicador<-svyby( indicador , dominio , desPNSP022P_R18 , svymean,vartype= "ci")
}else if(ListaIndicadoresTexto[i] == "P023P"){
dataframe_indicador<-svyby( indicador , dominio , desPNSP023P_R18 , svymean,vartype= "ci")
}else{
dataframe_indicador<-svyby( indicador , dominio , desPNSPR18 , svymean,vartype= "ci")
}
}else {
if(ListaIndicadoresTexto[i] == "P022P"){
dataframe_indicador<-svyby( indicador , dominio , desPNSP022P_18 , svymean,vartype= "ci")
}else if(ListaIndicadoresTexto[i] == "P023P"){
dataframe_indicador<-svyby( indicador , dominio , desPNSP023P_18 , svymean,vartype= "ci")
}else{
dataframe_indicador<-svyby( indicador , dominio , desPNSP18 , svymean,vartype= "ci")
}
}
dataframe_indicador<-data.frame(dataframe_indicador)
colnames(dataframe_indicador) <- c("abr_nome","Sim","Não","LowerS","LowerN","UpperS","UpperN")
dataframe_indicador$Indicador <- ListaIndicadoresTexto[i]
dataframe_indicador$abr_tipo <- ListaDominiosTexto[j]
dataframe_indicador$Ano <- Ano
dataframe_indicador <- dataframe_indicador %>% select("abr_tipo","abr_nome","Ano","Indicador","Sim","Não","LowerS","LowerN","UpperS","UpperN")
matrizIndicadores <-rbind(matrizIndicadores,dataframe_indicador)
j <- j + 1
}
}
Criando a tabela pela abrangência total¶
In [75]:
matriz_totais <- data.frame()
Preenchendo a tabela com as abrangências Brasil e total de capitais¶
In [ ]:
i=0
for(indicador in ListaIndicadores){
i <- i+1
for(total in ListaTotais){
dataframe_indicador <- data.frame()
dataframe_indicador_S <- data.frame()
dataframe_indicador_N <- data.frame()
if (total == "Capital"){
if(ListaIndicadoresTexto[i] == "P022P"){
dataframe_indicador <- svymean(indicador,desPNSP022P_C18)
}else if(ListaIndicadoresTexto[i] == "P023P"){
dataframe_indicador <- svymean(indicador,desPNSP023P_C18)
}else{
dataframe_indicador <- svymean(indicador,desPNSPC18)
}
} else {
if(ListaIndicadoresTexto[i] == "P022P"){
dataframe_indicador <- svymean(indicador,desPNSP022P_18)
}else if(ListaIndicadoresTexto[i] == "P023P"){
dataframe_indicador <- svymean(indicador,desPNSP023P_18)
}else{
dataframe_indicador <- svymean(indicador,desPNSP18)
}
}
dataframe_indicador <- cbind(data.frame(dataframe_indicador),data.frame(confint(dataframe_indicador)))
dataframe_indicador <- dataframe_indicador %>%
select('mean','X2.5..','X97.5..')
dataframe_indicador_S <- dataframe_indicador %>%
slice(1)
dataframe_indicador_N <- dataframe_indicador %>%
slice(2)
dataframe_indicador <- cbind(dataframe_indicador_S,dataframe_indicador_N)
colnames(dataframe_indicador) <- c('Sim','LowerS','UpperS','Não','LowerN','UpperN')
dataframe_indicador <- dataframe_indicador %>%
select('Sim','Não','LowerS','LowerN','UpperS','UpperN')
dataframe_indicador$Indicador <- ListaIndicadoresTexto[i]
print(ListaIndicadoresTexto[i])
dataframe_indicador$abr_tipo <- "total"
dataframe_indicador$abr_nome <- total
dataframe_indicador$Ano <- Ano
print(colnames(dataframe_indicador))
dataframe_indicador <- dataframe_indicador %>%
select("abr_tipo","abr_nome","Ano","Indicador","Sim","Não","LowerS","LowerN","UpperS","UpperN")
matriz_totais <-rbind(matriz_totais,dataframe_indicador)
}
}
Unindo tabela de indicadores e totais¶
In [78]:
matrizIndicadores<-rbind(matrizIndicadores,matriz_totais)
Exportando tabela de indicadores¶
In [80]:
write.table(matrizIndicadores,file="<coloque aqui o caminho para exportação da matriz de indicadores>",sep = ";",dec = ",",row.names = FALSE)