Esse projeto foi feito no longínquo ano de 2019 quando eu ainda estava aprendendo ciência de dados, sendo o meu primeiro projeto. Não estou mantendo-o atualizado por questões de falta de tempo e para deixar o meu avanço cada vez mais claro. Talvez eu revisite essa análise em Python com outro algoritmo de séries temporais, mas esse sempre ficará de pé como meu primeiro projeto. obs: Uso R Markdown para fazer os relatórios, então o github bugou e achou que era 100% HTML mesmo sendo R
Essa análise tem como principal objetivo encontrar os fatores de risco para suicídio no Brasil e prever a evolução desses dados para os próximos anos.
Nessa análise será usada a base de dados de mortalidade da OMS Mortality, ICD-10. Ela é organizada pelo código dos países como variáveis categóricas e está em formato long. Com os dados dos países, outras variáveis categóricas são o tipo de morte e o gênero. Com isso, o número de mortes é separado por faixas-etárias padronizadas pela OMS.
Os dados foram obtidos do site internacional da OMS https://www.who.int/healthinfo/statistics/mortality_rawdata/en/ Onde eles podem ser baixado em formato "puro", como dois arquivos com mais de 10Mb para serem tratados. Eles vem como arquivos CSV que, após terem as causas da morte e países desejados selecionados, serão unidos e transformados em um único arquivo. Agilizando o tratamento dos dados.
O dicionário de dados também está no link https://www.who.int/healthinfo/statistics/mortality_rawdata/en/ Apesar do dicionário conter as informações sobre todas as bases de dados, nessa sessão só serão exibidas as tabelas e linhas utilizadas.
- Existe uma diferença significativa entre as taxas de suicídio entre os gêneros?
- Quais são as categorias com maior chance de cometerem suicídios?
- Utilizando um modelo de regressão linear, as categorias em mais risco estão com o número de suicídios aumentando ou diminuindo?