Visão Geral do Projeto de Análise de Mortalidade Infantil

Este projeto extrai e analisa dados de mortalidade infantil do DATASUS, dividido em três etapas principais.

---

📂 Estrutura do Projeto

projeto/
│
├── seed/                          # Python - Download e processamento
│   └── download_datasus.py        # Script para criar sim.duckdb
│
└── r_analysis/                    # R - Análise e modelagem
    ├── 1_preparar_dados.R         # Cria mortalidade_infantil.RData
    ├── 2_regressao_linear.R       # Gera análise e gráfico
    └── mortalidade_infantil.RData # Fonte para dataframe usado em análise

---

## 🔄 Fluxo de Trabalho

### **Etapa 1: Criação do Banco de Dados (`sim.duckdb`)**

**Linguagem:** Python  
**Script:** `seed/download_datasus.py`

#### Objetivo
Baixar e processar dados brutos de mortalidade do DATASUS.

#### Processo
1. Baixa arquivos anuais do DATASUS (Sistema de Informações sobre Mortalidade)
2. Processa os dados em lotes para otimizar o uso de memória
3. Insere os dados em um banco de dados `DuckDB`, ajustando a estrutura da tabela dinamicamente para acomodar novos campos

#### Resultado
- **Arquivo gerado:** `sim.duckdb` contendo os dados consolidados de mortalidade

#### Como executar
```bash
cd seed
python download_datasus.py

---

Etapa 2: Preparação dos Dados de Mortalidade Infantil

Linguagem: R
Script: r_analysis/1_preparar_dados.R

Objetivo

Extrair e limpar um subconjunto específico de dados focado em mortalidade infantil.

Processo

1. Conecta ao banco de dados sim.duckdb
2. Filtra registros de mortalidade infantil (menores de 1 ano)
3. Seleciona e transforma variáveis relevantes:
   • DTOBITO: Data do óbito
   • PESO: Peso ao nascer
   • SEXO: Sexo da criança
   • RACACOR: Raça/cor
   • ESCMAE: Escolaridade da mãe
   • SEMAGESTAC: Semanas de gestação
   • CAUSA_BLOCO: Causa do óbito agrupada
   • RAZAOVIVMORT: Razão de filhos vivos/mortos
   • IDADE: Idade no momento do óbito
4. Remove valores inconsistentes e realiza limpeza dos dados
5. Salva o objeto mortalidade_infantil_limpo

Resultado

• Arquivo gerado: mortalidade_infantil.RData contendo o objeto mortalidade_infantil_limpo

Como executar

# IMPORTANTE: Os arquivos devem estar na mesma pasta
setwd("caminho/para/r_analysis")  # Ajuste o caminho conforme necessário
source("1_preparar_dados.R")

Pré-requisito: O arquivo sim.duckdb deve estar na mesma pasta.

---

Etapa 3: Análise de Regressão Linear

Linguagem: R
Script: r_analysis/2_regressao_linear.R

Objetivo

Analisar a mortalidade infantil e criar um modelo preditivo para dias de sobrevivência.

Processo

1. Carrega os dados limpos de mortalidade_infantil.RData
2. Converte a variável IDADE para dias contínuos (IDADE_DIAS_CONTINUO)
3. Realiza análise exploratória:
   • Estatísticas descritivas da idade em dias
   • Correlações entre variáveis (PESO, SEMAGESTAC, RAZAOVIVMORT)
4. Divide os dados em conjuntos de treino (80%) e teste (20%)
5. Cria modelo de regressão linear:

   IDADE_DIAS ~ PESO + SEMAGESTAC + RAZAOVIVMORT + CAUSA_BLOCO + SEXO + RACACOR
   

6. Avalia o desempenho do modelo:
   • Coeficientes e p-valores
   • RMSE (erro médio)
   • R² (poder explicativo)
7. Gera gráfico de diagnóstico no RStudio

Resultado

• Output no console: Tabela de coeficientes, métricas de desempenho
• Gráfico no RStudio: Valores reais vs previstos

Como executar

# IMPORTANTE: Os arquivos devem estar na mesma pasta
setwd("caminho/para/r_analysis")  # Ajuste o caminho conforme necessário
source("2_regressao_linear.R")

Pré-requisito: O arquivo mortalidade_infantil.RData deve estar na mesma pasta.