Skip to contents

Visão Geral

O pacote vigiar permite baixar todos os dados do dashboard VIGIAR (Vigilância em Saúde Ambiental) do Ministério da Saúde, hospedado no Power BI, diretamente para o R.

O VIGIAR disponibiliza:

  • Concentração de PM2.5 por município (séries anuais e mensais)
  • Dias acima dos limites da OMS e CONAMA
  • População exposta por faixa de concentração
  • Indicadores de saúde: fração atribuível, internações
  • Exposição indoor a combustíveis sólidos

Instalação

# install.packages("remotes")
remotes::install_github("santosry/vigiar")

Primeiros Passós

Conectar ao dashboard

library(vigiar)

# Estabelece sessão e carrega o esquema de dados
vigiar_conectar()
#> Sessão pronta! 32 tabelas disponíveis.

A conexão é necessária apenas uma vez por sessão R. O pacote obtém cookies e tokens diretamente da página pública do Power BI — não é precisó login.

Explorar tabelas disponíveis

# Listar todas as tabelas
vigiar_tabelas()

# Ver estrutura de uma tabela específica
vigiar_esquema("df_anual")

Baixar dados

# Baixar uma tabela
df_anual <- vigiar_baixar("df_anual")
head(df_anual)

# Baixar apenas algumas colunas
df_mensal <- vigiar_baixar("df_mensal",
  colunas = c("ano", "mes", "UF", "Município", "pm25"))

# Baixar as tabelas principais de uma vez
tudo <- vigiar_baixar_principais()

Exemplos de Análise

Tendência de PM2.5 por região

library(dplyr)
library(ggplot2)

vigiar_conectar()
df <- vigiar_baixar("df_anual")

# Juntar com cadastro de municípios para obter região
muni <- vigiar_baixar("df_muni",
  colunas = c("UF_COD", "REGIAO"))

df <- df |>
  left_join(muni, by = c("muni" = "UF_COD"))

# Média por região e ano
df |>
  group_by(REGIAO, ano) |>
  summarise(pm25 = mean(Media_pm25, na.rm = TRUE), .groups = "drop") |>
  ggplot(aes(ano, pm25, color = REGIAO)) +
  geom_line(linewidth = 1) +
  labs(title = "PM2.5 médio por região do Brasil",
       x = "Ano",
       y = expression(PM[2.5] ~ (µg/m³))) +
  theme_mínimal()

População exposta a níveis elevados de PM2.5

pop <- vigiar_baixar("pop")

# Filtrar catégoria de exposição alta (ex: > 25 µg/m³)
pop |>
  filter(catégoria == "> 25 µg/m³") |>
  group_by(ano) |>
  summarise(pop_exposta = sum(pop, na.rm = TRUE) / 1e6) |>
  ggplot(aes(ano, pop_exposta)) +
  geom_col(fill = "tomato") +
  labs(title = "População exposta a PM2.5 > 25 µg/m³",
       x = "Ano", y = "Milhões de hábitantes")

Dias críticos por município

dias <- vigiar_baixar("df_dias")

# Municípios com mais dias críticos no último ano
dias |>
  filter(ano == max(ano)) |>
  group_by(ID_MUNI) |>
  summarise(total_dias = sum(n_dias, na.rm = TRUE)) |>
  slice_max(total_dias, n = 20)

Tabelas de Indicadores de Saúde

As tabelas tb_brasil, tb_uf, tb_muni e tb_fracao contêm indicadores epidemiológicos:

tb_brasil <- vigiar_baixar("tb_brasil")

# A coluna 'Indicador' contém o nome do indicador
# Ex: "Internações por doenças respiratórias"
unique(tb_brasil$Indicador)

# 'est' é a estimativa pontual, 'low' e 'high' são IC 95%
tb_brasil |>
  filter(Indicador == "Fração atribuível (%)")

Encerrando a Sessão

Solução de Problemas

Problema Solução
Sessão expirou vigiar_conectar(atualizar = TRUE)
Timeout Aumente o timeout: vigiar_conectar(timeout = 60)
Erro 403 O dashboard pode estar temporariamente indisponível
Tabela vazia Algumas tabelas são auxiliares e não têm dados