 Vamos dizer, meses do ano 2019, não é? Meses do ano 2019, então nós podemos aqui, vamos para o período fixo, não é? Vamos aqui dizer que queremos anualmente, queremos mensalmente. O ano em questão é 2019, então vou selecionar todos esses meses. De vez de selecionar um por um, eu tenho aqui estas setas duplas, que me permitem selecionar tudo que estiver à esquerda. Então aqui especificamos o período, então vamos especificar agora a nossa unidade organizacional. Neste caso, diferentemente dos outros grafos que vimos, não queremos destacar o nível por distrito, mas sim queremos informação acumulada do país mesmo. E vamos só deixar aqui selecionar o país sem especificar o nível. Então vamos depois atualizar, não é? Então aqui o nosso gráfico já nos mostra aquilo que foi a tendência ao longo do tempo, de casos identificados para HIV, assim como para malária. Se quisermos visualizar estes mesmos dados de forma independente, sem precisar necessariamente excluir do gráfico, nós podemos selecionar aquela que não pretendemos visualizar o gráfico e temos o gráfico apresentado desta forma, apenas testes de HIV positivos. E podemos fazer o mesmo, ocultar os testes de HIV positivos e mostrar apenas testes, apenas casos confirmados de malária. Então esta é a forma que nós podemos usar para visualizar os gráficos. Desculpa, o gráfico de linhas, não é? Nós temos aqui também outro tipo de gráfico que é para empilhada, não é? Temos aqui a barra empilhada. Nesse caso é área, não é para empilhar a área. Então nós selecionamos ali o nosso tipo de gráfico, não é? Selecionamos aqui o nosso tipo de gráfico, não é? Então nós vamos ser apresentados este gráfico com aqui as áreas especificadas, não é? Com aqui as áreas especificadas. Nós temos aqui também o gráfico de áreas empilhadas que vai ter, e vai mostrar aquilo que é também as jalhas empilhadas para este tipo de, para estas duas variáveis e temos aqui a possibilidade de, em vez de mostrar as áreas empilhadas para estas duas variáveis independentes, nós podemos pegar as variáveis de forma das variáveis que tenham alguma relação, para este caso podemos pegar, por exemplo, para os testes de HIV realizados, vamos excluir os casos de malária, vamos atualizar, não é? Nós podemos querer mostrar as áreas, podemos querer destacar, aqui nesse gráfico de área empilhada, as diferentes regiões em que esses casos foram, em que esses casos foram, foram sendo identificados. Nesse caso temos a área pelo urbano, a área rural e a área urbana, nós vamos selecionar nesta ordem e vamos adicionar esta nossa dimensão, ok? Quando não especificamos onde queremos adicionar a nossa dimensão, ele automaticamente adiciona na área, aqui nas séries, ok? Então, nós agora temos as áreas apresentadas para as diferentes regiões onde foram identificados esses casos de testes e, nesse caso, esses casos positivos para o teste realizado que foi de HIV. Então, esta é a forma como nós elaboramos o gráfico de linhas de área, assim como áreas empilhadas, ok? Então, estes gráficos também têm os seus conjuntos de opções, lembrando que quando um gráfico não tem um certo tipo de opções que não se apliquem a eles, o sistema vai logo dizer que não existem opções para esse tipo de gráfico. No entanto, quando existem, aí já temos possibilidade de manipular. Reparem que estas opções não diferem das opções que estivemos a ver para os gráficos de colunas e o seu comportamento é similar, só que estará a diferir o em que tipo de objeto que estão a ser apresentados para este caso. Estamos a falar de gráficos de linhas e gráficos de linhas empilhadas, que mostram áreas que destacam as áreas ao longo do nosso gráfico. Temos aqui os outros tipos de opções que também vimos, definição de eixos. Temos aqui o estilo também, o tipo de cores que podemos usar. Nós podemos explorar aqui vários tipos de cores. Esta aqui podemos verificar só para termos uma representação um pouco diferente da tela que estamos até agora visualizar. Temos aqui diferentes estilos. Podemos definir títulos para gráficos e etiquetas, nesses casos que são as leibas que são apresentadas. Temos também aquela possibilidade de definir os passos. Nesses casos que são os passos de valores com a quantidade de valores que nós queremos ver no eixo do y. Temos aqui também a possibilidade de especificar qual é o valor mínimo e máximo que queremos visualizar ao longo do nosso gráfico. Nesse caso, quando o valor for inferior ao que nós definimos, então não será mostrado aqui no nosso gráfico. O mesmo se aplica para o valor superior. Então esses são os outros três tipos de gráficos que nós estamos aqui a ver. Agora voltando aqui para o gráfico de linhas. Voltando aqui para o gráfico de linhas, testando só mudar o estilo para o pré-definito. Nós temos aqui esses três gráficos de linhas. Nós temos a possibilidade de fazer uma análise desses gráficos misturando diferentes tipos de gráficos. Para este caso, nós estivamos de a ver, vamos aqui remover primeiro essa nossa outra dimensão que foi adicionada. Vamos remover essa dimensão a dizer que nós queremos mostrar os dados. Nós queremos mostrar diferentes os mesmos dados, mas usando diferentes categorias. Queremos usar diferentes categorias, diferentes eixos. Nós temos aqui a possibilidade de ver, deixando só se relacionar aqui o dado do anteriormente de dimensão, aqui nesse caso quer dizer malária confirmado, casos de malária confirmados, casos de malária confirmados. Vou aqui dizer que eu quero um tráfico de colunas. Nós temos aqui dois dados. No entanto, estes dados estão a usar o mesmo eixo, nesse caso que é o eixo de valores. E até o ponto 1 pode estar mais ofuscado em relação ao caso daquilo que é a tendência de casos que se tem apresentado ao longo do tempo em relação ao outro. Nós aqui podemos ver claramente que casos de malária estão inferior em relação a pacientes que estão positivos para HIV durante o mesmo período. Então nós podemos querer visualizar estes dois dados no mesmo gráfico. No entanto, queremos que eles tenham um eixo de valores diferentes. Ou seja, nós temos aqui os valores que temos para os testes da HIV, temos um eixo, para os casos de malária, temos um outro eixo. Então o que é que nós fazemos quando estamos nessas situações? Nós vamos para as nossas opções e vamos para opções de série. Aqui na série nós podemos ver as duas variáveis que estão ali presentes. Que é teste da HIV positiva em caso de malária confirmados. Nós vamos manter o teste de HIV positivo em formato de coluna como podemos aqui ver. Nós temos as duas formas de apresentação que estamos a ver. E podemos ver aqui nos eixos onde temos o estatis misto. Podemos ter um máximo de quatro eixos. Para este caso específico estamos a usar apenas um eixo para as duas variáveis que estão a usar o mesmo tipo de visualização que são colunas. Eu quero que para os casos de malária confirmados eu veja apenas o reforma de gráfico de linha e que use o eixo diferente daquele que os casos da HIV estão a usar. Então feita esta separação, eu já tenho um gráfico que está a usar. Dois eixos com dois tipos de gráfico diferentes. Eu quero voltar a lembrar que para esta diferenciação nós podemos usar até no máximo quatro eixos. Então eu vou aqui atualizar. Então já vamos ter a possibilidade de ver como é que ele vai se apresentar. Preparem que ele agora, deixa a missão ampliar um pouco para tornar mais fácil de visualizar. Agora estamos a ver os dois dados no mesmo gráfico mas cada um tem o seu eixo. Podemos ver que o azul representa o teste de HIV positivo e o vermo representa os casos de malária. Temos aqui o primeiro eixo, o eixo 1 que está azul. As cores já ajudam a destacar nesse sentido. E temos também aqui o outro eixo que também é destacado pela cor vermelha que é para os casos de malária classificados. Voltando a recapitular a forma como esse gráfico pode ser composto nós temos aqui o aqui desfazer aquilo que foi feito. Nós temos um procedimento normal de seleção das variáveis. Nós dizemos quais são as variáveis que pretendemos visualizar. Nós temos aqui duas variáveis. Segundo nós queremos ter um eixo diferente para ser apresentado para os casos de malária confirmados. Porque agora os dois dados estão a usar o mesmo eixo. No caso, esse eixo do hipster que contém esta escala de valores é o mesmo eixo que está a ser usado para ambas as variáveis. Eu quero ter a possibilidade de diferenciar os eixos para cada um das variáveis. Dado aquilo que é o comportamento de cada um dos dados. No entanto, eu quero fazer isso no mesmo gráfico. Então, novamente nós vamos para as opções. Vamos para a opção de série. Então, vemos aqui o que está a acontecer. Nós temos aqui duas colunas que representam teste de IPF positivo e caso de malária classificados para cada um dos períodos. O que temos aqui nas nossas séries? Nós temos aqui o tipo de visualização. Os sistemas estão a dizer que são colunas. E o eixo que está a ser usado é o eixo 1. Ou seja, é o mesmo eixo que estão a usar, que é o mesmo tipo de visualização que são colunas. Então, nós vamos alterar para os casos de malária. Vamos alterar para o tipo de visualização. Vamos mostrar linhas como aqui o icono já destaca, que podemos ver linhas. E vamos alterar o eixo para, em vez de usar o eixo 1, passar a usar o eixo 2. Isso significa que o nosso gráfico vai criar um eixo, mais um eixo, para poder mostrar o dado que está a especificar que o eixo quer usar. Nesse caso, são os casos de malária classificados e voltamos a atualizar. Então, assentemos o nosso gráfico com dois dados diferentes, a cena representados em eixos diferentes. Bem, agora, nós podemos, por exemplo, querer mostrar esta mesma formação para em diferentes áreas. Em diferentes áreas. Nós vamos ter, nesse caso, nas diferentes áreas, a área rural, o urbano, o urbano, o urbano e o urbano. Então, nós vamos aqui, atualizar. O que é que nós vamos tirar aqui? Nós temos o gráfico apresentado desta forma. Não é? Bem, só que, esta forma de visualização não nos permite, esta forma de visualização não nos permite identificar o eixo 3, identificar quais são os dados que pertencem aos testes da área positiva, quais são os testes aos casos de malária, os casos de malária. Podemos ver que, ao adicionar esta nova dimensão, o nosso layout teve que mudar. O nosso layout teve que mudar. O que nós vamos fazer é fortalecer os casos nos dados, nas categorias, e ele vai manter o período. Sim, sim, sim. Eu não percebi. Fiquei um pouco distraído, não percebi. Aí, quando adicionou as áreas urbanas, não percebi bem. Bem, o efeito desejado, na verdade, ainda não foi alcançado. Ou seja, este não é o resultado de nós, pretendemos alcançar, não é? Se o ponto é como adicionar estas áreas peri-urbanas, rural e urbano, nós temos aqui na nossa área de dimensões, nós temos algumas áreas de dimensões extras, esta aqui que vem urbano-urral, ok? Que são as diferentes áreas que foram cogidas esses dados, para os HIV positivos identificados, assim como os casos de malária confirmados, ok? Nós visamos aqui, selecionamos ali a área regional, nesse caso aqui a dimensão do que é urbano-urral, especificamos qual delas aqui nós tendemos visualizado. Nós dissemos que queríamos rodajeros, ok? Então depois atualizamos, ok? Agora, como dizia anteriormente, como dizia anteriormente, nós temos aqui este gráfico, ele já está a mostrar, que nós tínhamos visto desta forma, nós temos aqui este gráfico, que mostrava desta forma, e este não é o efeito desejado. O que nós estamos aqui a tentar fazer é ter uma forma de representar todos esses graves dados, e nesse caso, para os casos de HIV positivos, com os casos de malária confirmados em diferentes regiões, ou por outra, em vez de usarmos, em vez de usarmos as regiões, podemos aqui usar o sexo, não é? Nós podemos ver ali, ok? Podemos usar o sexo, nós podemos ver. Então, dizia-nos que, vamos remover-me as regiões aqui, dizia-nos que a forma de representação deste grave não é o efeito desejado, nós teremos duas categorias nesse caso. Temos aqui na primeira categoria, nós temos o período, sim, que é lá onde temos que ter. No entanto, nós temos mais uma categoria que pode ser apresentada, que é o sexo, ok? Queremos esta distribuição por sexo, ok? Nos dados, nós vamos colocar mais 7. Nós vamos aqui a equalizar. O que que vai acontecer? Podemos aqui ver que, para cada período, nesse caso, para cada mês, estamos a ver todos os casos de HIV identificados para cada um dos sexos, não é? Para cada um dos sexos. Isto significa que nós já temos aqui duas categorias. Temos aqui a primeira categoria, que é a categoria entre os sexos, nós temos masculino e feminino, e temos a segunda categoria, que vai agrupar a primeira categoria, nesse caso que é do sexo, que vai agrupar a primeira categoria, nesse caso que é do sexo. Então, para o mês de janeiro, temos aqui, quando os casos de masculino e feminino foram identificados. Então, o que surge a questão é por que que os casos de malaria também não estão aqui a aparecer? Isto deve ser o fato, da forma como esse dado é acolhido. Este dado não é acolhido com base no gênero, por isso é que ele não é destacado aqui neste gráfico. Se nós formos a usar uma variável diferente desta que também tenha, diferente desta que também tenha, que a forma de correr possa nos dar a possibilidade de especificarmos por gênero. Esta aqui também não tem. Isso deve ser o fato desta outra variável, não ter, não ser acolhida especificando por gênero. Por isso, é que ela acaba não se refletindo aqui no nosso gráfico. Então, pode ser mais simples para nós e mais perceptível de uma feira, para o nosso gráfico e ficarmos apenas com os testes de HIV positivos. Então, desta forma, nós temos um gráfico a ser apresentado passando estes diferentes. Estes diferentes. Agora, nós temos aqui o nosso OK. O nosso outro gráfico de linhas que nós tínhamos aqui presente, não estava a ser processível a sua visualização de ato, ao fato de ele não ter informação para os casos de masculino e feminino. Por isso é que agora nós não temos aqui o nosso gráfico de linhas. Mas quando temos os nossos dois datos, ele vai fazer essa representação. Então, esta é a forma que nós usamos para mostrar duas categorias no mesmo gráfico. E, como vimos anteriormente, também temos a possibilidade de especificar quantos eixos podemos usar para apresentar diferentes valores. E temos a possibilidade de cada um ter a forma independentemente de representação dos eixos. Então, eu não sei se tem alguma dúvida aqui, de agora, a relação a esses dos tipos de gráficos que foram visualizados. Não vejo nenhuma mão defantada. Bem, então, nós aqui temos outros tipos de gráfico, lembrando que aqueles já são gráficos, vamos lá, assim dizer, gráficos combinados, não necessariamente tipos de gráficos, mas a forma como nós podemos representar os diferentes gráficos. Nesse caso, foi combinar gráficos de linhas com gráficos tipo NUNA, de modo alterno, também temos a possibilidade de mostrar diferentes eixos para cada uma dessas variáveis, assim como usar mais do que uma categoria para a representação dos nossos gráficos. Então, vou aqui agora mostrar o que é o gráfico de pisa. Não é? O gráfico de pisa. Vamos aqui selecionar o nosso dado. Para este caso, nós vamos usar elementos de dados. Vamos usar aqui partos institucionais para o grupo, para este grupo. Temos aqui parto institucional. Então, já selecionamos ali o nosso dado, que é parto institucional. Nós queremos visualizar aquilo que foi a região que mais registou partos durante o período de 2020 no nosso país. Então, para este caso, nós temos o período de 2020. Eu digo aqui que quero anual e o ano de 2020. E a unidade organizacional é todo o país. Então, vou atualizar. Aqui, nós estamos a visualizar apenas o único dado, que é o total de partos institucionais. Não é tanto porque nós queremos destacar estes mesmos partos por zonas. Neste caso, a zona urbana, a zona rural, que pera e urbana. Então, nós vamos novamente para a nossa dimensão. Nós vemos aqui urbano. E vamos selecionar periurbano, rural e urbano. E vamos adicionar. Então, ao adicionar, ao adicionar, o gráfico já me dá os mesmos dados que estava a me dar anteriormente. Só que, de uma forma acumulativa, sim, destacando quais são quantos casos foram identificados em cada uma destas áreas. E dá também o seu correspondente usando valores percentuais. Sendo que o somatório desses três valores representa um 100%, ele acaba mostrando qual é a percentagem do tributo de cada uma das regiões aqui apresentadas. Então, este aqui é o gráfico circular, como podemos ver. Aqui é o gráfico de torta. Nós temos outros gráficos para mostrar para ainda na nacionação de hoje. Não sei se é lá se damos continuidade ou não se intervala. Acho que antes deixámos para o intervalo. Vamos só passar do mitimiter para fazer um pequeno quiz e depois partemos logo para o intervalo. Deixamos só partilhar aquela.