fbpx
Sigmoidal
No Result
View All Result
  • Home
  • Data Science
    Data Science no exterior - como fazer uma Cover Letter

    Como escrever uma Cover Letter poderosa para Data Science

    GESTÃO DE DADOS: aprenda Data Science ou pague o preço de uma decisão errada | PrimoCast com Thiago Nigro

    Aprenda Data Science ou pague o preço de uma decisão errada

    Como a França usou Inteligência Artificial para detectar 20 mil piscinas

    Como a França usou Inteligência Artificial para detectar 20 mil piscinas

    ChatGPT: A Inteligência Artificial que vai escrever seus códigos

    ChatGPT: A Inteligência Artificial que vai escrever seus códigos

    7 livros essenciais para aprender Data Science em 2023

    7 livros essenciais para aprender Data Science em 2023

    Como a banda Metallica usa Data Science

    Como a banda Metallica usa Data Science

    Entrevista com Rodrigo Gianotto, CTO do Grupo Primo

    Entrevista com Rodrigo Gianotto, CTO do Grupo Primo

    Use a estratégia da Apollo 13 para conseguir uma vaga no mercado

    Use a estratégia da Apollo 13 para conseguir uma vaga no mercado

    Python para análise de ações e investimentos

    Python para análise de ações e investimentos

    Trending Tags

    • Python
      Como usar o DALL-E 2 para gerar imagens a partir de textos

      Como usar o DALL-E 2 para gerar imagens a partir de textos

      aprenda python do zero - curso gratuito

      Projeto Python: um plano à prova de desculpas

      Entrevista com Rodrigo Gianotto, CTO do Grupo Primo

      Entrevista com Rodrigo Gianotto, CTO do Grupo Primo

      Projeto Python do Zero: evento 100% gratuito

      Projeto Python do Zero: evento 100% gratuito

      Aprenda Python e se destaque no mercado

      Aprenda Python e se destaque no mercado

      Python para análise de ações e investimentos

      Python para análise de ações e investimentos

      Como fazer gráficos rotulados em Python

      Como fazer gráficos rotulados em Python

      Trabalhando com Dados Desbalanceados

      Trabalhando com Dados Desbalanceados

      Detector de Fadiga usando Python

      Detector de Fadiga usando Python

      Trending Tags

      • Tutoriais
        Crie um sistema de vigilância com drones e Deep Learning

        Crie um sistema de vigilância com drones e Deep Learning

        Detector de Fadiga usando Python

        Detector de Fadiga usando Python

        Reduzindo Turnover Com Machine Learning

        Reduzindo Turnover Com Machine Learning

        Séries Temporais (Time Series) com Python

        Séries Temporais (Time Series) com Python

        Como Analisar Ações da Bolsa com Python

        Como Analisar Ações da Bolsa com Python

        Como criar gráficos interativos usando Plotly e Python

        Como criar gráficos interativos usando Plotly e Python

        Como salvar seu modelo de Machine Learning

        Como salvar seu modelo de Machine Learning

        Como lidar com dados desbalanceados?

        Como lidar com dados desbalanceados?

        Big Data: Como instalar o PySpark no Google Colab

        Big Data: Como instalar o PySpark no Google Colab

        Trending Tags

        • Vídeos
          Como usar o DALL-E 2 para gerar imagens a partir de textos

          Como usar o DALL-E 2 para gerar imagens a partir de textos

          ChatGPT: A Inteligência Artificial que vai escrever seus códigos

          ChatGPT: A Inteligência Artificial que vai escrever seus códigos

          7 livros essenciais para aprender Data Science em 2023

          7 livros essenciais para aprender Data Science em 2023

          Entrevista com Rodrigo Gianotto, CTO do Grupo Primo

          Entrevista com Rodrigo Gianotto, CTO do Grupo Primo

          Crie um sistema de vigilância com drones e Deep Learning

          Crie um sistema de vigilância com drones e Deep Learning

          Python para análise de ações e investimentos

          Python para análise de ações e investimentos

          7 Livros de Data Science em 2021

          7 Livros de Data Science em 2021

          Detector de Fadiga usando Python

          Detector de Fadiga usando Python

          Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

          Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

          Trending Tags

          No Result
          View All Result
          Sigmoidal
          No Result
          View All Result

          Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

          Carlos Melo by Carlos Melo
          junho 7, 2022
          in Blog, Data Science, Projetos, Python, Tutoriais, Youtube
          10
          Home Blog
          15
          SHARES
          515
          VIEWS
          Publicar no LinkedInCompartilhar no FacebookCompartilhar no Whatsapp

          Todos os anos, mais de 12 mil pessoas tiram suas próprias vidas no Brasil. Em um cenário mundial, esse número ultrapassa 1 milhão de pessoas, levando o suicídio a ser considerado um problema de saúde pública.

          Para você ter uma noção da dimensão desses números, saiba que o suicídio tem uma taxa maior do que vítimas de AIDS e da maioria dos tipos de câncer. Segundo a Organização Mundial da Saúde (OMS), o Brasil ocupa o oitavo lugar no número de suicídios no mundo: São 32 brasileiros por dia.

          Setembro Amarelo é uma iniciativa da Associação Brasileira de Psiquiatria (ABP), em parceria com o Conselho Federal de Medicina (CFM), para divulgar e alertar a população sobre o problema.

          Suicídio, Python e Data Science: Prevenção e conscientização.

          Oficialmente, o Dia Mundial de Prevenção ao Suicídio ocorre no dia 10 de setembro, porém durante o mês inteiro são promovidos debates, campanhas e ações para a conscientização sobre o suicídio.

          Data Science na prevenção do suicídio no Brasil - Data Science

          O que trago neste artigo é muito mais que apenas um artigo de Ciência de Dados. É uma pequena contribuição que visa ajudar a entender a extensão desse problema no Brasil, além de incentivar o Setembro Amarelo dentro da comunidade Python e Data Science.

          Para você acompanhar o código, disponibilizei o Jupyter notebook completo, com todas as etapas. Clique no botão abaixo para acessar.

          Descrição dos dados sobre suicídio

          O melhor conjunto de dados – que eu encontrei na internet – está hospedado nesta página e traz informações sobre vários países. O dataset contempla o período entre os anos de 1985 e 2016.

          Suicídio, depressão e Data Science.

          Esse dataset, na verdade, é um compilado de outros 4 datasets. A pessoa que disponibilizou o mesmo fez um grande trabalho de limpeza e padronização. Caso você deseje saber e tenha interesse em conhecer as fontes que deram origem a este único arquivo, são elas:

          • United Nations Development Program. (2018). Human development index – HDI.
          • World Bank. (2018). World development indicators: GDP (current US$) by country:1985 to 2016.
          • Suicide in the Twenty-First Century (Szamil, 2017).
          • World Health Organization. (2018). Suicide prevention.

          Dicionário de Variáveis

          O arquivo csv importado possui 12 colunas, provenientes da compilação dos 4 datasets mencionados acima. As variáveis são:

          • country: país onde os dados foram registrados
            • 101 países
          • year: ano em que os dados foram registrados
            • 1987 a 2016
          • sex: sexo considerado no registro
            • male – masculino
            • female – feminino
          • age: faixa etária considerada
            • 5-14 anos
            • 15-24 anos
            • 25-34 anos
            • 35-54 anos
            • 55-74 anos
            • 75+ anos
          • suicides_no: número de suicídios
          • population: população para o grupo
          • suicides/100k pop: número de suicídios por 100 mil habitantes
          • country_year: identificador contendo country + year
          • HDI for year: Índice de Desenvolvimento Humano (IDH) para o ano
          • gdp_for_year: Produto Interno Bruto (PIB) para o ano
          • gdp_per_capita: Produto Interno Bruto (PIB) per capita

          Análise Exploratória dos Dados

          Como mencionei acima, este arquivo recebeu um tratamento anterior que facilitará muito a nossa análise.

          O conjunto de dados contém 27.820 linhas e 12 colunas. Como você pode ver abaixo, os dados podem ser agrupados por vários critérios como país, ano, sexo e idade.

          A primeira coisa que eu quero fazer é criar um DataFrame contendo apenas as informações relacionadas ao Brasil. Isso irá facilitar muito nossa manipulação da estrutura, além de ser uma boa prática em projetos de Data Science.

          Para ter uma noção da integridade dos dados, vou verificar isoladamente os DataFrames do Brasil e o Mundial. Principalmente quando se quer comparar duas coisas, é importante que elas sejam similares e estatisticamente representativas.

          Como você poder ver abaixo, a porcentagem de valores ausentes referentes ao IDH torna inviável o uso dessa variável. Caso se desejasse realmente usar, seria necessária uma etapa de coleta de dados a partir de outras fontes.

          Tendência da taxa de suicídio no Brasil

          Uma primeira comparação que farei diz respeito ao número de suicídios cometidos no Brasil por 100 mil habitantes, e a tendência do gráfico em relação à taxa mundial.

          Para ver a tendência, é melhor sempre usar essa relação por 100 mil, pois a população do país cresceu muito de 1985 a 2015. Se formos comparar em termos absolutos, poderemos tirar conclusões erradas ou distorcidas.

          Uma coisa que é facilmente percebida no gráfico acima é que, apesar da taxa de suicídios no Brasil ser menor que a média mundial, ela vem crescendo constantemente ao longo de 30 anos.

          A linha laranja teve um pico por volta de 1995, porém reverteu o slope e vem caindo ano após ano. Já a linha azul (Brasil) tem um slope positivo praticamente ao longo de todo o período analisado.

          Faixa etária com maior índice de suícidio

          Abaixo, eu criei uma tabela dinâmica (pivot table) para analisar as 6 faixas etárias em função do ano e do número de suicídios por 100 mil habitantes.

          Meu principal objetivo aqui é identificar qual a faixa etária que tem a maior representatividade entre aqueles que tiram a própria vida, e identificar se houve alguma mudança no perfil ao longo de 30 anos.

          Mesmo visualmente é fácil identificar que o grupo de pessoas que mais cometem suicídio está entre 35-54 anos. Em segundo lugar, estão pessoas entre 25-34 anos de idade.

          Juntos, esses dois grupos correspondem a quase 60% dos registros do banco de dados.

          Um outro ponto que vale a pena ressaltar é o aumento de casos entre pessoas acima de 55 anos. Em 1985, as pessoas com mais idade representavam uma pequena fatia do número total.

          Entretanto, em 2015 é nítido que mesmo para pessoas acima de 75 anos houve um incremento significativo no número de suicídios.

          Para se inferir a causa dessa mudança de padrão, é necessário se avaliar mais profundamente questões que vão além dos números (como exemplo, fatores qualitativos, momento econômico do país e a cultura dominante de cada época).

          Taxa de suicídio entre homens e mulheres

          Uma outra análise de grande importância é ver a porcentagem dos suicídios entre homens e mulheres.

          Analisando-se todo o período, o dataset utilizado mostrou que aproximadamente 78% dos casos foram cometidos por homens e 22% deles por mulheres. Optou-se por pegar a média dos 30 anos, pois não houve mudança significativa desse comportamento durante o período.

          Correlações entre o PIB, IDH e número de suicídios

          Criando uma matriz de correlação e plotando um heatmap, infere-se que o aumento no PIB per capita não diminuiu o número de suicídios por 100 mil habitantes. Na verdade, ele se manteve estável, contrariando o senso comum da maioria das pessoas.

          Em relação ao IDH, como foi mencionado anteriormente, há muitos valores ausentes nas células, o que pode dar uma interpretação incorreta ou com viés.

          Data Science na prevenção do suicídio

          O que eu quis trazer neste artigo foi um projeto de análise de dados , visando conscientizar a comunidade Python e Data Science sobre a real importância de um problema tão latente nos dias atuais; porém, negligenciado ou ignorado por boa parte das pessoas.

          O conjunto de dados usado aqui é simplificado, porém ideal para uma abordagem inicial.

          Há diversas iniciativas dentro do campo da Inteligência Artificial visando não apenas a conscientização, mas também prevenção de suicídios. Uma das mais populares diz respeito à análise de postagens em redes sociais, onde algoritmos de Machine Learning são capazes de identificar potenciais suicidas e alertar outras pessoas.

          A campanha é em setembro, mas falar sobre prevenção do suicídio em todos os meses do ano é fundamental

          Setembro Amarelo

          Ainda são iniciativas muito incipientes, que esbarram em muitas questões de privacidade. Porém, empresas como o Facebook já tem apostado nesse caminho.

          Espero que este artigo tenha trazido um pouco de conhecimento e alertado você sobre um problema tão sério. Sinta-se à vontade para expandir meu notebook e compartilhar o resultado com mais pessoas.

          Lembre-se de que não é frescura e que ninguém está querendo aparecer.

          Na verdade, a gente nunca tem a mínima ideia do que a outra pessoa está passando. Qualquer atitude que você tenha, que possa contribuir para a prevenção do suicídio, pode significar uma vida que você salvou 😉

          Tags: data sciencedata science na práticamachine learningpythonsetembro amarelosuicidiovídeoyoutube
          Previous Post

          Como Aprender Data Science?

          Next Post

          O que é GPT-3 e por que ele é importante?

          Carlos Melo

          Carlos Melo

          Piloto da Força Aérea Brasileira por 16 anos, Mestre em Ciências e Tecnologias Aeroespaciais pelo ITA e criador do Sigmoidal.

          Related Posts

          Data Science no exterior - como fazer uma Cover Letter
          Artigos

          Como escrever uma Cover Letter poderosa para Data Science

          by rafael
          janeiro 16, 2023
          GESTÃO DE DADOS: aprenda Data Science ou pague o preço de uma decisão errada | PrimoCast com Thiago Nigro
          Data Science

          Aprenda Data Science ou pague o preço de uma decisão errada

          by Carlos Melo
          janeiro 7, 2023
          Como usar o DALL-E 2 para gerar imagens a partir de textos
          Deep Learning

          Como usar o DALL-E 2 para gerar imagens a partir de textos

          by Carlos Melo
          dezembro 27, 2022
          Como a França usou Inteligência Artificial para detectar 20 mil piscinas
          Deep Learning

          Como a França usou Inteligência Artificial para detectar 20 mil piscinas

          by Carlos Melo
          janeiro 7, 2023
          ChatGPT: A Inteligência Artificial que vai escrever seus códigos
          Artigos

          ChatGPT: A Inteligência Artificial que vai escrever seus códigos

          by Carlos Melo
          dezembro 20, 2022
          Next Post
          O que é GPT-3 e por que ele é importante?

          O que é GPT-3 e por que ele é importante?

          Comments 10

          1. Avatar Camila Melo says:
            3 anos ago

            Parabéns pelo estudo e por trazer esse assunto tão pouco comentado 🙂

            Responder
            • Avatar Carlos Melo says:
              3 anos ago

              Muito obrigado pelo seu comentário, Camila. Fico feliz de ter dado algum tipo de contribuição para esse problema tão sério e ignorado por muitos aind 🙂

              Responder
          2. Avatar Luis says:
            3 anos ago

            Parabéns pela iniciativa @Carlos Melo! Pena que os dados só vão até 2016. Seria interessante se tivesse uma variável de “Motivação” (depressão, doença, perda de familiar, drogas…), para uma análise de causa raiz, que ajudaria numa identificação prévia comportamental.

            Responder
            • Avatar Carlos Melo says:
              3 anos ago

              Infelizmente sim. Porém, os quatro links que eu coloquei permitem adicionar novas colunas ao dataset já existente. Um trabalho muito bacana seria concatenar com bases de dados do Brasil. Acredito que graças à Lei de Acesso à Informação, esse tipo de informação deva estar disponibilizada publicamente. Muito obrigado =)

              Responder
          3. Avatar Fabiano Almeida says:
            3 anos ago

            Carlos, excelente post sobre um tema realmente muito crítico e de utilidade pública. Todos precisamos discutir o tema e buscar uma maneira de ajudar a quem mais precisa quanto a esta situação. Você publicou o seu notebook em algum local? Gostaria sim de analisar e, de repente, incrimentá-lo. Parabéns! Obrigado por compartilhar com todos os seus estudos.

            Responder
            • Avatar Carlos Melo says:
              3 anos ago

              Obrigado, Fabiano. Com certeza, um projeto desse serve para ajudar a conscientizar e mostrar como Data Science pode ser aliada 🙂

              Responder
          4. Avatar Leo Sanchez says:
            3 anos ago

            Carlos Melo, parabéns por seu trabalho em um assunto tão importante à sociedade! Você realizou uma análise excelente com esses dados.

            Responder
            • Avatar Carlos Melo says:
              3 anos ago

              Muito obrigado, Leo! Data Science pode ajudar muito a conscientizar e validar (ou não) algumas hipóteses 🙂

              Responder
          5. Avatar yago nu8nes says:
            3 anos ago

            Oi, como voce inseriu esta caixa de comentarios no wordpress? tambem comecei um site em wordpress sobre data science

            Responder
            • Avatar Carlos Melo says:
              3 anos ago

              O WordPress tem essa funcionalidade nativa, mas você consegue usar plugins específicos para isso também 🙂

              Responder

          Deixe um comentário Cancelar resposta

          O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

          Destaques Sigmoidal

          NFT e artes criadas por Inteligência Artificial

          NFT e artes criadas por Inteligência Artificial

          julho 8, 2022
          7 Livros de Data Science em 2021

          7 Livros de Data Science em 2021

          agosto 3, 2022
          Redes Neurais Multicamadas com Python e Keras

          Redes Neurais Multicamadas com Python e Keras

          junho 8, 2022

          Navegar por Categoria

          • Artigos
          • Blog
          • Carreira
          • Colunistas
          • Cursos
          • Data Science
          • Deep Learning
          • Destaques
          • Entrevistas
          • Inglês
          • Iniciantes
          • Inteligência Artificial
          • Livros
          • Machine Learning
          • NFT
          • Notícias
          • Projetos
          • Python
          • Teoria
          • Tutoriais
          • Visão Computacional
          • Youtube

          Navegar por Tags

          ações cancer carreira ciencia de dados cientista de dados cnn Cursos dados desbalanceados data science data science na prática decision tree deep learning gis gpt-3 gráficos healthcare iniciantes jupyter kaggle keras machine learning matplotlib medicina mnist nft nlp pandas personal branding plotly portfólio profissão python random forest redes neurais redes neurais convolucionais regressão logística seaborn sklearn tensorflow titanic vagas visualização de dados vídeo youtube árvore de decisão
          Sigmoidal

          O melhor conteúdo técnico de Data Science, com projetos práticos e exemplos do mundo real.

          Seguir no Instagram

          Categorias

          • Artigos
          • Blog
          • Carreira
          • Colunistas
          • Cursos
          • Data Science
          • Deep Learning
          • Destaques
          • Entrevistas
          • Inglês
          • Iniciantes
          • Inteligência Artificial
          • Livros
          • Machine Learning
          • NFT
          • Notícias
          • Projetos
          • Python
          • Teoria
          • Tutoriais
          • Visão Computacional
          • Youtube

          Navegar por Tags

          ações cancer carreira ciencia de dados cientista de dados cnn Cursos dados desbalanceados data science data science na prática decision tree deep learning gis gpt-3 gráficos healthcare iniciantes jupyter kaggle keras machine learning matplotlib medicina mnist nft nlp pandas personal branding plotly portfólio profissão python random forest redes neurais redes neurais convolucionais regressão logística seaborn sklearn tensorflow titanic vagas visualização de dados vídeo youtube árvore de decisão

          Artigos Recentes

          • Como escrever uma Cover Letter poderosa para Data Science
          • Aprenda Data Science ou pague o preço de uma decisão errada
          • Como usar o DALL-E 2 para gerar imagens a partir de textos

          © 2023 Sigmoidal - Aprenda Data Science e Python na prática.

          No Result
          View All Result
          • Home
          • Artigos
          • Tutoriais
          • YouTube
          • Contato

          © 2023 Sigmoidal - Aprenda Data Science e Python na prática.

          Welcome Back!

          Login to your account below

          Forgotten Password?

          Retrieve your password

          Please enter your username or email address to reset your password.

          Log In

          Add New Playlist

          INSCRIÇÕES ABERTAS

          DATA SCIENCE

          NA PRÁTICA

          RESERVE SUA VAGA
          Are you sure want to unlock this post?
          Unlock left : 0
          Are you sure want to cancel subscription?