index.Rmd

---
title: "Covid19 - Cabo Verde"
output: 
  flexdashboard::flex_dashboard:
    favicon: ./img/favicon_io/favicon.ico
    logo: ./img/covid19.png
    orientation: columns
    vertical_layout: scroll
    css: style.css
    social: menu
    includes:
      after_body:  analytics.html
   
---

```{r setup, include=FALSE, results='hide',warning=FALSE}
#-------------------Packages---------------------------#

### -------covid19cvdata-----------------------------#
devtools::install_github("marovski/covid19cvdata",force=TRUE)
library(covid19cvdata)

##-------coronaviruspackage--------------------------#
devtools::install_github("ramikrispin/coronavirus",force = TRUE)
library(coronavirus)
coronavirus::update_dataset()
#-----Required the dev version from Github---------------# 

library(flexdashboard)
library(readr)
library(stringr)
library(dplyr)
library(tidyr)
library(lubridate)
library(sp)
library(rworldmap)
library(reshape2)
library(plyr)
library(leaflet)
library(rnaturalearth)
library(plotly)


#------------------ Parameters ------------------
# Set colors
# https://www.w3.org/TR/css-color-3/#svg-color
tested_color <- "purple"
positive_color <- "lightblue"
active_color <- "#1f77b4"
recovered_color <- "forestgreen"
death_color <- "#E41317"



#------------------ Data ----------------------------------------------------#

##---------- Get Nacional total cases----------------------------------------#

## Moving Average
total_nacional<-covid19cvdata::covid19cv_nacional  %>%
  dplyr::mutate(novos_casos = round((confirmados +
                                       dplyr::lag(confirmados, n = 1) +
                                       dplyr::lag(confirmados, n = 2) +
                                       dplyr::lag(confirmados, n = 3) +
                                       dplyr::lag(confirmados, n = 4)) / 5))
#Daily GrowthRate
total_nacional$c_lag<-lag(total_nacional$confirmados_acumulados)

total_nacional$d_lag<-lag(cumsum(total_nacional$obitos))


total_nacional$c_lag[is.na(total_nacional$c_lag)]<-0
total_nacional$d_lag[is.na(total_nacional$d_lag)]<-0

total_nacional$c_percentcrescimento<-round((total_nacional$confirmados_acumulados-total_nacional$c_lag)/total_nacional$c_lag*100,1)

total_nacional$d_percentcrescimento<-round((cumsum(total_nacional$obitos)-total_nacional$d_lag)/total_nacional$d_lag*100,1)

cv_total_today<- total_nacional %>% filter(Data==max(Data))

#----------------------Get demographic data-----------------------------#

covid_demo<-covid19cvdata::covid19cv_pop

covid19cv<-covid19cvdata::covid19cv %>% group_by(data,grupo_etario,sexo,nacionalidade,tipo_transmissao)%>%dplyr::summarise(confirmados=sum(tipo_caso=="confirmado"),evacuados=sum(tipo_caso=="evacuado"),recuperados=sum(tipo_caso=="recuperado"),obitos=sum(tipo_caso=="obito"))

#Female
female_data<-covid19cvdata::covid19cv  %>% filter(sexo == 'F') %>% 
  group_by(data) %>% dplyr::summarise(feminino_confirmado = sum(tipo_caso=="confirmado"))

#Male
male_data<-covid19cvdata::covid19cv  %>% filter(sexo == 'M') %>% group_by(data) %>% dplyr::summarise(masculino_confirmado = sum(tipo_caso=="confirmado"))

#FullJoin
joint_s<-full_join(male_data,female_data,by="data")%>%mutate(feminino_confirmado=replace_na(feminino_confirmado,0),masculino_confirmado=replace_na(masculino_confirmado,0)) 

joint_s<-joint_s %>% mutate(masculino_acum=cumsum(masculino_confirmado),feminino_acum=cumsum(feminino_confirmado),Data=as.Date(data)) %>% tidyr::complete(Data = seq.Date(min(data), max(data), by="day")) %>% select(Data, feminino_confirmado,feminino_acum,masculino_confirmado,masculino_acum)

joint_s[is.na(joint_s)]<-0


#--------------------------Age Group--------------------------------------#
age_group<-covid_demo %>% group_by(grupo_etario) %>%dplyr::summarise(confirmados=sum(confirmados),c_ativos=sum(confirmados_ativos),evacuados=sum(evacuados),recuperados=sum(recuperados),obitos=sum(obitos))



#------------#CV MAP------------------------------------------------------#


cv_city<-covid19cvdata::covid19cv_concelhos

cv_city$concelho<-stringr::str_replace_all(cv_city$concelho, c("Sal Rei" = "Boa Vista","Sao"="São"))

cv_city$concelho<-as.character(cv_city$concelho)

cv_city<-cv_city %>% dplyr::group_by(Data,concelho,lat,long,ilha) %>%mutate(c_recuperados=sum(recuperados),c_obitos=sum(obitos)) %>% data.frame()



# CV MAP
cabo_verde_map <- rnaturalearth::ne_states(country = "Cape Verde", returnclass = "sf") %>%
  dplyr::select(concelho = name, region, geometry) %>%
  dplyr::group_by(concelho) %>%
  dplyr::summarise(n = dplyr::n()) %>%
  dplyr::left_join(cv_city %>%
                     dplyr::filter(Data == max(Data)) %>%
                     dplyr::group_by(concelho) %>%
                     dplyr::summarise(c_acumulados = sum(confirmados_acumulados),cm_ativos=sum(c_ativos_acumulados)), # subseting for the most recent day
                   by = c("concelho" = "concelho"))


#------------------------World Cases-----------------------------#




world_daily <- coronavirus %>% 
  dplyr::mutate(date=as.Date(date))%>%
  dplyr::group_by(date, type) %>%
  dplyr::summarise(total = sum(cases, na.rm = TRUE)) %>%
  tidyr::pivot_wider(names_from = type,
                     values_from = total) %>%
  dplyr::arrange(date) %>%
  dplyr::ungroup() %>%
  dplyr::mutate(active =  confirmed - death - recovered) %>%
  dplyr::mutate(confirmed_cum = cumsum(confirmed),
                death_cum = cumsum(death),
                recovered_cum = cumsum(recovered),
                active_cum = cumsum(active))

worldCountries<-coronavirus %>%
  dplyr::group_by( country,type) %>%
  dplyr::summarise(total = sum(cases, na.rm = TRUE)) %>%
  tidyr::pivot_wider(names_from = type,
                     values_from = total) %>%
  dplyr::arrange(-confirmed)%>%
  dplyr::ungroup() %>%
  dplyr::mutate(active =  confirmed - death - recovered)



#------------------------#Get Africa Countries-------------------#



countries <- read_csv("./data-raw/africa.csv")


#Africa Cases
africa<-semi_join(coronavirus,countries, by=c("country"="Country"))

#Africa Countries covid19 stats
africa_countries<-africa %>%
  dplyr::group_by( type,country) %>%
  dplyr::summarise(total = sum(cases, na.rm = TRUE)) %>%
  tidyr::pivot_wider(names_from = type,
                     values_from = total) %>%
  dplyr::ungroup() %>%
  dplyr::mutate(active =  confirmed - death - recovered)



#-----------------------------------Daily Cases Africa------------------------------#

africa_daily <- africa %>% 
  dplyr::mutate(date=as.Date(date))%>%
  dplyr::group_by(date, type) %>%
  dplyr::summarise(total = sum(cases, na.rm = TRUE)) %>%
  tidyr::pivot_wider(names_from = type,
                     values_from = total) %>%
  dplyr::arrange(date) %>%
  dplyr::ungroup() %>%
  dplyr::mutate(active =  confirmed - death - recovered) %>%
  dplyr::mutate(confirmed_cum = cumsum(confirmed),
                death_cum = cumsum(death),
                recovered_cum = cumsum(recovered),
                active_cum = cumsum(active))


#---------------------#PALOP-TIL-----------------------------#

timor<-coronavirus%>%filter(country=="Timor-Leste") %>%dplyr::group_by( type,country) %>%
  dplyr::summarise(total = sum(cases, na.rm = TRUE)) %>%
  tidyr::pivot_wider(names_from = type,
                     values_from = total) %>%
  dplyr::ungroup() %>%
  dplyr::mutate(active =  confirmed - death - recovered) %>% data.frame()

palop<-africa_countries %>% filter(country %in% c("Angola", "Guinea-Bissau", "Timor-Leste", "Mozambique","Sao Tome and Principe","Cabo Verde"))%>% rbind(timor)

get.geocode.country<-function(x, place) {
  nrow <- nrow(x)
  counter <- 1
  x$long[counter] <- 0
  x$lat[counter] <- 0
  
  while (counter <= nrow) {
    CityName <-
      gsub(' ', '%20', x[[place]][counter]) #remove space for URLs
    
    
    url <- paste(
      "http://nominatim.openstreetmap.org/search?country="
      ,
      CityName
      ,
      "&limit=9&format=json"
      ,
      sep = ""
    )
    
    
    y <- RJSONIO::fromJSON(url)
    
    
    if (is.vector(y)) {
      x$long[counter]  <- y[[1]]$lon
      x$lat[counter]  <- y[[1]]$lat
      
    }
    counter <- counter + 1
  }
  print("Got lat and long!")
  return (x)
}

palop<-get.geocode.country(palop,"country")

palop$lat<-as.numeric(palop$lat)
palop$long<-as.numeric(palop$long)

palop_daily<-coronavirus %>% filter(country %in% c("Angola", "Guinea-Bissau", "Timor-Leste", "Mozambique","Sao Tome and Principe","Cabo Verde"))%>%
  dplyr::mutate(date=as.Date(date))%>%
  dplyr::group_by(date, country, type) %>%
  dplyr::summarise(total = sum(cases, na.rm = TRUE)) %>%
  tidyr::pivot_wider(names_from = type,
                     values_from = total) %>%
  dplyr::arrange(date) %>%
  dplyr::ungroup() %>%
  dplyr::group_by(country)%>%
  dplyr::mutate(active =  confirmed - death - recovered) %>%
  dplyr::mutate(confirmed_cum = cumsum(confirmed),
                death_cum = cumsum(death),
                recovered_cum = cumsum(recovered),
                active_cum = cumsum(active)) 

```


Resumo {data-orientation=rows}
======================================================================
Row
-----------------------------------------------------------------------

### GrowthDaily {.value-box}

```{r Growth}
valueBox(value = paste(format(cv_total_today$c_percentcrescimento, big.mark = ","),"%"),caption = "Taxa Crescimento Diário de Confirmados",icon = "fas fa-chart-line", color = tested_color)
```


### Positive Cases {.value-box}

```{r}
valueBox(value = paste(format(cv_total_today$confirmados_acumulados, big.mark = ","), "", sep = " "), 
         caption = "Total Casos Confirmados", 
         icon = "fas fa-diagnoses", 
         color = positive_color)
```


### Ative Cases {.value-box}

```{r}
valueBox(value = paste(format(cv_total_today$confirmados_ativos, big.mark = ","), " (",round(100 * cv_total_today$confirmados_ativos / cv_total_today$confirmados_acumulados, 1), 
                       "%)", sep = " "),  
         caption = "Total Casos Ativos", 
         icon = "far fa-plus-square", 
         color = active_color)
```


### Recovered Cases {.value-box}

```{r}
valueBox(value = paste(format(sum(total_nacional$recuperados), big.mark = ","), " (",round(100 * sum(total_nacional$recuperados, na.rm = TRUE) / cv_total_today$confirmados_acumulados, 1), 
                       "%)", sep = " "),  
         caption = "Total Recuperados", 
         icon = "fas fa-file-medical-alt", 
         color = recovered_color)
```


### Death Cases {.value-box}

```{r}
valueBox(value = paste(format(sum(total_nacional$obitos), big.mark = ","), " (",round(100 * sum(total_nacional$obitos, na.rm = TRUE) / cv_total_today$confirmados_acumulados, 1), 
                       "%)", sep = " "), 
         caption = "Total Óbitos", 
         color = death_color)
```

### Evacuated Cases {.value-box}

```{r}
valueBox(value = paste(format(sum(total_nacional$evacuados), big.mark = ","), " (",round(100 * sum(total_nacional$evacuados, na.rm = TRUE) / cv_total_today$confirmados_acumulados, 1), 
                       "%)", sep = " "), 
         caption = "Total Evacuados", 
         color = 'grey',icon = "fas fa-plane")
```


Row
-----------------------------------------------------------------------

### Distribuição do Total de Casos (última atualização:`r format(max(total_nacional$Data), '%d/%m')`)

```{r}
plotly::plot_ly(data = total_nacional,
                x = ~ Data,
                y = ~confirmados_ativos,
                name = 'Ativos',
                type = 'bar') %>%
  plotly::add_trace( y = ~ cumsum(obitos),
                     name = "Óbitos",
                     marker = list(color=death_color))%>%
  plotly::add_trace(y = ~cumsum(evacuados),
                    name = 'Evacuados',
                    marker = list(color='grey')) %>%
  plotly::add_trace(y = ~cumsum(recuperados),
                    name = 'Recuperados',
                    marker = list(color=recovered_color)) %>%
  plotly::add_annotations(x = as.Date("2020-03-27"),
                          y = 0,
                          text ="Estado de Emergência",
                          xref = "x",
                          yref = "y",
                          arrowhead = 5,
                          arrowhead = 3,
                          arrowsize = 1,
                          showarrow = TRUE,
                          ax = 15,
                          ay = -90)%>% 
  plotly::add_annotations(x = as.Date("2020-04-18"),
                          y = 40,
                          text ="Prorrogação EE",
                          xref = "x",
                          yref = "y",
                          arrowhead = 3,
                          arrowhead = 3,
                          arrowsize = .05,
                          showarrow = TRUE,
                          ax = -15,
                          ay = -90)%>%
  plotly::layout(barmode='stack',
                 legend = list(orientation = "h",   # show entries horizontally
                               xanchor = "center",  # use center of legend as anchor
                               x = 0.5,y=8),
                 yaxis = list(title = "Casos Acumulados"),
                 xaxis = list(title = ""),
                 hovermode = "compared",
                 margin=list(b=10,t=10,pad=2)
                 )
```


Row
----------------------------------------------------------------
### Casos por Concelho

```{r}
# cv_city %>%
#   dplyr::select(concelho, confirmados,c_ativos_acumulados, recuperados, obitos,evacuados, confirmados_acumulados) %>%
#   dplyr::group_by(concelho) %>%
#   dplyr::summarise(cumulative_positive_cases = sum(confirmados-recuperados-evacuados-obitos),
#                    recovered = sum(recuperados),
#                    death = sum(obitos),
#                    cumulative_cases = sum(confirmados_acumulados),evacuated=sum(evacuados)) %>%
#   dplyr::ungroup() %>%
#   dplyr::arrange(-cumulative_cases) %>%
#   dplyr::mutate(region = factor(concelho , levels = concelho)) %>%
#   plotly::plot_ly(
#     y = ~ region, 
#     x = ~ cumulative_positive_cases, 
#     orientation = 'h',
#     type = "bar", 
#     name = "Ativos",
#     marker = list(color = "#1f77b4")) %>%
#   plotly::add_trace(x = ~ recovered,
#                     name = "Recuperados",
#                     marker = list(color = "forestgreen")) %>%
#   plotly::add_trace(x = ~ death, 
#                     name = "Óbitos",
#                     marker = list(color = "red")) %>%
#     plotly::add_trace(x = ~ evacuated, 
#                     name = "Evacuados",
#                     marker = list(color = "grey")) %>%
#   plotly::layout(title = "",
#                  barmode = 'stack',
#                  yaxis = list(title = ""),
#                  xaxis = list(title = "Casos"),
#                  hovermode = "compare",
#                  legend = list(x = 0.65, y = 0.9),
#                  hovermode = "compared",margin=list(b=10,t=10,pad=2))
cv_city%>% filter(Data>"2020-03-18")%>%
  plotly::plot_ly(
    x = ~Data, y = ~(confirmados_acumulados), name = ~`concelho`,
    type = 'scatter', mode = 'lines',color = ~`concelho`
  ) %>% 
  plotly::layout(
    title = "",
    xaxis = list(title = "<b>Data</b>"),
    yaxis = list(title = "<b>Casos Confirmados Acumulados(escala log)</b>",type="log"),
    margin=list(b=10,t=10,pad=2),hovermode="compare",
    legend = list(orientation = "h",   # show entries horizontally
                               xanchor = "center",  # use center of legend as anchor
                               x = 0.5,y=8))
```


### Casos Confirmados Diários

```{r}
plotly::plot_ly(data = total_nacional,
                x = ~ Data,
                y = ~ confirmados,
                type = "scatter",
                mode = "markers",
                name = "Casos Confirmados") %>%
  plotly::add_lines(x = ~ Data, 
                    y = ~ novos_casos,
                    line = list(color = "red", width = 3),
                    name = "Linha de Tendência") %>%
  plotly::add_annotations(x = as.Date("2020-03-27"),
                          y = 0,
                          text ="Estado de Emergência",
                          xref = "x",
                          yref = "y",
                          arrowhead = 3,
                          arrowhead = 3,
                          arrowsize = 0.5,
                          showarrow = TRUE,
                          ax = 10,
                          ay = -70)%>%
  plotly::add_annotations(x = as.Date("2020-04-18"),
                          y = 0,
                          text ="Prorrogação EE",
                          xref = "x",
                          yref = "y",
                          arrowhead = 3,
                          arrowhead = 3,
                          arrowsize = .05,
                          showarrow = TRUE,
                          ax = 9,
                          ay = -80)%>%
  plotly::layout(title = "",
                 legend = list(orientation = "h",   # show entries horizontally
                               xanchor = "center",  # use center of legend as anchor
                               x = 0.5,y=8),
                 yaxis = list(title = "Casos Confirmados"),
                 xaxis = list(title = "Média Móvel de 5dias para a Linha de Tendência"),
                 hovermode = "compare",margin=list(b=10,t=10,pad=2))

```

Row
-------------------------------------------------------------
### Taxa Crescimento Diário dos Casos Confirmados e Óbitos Acumulados
```{r growth}



total_nacional %>%
plotly::plot_ly( x = ~ Data, 
                 y = ~c_percentcrescimento, 
                 type="scatter", text= ~paste0('Confirmados:',confirmados),
                 mode = 'lines+markers',  
                 name = '% Crescimento Diário Casos Confirmados',
                 marker = list(color = '#1f77b4'))  %>% 
  plotly::add_trace(y = ~d_percentcrescimento, 
                    name = '% Crescimento Diário Óbitos', 
                    marker = list(color = 'red'), text= ~paste0('Óbitos:',obitos),
                    line=list(color="red"),
                    mode = 'lines') %>%   
  plotly::add_annotations(x = as.Date("2020-03-27"),
                          y = 0,
                          text ="Estado de Emergência",
                          xref = "x",
                          yref = "y",
                          arrowhead = 3,
                          arrowhead = 3,
                          arrowsize = .05,
                          showarrow = TRUE,
                          ax = 9,
                          ay = -80) %>%
  plotly::add_annotations(x = as.Date("2020-04-18"),
                          y = 0,
                          text ="Prorrogação EE",
                          xref = "x",
                          yref = "y",
                          arrowhead = 3,
                          arrowhead = 3,
                          arrowsize = .05,
                          showarrow = TRUE,
                          ax = 9,
                          ay = -80)%>%
plotly::layout(title = "", 
               xaxis = list(title = ""), 
               legend = list(orientation = "h",   # show entries horizontally
                               xanchor = "center",  # use center of legend as anchor
                               x = 0.5,y=8),
         yaxis = list(title = "Taxa de crescimento diário",ticksuffix = "%"),
         margin=list(b=10,t=10,pad=2))
```

### Factor de Crescimento de Novos Casos ([worldometers](https://www.worldometers.info/coronavirus/coronavirus-cases/#cases-growth-factor))
```{r dailygrowth}

#Daily Growth factor (worldmeters formula)
total_nacional$g_lag<-lag(total_nacional$confirmados)

total_nacional$g_lag[is.na(total_nacional$g_lag)]<-0

total_nacional$g_factorcrescimento<-round(total_nacional$confirmados/total_nacional$g_lag,1)

total_nacional$g_factorcrescimento[is.nan(total_nacional$g_factorcrescimento)]<-0

total_nacional$g_factorcrescimento[is.infinite(total_nacional$g_factorcrescimento)]<-0


total_nacional %>%
plotly::plot_ly( x = ~ Data)%>%
      plotly::add_trace(y = ~g_factorcrescimento, 
                    name = 'Factor crescimento diário',       line=list(color="purple"),
                    marker = list(color = 'purple'), text= ~paste0('Factor: ',g_factorcrescimento,'<br>','Confirmados: ',confirmados,'<br>',format(Data,'%d/%m')),hoverinfo = 'text',
                  type='scatter',mode = 'lines+markers') %>% 
  plotly::add_annotations(x = as.Date("2020-03-27"),
                          y = 0,
                          text ="Estado de Emergência",
                          xref = "x",
                          yref = "y",
                          arrowhead = 3,
                          arrowhead = 3,
                          arrowsize = .05,
                          showarrow = TRUE,
                          ax = 9,
                          ay = -80) %>%
  plotly::add_annotations(x = as.Date("2020-04-18"),
                          y = 0,
                          text ="Prorrogação EE",
                          xref = "x",
                          yref = "y",
                          arrowhead = 3,
                          arrowhead = 3,
                          arrowsize = .05,
                          showarrow = TRUE,
                          ax = 9,
                          ay = -80)%>%
plotly::layout(title = "", 
               xaxis = list(title = "",ticktext=list("Factor:")), 
               legend = list(orientation = "h",   # show entries horizontally
                               xanchor = "center",  # use center of legend as anchor
                               x = 0.5,y=8),
         yaxis =list(title="Factor de crescimento"),
         margin=list(b=10,t=10,pad=2))
```

Demografia
======================================================================
Column {data-width=100}
-----------------------------------------------------------------------
### CasosF {.value-box}

```{r}
valueBox(value = paste(format(sum(joint_s$feminino_confirmado), big.mark = ",")," (",round(100 * sum(joint_s$feminino_confirmado)/ cv_total_today$confirmados_acumulados, 1), 
                       "%)",sep=" "),
         caption = "Casos Confirmados do Sexo Feminino",
         icon = "fas fa-female", color = 'red')
```


### CasesM {.value-box}

```{r}
valueBox(value = paste(format(sum(joint_s$masculino_confirmado), big.mark = ",")," (",round(100 * sum(joint_s$masculino_confirmado) / cv_total_today$confirmados_acumulados, 1), 
                       "%)",sep=" "),caption = "Casos Confirmados do Sexo Masculino",icon = "fas fa-male", color = 'blue')
```

### CasosFA {.value-box}

```{r}
valueBox(value = paste(format(covid_demo%>%filter(sexo=="F")%>%summarise(sum(confirmados_ativos)), big.mark = ",")," (",round(100 * covid_demo%>%filter(sexo=="F")%>%summarise(sum(confirmados_ativos)) / cv_total_today$confirmados_ativos, 1), 
                       "%)",sep=" "),
         caption = "Casos Ativos do Sexo Feminino",
         icon = "fas fa-female", color = 'pink')
```


### CasesMA {.value-box}

```{r}
valueBox(value = paste(format(covid_demo%>%filter(sexo=="M")%>%summarise(sum(confirmados_ativos)), big.mark = ",")," (",round(100 * covid_demo%>%filter(sexo=="M")%>%summarise(sum(confirmados_ativos)) / cv_total_today$confirmados_ativos, 1), 
                       "%)",sep=" "),caption = "Casos Ativos do Sexo Masculino",icon = "fas fa-male", color = 'lightblue')
```

### AgeGroup Cases {.value-box}

```{r}
x<-age_group %>% filter(confirmados==max(confirmados))
valueBox(value = paste(x$grupo_etario<-gsub(",","-",x$grupo_etario)," (",round(100 * x$confirmados / cv_total_today$confirmados_acumulados, 1), 
                       "%)",sep=""),caption = "Grupo Etário Mais Afetado",icon = "fas fa-cross", color = 'purple')
```

### Transmission Cases1 {.value-box}

```{r}
x<-covid19cv %>% filter(tipo_transmissao=="Nao_Importado")

valueBox(value = paste(sum(x$confirmados)," (",round(100 * sum(x$confirmados) / cv_total_today$confirmados_acumulados, 1),"%)",sep=""),caption = "Transmissões 'Não Importadas'",icon = "fas fa-cross", color = 'purple')
```

### Transmission Cases2 {.value-box}

```{r}
x<-covid19cv %>% filter(tipo_transmissao=="Importado")

valueBox(value = paste(sum(x$confirmados)," (",round(100 * sum(x$confirmados) / cv_total_today$confirmados_acumulados, 1),"%)",sep=""),caption = "Transmissões 'Importadas'",icon = "fas fa-cross", color = 'purple')
```


Row
----------------------------------------------------------

### Distribuição por Sexo dos Casos Confirmados Acumulados (última atualização:`r format(max(total_nacional$Data), '%d/%m')`)

```{r sexo}
plotly::plot_ly(data = joint_s,
                x = ~ Data,
                y = ~ cumsum(masculino_confirmado), 
                name = 'Masculino', 
                fillcolor = 'blue',
                type = 'scatter',
                mode = 'line') %>%
  plotly::add_trace( y = ~cumsum(feminino_confirmado), 
                     name = "Feminino",
                     fillcolor = 'red') %>%
  plotly::add_annotations(x = as.Date("2020-03-27"),
                          y = 4,
                          text ="Estado de Emergência",
                          xref = "x",
                          yref = "y",
                          arrowhead = 3,
                          arrowhead = 3,
                          arrowsize = 1,
                          showarrow = TRUE,
                          ax = 10,
                          ay = -70)%>%
  plotly::add_annotations(x = as.Date("2020-04-18"),
                          y = 1,
                          text ="Prorrogação EE",
                          xref = "x",
                          yref = "y",
                          arrowhead = 5,
                          arrowhead = 3,
                          arrowsize = .05,
                          showarrow = TRUE,
                          ax = -10,
                          ay = -80)%>%
  plotly::layout(title = "",
                 legend = list( xanchor = "center",  # use center of legend as anchor
                                x = 0.5,y=8,orientation = "h"),
                 yaxis = list(title = "Casos Confirmados Acumulados"),
                 xaxis = list(title = "Data"),
                 hovermode = "compared",  margin=list(b=10,t=10,pad=2),annotations = list(
                   text = paste0("Última Atualização:", format(max(total_nacional$Data), '%d/%m'), sep = " "),
                   xref = "paper",
                   yref = "paper",
                   showarrow = FALSE,
                   x = .05,
                   y = 1
                 ))
```
Row
-----------------------------------------

### Nacionalidade dos Casos

```{r}


covid19cv%>% ungroup()%>%mutate(nacionalidade=sub("^$","NãoDivulgado",nacionalidade))%>%
plotly::plot_ly(
                labels = ~nacionalidade, values = ~confirmados,
                type = 'pie', showlegend = FALSE,hole=.4,
                textposition = 'inside', textinfo = 'label+percent') %>% 
  plotly::layout(title = "<b>Nacionalidade dos Casos Confirmados</b>")
```


### Relação entre Casos Confirmados, Sexo, Grupo Etário

```{r}
plotly::plot_ly(data=covid_demo, x=~confirmados, y=~grupo_etario,color=~sexo) %>% 
  plotly::add_bars(orientation = 'h', hoverinfo = 'text', text = ~confirmados) %>%
  plotly::layout(bargap = 0.1, barmode = 'normal',
                 xaxis = list(tickmode = 'array', tickvals = c(-1000, -500, 0, 500, 1000),
                              ticktext = c('1000', '500', '0', '500', '1000'),title="Casos Confirmados"))

```


### Relação entre Casos Ativos, Sexo, Grupo Etário

```{r}
plotly::plot_ly(data= covid_demo,
                x = ~grupo_etario, y = ~confirmados_ativos,
                color = ~sexo, size=~confirmados*10,
                text = ~`sexo`, name = ~`sexo`,
                type = "scatter", mode = 'markers',
                hovertemplate = ~paste0(
                  '<b>Sexo</b>: %{text}',
                  '<br><b>Grupo Etario</b>: %{x}<br>','<b>Confirmados</b>: ',confirmados,'<br>',
                  '<b>Ativos</b>: %{y}<br>','<b>Recuperados</b>: ',recuperados,'<br>','<b>Óbitos</b>: ',obitos)) %>% 
  plotly::layout(
    title = "<b>Grupo Etario vs Casos Ativos</b>",
    xaxis = list(title = "<b>Grupo Etário</b>"),
    yaxis = list(title = "<b>Casos Ativos</b>"),
    margin = list(t = 70)
  ) 

```


Mapa CV {data-orientation=rows}
======================================================================
Row
-----------------------------------------------------------------------
### Distribuição Geográfica dos Casos
```{r mapCV}
cabo_verde_map$c_acumulados<-replace_na(cabo_verde_map$c_acumulados,"Sem casos")
cabo_verde_map$n<-NULL
cabo_verde_map %>% 
  mapview::mapview(legend=TRUE,zcol = c("c_acumulados"),raster.palette = grey.colors,
                   col.regions = colorRampPalette(c("yellow","orange", "red", "snow"))) 
```

Row
---------------------------------------------------------------------
### Concelhos Afetados
```{r}
cv_city %>%
  dplyr::select(Concelho=concelho, Ilha=ilha, Confirmados=confirmados,Recuperados=recuperados,Óbitos= obitos, `Ativos Acumulados`=c_ativos_acumulados, `Conf. Acumulados`=confirmados_acumulados,evacuados)%>% dplyr::group_by(Concelho) %>%
  dplyr::summarise(Confirmados = sum(Confirmados),
                   Recuperados = sum(Recuperados),
                   Óbitos = sum(Óbitos), Evacuados = sum(evacuados),
                   Ativos = cumsum(Confirmados-Recuperados-Óbitos) )%>%
  dplyr::ungroup() %>%
  DT::datatable(rownames = FALSE,extensions = 'Buttons',
                options = list(dom='Bfrtip',searchHighlight = TRUE, 
                               pageLength = 20,
                               buttons=c('csv'),
                               columnDefs = list(list(className = 'dt-center', targets = 0:5)), 
                               autoWidth = TRUE), 
                                filter = 'top') %>%   
    DT::formatStyle(
    'Confirmados',
    background = DT::styleColorBar(cv_city$confirmados, 'lightblue'),
    backgroundSize = '100% 90%',
    backgroundRepeat = 'no-repeat',
    backgroundPosition = 'center'
  )%>%   DT::formatStyle(
    'Recuperados',
    background = DT::styleColorBar(cv_city$recuperados, 'green'),
    backgroundSize = '100% 90%',
    backgroundRepeat = 'no-repeat',
    backgroundPosition = 'center'
  )%>% DT::formatStyle(
    'Óbitos',
    background = DT::styleColorBar(cv_city$obitos, 'red'),
    backgroundSize = '100% 90%',
    backgroundRepeat = 'no-repeat',
    backgroundPosition = 'center'
  )

```


PALOP-TL {data-orientation=rows}
======================================================================
Row 
-----------------------------------------------------------------------
### Confirmados {.value-box}

```{r}
valueBox(value = paste(format(sum(palop$confirmed), big.mark = ","),sep=" "),
         caption = "Casos Confirmados",
         icon = "fas fa-globe-africa", color = '#003399')
```


### Ativos {.value-box}

```{r}
valueBox(value = paste(format(sum(palop$active), big.mark = ",")," (",round(100 * sum(palop$active) / sum(palop$confirmed), 1), 
                       "%)",sep=" "),caption = "Casos Ativos",icon = "fas fa-cross", color = 'blue')
```

### Recovered {.value-box}

```{r}
valueBox(value = paste(format(sum(palop$recovered), big.mark = ",")," (",round(100 * sum(palop$recovered) / sum(palop$confirmed), 1), 
                       "%)",sep=" "),
         caption = "Recuperados",
         icon = "fas fa-heartbeat", color = 'green')
```


### Death {.value-box}

```{r}
valueBox(value = paste(format(sum(palop$death), big.mark = ",")," (",round(100 * sum(palop$death) / sum(palop$confirmed), 1), 
                       "%)",sep=" "),
         caption = "Óbitos",
         color = 'red')
```

Row
--------------------------------------------------------------
### Casos Confirmados Diários (última atualização:`r format(max(palop_daily$date),'%d/%m')`)

```{r}

palop_daily%>% filter(date>"2020-03-18")%>%
  plotly::plot_ly(
    x = ~date, y = ~(confirmed_cum), name = ~`country`,
    type = 'scatter', mode = 'lines',color = ~`country`
  ) %>% 
  plotly::layout(
    title = "",
    xaxis = list(title = "<b>Data</b>"),
    yaxis = list(title = "<b>Casos Confirmados Acumulados</b>",type="linear"),
    margin=list(b=10,t=10,pad=2),hovermode="compare",
    legend = list(orientation = "h",   # show entries horizontally
                               xanchor = "center",  # use center of legend as anchor
                               x = 0.5,y=8))
```

### Países PALOP e Timor Leste 
```{r}

pal <- colorNumeric(palette = "Reds", domain = c(0:90))

leaflet(data = palop)%>%
  addProviderTiles("Esri.WorldImagery") %>% 
  addCircleMarkers(lng = ~ long, 
                   lat= ~ lat,  #use the pallete
                   color = ~pal(confirmed),stroke = FALSE, fillOpacity = 0.5,
                   label= ~paste0("",country,"\n ","Confirmados:", confirmed,'\n', "Obitos:",death,'\n',"Recuperados:",recovered)
  ) %>%
  addLegend(title = "Casos",pal=pal,values = palop$confirmed )
```



África  
======================================================================
Column {data-width=100}
-----------------------------------------------------------------------
### Confirmados {.value-box}

```{r}
valueBox(value = paste(format(sum(africa_daily$confirmed), big.mark = ","),sep=" "),
         caption = "Casos Confirmados",
         icon = "fas fa-globe-africa", color = '#003399')
```


### Ativos {.value-box}

```{r}
valueBox(value = paste(format(sum(africa_daily$active), big.mark = ",")," (",round(100 * sum(africa_daily$active) / sum(africa_daily$confirmed), 1), 
                       "%)",sep=" "),caption = "Casos Ativos",icon = "fas fa-cross", color = 'blue')
```

### Recovered {.value-box}

```{r}
valueBox(value = paste(format(sum(africa_daily$recovered), big.mark = ",")," (",round(100 * sum(africa_daily$recovered) / sum(africa_daily$confirmed), 1), 
                       "%)",sep=" "),
         caption = "Recuperados",
         icon = "fas fa-heartbeat", color = 'green')
```


### Death {.value-box}

```{r}
valueBox(value = paste(format(sum(africa_daily$death), big.mark = ",")," (",round(100 * sum(africa_daily$death) / sum(africa_daily$confirmed), 1), 
                       "%)",sep=" "),
         caption = "Óbitos",
         color = 'red')
```

Column {data-width=650}
---------------------------------------------------------
### Distribuição dos Casos

```{r}

plotly::plot_ly(data = africa_daily,
                x = ~ date,
                y = ~ active_cum, 
                name = 'Ativos', 
                fillcolor = active_color,
                type = 'scatter',
                mode = 'none', 
                stackgroup = 'one') %>%
  plotly::add_trace(y = ~ recovered_cum,
                    name = "Recuperados",
                    fillcolor = recovered_color) %>%
  plotly::add_trace(y = ~ death_cum,
                    name = "Óbitos",
                    fillcolor = death_color) %>%
  plotly::layout(title = "Covid19 em África",
                 yaxis = list(title = "Casos acumulados"),
                 xaxis = list(title = "Data"),
                 legend = list(x = 0.1, y = 0.9),
                 hovermode = "compare", margin = list(t = 70),
                 annotations = list(
                   text = paste0("Última Atualização:", format(max(africa_daily$date), '%d/%m'), sep = " "),
                   xref = "paper",
                   yref = "paper",
                   showarrow = FALSE,
                   x = 0.95,
                   y = 1
                 ))
```


### Taxa de Recuperação vs Taxa de Mortandade

```{r}
plotly::plot_ly(data=africa_countries,
                x=~(death/confirmed)*100,
                y=~(recovered/confirmed)*100,
                size = ~log(confirmed),
                color = ~country,
                sizes = c(5, 20),
                marker = list(sizemode = 'diameter' , opacity = 0.5),
                type = 'scatter',mode='markers',
                hoverinfo='text',
                hovertemplate = ~paste0("",country,'<br>',
                                        "Confirmados: ",confirmed,'<br>',
                                        "Ativos: ",active," (",round(100*(active/confirmed),1),' %)','<br>',
                                        "Recuperados: ", recovered," (",round(100*(recovered/confirmed),1),' %)','<br>',
                                        "Óbitos: ", death," (",round(100*(death/confirmed),1),' %)',sep=""))%>%
  plotly::layout(title = "",
                 xaxis = list(title = "<b>Taxa de Mortandade</b>",ticksuffix = "%"),
                 yaxis = list(title = "<b>Taxa de Recuperação</b>",ticksuffix = "%"),
                 # set the top margin so the plot helper buttons don't cover the title
                 margin = list(t = 70))
```

Mundo
======================================================================
Column {data-width=100} 
-----------------------------------------------------------------------
### Confirmados {.value-box}

```{r}
valueBox(value = paste(format(sum(world_daily$confirmed), big.mark = ","),sep=" "),
         caption = "Casos Confirmados",
         icon = "fas fa-globe", color = '#003399')
```


### Ativos {.value-box}

```{r}
valueBox(value = paste(format(sum(world_daily$active), big.mark = ",")," (",round(100 * sum(world_daily$active) / sum(world_daily$confirmed), 1), 
                       "%)",sep=" "),caption = "Casos Ativos",icon = "fas fa-cross", color = 'blue')
```

### Recovered {.value-box}

```{r}
valueBox(value = paste(format(sum(world_daily$recovered), big.mark = ",")," (",round(100 * sum(world_daily$recovered) / sum(world_daily$confirmed), 1), 
                       "%)",sep=" "),
         caption = "Recuperados",
         icon = "fas fa-heartbeat", color = 'green')
```


### Death {.value-box}

```{r}
valueBox(value = paste(format(sum(world_daily$death), big.mark = ",")," (",round(100 * sum(world_daily$death) / sum(world_daily$confirmed), 1), 
                       "%)",sep=" "),
         caption = "Óbitos",
         color = 'red')
```

Row
--------------------------------------------------------------
### Mapa Mundo(última atualização:`r format(max(world_daily$date), '%d/%m')`)

```{r}
#original map code by Art Steinmetz
#Heremodified in part

cv_data_for_plot <- coronavirus %>% 
  dplyr::filter(cases > 0) %>% 
  dplyr::group_by(country,lat,long,type) %>% 
  dplyr::summarise(cases = sum(cases)) %>% 
  dplyr::mutate(log_cases = 2 * log(cases),tipo=stringr::str_replace_all(type, c("death"= "Óbitos", "confirmed"="Confirmados","recovered"="Recuperados")),País=country,Casos=cases) %>% 
  dplyr::ungroup()


cv_data_for_plot.split <- cv_data_for_plot %>% split(cv_data_for_plot$tipo)

pal <- colorFactor(c("orange", "red","green"), domain = c("Confirmados", "Óbitos","Recuperados"))

map_object <- leaflet() %>% addProviderTiles(providers$OpenStreetMap)

names(cv_data_for_plot.split) %>%
  purrr::walk( function(df) {
    map_object <<- map_object %>%
      addCircleMarkers(data=cv_data_for_plot.split[[df]],
                 lng=~long, lat=~lat,
                 color = ~pal(tipo),
                 stroke = FALSE,
                 fillOpacity = 0.8,
                 radius = ~log_cases,

                 popup =  leafpop::popupTable(cv_data_for_plot.split[[df]],
                                              feature.id = FALSE,
                                              row.numbers = FALSE,
                                              zcol=c("tipo","Casos","País")),
                 group = df,
                 labelOptions = labelOptions(noHide = F,
                                             direction = 'auto'))
  })
map_object %>%
  addLayersControl(
    overlayGroups = names(cv_data_for_plot.split),
    options = layersControlOptions(collapsed = FALSE) 
  )
```

### Países com mais de 20 000 casos (última atualização:`r format(max(world_daily$date), '%d/%m')`)

```{r worldCountries}
worldCountries%>%filter(confirmed>=20000)%>%dplyr::mutate(country = factor(country, levels = country))%>% 
plotly::plot_ly(
                x = ~country,
                y = ~active,
                name = 'Ativos',
                type = 'bar') %>%
  plotly::add_trace( y = ~ death,
                     name = "Óbitos",
                     marker = list(color=death_color))%>%
  plotly::add_trace(y = ~recovered,
                    name = 'Recuperados',
                    marker = list(color=recovered_color))%>%
   plotly::layout(title = "",
                 barmode = 'stack',
                 yaxis = list(title = "Casos (escala log)",
                              type = "log"),
                  xaxis=list(title=""),
                 hovermode = "compare", 
                 margin =  list(
                   # l = 60,
                   # r = 40,
                   b = 10,
                   t = 10,
                   pad = 2
                 ))
```


### Taxa Recuperação vs Taxa Mortandade (Países com mais de 20 000 infetados)
```{r worldCountriesTx}
worldCountries%>%filter(confirmed>=20000)%>%dplyr::mutate(country = factor(country, levels = country))%>% 
plotly::plot_ly(
                x=~(death/confirmed)*100,
                y=~(recovered/confirmed)*100,
                size = ~log(confirmed),
                color = ~country,
                sizes = c(5, 50),
                marker = list(sizemode = 'diameter' , opacity = 0.5),
                type = 'scatter',mode='markers',
                hoverinfo='text',
                hovertemplate = ~paste0("",country,'<br>',
                                        "Confirmados: ",confirmed,'<br>',
                                        "Ativos: ",active," (",round(100*(active/confirmed),1),' %)','<br>',
                                        "Recuperados: ", recovered," (",round(100*(recovered/confirmed),1),' %)','<br>',
                                        "Óbitos: ", death," (",round(100*(death/confirmed),1),' %)',sep=""))%>%
  plotly::layout(title = "",
                 xaxis = list(title = "<b>Taxa de Mortandade</b>",ticksuffix = "%"),
                 yaxis = list(title = "<b>Taxa de Recuperação</b>",ticksuffix = "%"),
                 # set the top margin so the plot helper buttons don't cover the title
                 margin = list(t = 70))
```


Dados
=====================================================
Row {.tabset}
---------------------------
### Cabo Verde (última atualização:`r format(max(total_nacional$Data), '%d/%m')`)
```{r caboverde}
covid19cvdata::covid19cv %>% mutate(concelho = stringr::str_replace_all(concelho, c("Sal Rei"= "Boa Vista", "Mindelo"="São Vicente"))) %>%
  dplyr::select(Data = data, Concelho = concelho,Ilha=ilha, Sexo = sexo,`Grupo Etario`= grupo_etario,`Nacionalidade`= nacionalidade, `Tipo de Caso` = tipo_caso)  %>% mutate(Concelho=as.factor(Concelho),`Grupo Etario`=as.factor(`Grupo Etario`), Nacionalidade=as.factor(Nacionalidade))%>%
  DT::datatable(rownames = FALSE,extensions = 'Buttons',
                options = list(dom='Bfrtip',searchHighlight = TRUE, 
                               pageLength = 20,buttons=c('csv'),columnDefs = list(list(className = 'dt-center', targets = 0:6)), autoWidth = TRUE), filter = 'top')
```

### PALOP-TL (última atualização:`r format(max(world_daily$date), '%d/%m')`)
```{r palop}
palop %>% dplyr::select(Países = country, Confirmados = confirmed, Óbitos = death,Recuperados=recovered, Activo=active)  %>% mutate(`% Recuperação`=paste(round(100*(Recuperados/Confirmados),0)), `% Óbito`=paste( round(100*(Óbitos/Confirmados),1))) %>%
  DT::datatable(rownames = FALSE,
                options = list(searchHighlight = TRUE, 
                               pageLength = 6,columnDefs = list(list(className = 'dt-center', targets = 0:6))
                               ,autoWidth = TRUE), filter = 'top')
```

### África (última atualização:`r format(max(world_daily$date), '%d/%m')`)

```{r africa}
africa_countries %>% dplyr::select(Países = country, Confirmados = confirmed, Óbitos = death,Recuperados=recovered, Activo=active)  %>% mutate(`% Recuperação`=paste(as.numeric(round(100*(Recuperados/Confirmados),1))), `% Óbito`=paste( round(100*(Óbitos/Confirmados),1))) %>%
  DT::datatable(rownames = FALSE,
                options = list(searchHighlight = TRUE, 
                               pageLength = 20,columnDefs = list(list(className = 'dt-center', targets = 0:6))
                               ,autoWidth = TRUE), filter = 'top')
```

### Mundo (última atualização:`r format(max(world_daily$date), '%d/%m')`)

```{r worldcountries}
worldCountries %>% 
  dplyr::select(Países = country, 
                Confirmados = confirmed, 
                Óbitos = death,Recuperados=recovered, 
                Activo=active)  %>% 
  mutate(`% Recuperação`=paste(round(100*(Recuperados/Confirmados),1)), `% Óbito`=paste( round(100*(Óbitos/Confirmados),1))) %>%
  DT::datatable(rownames = FALSE,
                options = list(searchHighlight = TRUE, 
                               pageLength = 20,columnDefs = list(list(className = 'dt-center', targets = 0:6))
                               ,autoWidth = TRUE), filter = 'top')%>%  DT::formatStyle(
    'Recuperados',
    background = DT::styleColorBar(worldCountries$recovered, 'green'),
    backgroundSize = '100% 90%',
    backgroundRepeat = 'no-repeat',
    backgroundPosition = 'center'
  )%>% DT::formatStyle(
    'Óbitos',
    background = DT::styleColorBar(worldCountries$death, 'red'),
    backgroundSize = '100% 90%',
    backgroundRepeat = 'no-repeat',
    backgroundPosition = 'center'
  )
```


Sobre
=======================================================================

**Dashboard Covid19CV**

Este Dashboard pretende fornecer uma visão geral do surto do COVID-19 em Cabo Verde. 

O dashboard foi construído com [R](https://www.r-project.org/) com a estrutura R Markdown, utilizando os dados das fontes oficiais de Cabo Verde e da Johns Hopkins University disponível no pacote R *coronavirus*.

**Autoria**

O dashboard foi desenvolvido e é mantido por [Mário Cardoso](https://marovski.github.io/).

*Este projeto é pessoal e utiliza dados públicos*

**Dados**

Os dados de entrada para este dashboard são os pacotes R [covid19cvdata](https://marovski.github.io/covid19cvdata/) e [coronavirus](https://github.com/RamiKrispin/coronavirus) (ambas em versão de desenvolvimento). Os dados e o dashboard são atualizados diariamente.

**Fonte de dados**

Os dados brutos do pacote R [covid19cvdata](https://github.com/marovski/covid19cvdata) são obtidos do dashboard oficial dos dados do Covid19 em Cabo Verde, [covi19.cv](https://app.powerbi.com/view?r=eyJrIjoiMDk5ZjRlMTktMmFkZi00MWQ3LTg0NWMtNzQ0NDNjOTAyZTQxIiwidCI6IjdiNWNiZGU0LTI2N2YtNDVmOS05ZWYyLThlOTZmNTViNWFkMSIsImMiOjl9) e os dados do pacote [coronavirus](https://github.com/RamiKrispin/coronavirus) do Centro de Ciência e Engenharia da Universidade Johns Hopkins (JHU CCSE).

**Pacotes**

* Interface do dashboard - o pacote [flexdashboard](https://rmarkdown.rstudio.com/flexdashboard/).
* Visualização - o pacote [plotly](https://plot.ly/r/) para os gráficos e [mapview](https://r-spatial.github.io/mapview/) para o mapa
* Manipulação de dados - [dplyr](https://dplyr.tidyverse.org/) e [tidyr](https://tidyr.tidyverse.org/)
* Tabelas - o pacote [DT](https://rstudio.github.io/DT/)

**Referências**

* Power BI Dashboard da plataforma [covid19.cv](https://app.powerbi.com/view?r=eyJrIjoiMDk5ZjRlMTktMmFkZi00MWQ3LTg0NWMtNzQ0NDNjOTAyZTQxIiwidCI6IjdiNWNiZGU0LTI2N2YtNDVmOS05ZWYyLThlOTZmNTViNWFkMSIsImMiOjl9): apresenta todos os dados oficiais do Covid19 em Cabo Verde atualizados diariamente, que serviram de base para este projeto. Big Thanks!!

* Dashboard do [João Silva](https://rpubs.com/joaosilva/covid19-dash): o excelente trabalho desenvolvido pelo Engenheiro João serviu de base para este dashboard. Grande obrigado.

* Dashboards do [Rami Krispin](https://ramikrispin.github.io/coronavirus_dashboard): This amazing work helped me a lot to understand and use the structure behind flexdashboads, mapview and plotly. Big Thanks Rami!

**Contribuição**

O dashboard foi implementado no _Github docs_, caso deseje modificar na sua conta do Github, pode aplicar as seguintes etapas:

* _Fork_ o [repositório do dashboard](https://github.com/marovski/covid19cvdashboard) ou;
* Clonar o repositório para sua conta do Github.

**Errata**

Em caso de identificação de erros/sugestões, por favor, abrir uma [issue](https://github.com/marovski/covid19cvdashboard/issues/new).