/
ana_r.R
252 lines (224 loc) · 10.1 KB
/
ana_r.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
#' ~ ANA - Chirurgie ambulatoire : 55 gestes marqueurs
#'
#'
#' @param p Noyau de paramètres
#' @param periode paramètres année et mois de l'envoi
#' @param gestes_marqueurs liste de requêtes des gestes marqueurs (nomensland)
#'
#'
#' @examples
#' \dontrun{
#'
#' library(dplyr, warn.conflicts = FALSE)
#' library(pmeasyr)
#'
#' p <- noyau_pmeasyr(finess = '290000017',
#' annee = 2018,
#' mois = 12,
#' path = '~/Documents/data/mco',
#' tolower_names = TRUE,
#' n_max = Inf)
#'
#'
#' library(nomensland)
#'
#' dicts <- get_dictionnaire_listes()
#' lgm <- get_all_listes('Chir ambu : 55 GM')
#'
#' periodes <- list(
#' list(an = 2013, moi = 12),
#' list(an = 2014, moi = 12),
#' list(an = 2015, moi = 12),
#' list(an = 2016, moi = 12),
#' list(an = 2017, moi = 12),
#' list(an = 2018, moi = 12),
#' list(an = 2019, moi = 11))
#'
#' result <- periodes %>% purrr::map_dfr(ana_r_ca_gestes_marqueurs, p = p, gestes_marqueurs = lgm)
#' result <- result %>% arrange(`Geste marqueur`, `Période`)
#'
#' pivot_result <- result %>%
#' select(`Geste marqueur`, nofiness, taux_ambu, `Nb total`, `Période`) %>%
#' mutate(stat = paste0(scales::percent(taux_ambu), ' (', `Nb total`, ')')) %>%
#' select(-taux_ambu, - `Nb total`) %>%
#' tidyr::spread(`Période`, stat, '')
#'
#' }
#'
#' @return Taux de chirurgie ambulatoire et DMS > 0 nuit des gestes marqueurs par finess géographique
#' @importFrom scales percent
#' @export
ana_r_ca_gestes_marqueurs <- function(p, periode = list(an = 2018, moi = 12), gestes_marqueurs){
# an <- periode$an %>% unlist
# moi <- periode$moi %>% unlist
message('----- Période : ', periode$an, ' M', periode$moi)
message('-- Import rsa')
rsa <- pmeasyr::irsa(p, annee = periode$an, mois = periode$moi, typi = 6)
rsa <- pmeasyr::prepare_rsa(rsa)
message('-- Requêtes ambu GM')
# Lancement des requêtes et ajout du site géographique du RUM fourinissant le DP
gm <- pmeasyr::lancer_requete(rsa, gestes_marqueurs, vars = c('duree', 'ansor', 'noseqrum', 'nofiness')) %>%
dplyr::left_join(rsa$rsa_um %>% dplyr::select(nohop1, cle_rsa, nseqrum), by = c('cle_rsa', 'noseqrum' = 'nseqrum'))
gm <- gm %>% dplyr::mutate(classe_duree =
dplyr::case_when(duree == 0 ~ "0 nuit",
duree == 1 ~ "1 nuit",
duree == 2 ~ "2 nuits",
duree > 2 ~ "3 nuits et +")) %>%
dplyr::mutate(ansor = paste0(ansor, ' M', stringr::str_pad(p$mois, 2, "left", '0')))
stat_ambu <- function(ggmm){
ggmm %>%
dplyr::group_by(nofiness, ansor, Requete, classe_duree) %>%
dplyr::summarise(Nb = n(),
`Nuitées` = sum(duree)) %>%
tidyr::gather(var, val, - Requete, - classe_duree, - nofiness, - ansor) %>%
tidyr::unite(var, var, classe_duree, sep = " ") %>%
tidyr::spread(var, val, fill = 0) %>%
dplyr::ungroup() %>%
dplyr::mutate(`Nuitées totales` = rowSums(.[grep("Nuitées", names(.))])) %>%
dplyr::select(nofiness, ansor, Requete, starts_with('Nb'), `Nuitées 3 nuits et +`, `Nuitées totales`) %>%
dplyr::mutate(`Nb total` = rowSums(.[grep("Nb", names(.))])) %>%
dplyr::mutate(taux_ambu = `Nb 0 nuit` / `Nb total`,
`DMS hors ambu` = round(`Nuitées totales` / (`Nb total` - `Nb 0 nuit`), 1))
}
message('-- Stats ambu GM')
stat_gm <- dplyr::bind_rows(stat_ambu(gm),
stat_ambu(gm %>%
dplyr::select(-nofiness) %>%
dplyr::rename(nofiness = nohop1)))
stat_gm %>%
dplyr::arrange(Requete) %>%
dplyr::rename(`Geste marqueur` = Requete, `Période` = ansor)
}
#' ~ ANA - Analyse des taux ambulatoires et DMS sur un périmètre GHM à définir
#'
#'
#' @param p Noyau de paramètres
#' @param periode paramètres année et mois de l'envoi
#' @param requete liste de requêtes à définir (nomensland)
#'
#'
#' @examples
#' \dontrun{
#'
#' library(dplyr, warn.conflicts = FALSE)
#' library(pmeasyr)
#'
#' p <- noyau_pmeasyr(finess = '290000017',
#' annee = 2018,
#' mois = 12,
#' path = '~/Documents/data/mco',
#' tolower_names = TRUE,
#' n_max = Inf)
#'
#'
#' library(nomensland)
#'
#' ghmc_7r <- get_liste('chir_ambu_ghm_C_7_racines')
#'
#' periodes <- list(
#' list(an = 2013, moi = 12),
#' list(an = 2014, moi = 12),
#' list(an = 2015, moi = 12),
#' list(an = 2016, moi = 12),
#' list(an = 2017, moi = 12),
#' list(an = 2018, moi = 12),
#' list(an = 2019, moi = 11))
#'
#' result <- periodes %>% purrr::map_dfr(ana_r_ghm_ambu_dms, p = p, requete = ghmc_7r)
#' result <- result %>% arrange(niveau, Requete, `Période`)
#'
#'
#' pivot_result <- result %>%
#' select(niveau, Requete, nofiness, taux_ambu, `Nb total`, `Période`) %>%
#' mutate(stat = paste0(scales::percent(taux_ambu), ' (', `Nb total`, ')')) %>%
#' select(-taux_ambu, - `Nb total`) %>%
#' tidyr::spread(`Période`, stat, '')
#'
#'
#' ghmk <- list(nom = 'GHM K', rsatype = 'K', Thematique = 'GHM K', abrege = 'ghmk')
#'
#' lancer_requete(rsa, ghmk)
#'
#'
#' }
#'
#' @return Taux ambulatoire et DMS > 0 nuit par finess géographique, au globa, par racine et par DA
#' @export
ana_r_ghm_ambu_dms <- function(p, periode = list(an = 2018, moi = 12), requete){
message('----- Période : ', periode$an, ' M', periode$moi)
message('-- Import rsa')
rsa <- pmeasyr::irsa(p, annee = periode$an, mois = periode$moi, typi = 6)
rsa <- pmeasyr::prepare_rsa(rsa)
message('-- Requêtes GHM C')
# Lancement des requêtes et ajout du site géographique du RUM fourinissant le DP
ghmc <- pmeasyr::lancer_requete(rsa, requete, vars = c('duree', 'ansor', 'noseqrum', 'nofiness', 'ghm', 'anseqta')) %>%
dplyr::left_join(rsa$rsa_um %>% dplyr::select(nohop1, cle_rsa, nseqrum), by = c('cle_rsa', 'noseqrum' = 'nseqrum'))
ghmc <- ghmc %>% dplyr::mutate(classe_duree =
dplyr::case_when(duree == 0 ~ "0 nuit",
duree == 1 ~ "1 nuit",
duree == 2 ~ "2 nuits",
duree == 3 ~ "3 nuits",
duree == 4 ~ "4 nuits",
duree > 4 ~ "5 nuits et +")) %>%
dplyr::mutate(ansor = paste0(ansor, ' M', stringr::str_pad(periode$moi, 2, "left", '0')))
stat_ambu <- function(ghmc){
global_requete <- ghmc %>%
dplyr::group_by(nofiness, ansor, Requete, classe_duree) %>%
dplyr::summarise(Nb = n(),
`Nuitées` = sum(duree)) %>%
tidyr::gather(var, val, - Requete, - classe_duree, - nofiness, - ansor) %>%
tidyr::unite(var, var, classe_duree, sep = " ") %>%
tidyr::spread(var, val, fill = 0) %>%
dplyr::ungroup() %>%
dplyr::mutate(`Nuitées totales` = rowSums(.[grep("Nuitées", names(.))])) %>%
dplyr::select(nofiness, ansor, Requete, starts_with('Nb'), `Nuitées 5 nuits et +`, `Nuitées totales`) %>%
dplyr::mutate(`Nb total` = rowSums(.[grep("Nb", names(.))])) %>%
dplyr::mutate(taux_ambu = `Nb 0 nuit` / `Nb total`,
`DMS hors ambu` = round(`Nuitées totales` / (`Nb total` - `Nb 0 nuit`), 1))
lrghm <- get_table('ghm_rghm_regroupement', version = unique(rsa$rsa$anseqta)) %>%
dplyr::distinct(anseqta, racine, da, libelle_da, libelle_racine) %>%
tidyr::unite(da, da, libelle_da, sep = " - ")
par_racine_requete <- ghmc %>%
dplyr::mutate(rghm = substr(ghm,1,5)) %>%
dplyr::left_join(lrghm, by = c('anseqta', 'rghm' = 'racine')) %>%
dplyr::group_by(nofiness, ansor, Requete = paste0(rghm, ' - ', libelle_racine), classe_duree) %>%
dplyr::summarise(Nb = n(),
`Nuitées` = sum(duree)) %>%
tidyr::gather(var, val, - Requete, - classe_duree, - nofiness, - ansor) %>%
tidyr::unite(var, var, classe_duree, sep = " ") %>%
tidyr::spread(var, val, fill = 0) %>%
dplyr::ungroup() %>%
dplyr::mutate(`Nuitées totales` = rowSums(.[grep("Nuitées", names(.))])) %>%
dplyr::select(nofiness, ansor, Requete, starts_with('Nb'), `Nuitées 5 nuits et +`, `Nuitées totales`) %>%
dplyr::mutate(`Nb total` = rowSums(.[grep("Nb", names(.))])) %>%
dplyr::mutate(taux_ambu = `Nb 0 nuit` / `Nb total`,
`DMS hors ambu` = round(`Nuitées totales` / (`Nb total` - `Nb 0 nuit`), 1))
par_da_requete <- ghmc %>%
dplyr::mutate(rghm = substr(ghm,1,5)) %>%
dplyr::left_join(lrghm, by = c('anseqta', 'rghm' = 'racine')) %>%
dplyr::group_by(nofiness, ansor, Requete = da, classe_duree) %>%
dplyr::summarise(Nb = n(),
`Nuitées` = sum(duree)) %>%
tidyr::gather(var, val, - Requete, - classe_duree, - nofiness, - ansor) %>%
tidyr::unite(var, var, classe_duree, sep = " ") %>%
tidyr::spread(var, val, fill = 0) %>%
dplyr::ungroup() %>%
dplyr::mutate(`Nuitées totales` = rowSums(.[grep("Nuitées", names(.))])) %>%
dplyr::select(nofiness, ansor, Requete, starts_with('Nb'), `Nuitées 5 nuits et +`, `Nuitées totales`) %>%
dplyr::mutate(`Nb total` = rowSums(.[grep("Nb", names(.))])) %>%
dplyr::mutate(taux_ambu = `Nb 0 nuit` / `Nb total`,
`DMS hors ambu` = round(`Nuitées totales` / (`Nb total` - `Nb 0 nuit`), 1))
dplyr::bind_rows(global_requete %>% mutate(niveau = "1 - Global"),
par_da_requete %>% mutate(niveau = "2 - Domaine d'activité"),
par_racine_requete %>% mutate(niveau = "3 - Racine de GHM"))
}
message('-- Stats ambu GHM')
stat_gm <- dplyr::bind_rows(stat_ambu(ghmc),
stat_ambu(ghmc %>%
dplyr::select(-nofiness) %>%
dplyr::rename(nofiness = nohop1)))
stat_gm %>%
dplyr::arrange(Requete) %>%
dplyr::rename(`Période` = ansor) %>%
dplyr::select(niveau, Requete, `Période`, nofiness, everything())
}