CORONAVIS
Análise visual dos dados do Coronavirus
OBJETIVO
Desenvolver painéis e ferramentas para apoiar a análise visual dos dados do Coronavírus.
Gráfico 1
Essa matriz de mapas de calor permite uma rápida comparação visual da evolução do número total de casos em diferentes países e regiões. Usamos uma escala de cores contínua para identificar diferentes faixas de valores. O mapa de calor é útil para identificar quando o número de casos passou pelos valores limite e quantos dias permaneceu em um intervalo específico. Nesta gráfico, vemos que a Itália e a Espanha levaram três dias para passar de 1000 para 5000 casos, enquanto os EUA levaram dois dias.
Gráfico 2
Este mapa de calor exibe o número diário de casos. À medida que os EUA aumentaram os testes do COVID-19, confirmaram mais de 10000 casos diários nos últimos 11 dias. Da mesma forma, o Brasil tem mais de 1000 casos diários nos últimos cinco dias.
Gráfico 3
Embora o mapa de calor padrão permita comparar a evolução em diferentes regiões no mesmo intervalo de tempo, não permite a comparação da evolução diária da propagação do COVID-19 após atingir um determinado limite. Nesta plotagem, especificamos que queremos alinhar o mapa de calor no primeiro dia em que o país atingiu um determinado valor (por exemplo, 100 neste exemplo). Neste gráfico, exibimos a contagem total de mortes. Vemos que a Espanha atingiu 10000 mortes 21 dias após ultrapassar o limite de 100 mortes, enquanto a Itália atingiu 10000 mortes após 25 dias. Neste gráfico, também vemos que o Brasil e a Suécia estão se movendo em um ritmo semelhante.
Gráfico 4
Como no gráfico anterior, alinhamos o mapa de calor após o número total de casos atingir 100 casos. O Brasil alcançou 10000 casos 22 dias após atingir 100 casos, como o Reino Unido.
Gráfico 5
Nosso painel ao vivo no Brasil permite visualizar dados por estado e municípios. Para avaliar os dados por estado, basta clicar sobre um determinado estado no mapa do Brasil. Ampliar e reduzir o mapa do estado permite inspecionar detalhes de regiões específicas. O mapa de calor permite comparar a evolução em diferentes estados e municípios, o que não tem o efeito de overplotting dos gráficos de linha. Neste gráfico, exibimos o número total de casos no Brasil e no estado do Rio Grande do Sul.
Gráfico 6
Semelhante ao gráfico anterior, esse gráfico mostra dados pelo número total de mortes.
Gráfico 7
Esse gráfico mostra o número total de casos confirmados dividido pela população em cada região, para cada 100.000 habitantes (gráfico de densidade). Essa visualização permite encontrar rapidamente regiões críticas onde uma parte mais alta da população é afetada. Neste gráfico, vemos que o valor da densidade do Brasil é maior que o estado do RS. Além disso, observamos que o Distrito Federal possui a maior densidade em todos os estados do Brasil.
Gráfico 8
Um recurso essencial do nosso painel é a capacidade de filtrar os dados por um intervalo de tempo específico. Por exemplo, neste gráfico, mostramos dados dos últimos sete dias. O intervalo de tempo é configurável apenas definindo a data de início e término da análise. Neste gráfico, observamos que a densidade de casos no estado da Amazônia é maior que o Rio de Janeiro nos últimos sete dias, enquanto o Rio de Janeiro tem uma densidade maior se todo o período for considerado (gráfico anterior).
Project leader: Prof. João Comba, Full Professor, Instituto de Informática - UFRGS - contact: comba@inf.ufrgs.br.
Viviane Moreira, Associate Professor, Instituto de Informática - UFRGS
Abel Correa, Ph.D. student, Instituto de Informática - UFRGS
Eduardo Vernier, Ph.D. student, Instituto de Informática - UFRGS
Noemí Maritza Lapa Romero, M.Sc. student
Felipe Pontes, M.Sc. student, Instituto de Informática - UFRGS
Juan Carlos Carbajal Ipenza, M.Sc. student, Instituto de Informática - UFRGS
Francisco Bento, M. Sc. student, Instituto de Informática - UFRGS
Melina Loreto, M. Sc. student, Instituto de Informática - UFRGS
Luciana Vargas da Rocha, Geoprocessing Expert. IMAGEM/SEMA-RS
Ricco Soares, B. Sc. student, Instituto de Informática - UFRGS
Lucas Spagnolo Bombana, B. Sc. student, Instituto de Informática - UFRGS
Arlen Vasconcelos, B. Sc. student, Instituto de Informática - UFRGS
Guilherme Goulart, B. Sc. student, Instituto de Informática - UFRGS
Guilherme Kern, B. Sc. student, Instituto de Informática - UFRGS
Carlo Fornari, B. Sc. student, Engenharia Elétrica - UFRGS
Pedro Foletto Pimenta, B. Sc. student, Instituto de Informática - UFRGS
Wladimir Leuschner, TU Berlin
Ajude-nos
Estamos correndo contra o tempo para desenvolver ideias sobre o spread COVID-19. Nossos painéis e ferramentas foram desenvolvidos em um período muito curto de tempo e estão sujeitos a erros, além de terem espaço para muitas melhorias. Por favor, use o formulário abaixo para enviar seus comentários e sugestões. Além disso, se você desenvolveu algum insight importante sobre os dados usando nossas ferramentas / painéis, adicione-os abaixo em texto e / ou imagem / pdf.