linelist %>%
group_by(hospital) %>% # agrupe as linhas por hospital
slice_max(date, n = 1, with_ties = F) # se houver um empate (de data), pegue a primeira linha1 Notas editoriais e técnicas
Nesta página descrevemos a abordagem filosófica, o estilo e as decisões editoriais específicas tomadas durante a criação deste manual.
1.1 R para epidemiologia aplicada e saúde pública
Objetivo: Servir como um guia de referência rápido para escrever código em R (online e offline) com exemplos centrados em exercícios que abordam problemas epidemiológicos comuns.
Esta é uma versão traduzida para Português. Se você quer colaborar em melhorá-la, corrigindo algum erro, ou traduzir para outro idoma, por favor, nos contate!
Como usar este manual
- Navegue pelas páginas do Índice, ou use a caixa de busca
- Clique nos ícones “copiar” para copiar o código
- Você pode seguir - junto com os dados do exemplo.
- Consulte a seção “Recursos” de cada página para obter mais material
Versão off-line
Veja as instruções na página Fazer o Download do manual e dos dados.
1.2 Abordagem e estilo
O público em potencial para este livro é grande. Ele será certamente utilizado por pessoas muito novas no R, e também por usuários experientes do R que procuram as melhores práticas e dicas. Portanto, deve ser ao mesmo tempo acessível e sucinto. Portanto, a nossa abordagem foi fornecer o suficiente no texto para que alguém muito novo no R possa aplicar o código e seguir o que o código está fazendo.
Alguns outros pontos:
- Este é um livro de referência de códigos, acompanhado de exemplos relativamente breves - não um livro de texto completo sobre R ou sobre ciência de dados
- Este é um manual de R para utilização no âmbito da epidemiologia aplicada - não um manual sobre os métodos ou a ciência da epidemiologia aplicada
- Este destina-se a ser um documento “vivo” - os pacotes R que são ideais para uma determinada tarefa tendem a mudar frequentemente, e estamos abertos a discussão sobre qual pacote deveríamos enfatizar neste manual
Pacotes do R
São tantas escolhas
Um dos aspectos mais desafiadores da aprendizagem de R é saber qual o pacote R utilizar para uma dada tarefa. É uma ocorrência comum esforçar-se demais em uma tarefa e só mais tarde perceber - ei, há um pacote R que faz tudo isso numa única linha de código!
Neste manual, tentamos oferecer-lhe pelo menos duas formas de completar cada tarefa: um método experimentado e validado (provavelmente em R base ou tidyverse) e um pacote especial R que tenha sido construído para esse fim. Queremos que tenham algumas opções caso não consigam fazer o download de um determinado pacote ou que este não funcione.
Ao escolher os pacotes a utilizar, nós demos prioridade aos pacotes R e às abordagens que foram testados e aprovados pela comunidade. Também minimizamos o número de pacotes utilizados numa sessão de trabalho típica, e escolhemos aqueles que são estáveis (não mudam com muita frequência), e que cumprem a tarefa de forma simples e limpa
Este manual dá, de modo geral, prioridade aos pacotes e funções R do tidyverse. Tidyverse é uma colecção de pacotes de R concebidos para a ciência de dados que partilham gramática e estruturas de dados em comum. Todos os pacotes do tidyverse podem ser instalados ou carregados através do pacote tidyverse. Leia mais em tidyverse website.
Quando aplicável, também oferecemos opções de código usando o R base - os pacotes e funções que já vêm com R na sua instalação. Isto porque reconhecemos que parte do público deste livro podem não ter Internet estável para realizar o download de pacotes extra.
Explicitando os pacotes de origem de cada função
Geralmente é frustrante quando, nos tutoriais de R, uma função é mostrada em código, mas não se sabe de que pacote ela é! Tentamos evitar esta situação.
No texto narrativo, os nomes dos pacotes são escritos a negrito (por exemplo dplyr) e as funções são escritas desta forma: mutate(). Esforçamo-nos por ser explícitos sobre de que pacote vem uma função, seja referenciando o pacote em texto próximo ou especificando o pacote explicitamente no código: dplyr::mutate(). Pode parecer redundante, mas estamos fazendo isso de propósito.
Veja a página em Introdução ao R para saber mais sobre pacotes e funções.
Estilo do código
No manual, nós utilizamos frequentemente “novas linhas”, fazendo o nosso código parecer “longo”. Fazemos isso por algumas razões:
- Dessa forma podemos escrever comentários explicativos com `#’, colocando-os posicionados de forma adjacente a cada pequena parte do código
- Geralmente, o código mais longo (vertical) é mais fácil de ler
- É mais fácil de ler em uma tela estreita (não é necessária rolagem lateral)
- A partir das indentações, pode ser mais fácil saber que argumentos pertencem a que função
Como resultado, código que poderia ser escrito desta forma:
…é escrito assim:
linelist %>%
group_by(hospital) %>% # agrupe as linhas por hospital
slice_max(
date, # mantenha a linha que contem o valor máximo de data para cada grupo k
n = 1, # mantenha unicamente a linha com o valor mais alto
with_ties = F) # se houver um empate (de data), pegue a primeira linhaO código R não é geralmente afetado por novas linhas ou indentações. Ao escrever o código, se você iniciar uma nova linha após uma vírgula, ele aplicará padrões de recuo automáticamente.
Também utilizamos muitos espaços (por exemplo n = 1 em vez de n=1) porque é mais fácil de ler. Seja gentil com as pessoas que lêem o seu código!
Nomenclatura
Neste manual, referimos geralmente “colunas” e “linhas” em vez de “variáveis” e “observações”. Como explicado neste manual em “tidy data”, a maioria dos conjuntos de dados estatísticos epidemiológicos consistem estruturalmente em linhas, colunas e valores.
As variáveis contêm os valores que medem o mesmo atributo subjacente (como grupo etário, resultado, ou data de início). Observações contêm todos os valores medidos na mesma unidade (por exemplo, uma pessoa, local, ou amostra de laboratório). Portanto, estes aspectos podem ser mais difíceis de definir de forma tangível.
Em conjuntos de dados “arrumados” (tidy), cada coluna é uma variável, cada linha é uma observação, e cada célula é um valor único. No entanto, alguns conjuntos de dados que encontrarem podem não seguir esse modelo - um conjunto de dados de formato “largo” pode ter uma variável dividida em várias colunas (ver um exemplo na página Pivoteando Dados). Da mesma forma, uma única observação pode estar divididas em várias linhas.
A maior parte deste manual trata da gestão e transformação de dados, e por isso, se referir às estruturas concretas de dados (linhas e colunas) é mais relevante do que se referir às observações e às variáveis de forma mais abstractas. As exceções ocorrem principalmente em páginas sobre análise de dados, onde se verá mais referências a variáveis e observações.
Notas
Aqui estão os tipos de notas que você poderá encontrar neste manual:
NOTA: Isso é uma nota
DICA: Isso é uma dica.
CUIDADO: Esta é uma nota de precaução.
PERIGO: Isso é uma advertência.
1.3 Decisões editoriais
Abaixo, relacionamos decisões editoriais significativas em torno da escolha do pacote e da função. Se discordar ou quiser oferecer uma nova ferramenta para consideração, por favor, junte-se/ inicie uma conversa na nossa página Github.
Tabela de pacote, função, e outras decisões editoriais*
| Assunto | POssibilidades | Escolha | Breve justificativa |
|---|---|---|---|
| Abordagem geral para escrita do código | tidyverse, data.table, base | tidyverse, com uma página sobre data.table, e menções a alternativas em R base para leitores sem internet | A facilidade de leitura proporcionada pelo tidyverse, elém da sua universalidade e maior utilização para ensino. |
| Carregamento de pacotes |
library(),install.packages(), require(), pacman
|
pacman | Encurta e simplifica o código para a maioria dos casos de instalação/carregamento de vários pacotes |
| Importar e Exportar | rio, muitos outros pacotes | rio | Fácil para muitos tipos de arquivo |
| Agrupamento para estatísticas resumo |
dplyr group_by(), stats aggregate()
|
dplyr group_by()
|
Compatível com a ênfase em tidyverse |
| Pivotamento ( | tidyr (funções de pivotamento), reshape2 (melt/cast), tidyr (spread/gather) | tidyr (funções de pivotamento) | reshape2 está em desuso, tidyr usa funções de pivotamento desde a versão v1.0.0 |
| Limpar nome das colunas | linelist, janitor | janitor | Consolidação de pacotes enfatizada |
| Epiweeks | lubridate, aweek, tsibble, zoo | lubridate de modo geral, os outros em casos específicos | A flexibilidade, consistência e perspectiva de manutenção do pacote lubridate |
| Rótulos/Legendas do ggplot |
labs(), ggtitle()/ylab()/xlab()
|
labs() |
todos os rótulos em um lugar, simplicidade |
| Converter para fator |
factor(), forcats
|
forcats | suas várias funções tembém convertem para o formato de fator em um memso comando |
| Curvas epidêmicas | incidence, ggplot2, EpiCurve | incidence2 para rapidez, ggplot2 para detalhamento | fiabilidade |
| Concatenação |
paste(), paste0(), str_glue(), glue()
|
str_glue() |
Funções com sintaxe mais simples do que as funções paste; está contido stringr |
1.4 Principais revisões
| Data | Principais mudanças |
|---|---|
| 10 Maio 2021 | Lançamento da versão 1.0.0 |
| 20 Nov 2022 | Lançamento da versão 1.0.1 |
NOVIDADES Com a versão 1.0.1, as seguintes mudanças foram implementadas:
- Atualização para a versão 4.2 do R
- Limpeza de dados: troca de {linelist} por {matchmaker}, remoção de uma linha desnecessária do exemplo de
case_when() - Datas: troca de
guess_date(), do {linelist}, porparse_date(), do {parsedate} - Pivoteando dados: pequena atualização em
id_cols=, depivot_wider() - Análise de pesquisas: troca de
plot_age_pyramid()porage_pyramid(), pequena mudança no código do gráfico aluvial - Gráficos de calor: adição de
ungroup()ao bloco de códigoagg_weeks - Gráficos interativos: adição de
ungroup()ao bloco de código que criaagg_weeks, para queexpand()funcione como esperado - Séries temporais: adição de
data.frame()em torno dos objetos dentro de todos os comandostrending::fit()epredict() - Análise de combinações: troca de
case_when()porifelse()e adição de código opcional comacross()para preparar os dados - Cadeias de transmissão: atualização para uma versão mais recente do {epicontacts}
1.5 Agradecimentos
Este manual é produzido por uma colaboração de epidemiologistas de todo o mundo, aproveitando a experiência de organizações que incluem agências de saúde locais, estaduais, provinciais e nacionais, a Organização Mundial da Saúde (OMS), Médicos Sem Fronteiras / Médicos sem Fronteiras (MSF), sistemas hospitalares e instituições acadêmicas.
Este manual não é um produto aprovado de qualquer organização específica. Embora nos esforcemos para ser precisos, não damos nenhuma garantia do conteúdo deste livro.
Colaboradores
Editor: Neale Batra
Autores: Neale Batra, Alex Spina, Paula Blomquist, Finlay Campbell, Henry Laurenson-Schafer, Isaac Florence, Natalie Fischer, Aminata Ndiaye, Liza Coyer, Jonathan Polonsky, Yurie Izawa, Chris Bailey, Daniel Molling, Isha Berry, Emma Buajitti, Mathilde Mousset, Sara Hollis, Wen Lin
Revisores: Pat Keating, Annick Lenglet, Margot Charette, Danielly Xavier, Esther Kukielka, Michelle Sloan, Aybüke Koyuncu, Rachel Burke, Kate Kelsey, Berhe Etsay, John Rossow, Mackenzie Zendt, James Wright, Laura Haskins, Flavio Finger, Tim Taylor, Jae Hyoung Tim Lee, Brianna Bradley, Wayne Enanoria, Manual Albela Miranda, Molly Mantus, Pattama Ulrich, Joseph Timothy, Adam Vaughan, Olivia Varsaneux, Lionel Monteiro, Joao Muianga
Ilustradores: Calder Fong
Tradutores da versão em língua portuguesa (Brasil): Carolina Musso, César Augusto Galvão , Halian Vilela, Laís Relvas, Felipe Cardoso, Rafaela Tadei, Pauliana Galvão, Nathalia Zini, Paula Maçaira, João Pedro Angelici, Ademar Barbosa Dantas Junior, Eucilene Santana, Hudson Gabriel Virtuoso Fontenele, Lucca Nielsen
Os tradutores agradecem ProEpi pelo apoio para tradução e contato com a Applied Epi.
Financiamento e apoio
O manual recebeu financiamento de apoio através de uma subvenção de emergência COVID-19 da TEPHINET, a rede global de Programas de Treinamento em Epidemiologia de Campo (FETPs).
O apoio administrativo foi fornecido pela EPIET Alumni Network (EAN), com agradecimentos especiais à Annika Wendland. O EPIET é o Programa Europeu de Treinamento em Epidemiologia de Intervenção.
Agradecimentos especiais aos Médicos Sem Fronteiras (MSF) Centro Operacional Amsterdã (OCA) por seu apoio durante o desenvolvimento deste manual.
Esta publicação foi apoiada pelo Acordo Cooperativo número NU2GGH001873, financiado pelos Centros de Controle e Prevenção de Doenças através do TEPHINET, um programa da Força Tarefa para a Saúde Global. Seu conteúdo é de responsabilidade exclusiva dos autores e não representa necessariamente a visão oficial dos Centros de Controle e Prevenção de Doenças, do Departamento de Saúde e Serviços Humanos, The Task Force for Global Health, Inc. ou TEPHINET.
Inspiração
A infinidade de tutoriais e vinhetas que forneceram conhecimento para o desenvolvimento do conteúdo do manual são creditados dentro de suas respectivas páginas.
De modo mais geral, as seguintes fontes forneceram inspiração para este manual:
The “R4Epis” project (colaboração entre MSF e RECON)
R Epidemics Consortium (RECON)
R for Data Science book (R4DS)
bookdown: Authoring Books and Technical Documents with R Markdown
Netlify hosts this website
1.6 Termos de Uso e Contribuição
Licença
Esta obra está licenciada sob uma Licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International.
Cursos acadêmicos e programas de treinamento de epidemiologistas são bem-vindos para usar este manual com seus alunos. Se você tiver dúvidas sobre o uso pretendido, envie um e-mail para contact@appliedepi.org.
Citação
Batra, Neale, et ai. O Manual do Epidemiologista R. 2021. 
Contribuição
Se você quiser fazer uma contribuição de conteúdo, entre em contato conosco primeiro por meio de questões do Github ou por e-mail. Estamos implementando um cronograma de atualizações e criando um guia do contribuidor.
Observe que o projeto epiRhandbook é lançado com um Código de Conduta do Contribuidor. Ao contribuir para este projeto, você concorda em respeitar seus termos.
1.7 Informação da sessão (R, RStudio, pacotes)
Abaixo estão as informações sobre as versões dos pacotes R, RStudio, e R utilizados durante esta elaboração deste Manual.
sessioninfo::session_info()─ Session info ───────────────────────────────────────────────────────────────
setting value
version R version 4.6.0 (2026-04-24)
os Ubuntu 26.04 LTS
system x86_64, linux-gnu
ui X11
language en_US:en
collate en_US.UTF-8
ctype en_US.UTF-8
tz Etc/UTC
date 2026-10-06
pandoc 3.7.0.2 @ /usr/bin/ (via rmarkdown)
quarto 1.9.38 @ /usr/local/bin/quarto
─ Packages ───────────────────────────────────────────────────────────────────
package * version date (UTC) lib source
cli 3.6.6 2026-04-09 [1] RSPM
digest 0.6.39 2025-11-19 [1] RSPM
evaluate 1.0.5 2025-08-27 [1] RSPM
fastmap 1.2.0 2024-05-15 [1] RSPM
htmltools 0.5.9 2025-12-04 [1] RSPM
htmlwidgets 1.6.4 2023-12-06 [1] RSPM
jsonlite 2.0.0 2025-03-27 [1] RSPM
knitr 1.51 2025-12-20 [1] RSPM
otel 0.2.0 2025-08-29 [1] RSPM
rlang 1.2.0 2026-04-06 [1] RSPM
rmarkdown 2.31 2026-03-26 [1] RSPM
sessioninfo 1.2.4 2026-06-04 [1] RSPM
xfun 0.59 2026-06-19 [1] RSPM
yaml 2.3.12 2025-12-10 [1] RSPM
[1] /opt/R/4.6.0/lib/R/library
──────────────────────────────────────────────────────────────────────────────