Tautitaakka Suomessa

Kysymys

Mitkä ovat tärkeitä tautitaakkaa aiheuttavia tekijöitä Suomessa, ja miten niihin tulisi suhtautua? Erityisesti, kuinka suuri on ympäristöterveysaltisteiden aiheuttama tautitaakka?

Vastaus

• 

  Kuva 1. Tautitaakka Suomessa perustuen kansainvälisen IHME-instituutin arvioihin.

• 

  Kuva 2. Tautitaakka Suomessa eriteltyinä riskitekijöiden mukaan. Perustuu IHME-instituutin arvioihin.

• 

  Tautitaakan jakautuminen taudeittain eri ikäryhmissä Suomessa 2019. Tautitaakan lasku kaikkein vanhimmissa ikäryhmissä johtuu ikäryhmien pienenemisestä kuoleman takia.

• 

  Kuva 3. Ympäristötekijöiden aiheuttama tautitaakka Suomessa (tärkeimmät). Perustuu Tekaisu-hankkeen arvioihin.

• 

  Kuva 4. Ympäristötekijöiden aiheuttama tautitaakka Suomessa (vähemmän tärkeät; huomaa eri asteikko kuin kuvassa 3. Perustuu Tekaisu-hankkeen arvioihin.

• 

  Tautitaakan jakautuminen taudeittain nuorissa ikäryhmissä Suomessa 2019. Kuva on suurennos edellisestä kuvasta.

• 

  Tautitaakan tunnetut riskitekijät nuorilla Suomessa 2019.

Perustelut

Pääviesti

Kysymys: Mitkä ovat olennaiset tautitaakkaa aiheuttavat tekijät Suomessa? Vastaus: Arvio on tehty vuonna 2013. (Asikainen ym. Ympäristöaltisteisiin liittyvä tautitaakka Suomessa. Ympäristö ja Terveys 5/2013) Pienhiukkaset: kuolemat 12 171 DALY/vuosi uudet krooniset bronkiitit 1 024 DALY/vuosi vakavat oirepäivät 570 DALY/vuosi Ympäristömelu Sydäninfarkti 109 DALY/vuosi Vakava kiusaantuneisuus 2776 DALY/vuosi Vakava unihäiriö 5181 DALY/vuosi Sisäilman radon: kehkosyöpä 1973 DALY/vuosi Passiivinen tupakointi: iskeeminen sydäntauti 1552 DALY/vuosi astman ilmaantuvuus 340 DALY/vuosi keuhkosyöpä 48 DALY/vuosi pikkulasten infektiot 2 DALY/vuosi Auringon UV-säteily: ihosyöpä 1161 DALY/vuosi Kosteusvauriot kodeissa: astman ilmaantuvuus 473 DALY/vuosi alahengitystieoireet 444 DALY/vuosi ylähengitystieoireet 24 DALY/vuosi Kalan metyylielohopea: kehitysvamma vastasyntyneellä 536 DALY/vuosi Lyijy: lievän älyllinen kehitysvamman lapsella 382 DALY/vuosi verenpainetauti 4 DALY/vuosi Häkämyrkytykset: kuolemat 160 DALY/vuosi Ulkoilman otsoni: eri oirepäivät yhteensä 142 DALY/vuosi Sisäilman formaldehydi: astman ilmaantuvuus <15 vuotialla 120 DALY/vuosi Juomaveden fluoridi: hampaiden fluoroosi 95 DALY/vuosi Juomaveden kloorauksen sivutuotteet: virtsarakon syöpä 12 DALY/vuosi Kalan dioksiini: syövät 11 DALY/vuosi Hengitysilman bentseeni: leukemia 6 DALY/vuosi Ruoan mikrobit: vatsatauti 2 DALY/vuosi Porakaivojen arseeni: virtsarakon syöpä 1 DALY/vuosi Juomaveden mikrobit: vatsatauti 1 DALY/vuosi

Edistymisluokitus
Opasnetissa lukuisat sivut ovat työn alla eri vaiheissa. Niiden tietosisältöön pitää siis suhtautua harkiten. Tämän sivun sisällön edistyminen on arvioitu: Tämä sivu on tarkistettu Sisältö on tarkistettu ja viitteet ovat kunnossa. Vertautuu käsikirjoitukseen, joka on lähetettävissä lehteen.

Tämä sivu on tutkimus. Sivutunniste: Op_fi3944
Moderaattori:Arja (katso kaikki) Sivun edistyminen: Tarkistettu. Arvostuksen määrää ei ole arvioitu (ks. peer review).
Lisää dataa {{#opasnet_base_link:Op_fi3944}}

Data

IHME-data

op_en:File:IHME Fin Risks by Cause.zip sisältää IHME-instituutin arviot tautitaakasta Suomessa.

Suomalainen arvio

Tautitaakka Suomessa THL:n tutkimuksessa(DALY/a)

Obs	Vaikutus	Lähde	Impact	Source	Haitta
1	Pienhiukkaset, kuolemat	Ulkolähde	A Fine particles, death	Outdoor source	12171
2	Ympäristömelu, vakava kiusaantuneisuus tai unihäiriö	Ulkolähde	B Environmental noise, severe annoyance or sleep disorder	Outdoor source	7957
3	Sisäilman radon, kehkosyöpä	Sisälähde	C Indoor radon, lung cancer	Indoor source	1973
4	Passiivinen tupakointi, iskeeminen sydäntauti	Sisälähde	D Environmental tobacco smoke, ischaemic heart disease	Indoor source	1552
5	Auringon UV-säteily, ihosyöpä	Ulkolähde	E UV radiation from sun, skin cancer	Outdoor source	1161
6	Pienhiukkaset, uudet krooniset bronkiitit	Ulkolähde	F Fine particles, chronic bronchitis	Outdoor source	1024
7	Pienhiukkaset, vakavat oirepäivät	Ulkolähde	G Fine particles, serious symptom days	Outdoor source	570
8	Kalan metyylielohopea, kehitysvamma vastasyntyneellä	Ruoka	H Methylmercury in fish, developmental defect in newborn	Food	536
9	Kosteusvauriot kodeissa, astman ilmaantuvuus	Sisälähde	I Moisture in homes, asthma incidence	Indoor source	473
10	Kosteusvauriot kodeissa, alahengitystieoireet	Sisälähde	J Moisture in homes, lower respiratory symptoms	Indoor source	444
11	Lyijy, lievän älyllinen kehitysvamman lapsella	Ruoka	K Lead, mild mental retardation in children	Food	382
12	Passiivinen tupakointi, astman ilmaantuvuus	Sisälähde	L Environmental tobacco smoke, asthma incidence	Indoor source	340
13	Häkämyrkytykset, kuolemat	Sisälähde	M Carbon monoxide poisoning, death	Indoor source	160
14	Ulkoilman otsoni, eri oirepäivät yhteensä	Ulkolähde	N Oudoor ozone, symptom days	Outdoor source	142
15	Sisäilman formaldehydi, astman ilmaantuvuus <15-vuotialla	Sisälähde	O Indoor formaldehyde, incidence of asthma in children <15 years	Indoor source	120
16	Ympäristömelu, sydäninfarkti	Ulkolähde	P Environmental noise, heart attack	Outdoor source	109
17	Juomaveden fluoridi, hampaiden fluoroosi	Juomavesi	Q Fluoride in drinking water, fluorosis in teeth	Drinking water	95
18	Passiivinen tupakointi, keuhkosyöpä	Sisälähde	R Environmental tobacco smoke, lung cancer	Indoor source	48
19	Kosteusvauriot kodeissa, ylähengitystieoireet	Sisälähde	S Moisture in homes, upper respiratory symptoms	Indoor source	24
20	Juomaveden kloorauksen sivutuotteet, virtsarakon syöpä	Juomavesi	T Chlorination byproducts in drinking water, bladder cancer	Drinking water	12
21	Kalan dioksiini, syövät	Ruoka	U Dioxins in fish, cancer	Food	11
22	Hengitysilman bentseeni, leukemia	Sisälähde	V Benzene in breathing air, leukemia	Indoor source	6
23	Lyijy, verenpainetauti	Ruoka	W Lead, high blood pressure	Food	4
24	Passiivinen tupakointi, pikkulasten infektiot	Sisälähde	X Environmental tobacco smoke, children's infections	Indoor source	2
25	Ruoan mikrobit, vatsatauti	Ruoka	Y Microbes in food, gastrointenstinal diseases	Food	2
26	Porakaivojen arseeni, virtsarakon syöpä	Juomavesi	Z Arsenic in drilled wells	Drinking water	1
27	Juomaveden mikrobit, vatsatauti	Juomavesi	Å Microbes in drinking water, gastrointestinal diseases	Drinking water	1

Tautiluokittelu(-)

Obs	Type	Id	Name	Luokka	Nimi
1	Cause	386	Nutritional deficiencies		Ravitsemushäiriöt
2	Cause	410	Neoplasms		Syöpä
3	Cause	640	Other non-communicable diseases		Muut tarttumattomat taudit
4	Cause	653	Skin and subcutaneous diseases		Ihotaudit
5	Cause	688	Transport injuries		Liikenneonnettomuudet
6	Cause	696	Unintentional injuries		Tapaturmat
7	Cause	508	Chronic respiratory diseases		Krooniset hengitystietaudit
8	Cause	526	Digestive diseases		Ruoansulatuskanavan taudit
9	Cause	491	Cardiovascular diseases		Sydän- ja verisuonitaudit
10	Cause	542	Neurological disorders		Hermoston taudit
11	Cause	955	Other infectious diseases		Muut tartuntataudit
12	Cause	956	Respiratory infections and tuberculosis		Hengitystietaudit ja tuberkuloosi
13	Cause	957	Other infectious diseases		Muut tartuntataudit
14	Cause	961	Other infectious diseases		Muut tartuntataudit
15	Cause	962	Maternal and neonatal disorders		Äitien ja vastasyntyneiden häiriöt
16	Cause	973	Substance use disorders		Päihdeongelma
17	Cause	974	Diabetes and kidney diseases		Diabetes ja munuaissairaudet
18	Cause	717	Self-harm and interpersonal violence		Itsetuho ja väkivalta
19	Cause	344	Other infectious diseases		Muut tartuntataudit
20	Cause	558	Mental disorders		Mielen häiriöt
21	Cause	626	Musculoskeletal disorders		Tuki- ja liikuntaelimistön häiriöt
22	Cause	669	Sense organ diseases		Aistinelinten taudit
23	Risk	82	Unsafe water, sanitation, and handwashing	Ympäristö	Likainen vesi
24	Risk	85	Air pollution	Ympäristö	Ilmansaasteet
25	Risk	89	Other environmental risks	Ympäristö	Muut ympäristöriskit
26	Risk	92	Child and maternal malnutrition	Käyttäytyminen	Raskaudenaikaiset riskit
27	Risk	98	Tobacco	Käyttäytyminen	Tupakka
28	Risk	102	Alcohol use	Käyttäytyminen	Alkoholi
29	Risk	103	Drug use	Käyttäytyminen	Huumeet
30	Risk	105	High fasting plasma glucose	Metabolinen	Korkea paastoverensokeri
31	Risk	107	High systolic blood pressure	Metabolinen	Korkea verenpaine
32	Risk	108	High body-mass index	Metabolinen	Korkea painoindeksi
33	Risk	109	Low bone mineral density	Metabolinen	Alhainen luuntiheys
34	Risk	110	Dietary risks	Ravitsemus	Ravitsemusriskit
35	Risk	125	Low physical activity	Käyttäytyminen	Liikkumattomuus
36	Risk	126	Occupational risks	Ympäristö	Työperäiset riskit
37	Risk	135	Intimate partner violence	Käyttäytyminen	Parisuhdeväkivalta
38	Risk	170	Unsafe sex	Käyttäytyminen	Suojaamaton seksi
39	Risk	331	Non-optimal temperature	Ympäristö	Sopimaton lämpötila
40	Risk	341	Impaired kidney function	Metabolinen	Munuaisten vajaatoiminta
41	Risk	367	High LDL cholesterol	Metabolinen	Korkea LDL-kolesteroli
42	Risk	381	Childhood maltreatment	Käyttäytyminen	Lasten kaltoinkohtelu

Laskenta

+ Näytä koodi- Piilota koodi library(OpasnetUtils) library(ggplot2) library(RColorBrewer) # Makes color palettes http://www.cookbook-r.com/Graphs/Colors_%28ggplot2%29/ # http://stackoverflow.com/questions/8197559/emulate-ggplot2-default-color-palette a <- c( "Pienhiukkaset, kuolemat", "Ulkolähde", 12171, "Pienhiukkaset, uudet krooniset bronkiitit", "Ulkolähde", 1024, "Pienhiukkaset, vakavat oirepäivät", "Ulkolähde", 570, "Ympäristömelu, sydäninfarkti", "Ulkolähde", 109, "Ympäristömelu, vakava kiusaantuneisuus tai unihäiriö", "Ulkolähde", 2776+5181, "Sisäilman radon, kehkosyöpä", "Sisälähde", 1973, "Passiivinen tupakointi, iskeeminen sydäntauti", "Sisälähde", 1552, "Passiivinen tupakointi, astman ilmaantuvuus", "Sisälähde", 340, "Passiivinen tupakointi, keuhkosyöpä", "Sisälähde", 48, "Passiivinen tupakointi, pikkulasten infektiot", "Sisälähde", 2, "Auringon UV-säteily, ihosyöpä", "Ulkolähde", 1161, "Kosteusvauriot kodeissa, astman ilmaantuvuus", "Sisälähde", 473, "Kosteusvauriot kodeissa, alahengitystieoireet", "Sisälähde", 444, "Kosteusvauriot kodeissa, ylähengitystieoireet", "Sisälähde", 24, "Kalan metyylielohopea, kehitysvamma vastasyntyneellä", "Ruoka", 536, "Lyijy, lievän älyllinen kehitysvamman lapsella", "Ruoka", 382, "Lyijy, verenpainetauti", "Ruoka", 4, "Häkämyrkytykset, kuolemat", "Sisälähde", 160, "Ulkoilman otsoni, eri oirepäivät yhteensä", "Ulkolähde", 142, "Sisäilman formaldehydi, astman ilmaantuvuus <15-vuotialla", "Sisälähde", 120, "Juomaveden fluoridi, hampaiden fluoroosi", "Juomavesi", 95, "Juomaveden kloorauksen sivutuotteet, virtsarakon syöpä", "Juomavesi", 12, "Kalan dioksiini, syövät", "Ruoka", 11, "Hengitysilman bentseeni, leukemia", "Sisälähde", 6, "Ruoan mikrobit, vatsatauti", "Ruoka", 2, "Porakaivojen arseeni, virtsarakon syöpä", "Juomavesi", 1, "Juomaveden mikrobit, vatsatauti", "Juomavesi", 1 ) b <- c( "Fine particles, death", "Fine particles, chronic bronchitis", "Fine particles, serious symptom days", "Environmental noise, heart attack", "Environmental noise, severe annoyance or sleep disorder", "Indoor radon, lung cancer", "Environmental tobacco smoke, ischaemic heart disease", "Environmental tobacco smoke, asthma incidence", "Environmental tobacco smoke, lung cancer", "Environmental tobacco smoke, children's infections", "UV radiation from sun, skin cancer", "Moisture in homes, asthma incidence", "Moisture in homes, lower respiratory symptoms", "Moisture in homes, upper respiratory symptoms", "Methylmercury in fish, developmental defect in newborn", "Lead, mild mental retardation in children", "Lead, high blood pressure", "Carbon monoxide poisoning, death", "Oudoor ozone, symptom days", "Indoor formaldehyde, incidence of asthma in children <15 years", "Fluoride in drinking water, fluorosis in teeth", "Chlorination byproducts in drinking water, bladder cancer", "Dioxins in fish, cancer", "Benzene in breathing air, leukemia", "Microbes in food, gastrointenstinal diseases", "Arsenic in drilled wells", "Microbes in drinking water, gastrointestinal diseases" ) a <- as.data.frame(matrix(a, ncol = 3, byrow = TRUE)) a <- data.frame(b, a) colnames(a) <- c("Impact", "Vaikutus", "Lähde", "Haitta") a[[4]] <- as.numeric(levels(a[[4]])[a[[4]]]) a <- a[order(-a$Haitta) , ] a$Lähde <- factor(a$Lähde, levels = c("Ulkolähde", "Sisälähde", "Ruoka", "Juomavesi"), ordered = TRUE) ggplot(a[a$Haitta >= 536 , ], aes(x = reorder(Vaikutus, Haitta, sum), weight = Haitta, fill = Lähde)) + geom_bar() + coord_flip() + theme_gray(base_size = 18) + labs( title = "Ympäristöterveyden tautitaakka Suomessa", x = "", y = "Haitta (DALY/vuosi)" ) + scale_fill_manual(values = brewer.pal(4, "Set2")) + #http://www.cookbook-r.com/Graphs/Colors_%28ggplot2%29/ theme(legend.position = c(0.8, 0.2)) # Put the legend inside the box in lower right corner ggplot(a[a$Haitta <= 536 , ], aes(x = reorder(Vaikutus, Haitta, sum), weight = Haitta, fill = Lähde)) + geom_bar() + coord_flip() + theme_gray(base_size = 18) + labs( title = "Ympäristöterveyden tautitaakka Suomessa", x = "", y = "Haitta (DALY/vuosi)" ) + scale_fill_manual(values = brewer.pal(4, "Set2")) + theme(legend.position = c(0.8, 0.2)) ############### Englanniksi a$Source <- a$Lähde levels(a$Source) <- c("Outdoor source", "Indoor source", "Food", "Drinking water") ggplot(a[a$Haitta >= 536 , ], aes(x = reorder(Impact, Haitta, sum), weight = Haitta, fill = Source)) + geom_bar() + coord_flip() + theme_gray(base_size = 18) + labs( title = "Environmental burden of disease in Finland", x = "", y = "Impact (DALY/year)" ) + scale_fill_manual(values = brewer.pal(4, "Set2")) + theme(legend.position = c(0.8, 0.2)) ggplot(a[a$Haitta <= 536 , ], aes(x = reorder(Impact, Haitta, sum), weight = Haitta, fill = Source)) + geom_bar() + coord_flip() + theme_gray(base_size = 18) + labs( title = "Environmental burden of disease in Finland", x = "", y = "Impact (DALY/year)" ) + scale_fill_manual(values = brewer.pal(4, "Set2")) + theme(legend.position = c(0.8, 0.2)) # Testikoodi pallurakaavion tekoon. a$V4 <- 1:25 a$V5 <- c(rep("Ulkoilma", 3), rep("Muu", 22)) ggplot(a, aes(x = V4, y = V4, colour = V5, size = sqrt(Haitta), label = Vaikutus)) + geom_point() + geom_text(aes(label=Vaikutus),hjust=0, vjust=0, size = 3) + scale_size_identity()

IHME-instituutin data 1990-2019

Tätä koodia voi käyttää laskemaan Hiilineutraali Helsinki 2035 -toimenpideohjelmassa olevia mittareita Ympäristöterveyden tautitaakka Suomessa ja Tautitaakka Suomessa.

• Malliajo 21.2.2019 [1]
• Malliajo 17.3.2019 uudella datalla [2]

Koodilla on myös tuotettu kuvia sivulle Tautitaakka auttaa hahmottamaan ja välttämään terveysriskejä.

+ Näytä koodi- Piilota koodi library(OpasnetUtils) #library(tidyverse) library(ggplot2) library(magrittr) library(dplyr) library(plotly) transl <- as_tibble(opbase.data("Op_fi3944", subset="Tautiluokittelu")) %>% # [[Tautitaakka Suomessa]] mutate(Id=as.integer(as.character(Id))) BS <- 24 YEAR <- 2019 palet <- rev(c( '#a6cee3','#1f78b4','#b2df8a','#33a02c','#fb9a99','#e31a1c','#fdbf6f', '#ff7f00','#cab2d6','#6a3d9a','#ffff99','#b15928', # First 12 colours from Colorbrewer Paired. 'cyan2','cyan4','plum1','plum4', 'darkslategray4','darkslategray1','firebrick3','gray' )) palet6 <- rev(c('#8dd3c7','#ffffb3','#bebada','#fb8072','#80b1d3','#fdb462','gray')) ###################### Graphs for the Tautitaakka auttaa hahmottamaan ... article # DALYs by causes (risks not included) dc <- as_tibble(opasnet.csv("2/2d/IHME_Fin_Risks_by_Cause.zip", wiki="opasnet_en", unzip="IHME-GBD_2019_DATA-6e14306d-1.csv",sep=",",dec=".",header=TRUE)) dc2 <- dc %>% left_join(transl[transl$Type=="Cause",], by=c("cause_id"="Id")) %>% mutate(cause_name = Result) # transl combines some entries from cause_name to Name (in Finnish: Result) # "Neglected tropical diseases and malaria", # "HIV/AIDS and sexually transmitted infections", # "Enteric infections" >> "Other infectious diseases" dc2 <- dc2 %>% filter(dc$measure_name=="DALYs (Disability-Adjusted Life Years)" & dc$metric_name=="Number" & dc$year == YEAR) %>% group_by(cause_name) %>% summarise(value=sum(val)) %>% arrange(value) CAUSES_BY_SIZE <- c("Muu tauti tai häiriö", as.character(dc2$cause_name)) dc2$cause_name <- factor(dc2$cause_name, levels=CAUSES_BY_SIZE) dc2$valy <- dc2$value/1000 + ifelse(dc2$value<250000, 20, -40) # unit kDALY/a plot_cause <- ggplot(dc2, aes(x=cause_name,weight=value/1000,fill=cause_name, label=round(value/1000)))+ geom_bar(position="stack")+geom_text(aes(y=valy))+coord_flip()+ guides(fill="none")+ scale_fill_manual(values = palet)+ labs( title= paste("Tautitaakka Suomessa syittäin ", YEAR), x="Tauti tai haitta", y="Tautitaakka (tuhatta DALYa vuodessa)") plot_cause ggsave(paste0("Tautitaakka Suomessa ", YEAR, ".svg"), width=8, height=5) # Png conversion: 300 pixels/inch, font size 4 times larger cat("Kokonaistautitaakka Suomessa ", YEAR, " ", sum(dc2$value), "DALYa.\n") ############## DALYs by causes and risks dcr <- as_tibble( opasnet.csv("2/2d/IHME_Fin_Risks_by_Cause.zip", wiki="opasnet_en", unzip="IHME-GBD_2019_DATA-0232ebb8-1.csv",sep=",",dec=".",header=TRUE) ) dcr <- dcr %>% left_join(transl[transl$Type=="Cause",], by=c("cause_id"="Id")) %>% mutate(cause_name = factor(Result, levels=CAUSES_BY_SIZE)) %>% # transl combines some entries from cause_name to Name (in Finnish: Result) left_join(transl[transl$Type=="Risk",], by=c("rei_id"="Id")) %>% mutate(rei_name=Result.y) dcr2 <- dcr %>% filter(year==YEAR) %>% group_by(rei_name) %>% summarise(value = sum(val)) %>% arrange(value) dcr <- dcr %>% mutate(rei_name = factor(rei_name, levels= dcr2$rei_name)) %>% # transl combines some entries from cause_name to Name (in Finnish: Result) filter(measure_name=="DALYs (Disability-Adjusted Life Years)" & metric_name=="Number") plot_risk <- ggplot(dcr[dcr$year==YEAR , ], aes(x=rei_name, weight=val/1000, fill=cause_name))+geom_bar()+coord_flip()+ scale_fill_manual(values = palet[-8])+ # Skin diseases missing, so remove that colour guides(fill = guide_legend(reverse=TRUE, title=NULL, keyheight=0.8))+ theme_gray(base_size=11)+ theme(legend.position=c(0.83,0.30)) + labs( title = paste("Tautitaakka Suomessa", YEAR, "tunnettujen riskitekijöiden mukaan"), x="Riskitekijä", y="Tautitaakka (tuhatta DALYa vuodessa)") plot_risk ggsave(paste("Tautitaakka Suomessa", YEAR, "riskitekijöittäin.svg"), width=8, height=6) # Png conversion: 300 pixels/inch, font size 4 times larger cat("Tunnettuihin riskitekijöihin kohdentuva tautitaakka Suomessa", YEAR, sum(dcr$val[dcr$year==YEAR]), "DALYa.\n") aggregate(dcr["val"], by = dcr[c("Luokka.y","year")], FUN=sum) ggplot(dcr[dcr$year==YEAR , ], aes(x=rei_name, weight=val/1000, fill=Luokka.y))+geom_bar()+coord_flip()+ scale_fill_manual(values = palet)#[-8])+ # Skin diseases missing, so remove that colour guides(fill = guide_legend(reverse=TRUE, title=NULL, keyheight=0.8))+ theme_gray(base_size=11)+ theme(legend.position=c(0.83,0.30)) + labs( title = paste("Tautitaakka Suomessa", YEAR, "tunnettujen riskitekijöiden mukaan"), x="Riskitekijä", y="Tautitaakka (tuhatta DALYa vuodessa)") ########################### Graphs with timeline dc$cause_name <- factor(dc$cause_name, levels=CAUSES_BY_SIZE) levels(dc$cause_name)[0:9-length(levels(CAUSES_BY_SIZE))] <- "Muut" dc <- dc[dc$measure_name=="DALYs (Disability-Adjusted Life Years)" & dc$metric_name=="Number",] plot_cause_time <- ggplot(dc, aes(x=year,weight=val*10E-6,fill=cause_name))+geom_bar(position="stack")+ guides(fill=guide_legend(title="Tauti tai haitta"))+ labs( title="Tautitaakka Suomessa syittäin", x="Vuosi", y="Tautitaakka (miljoonaa DALYa vuodessa)") dcrenvh <- dcr[dcr$rei_id %in% c(82,85,89,125,126,135,381), ] # Environmental health risk factors plot_envhrisk_time <- ggplot(dcrenvh, aes(x=year, weight=val, fill=rei_name))+geom_bar(position="stack")+ guides(fill=guide_legend(title="Riskitekijä"))+ labs( title="Ympäristöterveyden tautitaakka Suomessa", x="Vuosi", y="Tautitaakka (DALY/a)" ) plot_envhrisk_time ggplot( aggregate(dcrenvh['val'], by = dcrenvh[c("rei_name","year")], FUN=sum), aes(x=year, y=val, colour=rei_name, group=rei_name))+geom_line()+ labs( title="Ympäristöriskitekijöiden tautitaakka 1990-2019", subtitle="Sisältää historialliset altistukset", y = "Tautitaakka (DALY)", x="Vuosi" ) levels(dcrenvh$cause_name)[0:9 - length(levels(dcrenvh$cause_name))] <- "Muu syy" ggplot( aggregate(dcrenvh['val'], by = dcrenvh[c("cause_name","year")], FUN=sum), aes(x=year, y=val, colour=cause_name, group=cause_name))+geom_line()+ labs( title="Ympäristöperäisten riskitekijöiden tautitaakka taudeittain 1990-2019", subtitle="Sisältää historialliset altistukset", y="Tautitaakka (DALY)", x="Vuosi" ) levels(dcr$rei_name)[0:9 - length(levels(dcr$rei_name))] <- "Muu riskitekijä" plot_risk_time <- ggplot(dcr, aes(x=year,weight=val,fill=rei_name))+geom_bar(position="stack")+ labs( title="Tautitaakka Suomessa riskitekijöittäin", x="Vuosi", y="Tautitaakka (DALY/a)") plot_risk_time ###################################### # COVID-19 deaths according to IHME # https://covid19.healthdata.org/finland?view=cumulative-deaths&tab=trend # 1397 attributable cases between Feb 2020 and 27th June 2021. # Median age at the of death: 82 years (from THL) https://thl.fi/fi/web/infektiotaudit-ja-rokotukset/ajankohtaista/ajankohtaista-koronaviruksesta-covid-19/tilannekatsaus-koronaviruksesta#kuolemat # Expected lifetime if not infected: 9.7 a in group 80-84 a (both sexes) in Finland (IHME) http://ghdx.healthdata.org/gbd-results-tool # Therefore, the YLL attributable to covid-19 is 1397 * 9.7 a = 13550 DALY. # For comparison, in Sweden it is 15999 * 9.56 a = 152950 DALY in May 22, 2021, i.e. more than 11 times higher despite that the population is only twice as large in Sweden. ######################################### # AGE STRUCTURE ANALYSIS AGES <- c("<1 year", "1 to 4", "5 to 9", "10 to 14", "15 to 19", "20 to 24", "25 to 29", "30 to 34", "35 to 39", "40 to 44", "45 to 49", "50 to 54", "55 to 59", "60 to 64", "65 to 69", "70 to 74", "75 to 79", "80 to 84", "85 to 89", "90 to 94", "95 plus" ) daly_by_causes <- as_tibble(opasnet.csv("2/2d/IHME_Fin_Risks_by_Cause.zip", wiki="opasnet_en", unzip="IHME-GBD_2019_DATA-5a98d6b4-1.csv",sep=",",dec=".",header=TRUE)) # daly_by_causes_and_risks: IHME-GBD_2019_DATA-45a56f60-1.csv df <- daly_by_causes %>% left_join(transl[transl$Type=="Cause",], by=c("cause_id"="Id")) %>% mutate(cause_name = Result) # transl combines some entries from cause_name to Name (in Finnish: Result) df$age_name <- factor(df$age_name, levels = AGES) df <- df[df$measure_name=="DALYs (Disability-Adjusted Life Years)" & df$sex_name!="Both" & df$metric_name=="Number",] TOP_CAUSES <- c( "Muu tauti tai häiriö", "Äitien ja vastasyntyneiden häiriöt", "Sydän- ja verisuonitaudit", "Syöpä", "Tapaturmat", "Päihdeongelma", "Hermoston taudit", "Itsetuho ja väkivalta", "Tuki- ja liikuntaelimistön häiriöt", "Mielen häiriöt" ) df$cause_name <- factor(df$cause_name, levels=TOP_CAUSES) df$cause_name[is.na(df$cause_name)] <- "Muu tauti tai häiriö" df$sex_name <- factor(df$sex_name, levels=c("Female","Male"), labels=c("Naiset","Miehet")) levels(df$age_name) <- gsub("(to|plus)", "-", levels(df$age_name)) levels(df$age_name) <- gsub("year", "vuotta", levels(df$age_name)) ggplot(df, aes(x=age_name, weight=val, fill=cause_name))+geom_bar(position="stack")+ scale_fill_manual(values = (palet[match(TOP_CAUSES, CAUSES_BY_SIZE)]))+ guides(fill=guide_legend(title="Tauti tai häiriö"))+ theme(axis.text.x = element_text(angle = 90, hjust = 0, vjust=0.5))+ facet_grid(sex_name ~ .)+ labs( title="Tautitaakka syittäin eri ikäryhmissä 2019", y="Tautitaakka (DALY)", x="Ikäryhmä" ) ggsave("Tautitaakka syittäin eri ikäryhmissä Suomessa.svg", width=8, height=5) # Png conversion: 300 pixels/inch, font size 4 times larger df <- df[df$age_id>=7 & df$age_id<12,] ggplot(df, aes(x=age_name, weight=val, fill=cause_name))+geom_bar(position="stack")+ scale_fill_manual(values = (palet[match(TOP_CAUSES, CAUSES_BY_SIZE)]))+ guides(fill=guide_legend(title="Tauti tai häiriö"))+ theme(axis.text.x = element_text(angle = 90, hjust = 0, vjust=0.5))+ facet_grid(sex_name ~ .)+ labs( title="Tautitaakka syittäin nuorilla 2019", y="Tautitaakka (DALY)", x="Ikäryhmä" ) ggsave("Tautitaakka syittäin nuorilla Suomessa.svg", width=6, height=5) # Png conversion: 300 pixels/inch, font size 4 times larger write.table(df[c("cause_name","age_name","sex_name","val")], "output.txt", sep="\t",row.names=FALSE) ######################################## # Age distribution of cases and risks daly_by_causes_and_risks <- as_tibble(opasnet.csv("2/2d/IHME_Fin_Risks_by_Cause.zip", wiki="opasnet_en", unzip="IHME-GBD_2019_DATA-45a56f60-1.csv",sep=",",dec=".",header=TRUE)) df <- daly_by_causes_and_risks %>% left_join(transl[transl$Type=="Cause",], by=c("cause_id"="Id")) %>% mutate(cause_name = factor(Result, levels=CAUSES_BY_SIZE)) %>% # transl combines some entries from cause_name to Name (in Finnish: Result) left_join(transl[transl$Type=="Risk",], by=c("rei_id"="Id")) %>% mutate(rei_name=Result.y) df$age_name <- factor(df$age_name, levels = AGES) df <- df[df$measure_name=="DALYs (Disability-Adjusted Life Years)" & df$sex_name!="Both" & df$metric_name=="Number",] TOP_RISKS <- c( "Muu riskitekijä", "Työperäiset riskit", "Lasten kaltoinkohtelu", "Parisuhdeväkivalta", "Tupakka", "Huumeet", "Alkoholi" ) df$rei_name <- factor(df$rei_name, levels=TOP_RISKS) df$rei_name[is.na(df$rei_name)] <- "Muu riskitekijä" df$sex_name <- factor(df$sex_name, levels=c("Female","Male"), labels=c("Naiset","Miehet")) levels(df$age_name) <- gsub("(to|plus)", "-", levels(df$age_name)) levels(df$age_name) <- gsub("year", "vuotta", levels(df$age_name)) df <- df[df$age_id>=7 & df$age_id<12,] ggplot(df, aes(x=age_name, weight=val, fill=rei_name))+geom_bar(position="stack")+ scale_fill_manual(values = palet6)+#[match(TOP_CAUSES, CAUSES_BY_SIZE)]))+ guides(fill=guide_legend(title="Riskitekijä"))+ theme(axis.text.x = element_text(angle = 90, hjust = 0, vjust=0.5))+ facet_grid(sex_name ~ .)+ labs( title="Tautitaakan riskitekijät nuorilla 2019", y="Tautitaakka (DALY)", x="Ikäryhmä" ) ggsave("Tautitaakan riskitekijät nuorilla Suomessa.svg", width=6, height=5) # Png conversion: 300 pixels/inch, font size 4 times larger ########################################### if(FALSE) { # Graphs compatible with HNH2035 action plan. objects.latest("Op_en6007", code_name = "hnh2035") # [[OpasnetUtils/Drafts]] pushIndicatorGraph pushIndicatorGraph( plot_ly(dcrenvh[dcrenvh$rei_id %in% c(82,85,89,125,126,135,381), ], x=~year, y=~val, color=~as.character(rei_name), type="bar") %>% layout( barmode="stack", title="Ympäristöterveyden tautitaakka Suomessa", xaxis=list(title="Vuosi"), yaxis=list(title="Tautitaakka (DALY/a)") ) ,84 ) pushIndicatorGraph( plot_ly(dc, x=~year, y=~val, color=~cause_name, type="bar") %>% layout( barmode="stack", title="Kokonaistautitaakka Suomessa", xaxis=list(title="Vuosi"), yaxis=list(title="Tautitaakka (DALY/a)") ) ,83 ) }

Katso myös

• IHME-instituutin laskentakoodit Githubissa
• Tautitaakka auttaa hahmottamaan ja välttämään terveysriskejä (linkissä oleva teksti oli ennen tällä sivulla)
• Tautitaakka avoimissa tietojärjestelmissä
• Tautitaakka-seminaarisarja 2014
• Seturi
• op_en:Ebode
• Ympäristötiedon foorumi
• Kunta-TV 29.10.2015: Ihminen ympäristössä: Ilma (pienhiukkaset, melu, säteily)
• VTV Pienhiukkasten terveysvaikutuksia ei huomioida riittävästi [3]
• Maailman vaarallisimmat eläimet: malaria