7  Recursos Computacionais Complementares

Para estudantes e pesquisadores que compreendem a teoria da estatística espacial (abordagem frequentista ou Bayesiana), mas que não possuem proficiência na escrita de códigos em R, existem ferramentas facilitadoras.

7.1 ShinyAppSpatialModelFeedback

Desenvolvido por Mario Figueira Pereira e colaboradores (Universidade de Valência).

Trata-se de uma aplicação Shiny (ShinyAppSpatialModelFeedback) projetada especificamente para ajuste de modelos espaciais utilizando pacote INLA (Integrated Nested Laplace Approximation) e a abordagem SPDE (Stochastic Partial Differential Equations). A interface gráfica permite ao usuário realizar desde a simulação de dados espaciais até o ajuste de modelos complexos sem a necessidade de programar manualmente a estrutura do modelo.

Funções suportadas

A aplicação suporta quatro estruturas principais de modelagem:

  • Modelo Independente: Para análise geoestatística;

  • Processos de Cox Log-Gaussianos (LGCP): Para modelagem de padrões de pontos (processos pontuais).

  • Modelo Preferencial: Para casos onde o processo de amostragem e o fenômeno espacial estão correlacionados (amostragem preferencial).

  • Modelo de Mistura: Para dados provenientes de diferentes processos de amostragem.

Como utilizar

A ferramenta roda diretamente sobre o R/RStudio. Para iniciá-la, basta ter o pacote shiny instalado e executar o seguinte comando no console do R:”

Código 
if (!require(pacman)) install.packages("pacman")

pacman::p_load(shiny)

shiny::runGitHub(repo = "ShinyAppSpatialModelFeedback", username = "MarioFigueiraP")

Para mais detalhes consulte o Github do Mário clicando aqui bem como o artigo Figueira, Conesa, e López-Quı́lez (2024) .

7.2 SpatialEpiApp

Desenvolvido pela professora Paula Moraga (KAUST), o SpatialEpiApp é uma aplicação web baseada em Shiny focada na análise de dados epidemiológicos usando abordagens espaciais e espaço-temporais.

A aplicação integra visualização interativa de dados com dois dos métodos: inferência Bayesiana via INLA e estatística de varredura (scan statistics).

Funções suportadas

  • Estimativa de risco de doenças: Ajuste de modelos Bayesianos utilizando o pacote R-INLA para obter estimativas de risco relativo e suas incertezas (suavização de mapas);

  • Detecção de clusters: Identificação de conglomerados espaciais e espaço-temporais utilizando a metodologia de estatística de varredura implementada no software SaTScan;

  • Visualização interativa: Criação de mapas interativos (com zoom e pan) e gráficos de séries temporais para exploração dos dados;

  • Geração de relatórios: Produção automática de relatórios reprodutíveis contendo os resultados das análises realizadas.

Como utilizar

Para utilizar o SpatialEpiApp, é necessário instalar o pacote a partir do GitHub. Note que, para a funcionalidade de detecção de clusters, é necessário ter o software SaTScan instalado externamente no computador.

Para iniciar a aplicação, execute o seguinte comando no console do R/Rstudio:

Código 
if (!require(remotes)) install.packages("remotes")

remotes::install_github("Paula-Moraga/SpatialEpiApp")

pacman::p_load(SpatialEpiApp)
run_app()

Para mais detalhes, consulte o repositório oficial clicando aqui bem como o artigo original Moraga (2017) .

7.3 SSTCDapp

Desenvolvido pelo grupo de estatística espacial da Universidade Pública de Navarra (UPNA), o SSTCDapp é uma aplicação Shiny focada na análise de dados de contagem (por exemplo, número de casos de doenças ou crimes) em contextos espaciais e espaço-temporais.

A ferramenta permite o ajuste de modelos hierárquicos Bayesianos espaciais e oferece uma interface amigável para quem deseja analisar riscos relativos e padrões temporais sem escrever código extensivo em R/Rstudio.

Funções principais

  • Modelagem espaço-temporal: Foco específico em dados de contagem;

  • Estimativa de risco: Suavização de taxas e mapas de risco;

  • Interface Web: Acessível diretamente pelo navegador sem necessidade de instalação local complexa.

Como utilizar

A ferramenta é gratuita, mas requer um registro simples para obtenção de senha de acesso. Qualquer problema eles disponibilizaram o email app.estadistica@unavarra.es.

Nota: Não encontrei um artigo referente ao uso deste app. Caso tenha conhecimento de alguma publicação relacionada, por favor, informe-me pelo email amnhancololo@gmail.com, porém os slides Adin, Goicoa, e Ugarte (2019) dão uma visão geral.

7.4 Repositório brverse

De Rafael H. M. Pereira e colaboradores, o brverse é um repositório que contém vários pacotes R que permitem o acesso a dados Brasileiros.

Áreas de dados abrangidas

O repositório organiza dezenas de pacotes divididos por temas, incluindo:

  • Geociências e dados espaciais: Acesso direto a malhas cartográficas oficiais do IBGE (geobr), geocodificação e padronização de endereços (enderecobr, geocodebr);

  • Economia e Finanças: Extração de séries temporais macroeconômicas do Ipeadata (ipeadatar), Banco Central (rbcb) e dados do Tesouro Direto;

  • População e Sociedade: Ferramentas para download e processamento rápido de microdados dos Censos Demográficos (censobr) e pesquisas como a PNAD (PNADcIBGE);

  • Saúde e meio ambiente: Acesso facilitado a dados do DataSUS (microdatasus), dados climáticos (brclimr) e biodiversidade (flora).

Como utilizar

Abaixo, um exemplo de como carregar alguns pacotes:

Código 
if (!require(pacman)) install.packages("pacman")

pacman::p_load(geobr, ipeadatar, censobr)

Para acessar a lista completa de pacotes e suas respectivas documentações, consulte o repositório oficial no GitHub clicando aqui.

Dica

Siga Rafael H. M. Pereira para ficar atualizado