Pedro Cintra Profile picture
Dec 8, 2021 60 tweets 23 min read Read on X
1/n
✅Dia de atualizações: Cobertura vacinal de 2 doses por município em todos os estados do Brasil. #VacinaSim #VacinasSalvamVidas

Detalhes no fio abaixo (O fio é grande mas é porque tem todos os estados do Brasil em ordem alfabética). Comentários ao final 👇
2/n
ACRE
⚠️Média de cobertura dos municípios em 40.4%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 29.5% (Esse dado é o utilizado para minha estimativa de homogeneidade)
3/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
4/n
ALAGOAS
⚠️Média de cobertura dos municípios em 53.1%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 38.4% (Esse dado é o utilizado para minha estimativa de homogeneidade)
5/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
6/n
AMAZONAS
⚠️Média de cobertura dos municípios em 33.1%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 44.4% (Esse dado é o utilizado para minha estimativa de homogeneidade)
7/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
8/n
AMAPÁ
⚠️Média de cobertura dos municípios em 31.5%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 22.9% (Esse dado é o utilizado para minha estimativa de homogeneidade)
9/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
10/n
BAHIA
⚠️Média de cobertura dos municípios em 54.9%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 58.9% (Esse dado é o utilizado para minha estimativa de homogeneidade)
11/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
12/n
CEARÁ
⚠️Média de cobertura dos municípios em 52.1%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 61.2% (Esse dado é o utilizado para minha estimativa de homogeneidade)
13/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
14/n
DISTRITO FEDERAL
⚠️Média do DF (Só tem um município) 40.8%
15/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura. Para o DF a distribuição é uma linha vertical só já que só temos um município
16/n
ESPIRITO SANTO
⚠️Média de cobertura dos municípios em 67.8%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 36.3% (Esse dado é o utilizado para minha estimativa de homogeneidade)
17/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
18/n
GOIÁS
⚠️Média de cobertura dos municípios em 65.9%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 62.6% (Esse dado é o utilizado para minha estimativa de homogeneidade)
19/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
20/n
MARANHÃO
⚠️Média de cobertura dos municípios em 40.9%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 41.1% (Esse dado é o utilizado para minha estimativa de homogeneidade)
21/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
22/n
MINAS GERAIS
⚠️Média de cobertura dos municípios em 66.5%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 52.6% (Esse dado é o utilizado para minha estimativa de homogeneidade)
23/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
24/n
MATO GROSSO DO SUL
⚠️Média de cobertura dos municípios em 67.2%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 54.3% (Esse dado é o utilizado para minha estimativa de homogeneidade)
25/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
26/n
MATO GROSSO
⚠️Média de cobertura dos municípios em 57.5%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 47.2% (Esse dado é o utilizado para minha estimativa de homogeneidade)
27/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
28/n
PARÁ
⚠️Média de cobertura dos municípios em 38.1%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 52.6% (Esse dado é o utilizado para minha estimativa de homogeneidade)
29/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
30/n
PARAÍBA
⚠️Média de cobertura dos municípios em 65.3%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 40.9% (Esse dado é o utilizado para minha estimativa de homogeneidade)
31/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
32/n
PERNAMBUCO
⚠️Média de cobertura dos municípios em 54.3%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 39.2% (Esse dado é o utilizado para minha estimativa de homogeneidade)
33/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
34/n
PIAUÍ
⚠️Média de cobertura dos municípios em 61.2%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 35.8% (Esse dado é o utilizado para minha estimativa de homogeneidade)
35/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
36/n
PARANÁ
⚠️Média de cobertura dos municípios em 71.1%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 48.9% (Esse dado é o utilizado para minha estimativa de homogeneidade)
37/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
38/n
RIO DE JANEIRO
⚠️Média de cobertura dos municípios em 57.5%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 49.8% (Esse dado é o utilizado para minha estimativa de homogeneidade)
39/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
40/n
RIO GRANDE DO NORTE
⚠️Média de cobertura dos municípios em 63.7%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 46.6% (Esse dado é o utilizado para minha estimativa de homogeneidade)
41/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
42/n
RONDÔNIA
⚠️Média de cobertura dos municípios em 57.2%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 51.8% (Esse dado é o utilizado para minha estimativa de homogeneidade)
43/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
44/n
RORAIMA
⚠️Média de cobertura dos municípios em 33.1%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 32.1% (Esse dado é o utilizado para minha estimativa de homogeneidade)
45/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
46/n
RIO GRANDE DO SUL
⚠️Média de cobertura dos municípios em 76.7%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 40.4% (Esse dado é o utilizado para minha estimativa de homogeneidade)
47/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
48/n
SANTA CATARINA
⚠️Média de cobertura dos municípios em 74.3%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 50.1% (Esse dado é o utilizado para minha estimativa de homogeneidade)
49/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
50/n
SERGIPE
⚠️Média de cobertura dos municípios em 53.9%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 47.6% (Esse dado é o utilizado para minha estimativa de homogeneidade)
51/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
52/n
SÃO PAULO
⚠️Média de cobertura dos municípios em 80.6%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 45.9% (Esse dado é o utilizado para minha estimativa de homogeneidade)
53/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
54/n
TOCANTINS
⚠️Média de cobertura dos municípios em 49.5%
⚠️Diferença entre os 2.5% mais baixos e os 2.5% mais altos de 40.0% (Esse dado é o utilizado para minha estimativa de homogeneidade)
55/n
Distribuição das coberturas pelo estado. O eixo X (horizontal) é a fração de pessoas com ambas as doses. O eixo Y (vertical) é a quantidade de municípios que estão nesse nível de cobertura.
56/n
COMENTÁRIOS
Olhando para o Brasil todo, é bem claro que há uma heterogeneidade alta na cobertura vacinal pelo país, é muito importante que isso seja amenizado. Não há proteção sem homogeneidade
57/n
Ainda dentro de cada estado, a homogeneidade é baixa, as médias podem estar altas mas como se nota pela diferença entre os municípios mais vacinados e os menos vacinados, há muita região ficando para trás. Como faço o mapa e oq ele diz no tweet abaixo
58/n
Alguns municípios indicam 100% de cobertura vacinal, isso é fruto de discrepâncias entre a população real e a estimada pelo IBGE para 2020. Normal isso ocorrer dado que o último censo foi em 2010. Mesmo não sendo 100% a cobertura real nestes locais, ela é bem alta
Esqueci de comentar antes, quem quiser ver os mapas em .html ou usar o código, está tudo disponível no github, só procurar pelo arquivo "vaccine_SIGLA_2_dose.html" ou ".zip" para estados com muitos municípios github.com/PedroHPCintra/…

• • •

Missing some Tweet in this thread? You can try to force a refresh
 

Keep Current with Pedro Cintra

Pedro Cintra Profile picture

Stay in touch and get notified when new unrolls are available from this author!

Read all threads

This Thread may be Removed Anytime!

PDF

Twitter may remove this content at anytime! Save it as PDF for later use!

Try unrolling a thread yourself!

how to unroll video
  1. Follow @ThreadReaderApp to mention us!

  2. From a Twitter thread mention us with a keyword "unroll"
@threadreaderapp unroll

Practice here first or read more on our help page!

More from @pedrocintra52

May 6
1/19
Vi em um retweet da @KariLimaX um post na comunidade de wpp “Jair Bolsonaro” sobre “o verdadeiro causador” das mudanças climáticas. Fui lá ver o post e assistir o vídeo. E vamos lá, acho bom desmentir isso pra evitar que outras pessoas caiam nessa narrativa 👇🧵
Image
Image
2/19
O vídeo é de um cara (sei lá quem é) falando que quem está por trás das mudanças climáticas são os vulcões, e os humanos jamais seriam capazes de se comparar a essa força da natureza.
Logo no início ele diz que 1 vulcão emite mais CO2 do que toda a humanidade em 1 ano. Será?
3/19
Essa daí é antiga, mas vamos lá. O mundo todo emitiu em 2022 um pouco mais de 37 bilhões de toneladas de CO2. Desde 2001 as emissões sempre estiveram acima de 25 bilhões de toneladas.

Beleza, e quanto um vulcão emite?

ourworldindata.org/co2-emissions

Image
Image
Read 20 tweets
Dec 14, 2023
1/25
Quando a gente vai comparar coisas, a gente frequentemente fala de médias. "Em média as pessoas de X são mais ricas que de Y. Por isso Y é melhor que X".

Comparar coisas dessa forma é um grande problema, na minha opinião. As médias trazem um problema com elas. Explico 🧵👇 Image
2/25
Para ilustrar esse problema, vamos supor dois países, 1 e 2. Imagine que nosso interesse é descobrir em qual país as pessoas são mais ricas.

Geralmente, para debater isso as pessoas vão recorrer à média de renda dos países. O que parece ser uma boa métrica, certo?
3/25
Só que é claro que a renda na moeda local de cada país não vai ser uma boa métrica. Para tentar fazer a comparação mais justa, usamos alguma moeda fictícia que inclui a inflação e o custo de vida dos dois países. Vou chamar essa moeda de *moeda internacional"
Read 25 tweets
Dec 6, 2023
1/16
O mundo já esteve mais quente no passado recente? "Porque nos preocupamos com o aquecimento global atual, quando na era medieval a temperatura era maior?"

Bem, na verdade não era. Vamos explorar um pouco a respeito do Período Quente Medieval. Image
2/16
Em um fio no passado eu já cobri o argumento de que o sol é o causador das mudanças de temperatura, e o porque esse argumento não é verdade:

Agora vamos olhar para o argumento a respeito do período quente medieval.
3/16
Primeiro, uma pergunta: como sabemos qual era a temperatura no passado, se os métodos de medição não existiam?

Para isso, utiliza-se medidas que estão correlacionadas com o clima. Este tipo de medida é chamada "proxy".
Read 19 tweets
Nov 16, 2023
1/4
A primeira vista, parece que aqui só tem um monte de círculos em cima de círculos com ponteiros de movendo de forma caótica e desordenada…

Mas o segundo tweet mostra o que eles de fato estão fazendo 👇
2/4
O que parece ser totalmente desordenado e caótico, na verdade é algo extremamente organizado.

O que está acontecendo é uma visualização da série de Fourier complexa. Neste caso eu usei ela para desenhar a imagem de um alce.

A série de Fourier é uma forma de se decompor +
3/4
Um sinal em uma soma de oscilações em frequências e amplitudes diferentes. Nesse caso, a frequência é a velocidade de rotação de cada ponteiro, e a amplitude é o tamanho dele.

Aqui eu usei uma expansão de 121 frequências para desenhar uma folha de monstera.
Read 4 tweets
Oct 27, 2023
1/16
Hoje vi um vídeo onde um cara questionava o fato de não existir nenhum experimento que prove a atração entre massas.

E apesar do cara estar enganado, medir a força gravitacional entre duas massas é uma tarefa de fato extremamente complicada. Mas foi feita já em 1797...🧵👇 Image
2/16
Quando Newton formulou a descrição da gravidade no Principia, ele já propôs uma forma de se medir a constante da gravitação universal (G). Que determina a intensidade da força de atração gravitacional entre massas. Image
3/16
A ideia do Newton era medir o desvio de um pêndulo perto de um morro grande. A atração gravitacional da massa do morro iria gerar um pequeno desvio na oscilação do pêndulo.

Acontece que o próprio Newton achava que o efeito seria tão pequeno, que não seria mensurável
Read 18 tweets
Jun 11, 2023
1/23
Você talvez já tenha ouvido falar de que a Terra aquece porque o Sol está emitindo mais calor, e a ação humana tem efeito desprezível no clima, comparada ao Sol.

Pois bem, nesse fio vou explorar a origem desse argumento e o porque essa explicação é falha.🧵👇 Imagem artística do Sol aquecendo a Terra. Retirada de http://fostersfourth.weebly.com/33-sun-affects-earth.html
2/23
Primeiro vamos à origem dessa ideia. Toda a história por trás da origem e propagação dessa ideia, que iniciou em 1989 mas até hoje é um argumento persistente, é tratada no livro "Merchants of Doubt" da @NaomiOreskes. E é esse trecho do livro que eu trago aqui. Capa do livro "Merchants of Doubt" da Naomi Oreskes.
3/23
Em 1989, um relatório do Instituto Marshall (publicado oficialmente em 1991) argumentava que o aumento de temperatura observado não seguia a tendencia de aumento de CO2 na atmosfera. A maior parte do aquecimento tinha ocorrido antes de 1940 e havia + Image
Read 24 tweets

Did Thread Reader help you today?

Support us! We are indie developers!


This site is made by just two indie developers on a laptop doing marketing, support and development! Read more about the story.

Become a Premium Member ($3/month or $30/year) and get exclusive features!

Become Premium

Don't want to be a Premium member but still want to support us?

Make a small donation by buying us coffee ($5) or help with server cost ($10)

Donate via Paypal

Or Donate anonymously using crypto!

Ethereum

0xfe58350B80634f60Fa6Dc149a72b4DFbc17D341E copy

Bitcoin

3ATGMxNzCUFzxpMCHL5sWSt4DVtS8UqXpi copy

Thank you for your support!

Follow Us!

:(