Análise e Previsão da Evolução Global do Câncer (2015-2024)

1. Resumo do Projeto

Este é o desafio final do Bootcamp de Análise de Dados da WoMakersCode 2025, realizado em equipe pela Squad Mary Jackson. O projeto consiste em uma análise exploratória e preditiva completa sobre a incidência de câncer no mundo entre 2015 e 2024, utilizando um dataset com 50.000 registros. O objetivo final é extrair insights que possam apoiar a criação de políticas públicas de prevenção.

O trabalho abrange desde a limpeza e tratamento dos dados, passando pela análise exploratória (EDA) e criação de visualizações interativas, até a aplicação de modelos de machine learning para prever cenários futuros e identificar os fatores de maior impacto na severidade da doença.

2. O Desafio Proposto

O desafio consistia em realizar uma análise completa dos dados de pacientes com câncer, seguindo quatro etapas principais:

1. Análise Exploratória (EDA): Identificar padrões geográficos, temporais e demográficos.
2. Visualização de Dados: Criar gráficos e mapas para comunicar os achados de forma clara.
3. Modelagem Preditiva: Prever a evolução dos casos e analisar o impacto de diferentes variáveis.
4. Proposta de Intervenção: Sugerir estratégias de prevenção com base nos insights gerados.

3. A Squad e a Metodologia de Trabalho

• Equipe: Squad Mary Jackson, composta por 6 integrantes: Ana Carolina Ramalho, Dâmaris Lima de Oliveira, Joyce Assis, Ludmilla Perucci dos Santos, Marina Severo Morales e Willa Regina Sena Evangelista.
• Organização: O trabalho foi desenvolvido de forma colaborativa, com encontros semanais aos sábados para discussão e desenvolvimento das análises. A equipe designou responsáveis pela apresentação de cada etapa do projeto e realizou sessões de treino para garantir a qualidade da entrega final.

4. Metodologia da Análise

O projeto seguiu um fluxo de trabalho estruturado:

1. Preparação e Limpeza dos Dados: A fase inicial incluiu a importação das bibliotecas e do dataset, seguida pela análise da estrutura dos dados. Foram aplicados tratamentos específicos para garantir a consistência, como a remoção de registros incoerentes (ex: câncer de próstata em mulheres) e a amostragem para rebalancear casos de câncer de mama em homens.
2. Análise Exploratória (EDA): Investigamos os dados para responder perguntas chave, como os países com maior incidência , a evolução de casos ao longo dos anos e as diferenças de incidência por gênero, faixa etária e tipo de câncer.
3. Visualização de Dados: Foram criadas diversas visualizações para ilustrar os achados da EDA, incluindo um mapa interativo de incidência global , séries temporais por continente e gráficos de barras comparativos.
4. Modelagem Preditiva: Utilizamos modelos de séries temporais para prever o número de casos em 2025 e uma matriz de correlação para identificar as variáveis com maior impacto na severidade da doença , utilizando Target_Severity_Score como a variável alvo.

5. Principais Insights e Resultados

• Previsão para 2025: Utilizando modelos de séries temporais baseados na evolução histórica, o projeto previu um total de 4.344 casos para o ano de 2025.
• Fatores de Risco (Severidade): A análise de correlação mostrou que Risco Genético (0.48) e Tabagismo (0.48) têm a correlação positiva mais forte com a severidade do câncer. Poluição do Ar (0.37) e Consumo de Álcool (0.36) também são fatores de impacto moderado.
• Fator de Proteção: Curiosamente, o Custo do Tratamento apresentou uma correlação negativa (-0.47) com a severidade, sugerindo que tratamentos mais caros podem estar associados a desfechos menos severos da doença.
• Distribuição Geográfica: A análise revelou que, entre 2015 e 2024, a América foi o continente com o maior número de casos reportados, com destaque para EUA e Brasil.

6. Proposta de Intervenção

Com base nos resultados, a equipe sugeriu que as políticas públicas de prevenção devem ser priorizadas nos países mais afetados, como os da América. As estratégias propostas incluem:

• Campanhas antitabagismo e de incentivo a hábitos saudáveis.
• Educação em saúde e programas de rastreamento precoce.
• Melhora no acesso a diagnósticos para reduzir custos e severidade.

7. Ferramentas e Tecnologias

• Linguagem e Bibliotecas: Python, Pandas, NumPy, Matplotlib, Seaborn, Plotly, Scikit-learn, Statsmodels.
• Business Intelligence: Power BI para a introdução do dashboard.
• Ambiente: Google Colab.

8. Reflexões da Squad

• Facilidades: O grupo teve sucesso no estabelecimento de prazos e responsabilidades e na resolução dos exercícios em geral.
• Dificuldades: Os principais desafios foram desenvolver a modelagem preditiva de forma mais aprofundada e manter a presença constante de todos os membros nos encontros.

9. Como Executar o Projeto

1. Clone este repositório.
2. Abra o notebook (.ipynb) no Google Colab ou em um ambiente Jupyter com as bibliotecas listadas instaladas.
3. Certifique-se de que o dataset global_cancer_patients_2015_2024.csv esteja no mesmo diretório ou forneça o caminho correto para o arquivo.
4. Execute as células em ordem para reproduzir a análise.