Pirâmides populacionais

18 Jun 2024

# Para facilitar a construção deste artigo, alguns pacotes são carregados desde o início:
library(Rcoisas)
library(dplyr)
library(ggplot2)

O gráfico da estrutura demográfica de uma população, isto é, da distribuição proporcional dos habitantes por faixa etária e sexo, é chamado pirâmide populacional ou pirâmide etária, porque em seus primeiros desenhos – em fases primitivas da Transição Demográfica – as sociedades apresentam um desenho similar a uma pirâmide, de base larga e estreitando-se a cada faixa etária até um ápice adelgaçado. O gráfico é uma oposição de dois gráficos de barras horizontais, um para cada sexo, da frequência relativa de cada faixa etária e sexo específicos sobre o total da população. Na transição demográfica, com a diminuição dos nascimentos e aumento da expectativa de vida da população, a figura vai mudando sua forma de pirâmide para um barril, tendendo a uma pirâmide de base invertida.

Assim, a pirâmide nos dá muito rapidamente uma noção da fase da transição demográfica em que se encontra uma população. Gráficos de base larga representam populuações “jovens”, com alta natalidade e baixa expectativa de vida, e gráficos de base estreita e ápice alargado representam populações em fase avançada da transição demográfica, com baixa natalidade e alta expectativa de vida. A Figura 1 mostra a estrutura etária de Porto Alegre, capital do RS, quando eu fazia o ensino secundário, um ano depois de terminar o doutorado e agora. De outro modo, mas junto com a gente, a cidade também envelhece.

Figura 1: Pirâmide populacional de Porto Alegre, RS, em 1980, 2010 e 2020.

Censos, estimativas e a necessidade de cadastramento da população residente

Não é objetivo deste breve artigo focado no uso do pacote Rcoisas para desenhar pirâmides populacionais, discorrer sobre a realização de censos e cadastramentos populacionais, menos ainda sobre o cálculo de estimativas intercensitárias. Mas, mormente quando esse uso é particularmente voltado aos arquivos de dados voltado às informações disponibilizadas pelo DATASUS, é importante lembrar algumas coisas:

• Desde antes do Estado Moderno (e de Graunt, “pai” da demografia) sabemos da importância da contagem populacional e o conhecimento de suas características para o planejamento de ações públicas. Atualmente, espera-se que um país faça um censo a cada década, com uma contagem populacional cinco anos após o censo, de modo que tenha dados empíricos e atualização de estimativas a cada cinco anos.

• Não é fácil estimar o número de habitantes de uma população pequena ou muito dinâmica e agradecer muito ao DATASUS e sexs trabalhadorxs pela realização desses cálculos e disponibilização das estimativas por sexo e faixa etária para os municípios brasileiros. Na grande maioria dos casos, estamos falando de populações muito pequenas, cuja quantidade se pretende estimar para dois sexos e 17 faixas etárias diferentes.

• O que, por sua vez, coloca à mesa a utilidade do cadastramento populacional da população, como o que se espera e pode ser feito na Estratégia Saúde da Família do SUS¹.

O TABNET e os arquivos de população do DATASUS

O TABNET é um aplicativo de tabulação de dados de diferentes Sistemas de Informação em Saúde brasileiros e outras informações relacionadas, como contagens e projeções intercensitárias por sexo e faixa etária da população residente nos municípios. No item sobre informações “Demográficas e Socioeconômicas” (Figura 2) podem-se tabular informações de censos, contagens e estimativas populacionais para os municípios desde 1980 até 2021. No entanto, em função de diferenças metodológias nas estimativas, a informação é disponíbilizada para dois períodos diferentes: 1980 a 2012 e 2000 a 2021 (a primeira e a última opções da Figura 3).

Figura 2: Informações disponíveis no TABNET.

Mais importante neste caso em que se quer uma função que automatize a construção do gráfico, é a forma com que se distribui a informação:

• 1980 a 2012: além das tabulações possíveis no TABNET (e download das tabelas resultantes), há, para cada ano, arquivos em formato .dbf e csv com a população por sexo e faixa etária por município para todo o país, distribuídos pelo DATASUS em arquivos zipados; os arquivos podem ser obtidos através da página de download de arquivos do DATASUS ou pelo endereço do site FTP: ftp://ftp.datasus.gov.br/dissemin/publicos/IBGE/POP/
• 2000 a 2021: só a tabulação e download da tabela resultante é possível, os arquivos-fonte não estão disponíveis.

Figura 3: As opções de tabulação de população no TABNET/DATASUS.

Em sua página de transferência de arquivos, o DATASUS disponibiliza os arquivos de população (contagens e estimativas) por sexo e faixa etária para os municípios brasileiros para os anos 1980 a 2012. Nessa página estão disponíveis a maioria dos arquivos-fonte das tabulações disponíveis no TABNET e nesse sentido as contagens e estimativas populacionais eram tratadas como as informações de internação hospitalar ou óbito, em que os arquivos-fonte são disponbilizados para download ao estarem disponíveis no TABNET as opções de tabulação.

Depois experimentamos um período em que já tínhamos dados dos Sistemas de Informação em Saúde mas nos faltavam estimativas populacionais adequadas para os denominadores. Uma alternativa foi usar as estimativas populacionais calculadas para o Tribunal de Contas da União – que podiam então ser tabuladas no TABNET por sexo e faixa etária, o que não é mais o caso –, apesar dos avisos de sua inadequação para o cálculo de indicadores de saúde. Felizmente, em seguida foi possível utilizar os dados do Estudo de Estimativas Populacionais por Município, sexo e idade - 2000-2021. Atualmente, a Nota Técnica da página de tabulação avisa que ao ver os dados do censo de 2022, percebeu-se uma superestimação dos números absolutos nessas estimativas, mas não dá informação sobre variação relativa entre as faixas etárias.

De qualquer forma, no momento isso é passado :D. Logo teremos os dados do Censo 2022 e projeções atualizadas =^.^=

Funções em Rcoisas: plot_pir e ggplot_pir

O desenho da pirâmide etária é útil para a descrição de uma população. Se geralmente não há espaço para a sua publicação nos artigos limitados em cinco elementos gráficos (tabelas e figuras), é por outro lado fácil inseri-lo em diapositivos de apresentação de trabalhos, posters, relatórios de pesquisa e documentos como os Planos Municipais de Saúde do SUS. Mas a construção do gráfico é bastante trabalhosa, o que motivou o desenvolvimento de uma função que automatizasse a leitura de dados e produção do gráfico, já que então não encontrei pacotes ou funções do R voltadas a esse fim. Atualmente há alguns pacotes especializados que merecem ser vistos, como popPyramid, pyramid e apyramid.

plot_pir(pop, tabela = FALSE, ano = NULL, local = "população", title = NULL, 
         npop = NULL, fontsize = 1.1, axes = FALSE, fonte = NULL, x.lim = NULL, 
         colmasc = "mediumblue", colfem = "red2", colfxetar = "white", 
         border = par("fg"), inside = T, drop.unused.levels = FALSE, ...)

ggplot_pir(banco, idade, sexo, populacao = NULL, catsexo = c("masc", "fem"),
           cores = c("steelblue", "hotpink"), nsize = 3.5)

As funções plot_pir() e ggplot_pir() de Rcoisas geram gráficos de pirâmide populacional. O pacote tem duas funções para um mesmo fim, em alguns aspectos bastante diferentes entre si, porque foram construídas de acordo com os dados disponíveis para tabulação. plot_pir() foi criada para ler os arquivos de população do DATASUS e gerar um gráfico pronto para publicação, com facilidades para gerar o título e mínimas necessidades de editoração (e de possibilidades de ajuste).² A interrupção da publicação desses arquivos revelou a necessidade de uma função mais flexível na entrada de dados. ggplot_pir() atende a essa necessidade; além disso, é construída com ggplot2, o que permite a reutilização do gráfico e o uso das demais funções do pacote, além de facilitar o salvamento da figura. Em compensação, exige sempre alguma editoração antes de publicar o gráfico.

Exemplos

Arquivos de população do DATASUS, de 1980 a 2012.

O pacote Rcoisas tem incorporado o banco de dados “POPBR12” (?POPBR12) com as estimativas populacionais por sexo e faixa etária para os municípios brasileiros em 2012, armazenado no arquivo “POPBR12.zip”, que pode ser baixado na página de “transferência de arquivos” do DATASUS.

Vamos usá-lo, sua estrutura é a seguinte:

data("POPBR12")
str(POPBR12)
  'data.frame': 367290 obs. of  6 variables:
   $ MUNIC_RES: int  110001 110001 110001 110001 110001 110001 110001 110001 110001 110001 ...
   $ ANO      : int  2012 2012 2012 2012 2012 2012 2012 2012 2012 2012 ...
   $ SEXO     : int  1 1 1 1 1 1 1 1 1 1 ...
   $ SITUACAO : int  3 3 3 3 3 3 3 3 3 3 ...
   $ FXETARIA : int  0 101 202 303 404 505 606 707 808 909 ...
   $ POPULACAO: int  187 186 187 190 193 198 204 211 219 226 ...

Note que todas as variáveis estão em formato numérico, e a faixa etária está categorizada segundo a “faixa etária detalhada” do DATASUS, isto, é, faixas anuais até os 19 anos, quinquenais dos 20 a 79 anos e aberta a partir de então (80 e mais anos de idade).

Essa estrutura é esperada por plot_pir():

graf_base <- plot_pir(POPBR12, local = "Brasil") 
  Input object size:     8816320 bytes;  6 variables     367290 observations
  New object size:  8816320 bytes;  6 variables 367290 observations

Mas não por ggplot_pir(), que espera a faixa etária em 17 categorias (quinquenais até 79 anos, 80 e mais) e o sexo como um fator, exigindo portanto a modificação prévia do banco de dados. Além disso os títulos e rótulos devem ser criados ou formatados em comandos adicionais:

graf_gg <- POPBR12 %>% 
  mutate(SEXO = factor(SEXO, labels = c("masc", "fem")),
         FXETAR5 = fxetar.det_pra_fxetar5(FXETARIA)) %>% 
  ggplot_pir(idade = "FXETAR5", sexo = "SEXO", populacao = "POPULACAO") +
  labs(title = "Pirâmide populacional.",
       subtitle = "Brasil, 2012",
       caption = "Fonte: DATASUS (www.datasus.gov.br)") +
  xlab("Faixa etária")
graf_gg

Note ainda que direcionamos o resultado de plot_pir a um objeto (de nome graf_base), mas mesmo assim o output foi apresentado em tela, sem comando adicional, diferente de ggplot_pir, cujo output só é apresentado depois de chamarmos graf_gg. Por outro lado, ao chamarmos graf_base, vemos que ele contém apenas a tabela com os dados (um data frame com as variáveis “masculino” e “feminino” e 17 registros em linhas com os nomes das faixas etárias, sem o gráfico). Logicamente, a tabela pode ser representada em gráfico, como vemos abaixo, mas exige algum trabalho. Utilizando ggplot2 os gráficos podem ser criados como objetos, podendo ser reaproveitados, além de uma grande capacidade de editoração da figura. Essa é uma vantagem de ggplot_pir().

O objeto resultante de plot_pir():

str(graf_base)
  'data.frame': 17 obs. of  2 variables:
   $ masculino: int  7143389 7758474 8875967 8704999 8782606 8610952 7853458 6883541 6427350 5785459 ...
   $ feminino : int  6901204 7474673 8587202 8577046 8766636 8795610 8166586 7243527 6800153 6240934 ...
rownames(graf_base)
   [1] "0-4"   "5-9"   "10-14" "15-19" "20-24" "25-29" "30-34" "35-39" "40-44"
  [10] "45-49" "50-54" "55-59" "60-64" "65-69" "70-74" "75-79" "80 +"
graf_base
        masculino feminino
  0-4     7143389  6901204
  5-9     7758474  7474673
  10-14   8875967  8587202
  15-19   8704999  8577046
  20-24   8782606  8766636
  25-29   8610952  8795610
  30-34   7853458  8166586
  35-39   6883541  7243527
  40-44   6427350  6800153
  45-49   5785459  6240934
  50-54   4912910  5389329
  55-59   3963556  4441120
  60-64   3087312  3520063
  65-69   2256975  2654866
  70-74   1691406  2103802
  75-79   1105881  1493580
  80 +    1148647  1827317

As porcentagens podem ser facilmente calculadas, enquanto o gráfico exige algum trabalho. O que plot_pir() faz é basicamente o seguinte:

# porcentagens no sexo masculino
pm <- graf_base$masculino/sum(graf_base$masculino + graf_base$feminino)*100
# porcentagens no sexo feminino
pf <- graf_base$feminino/sum(graf_base$masculino + graf_base$feminino)*100

par(xpd=NA)
barplot(-pm, horiz = T, col = "blue", xlim = c(-6,6), space = 0, axes = F)
barplot(pf, horiz = T, add = T, col = "red2", xlim = c(-6,6), space = 0, axes = F)
axis(side = 1, at = seq(-6, 6, by=3), labels = paste(c(6, 3, 0, 3, 6), "%", sep=""))
text(x = 0, y = seq(1:17), labels=row.names(graf_base), adj=c(0.5,1), cex =.7, col = "white")

Claro que o banco pode ser trabalhado com dplyr e o gráfico pode ser desenhado com ggplot2, como os de ggplot_pir():

graf_ggbase <- graf_base %>% 
  mutate(fxetar = rownames(.) |> factor(levels = rownames(.))) %>% 
  tidyr::pivot_longer(1:2, names_to = 'sexo', values_to = 'n') %>% 
  mutate(sexo = factor(sexo, levels = c('masculino', 'feminino'))) %>% 
  mutate(perc = n/sum(n)*100) %>% 
  mutate(perc = if_else(sexo == 'masculino', perc*-1, perc)) %>% 
  ggplot(aes(fxetar, perc, group = sexo, fill = sexo)) +
  geom_col() +
  xlab("Faixa etária") +
  ylab(NULL) +
  lemon::scale_y_symmetric(labels = function(x) paste0(formatL(abs(x), 2, format = "fg"), "%")) +
  coord_flip() +
  labs(title = "Pirâmide populacional.",
       subtitle = "Brasil, 2012",
       caption = "Fonte: DATASUS (www.datasus.gov.br)") 

gridExtra::grid.arrange(graf_ggbase +
                          ggthemes::theme_tufte() +
                          theme(legend.position = 'bottom'),
                        graf_gg +
                          ggthemes::theme_tufte() +
                          theme(legend.position = 'bottom'),
                        nrow = 1)

Outros dados de população

O pacote Rcoisas tem também um banco de dados com as estimativas populacionais dos municípios gaúchos para 2019. Vemos abaixo sua estrutura, a população aparece como uma variável de contagem.

Como a variável indicadora do sexo é um fator com as categorias masc e fem, é muito fácil desenhar a pirâmide com ggplot_pir(), devemos apenas indicar os nomes das variáveis com a faixa etária, o sexo e a população. Se as categorias forem outras, como “masculino” e “feminino”, basta usar o argumento catsexo = c("masculino", "feminino").

data("POPRS2019")
str(POPRS2019)
  'data.frame': 16898 obs. of  8 variables:
   $ CO_UF   : chr  "43" "43" "43" "43" ...
   $ UF_SIGLA: Factor w/ 1 level "RS": 1 1 1 1 1 1 1 1 1 1 ...
   $ REGIAO  : Factor w/ 1 level "S": 1 1 1 1 1 1 1 1 1 1 ...
   $ ano     : num  2019 2019 2019 2019 2019 ...
   $ mun     : chr  "430003" "430003" "430003" "430003" ...
   $ sexo    : Factor w/ 2 levels "masc","fem": 1 1 1 1 1 1 1 1 1 1 ...
   $ fxetar5 : Factor w/ 17 levels "0-4","5-9","10-14",..: 1 2 3 4 5 6 7 8 9 10 ...
   $ pop     : int  174 160 138 169 206 193 179 191 181 204 ...
ggplot_pir(POPRS2019, idade = 'fxetar5', sexo = 'sexo', populacao = 'pop')

Já plot_pir() agora exige manejo prévio dos dados, pois não consegue ler o “data frame” em outro formato que o trabalhado anteriormente. Nesse caso pode-se criar uma tabela com a faixa etária nas linhas e o sexo em duas colunas e usar o argumento tabela = TRUE:

# Cria uma tabela com o nº de habitantes por sexo e faixa etária
tabpop <- POPRS2019 %>% 
  summarise(pop = sum(pop), .by = c(sexo, fxetar5)) %>% 
  tidyr::pivot_wider(id_cols = 'fxetar5', names_from = sexo, values_from = pop) %>% 
  data.frame(row.names = 'fxetar5')
str(tabpop)
  'data.frame': 17 obs. of  2 variables:
   $ masc: int  365227 349212 353453 401011 439741 433799 429164 429006 379716 352646 ...
   $ fem : int  348273 333116 337222 383527 427864 429768 429868 439625 397617 374416 ...

plot_pir(tabpop, tabela = T, local = "RS", ano = 2019) 

Para o (eventual) caso de se tabular uma tabela com as proporções ou porcentagens, deve-se modificar o argumento npop (que imprime um subtítulo com a soma da população), pois automaticamente somará 1 ou 100, respectivamente. Se o número total da população é conhecido, pode-se colocar ali a informação, através de texto ou uma função. Se a informação é desconhecida, pode-se definir npop = FALSE para suprimir o texto. O mesmo pode ser feito com a nota ao pé do gráfico, que responde ao argumento fonte. Vemos aqui um exemplo:

# Cria uma tabela com a porcentagem de habitantes por sexo e faixa etária
tabprop <- POPRS2019 %>% 
  summarise(pop = sum(pop), .by = c(sexo, fxetar5)) %>% 
  mutate(perc = pop/sum(pop)*100) %>%
  tidyr::pivot_wider(id_cols = 'fxetar5', names_from = sexo, values_from = perc) %>% 
  data.frame(row.names = 'fxetar5')
str(tabprop)
  'data.frame': 17 obs. of  2 variables:
   $ masc: num  3.21 3.07 3.11 3.52 3.87 ...
   $ fem : num  3.06 2.93 2.96 3.37 3.76 ...

par(mfrow = c(1,3))
plot_pir(tabprop, tabela = T, local = "RS", ano = 2019) 
mtext("O Nº DE HABITANTES ESTÁ ERRADO", line = .5, col = 2, font = 2, type = 4, cex = .8)  
mtext("~~~~~~~~~~~~~~", line = -.1, col = 2, font = 2, type = 2)
plot_pir(tabprop, tabela = T, local = "RS", ano = 2019, npop = sum(POPRS2019$pop))
plot_pir(tabprop, tabela = T, local = "RS", ano = 2019, fonte = F, npop = F)

Enfim:

• plot_pir
  • produz um gráfico mais elaborado e pronto para impressão;
  • está construída para os arquivos de população do DATASUS do período 1980-2012, mas trabalhando em estrutura de tabela funciona com qualquer ano ou local;
  • o gráfico é produzido com as funções básicas do R e portanto não é salvo ao ser destinado a um objeto; é salva apenas uma tabela (na classe data.frame) com os valores por sexo e faixa etária;
    • logicamente, isso é suficiente para gerar um gráfico com qualidade de apresentação.
• ggplot_pir
  • o gráfico pode ser produzido sobre qualquer conjunto de informações de sexo e faixa etária;
    • pode assim ser usado para a representação de faixas etárias por sexo em dados de mortalidade, hospitalização e outros;
  • gera um gráfico de classe ggplot, que pode ser destinado a um objeto e reutilizado;
  • a publicação exige alguma personalização prévia;
  • é facilmente personalizável.
• em ambas funções
  • o gráfico é de porcentagens, sem possibilidade de que apresente números absolutos;
  • o sexo masculino vai à esquerda e o sexo feminino à direita;
  • as cores das barras são livremente configuráveis: meninas e meninos vestem-se como bem entenderem.

Addendum

Um aplicativo shiny com plot_pir()

A função foi utilizada na em um aplicativo shiny para a construção on-line de pirâmides de municípios, unidades da federação e todo o Brasil em anos selecionados, acessível em https://fulvionedel.shinyapps.io/teste-piramide/.

Uma função para a “faixa etária detalhada”

fxetar.det_pra_fxetar5(x, tipo = "POPBR")

Quem trabalha bastante com o TabWin ou TABNET seguido tem arquivos (em formato .csv, .tab ou .xls, .xlsx) com tabelas da população ou outras com os casos classificados em “faixa etária detalhada”. A função fxetar.det_pra_fxetar5() reclassifica as idades < 20 anos em faixas etárias quinquenais, criando uma variável com faixas etárias quinquenais (0-4, … 75-79, 80+).

Agradecimentos

A todes que publicam tutoriais, artigos e funções no Rpubs e R-bloggers, que fazem e respondem perguntas no stackoverflow, desenvolvedores do RStudio, tidyverse, etc. Enfim, a toda a comunidade do R.