Dane

Na stronie https://ezdrowie.gov.pl co miesiąc od 2019 roku publikowany jest wielki plik XLST z danymi dotyczącymi hospitalizacji. Pliki te zostały zamienione na CSV a następnie ich zawartość zagregowana. Zbiorczy plik CSV zawiera informacje nt liczby hospitalizacji rozbite na województwa i kategorie chorobowe; specjalne wojewodztwo o nazwie PL zawiera podsumowanie dla całego kraju. Dane dla 2018 pochodzą z plików z roku 2019 (w których stanowiły podstawę porównań rok/rok); w ten sposób możliwe było wydłużenie danych o rok 2018 dla których dane w normalnym trybie nie były publikowane.

h0 <- read.csv("hospitalizacje_2018-2021WW.csv", sep = ';',  header=T, na.string="NA") %>%
        select(data, kat, woj, hospitalizacje ) %>%
        mutate (date = as.Date( sprintf ("%s-1", data))) %>%
        mutate(kat=recode(kat, 
          'A00-B99 Wybrane choroby zakaźne i pasożytnicze' = 'Zakaźne',
          'C00-D48 Nowotwory' = 'Nowotwory',
          'F00-F99 Zaburzenia psychiczne i zaburzenia zachowania' = 'Zaburzenia psychiczne',
          'G00-G99 Choroby układu nerwowego' = 'Układu nerwowego',
          'H00-H59 Choroby oka i przydatków oka' = 'Oka',
          'I00-I99 Choroby układu krążenia' = 'Układu krążenia',
          'J00-J99 Choroby układu oddechowego' = 'Układu oddechowego',
          'K00-K93 Choroby układu pokarmowego' = 'Układu pokarmowego',
          'L00-L99 Choroby skóry i tkanki podskórnej' = 'Skóry',
          'M00-M99 Choroby układu mięśniowo-szkieletowego i tkanki łącznej' = 'Układu mięśniowo-szkieletowego',
          'N00-N99 Choroby układu moczowo-płciowego' = 'Układu moczowo-płciowego',
          'O00-O99 Ciąża, poród i okres połogu' = 'Ciąża, poród',
          'S00-T98 Urazy, zatrucia i inne określone skutki działania czynników zewnętrznych' = 'Urazy, zatrucia'
        ))

Polska ogółem

Dla woj=PL liczymy sumę po wszystkich kategoriach:

h <- h0 %>% filter (woj == 'PL') %>%
        group_by(date) %>%
        summarise( hospitalizacje = sum(hospitalizacje, na.rm=T)) %>% ungroup()

Wykres 1 PL ogółem:

Definiujemy różne grupy chorobowe

ch1 <- c('Układu krążenia', 'Nowotwory', 'Układu oddechowego', 'Zakaźne')
ch2 <- c('Zaburzenia psychiczne')
ch3 <- c('Zakaźne', 'Nowotwory', 'Zaburzenia psychiczne', 'Układu nerwowego', 'Oka',
        'Układu krążenia', 'Układu oddechowego',
        'Układu pokarmowego', 'Skóry', 'Układu mięśniowo-szkieletowego',
        'Układu moczowo-płciowego', 'Ciąża, poród', 'Urazy, zatrucia' )
 ch4 <- c('Zaburzenia psychiczne', 'Układu nerwowego', 'Urazy, zatrucia', 
          'Układu pokarmowego', 'Ciąża, poród')

Dla woj = PL grupujemy po kategoriach chorobowych

h <- h0 %>% filter (woj == 'PL') %>%
        group_by(date, kat) %>%
        summarise( hospitalizacje = sum(hospitalizacje, na.rm=T)) %>%
        ungroup()

Wykres 2: wg chorób z grupy ch1:

Wykres 3: wg chorób z grupy ch2:

Wykres 4: wg chorób z grupy ch3:

Procentowo względem chorób z grupy ch3:

h.addr.pl <- h %>% filter (kat %in% ch3) %>%
        group_by(kat) %>%
        summarise(s = mean(hospitalizacje, na.rm = T))

h.p.pl <- left_join(h.addr.pl, h, by='kat') %>%
        mutate( hp = hospitalizacje / s * 100)
##str(h.p.pl)

Wykres 5: wg chorób z grupy ch3 (w procentach):

Pomijamy wybrane choroby żeby kolejny wykres był bardziej czytelny:

h <- h0 %>% filter ( woj != 'PL') %>% filter (kat %in% ch3)

Wykres 6: wszystkie kategorie na jednym wykresie:

Województwo Pomorskie

Wykres 7: Pomorskie ogółem:

Wykres 8: Pomorskie w procentach:

Wykres 9: PL i woj POM (w procentach):