Ero sivun ”Radonin terveysvaikutukset” versioiden välillä

Versio 17. marraskuuta 2013 kello 11.07

Tämä sivu on tietokide alatyypiltään muuttuja. Sivutunniste: Op_fi2760
Moderaattori:Jouni (katso kaikki) Sivun edistymistä ei ole arvioitu. Arvostuksen määrää ei ole arvioitu (ks. peer review).
Lisää dataa {{#opasnet_base_link:Op_fi2760}}

Kysymys

Mitkä ovat radonin terveysvaikutukset Suomessa?

Vastaus

Perustelut

Vastaus on alustava, ja malli pitäisi tarkistaa ennen kuin vankkoja päätelmiä tehdään. Kehityskohteita:

Maakuntien ja kuntien yhdistäminen pitäisi tehdä jotenkin älykkäästi skräpätystä datasta eikä tässä koodissa.
Itä-Uudenmaan kunnat voisi korjata näin: out$Kunta[out$Kunta %in% c("Mäntsälä", "Pornainen", "Porvoo", "etc", "", "", "")] <- "Itä-Uusimaa"
Radonpitoisuudet pitää sämplätä maakunnittain, ei kunnittain kuten nyt. Pienillä ännän arvoilla tulee isoja eroja kuntien välille, mutta se on pelkkää harhaa.
Epävarmuudet voiti ottaa myös annosvasteisiin.
Pitoisuusjakaumat voisi toteuttaa oikeasti jakaumina olettaen esim. lognormaalijakauman epävarmoilla parametreilla joka maakuntaan. Nyt kuvaajiin tulee harhaisia piikkejä. Jos olisi alkuperäisdata, niin voisi tehdä pikku Bayes-mallin.
Kartan piirtäminen ja muutamat muut jutut voisi tehdä funktioiksi ja pistää jollekin järkevälle sivulle, josta ne inkludeerataan tähän.
Miksi yksikköriski näyttää tosi isolta, mutta kun summataan yli koko väestön, talo*tupakointikohtaiset luvut näyttävät tosi pieniltä.
Pitäisi katsoa, onko puuttuvia arvoja, jotka mergatessa slaissaavat dataa pois.
Satunnaistaminen pitäisi tehdä sellaisissa vaiheissa, että se olisi nopeaa.
Miten pitäisi käsitellä asuntojen radonpitoisuuksien vaihtelu vs. epävarmuus syöpäriskistä? Meneekö 2DMC liian raskaaksi ja onko siitä vastaavaa hyötyä? Voiko saman toteuttaa 1DMC:na siten, että haluttu epävarmuus käsitellään vaihteluna eri tavalla kuin muut?

Kaava

+ Näytä koodi - Piilota koodi

library(OpasnetUtils)
library(ggplot2)

objects.latest('Op_en6007', code_name = 'answer') # [[OpasnetUtils/Drafts]] fetches fillna and collapsemarg function.

###### OSA 1: VÄESTÖ

### TALOT

objects.latest('Op_fi2761', code_name = 'alusta') # [[Talotyypit Suomessa]], ovariable talot.

# Yksinkertaista talotyyppiluokittelua ja summaa taloista pois perhekoko.

#talot@output <- talot@output[talot@output$Kunta == "Akaa" , ] ########### POISTA TÄMÄ

levels(talot@output$Talotyyppi) <- ifelse(
	levels(talot@output$Talotyyppi) == "Asuinkerrostalo", 
	"Kerrostalo", 
	"Pientalo"
)

talot <- collapsemarg(talot, c("Kunta", "Talotyyppi"), sum)

### KUNNAT

objects.latest('Op_fi3907', code_name = 'alusta') # [[Suomen kunnat]], ovariable kunnat.

kunnat <- EvalOutput(kunnat, N = N)

### TUPAKOINTI JA ALUEVASTAAVUUS

tupakointi <- EvalOutput(Ovariable("tupakointi",  # Tupakoivien osuus väestöstä. Result-sarake summautuu ykköseen.
	data = data.frame(
		Sukupuoli = rep(c("Miehet", "Naiset"), 2), 
		Tupakka = rep(c("Kyllä", "Ei"), each = 2), 
		Result = c(0.11, 0.08, 0.39, 0.42)
	)
), N = N)


aluevastaavuus <- EvalOutput(Ovariable("aluevastaavuus", 
	data = {
		dat <- tidy(opbase.data("Op_fi2760.maakunnat_ja_sairaanhoitopiirit"))
		colnames(dat)[colnames(dat) == "Result"] <- "Sairaanhoitopiiri"
		dat$Result <- 1
		dat
	}
))

### VÄESTÖN LASKENTA

väestö <- kunnat * talot * aluevastaavuus * tupakointi

if(verbose) {
	cat("Väestö\n")
	oprint(head(väestö@output))
	cat("Kunnat\n")
	oprint(head(kunnat@output))
	cat("Talot\n")
	oprint(head(talot@output))
	cat("Aluevastaavuus\n")
	oprint(head(aluevastaavuus@output))
	cat("Tupakointi\n")
	oprint(head(tupakointi@output))
}

###### OSA 2: RISKISUHTEET

### ALTISTUS

# RADON

objects.latest('Op_fi2759', code_name = 'alusta') # [[Radon sisäilmassa]], ovariable radonpit, data.frame radon.

radonpit <- EvalOutput(radonpit, N = N)

#radonpit@output <- radonpit@output[radonpit@output$Maakunta == "Pirkanmaa" , ] ############# POISTA TÄMÄ

# TUPAKKA. Väestö on jo jaettu tupakoiviin ja tupakoimattomiin.

tupakkaaltistus <- EvalOutput(Ovariable("tupakkaaltistus", 
	data = data.frame(Tupakka = c("Kyllä", "Ei"), Result = c(1, 0))
), N = N)

# Altistuksessa lisätään uusi sarake Altiste kuvaamaan sitä, mikä altisteen altistumisesta tai riskistä on kyse ko. rivillä.

altistus <- orbind(
	tupakkaaltistus * EvalOutput(Ovariable(data = data.frame(Altiste = "Tupakka", Result = 1)), N = N), 
	radonpit * EvalOutput(Ovariable(data = data.frame(Altiste = "Radon", Result = 1)), N = N)
) 

altistus <- EvalOutput(Ovariable("altistus", data = altistus), N = N)

altistus@output <- fillna(altistus@output, c("Tupakka", "Maakunta", "Talotyyppi"))

if(verbose) {
	cat("Altistus\n")
	oprint(head(altistus@output))
}

### SUHTEELLINEN RISKI

# Annosvasteiden perustiedot.

ERF <- EvalOutput(Ovariable("ERF", data = data.frame(Altiste = c("Radon", "Tupakka"), Result = c(1.006, 20))), N = N)

tausta.altistus <- 0 # Radonille voisi olla 5.

RR <- exp(log(ERF) * (altistus - tausta.altistus)) # Relative risk given the exposures

if(verbose) {
	cat("ERF\n")
	oprint(head(ERF@output))
	cat("RR\n")
	oprint(head(RR@output))
}

### SYÖPÄKUOLLEISUUS

objects.latest('Op_fi3912', code_name = 'alusta') # [[Syöpäkuolleisuus Suomessa]], ovariable syopakuolleisuus.

syopakuolleisuus@data <- syopakuolleisuus@data[syopakuolleisuus@data$Primaaripaikka == "Keuhkot, henkitorvi" , ] # ICD.10.koodi == "C33-34"

syopakuolleisuus <- EvalOutput(syopakuolleisuus, N = N)

if(verbose) {
	cat("Syöpäkuolleisuus\n")
	oprint(head(syopakuolleisuus@output))
}

### TAUSTARISKI

# Calculate subgroup-specific background risks by first calculating a temporary burden estimate.
# temp is a population-weighted average of relative risks. The actual disease risk is divided by this value and then multiplied
# by the subgroup-specific relative risk. In this way, the total burden of all subgroups equals to what is actually seen.

temp <- collapsemarg(RR, c("Maakunta", "Iter", "Tupakka", "Talotyyppi"), prod) 

temp1 <- temp * väestö # Population-weighted sum of the relative risk.
temp1 <- collapsemarg(temp1, c("Sairaanhoitopiiri", "Sukupuoli", "Iter"), sum) # Aggregate to the same indices as kokonaisvaikutus.

temp2 <- (temp * 0 + 1) * väestö # Population-weighted sum of ones with the same dimensions.
temp2 <- collapsemarg(temp2, c("Sairaanhoitopiiri", "Sukupuoli", "Iter"), sum)

tausta <- syopakuolleisuus / (temp1 / temp2) # syopakuolleisuus without any exposure

if(verbose) {
	cat("Taustariski\n")
	oprint(head(tausta@output))
}

###### OSA 3: TAUTIKUORMA

### ARVIO PERUSTUEN POPULATION ATTRIBUTABLE FRACTIONIIN
# Tässä oletetaan, että riskisuhteiden avulla voidaan suoraan laskea eri teijöiden osuus tautikuormasta.
# Luku on yliarvio, koska jokainen altiste lasketaan ikään kuin muita altisteita ei olisi tautia aiheuttamassa.
# Etuna on, että jokaiselle altisteelle saadaan arvio erikseen.

väestöosuus <- 1

PAF <- väestöosuus * (RR - 1) / (väestöosuus * (RR - 1) + 1)

vaikutuspaf <- väestö * syopakuolleisuus * PAF

# Onko tarpeen integroida yli muiden indeksien?
#vaikutuspaf <- collapsemarg(vaikutuspaf, c("Iter", "Kunta, ", "Tupakka", "Talotyyppi", "Altiste"), sum)

### ARVIO PERUSTUEN TAUSTARISKIIN
# Tässä oletetaan, että on olemassa populaatiokohtainen taustariski, jota ei altistumisen takia havaita. 
# Se voidaan kuitenkin laskea ottamalla havaittu tautikuorma ja poistamalla altistumisen vaikutus.
# Arvio lienee tarkempi kuin PAF-menetelmällä, mutta altistekohtainen tieto menetetään.

RRkok <- collapsemarg(RR, c("Iter", "Tupakka", "Maakunta", "Talotyyppi"), prod)

vaikutusrr <- väestö * tausta * RRkok

#vaikutusrr <- collapsemarg(vaikutusrr, c("Iter", "Kunta", "Tupakka", "Talotyyppi"), sum)

if(verbose) {
	cat("PAF\n")
	oprint(head(PAF@output))
	cat("VaikutusPAF\n")
	oprint(head(vaikutus@output))
	cat("Kokonaisvaikutus PAF-menetelmällä\n")
	oprint(head(kokonaisvaikutuspaf@output))
	cat("RRkok\n")
	oprint(head(RRkok@output))
	cat("VaikutusRR\n")
	oprint(head(vaikutusrr@output))
	cat("Kokonaisvaikutus RR-menetelmällä\n")
	oprint(head(kokonaisvaikutusrr@output))
}

geombar <- function(object, title = "", y = "", x = "") {
out <- ggplot(object@output, aes(weight = Result, x = Tupakka, fill = Talotyyppi)) + geom_bar(position = "dodge") +
	theme_grey(base_size = 24) +
	labs( # label names
		title 	= title, 
		y 	= y,
		x 	= x
	)
return(out)
}

ograph(RR, x = erottelu1, fill =  erottelu2, title = 'Suhteellinen yksilöriski altistumattomaan verrattuna')

geombar(vaikutuspaf, title = "Vaikutus PAF-menetelmällä")
geombar(vaikutusrr, title = "Vaikutus RR-menetelmällä")

ggplot(väestö@output, aes(x = Talotyyppi, weight = Result)) + geom_bar() + labs(title = "Väestö")

ggplot(altistus@output[altistus@output$Altiste == "Radon" , ], aes(x = altistusResult, fill = Talotyyppi)) + geom_density(alpha = 0.2)

## POISTETTIIN KOKO KUNTAKARTTATOIMINNALLISUUS, KOSKA JOTKIN OSAT OVAT VANHENTUNEET. ON HELPOMPI RAKENTAA ALUSTA UUDESTAAN.

Päivittäin tupakoivien osuus Suomessa: Tupakoivat [1]
Tupakan annosvaste: UK: päivittäin tupakoivia 22 % Miehet, 20 % Naiset. Tämä aiheuttaa 88 % ja 84 % keuhkosyövistä vastaavasti. [2] Tämän perusteella voidaan laskea riskisuhde RR = AF / (EF(RR-1)+1), missä AF on attributable fraction eli altisteen aiheuttama osuus koko tautikuormasta ja EF on altistuneiden osuus koko väestöstä. Tämän perusteella päivittäisen tupakoinnin riskisuhteeksi keuhkosyövälle saadaan 20 - 30. (Laskennassa käytetään 20:tä.)

Maakunnat ja sairaanhoitopiirit(-)
Obs	Maakunta	Sairaanhoitopiiri
1	Ahvenanmaa	Åland
2	Etelä-Karjala	Etelä-Karjala
3	Etelä-Pohjanmaa	Etelä-Pohjanmaa
4	Etelä-Savo	Etelä-Savo
5	Uusimaa	Helsinki ja Uusimaa
6	Itä-Uusimaa
7		Itä-Savo
8	Kainuu	Kainuu
9	Kanta-Häme	Kanta-Häme
10	Keski-Pohjanmaa	Keski-Pohjanmaa
11	Keski-Suomi	Keski-Suomi
12		Koko maa
13	Kymenlaakso	Kymenlaakso
14		Länsi-Pohja
15	Lappi	Lappi
16	Päijät-Häme	Päijät-Häme
17	Pirkanmaa	Pirkanmaa
18	Pohjanmaa
19	Pohjois-Karjala	Pohjois-Karjala
20	Pohjois-Pohjanmaa	Pohjois-Pohjanmaa
21	Pohjois-Savo	Pohjois-Savo
22	Satakunta	Satakunta
23		Vaasa
24	Varsinais-Suomi	Varsinais-Suomi
25	Yhteensä

Katso myös

Viitteet

Aiheeseen liittyviä tiedostoja

Ero sivun ”Radonin terveysvaikutukset” versioiden välillä

Versio 17. marraskuuta 2013 kello 11.07

Sisällys

Kysymys

Vastaus

Perustelut

Kaava

Katso myös

Viitteet

Aiheeseen liittyviä tiedostoja

Navigointivalikko

@@ Rivi 28: / Rivi 28: @@
 <rcode graphics=1 embed=1 variables="
 	name:N|default:100|
-	name:talo|type:selection|options:'Kerrostalo';Kerrostalo;'Pientalo';Pientalo|default:'Pientalo'|
+	name:erottelu1|description:Minkä tekijän mukaan haluat erotella terveysvasteen?|type:selection|
-	name:tupakka|type:selection|options:'Kyllä';Kyllä;'Ei';Ei|
+	options:
-	name:vaste|type:selection|options:
+		'Tupakka';Tupakka;
-;Radon;
+		'Talotyyppi';Talotyyppi;
-;Asukkaita;
+		'Sukupuoli';Sukupuoli;
-;Sairastuvuus;
+		'Maakunta';Maakunta|
-;Tupakoivien osuus;
+		default:'Maakunta'|
-;Kokonaisvaikutus;
+	name:erottelu2|description:Minkä tekijän mukaan haluat erotella terveysvasteen?|type:selection|
-;Radonvaikutus|
+	options:
-		default:12
+		'Tupakka';Tupakka;
+		'Talotyyppi';Talotyyppi;
+		'Sukupuoli';Sukupuoli;
+		'Maakunta';Maakunta|
+		default:'Tupakka'|
+	name:verbose|description:Haluatko nähdä välivaiheet?|type:selection|options:FALSE;En;TRUE;Kyllä|default:FALSE
 ">
-library(sorvi)
 library(OpasnetUtils)
 library(ggplot2)
-collapsemarg <- function(object, marginals, fun = sum) {
+objects.latest('Op_en6007', code_name = 'answer') # [[OpasnetUtils/Drafts]] fetches fillna and collapsemarg function.
-	object@output <- dropall(object@output)
+###### OSA 1: VÄESTÖ
-	temp <- as.data.frame(as.table(tapply(result(object), object@output[marginals], fun)))
+### TALOT
-	colnames(temp)[colnames(temp) == "Freq"] <- "Result"
-	out <- EvalOutput(Ovariable(object@name, data = temp))
-	return(out)
-}
-objects.latest('Op_en6007', code_name = 'answer') # [[OpasnetUtils/Drafts]] fetches fillna function.
-###### VÄESTÖ
-objects.latest('Op_fi3907', code_name = 'alusta') # [[Suomen kunnat]], ovariable kunnat.
 objects.latest('Op_fi2761', code_name = 'alusta') # [[Talotyypit Suomessa]], ovariable talot.
-# Summaa taloista pois perhekoko ja muodosta uusi ovariable asukkaat.
+# Yksinkertaista talotyyppiluokittelua ja summaa taloista pois perhekoko.
 #talot@output <- talot@output[talot@output$Kunta == "Akaa" , ] ########### POISTA TÄMÄ
@@ Rivi 73: / Rivi 64: @@
 	"Pientalo"
 )
-talot@output <- dropall(talot@output)
 talot <- collapsemarg(talot, c("Kunta", "Talotyyppi"), sum)
+### KUNNAT
+objects.latest('Op_fi3907', code_name = 'alusta') # [[Suomen kunnat]], ovariable kunnat.
 kunnat <- EvalOutput(kunnat, N = N)
+### TUPAKOINTI JA ALUEVASTAAVUUS
 tupakointi <- EvalOutput(Ovariable("tupakointi",  # Tupakoivien osuus väestöstä. Result-sarake summautuu ykköseen.
@@ Rivi 96: / Rivi 92: @@
 	}
 ))
+### VÄESTÖN LASKENTA
 väestö <- kunnat * talot * aluevastaavuus * tupakointi
-cat("Väestö\n")
+if(verbose) {
-oprint(head(väestö@output))
+	cat("Väestö\n")
-cat("Kunnat\n")
+	oprint(head(väestö@output))
-oprint(head(kunnat@output))
+	cat("Kunnat\n")
-cat("Talot\n")
+	oprint(head(kunnat@output))
-oprint(head(talot@output))
+	cat("Talot\n")
-cat("Aluevastaavuus\n")
+	oprint(head(talot@output))
-oprint(head(aluevastaavuus@output))
+	cat("Aluevastaavuus\n")
-cat("Tupakointi\n")
+	oprint(head(aluevastaavuus@output))
-oprint(head(tupakointi@output))
+	cat("Tupakointi\n")
+	oprint(head(tupakointi@output))
+}
+###### OSA 2: RISKISUHTEET
-###### altistus
+### ALTISTUS
+# RADON
 objects.latest('Op_fi2759', code_name = 'alusta') # [[Radon sisäilmassa]], ovariable radonpit, data.frame radon.
@@ Rivi 117: / Rivi 120: @@
 radonpit <- EvalOutput(radonpit, N = N)
-radonpit@output <- radonpit@output[radonpit@output$Maakunta == "Pirkanmaa" , ] ############# POISTA TÄMÄ
+#radonpit@output <- radonpit@output[radonpit@output$Maakunta == "Pirkanmaa" , ] ############# POISTA TÄMÄ
+# TUPAKKA. Väestö on jo jaettu tupakoiviin ja tupakoimattomiin.
 tupakkaaltistus <- EvalOutput(Ovariable("tupakkaaltistus",
@@ Rivi 123: / Rivi 128: @@
 ), N = N)
+# Altistuksessa lisätään uusi sarake Altiste kuvaamaan sitä, mikä altisteen altistumisesta tai riskistä on kyse ko. rivillä.
 altistus <- orbind(
@@ Rivi 132: / Rivi 138: @@
 altistus@output <- fillna(altistus@output, c("Tupakka", "Maakunta", "Talotyyppi"))
-#colnames(temp)[colnames(temp) == "altistusResult"] <- "Result"
-#temp <- EvalOutput(Ovariable("temp", data = temp))
-cat("Altistus\n")
+if(verbose) {
-oprint(head(altistus@output))
+	cat("Altistus\n")
+	oprint(head(altistus@output))
+}
+### SUHTEELLINEN RISKI
-######## Syöpäkuolleisuus
+# Annosvasteiden perustiedot.
-objects.latest('Op_fi3912', code_name = 'alusta') # [[Syöpäkuolleisuus Suomessa]], ovariable syopakuolleisuus.
+ERF <- EvalOutput(Ovariable("ERF", data = data.frame(Altiste = c("Radon", "Tupakka"), Result = c(1.006, 20))), N = N)
-syopakuolleisuus@data <- syopakuolleisuus@data[syopakuolleisuus@data$Primaaripaikka == "Keuhkot, henkitorvi" , ] # ICD.10.koodi == "C33-34"
+tausta.altistus <- 0 # Radonille voisi olla 5.
-syopakuolleisuus <- EvalOutput(syopakuolleisuus, N = N)
+RR <- exp(log(ERF) * (altistus - tausta.altistus)) # Relative risk given the exposures
-cat("Syöpäkuolleisuus\n")
+if(verbose) {
-oprint(head(syopakuolleisuus@output))
+	cat("ERF\n")
+	oprint(head(ERF@output))
+	cat("RR\n")
+	oprint(head(RR@output))
+}
-####### Relative risk
+### SYÖPÄKUOLLEISUUS
-ERF <- EvalOutput(Ovariable("ERF", data = data.frame(Altiste = c("Radon", "Tupakka"), Result = c(1.006, 20))), N = N)
+objects.latest('Op_fi3912', code_name = 'alusta') # [[Syöpäkuolleisuus Suomessa]], ovariable syopakuolleisuus.
-tausta.altistus <- 0 # Radonille voisi olla 5.
+syopakuolleisuus@data <- syopakuolleisuus@data[syopakuolleisuus@data$Primaaripaikka == "Keuhkot, henkitorvi" , ] # ICD.10.koodi == "C33-34"
-RR <- exp(log(ERF) * (altistus - tausta.altistus)) # Relative risk given the exposures
+syopakuolleisuus <- EvalOutput(syopakuolleisuus, N = N)
-cat("ERF\n")
+if(verbose) {
-oprint(head(ERF@output))
+	cat("Syöpäkuolleisuus\n")
-cat("RR\n")
+	oprint(head(syopakuolleisuus@output))
-oprint(head(RR@output))
+}
-####### taustariski
+### TAUSTARISKI
 # Calculate subgroup-specific background risks by first calculating a temporary burden estimate.
@@ Rivi 178: / Rivi 190: @@
 tausta <- syopakuolleisuus / (temp1 / temp2) # syopakuolleisuus without any exposure
-cat("Taustariski\n")
+if(verbose) {
-oprint(head(tausta@output))
+	cat("Taustariski\n")
+	oprint(head(tausta@output))
+}
-########### PAF
+###### OSA 3: TAUTIKUORMA
+### ARVIO PERUSTUEN POPULATION ATTRIBUTABLE FRACTIONIIN
+# Tässä oletetaan, että riskisuhteiden avulla voidaan suoraan laskea eri teijöiden osuus tautikuormasta.
+# Luku on yliarvio, koska jokainen altiste lasketaan ikään kuin muita altisteita ei olisi tautia aiheuttamassa.
+# Etuna on, että jokaiselle altisteelle saadaan arvio erikseen.
 väestöosuus <- 1
@@ Rivi 187: / Rivi 206: @@
 PAF <- väestöosuus * (RR - 1) / (väestöosuus * (RR - 1) + 1)
-######### vaikutus
+vaikutuspaf <- väestö * syopakuolleisuus * PAF
-vaikutus <- väestö * syopakuolleisuus * PAF
+# Onko tarpeen integroida yli muiden indeksien?
+#vaikutuspaf <- collapsemarg(vaikutuspaf, c("Iter", "Kunta, ", "Tupakka", "Talotyyppi", "Altiste"), sum)
-vaikutus@output <- vaikutus@output[!is.na(vaikutus@output$Result) , ]
+### ARVIO PERUSTUEN TAUSTARISKIIN
+# Tässä oletetaan, että on olemassa populaatiokohtainen taustariski, jota ei altistumisen takia havaita.
-kokonaisvaikutuspaf <- collapsemarg(vaikutus, c("Iter", "Tupakka", "Talotyyppi", "Altiste"), sum)
+# Se voidaan kuitenkin laskea ottamalla havaittu tautikuorma ja poistamalla altistumisen vaikutus.
+# Arvio lienee tarkempi kuin PAF-menetelmällä, mutta altistekohtainen tieto menetetään.
 RRkok <- collapsemarg(RR, c("Iter", "Tupakka", "Maakunta", "Talotyyppi"), prod)
@@ Rivi 199: / Rivi 220: @@
 vaikutusrr <- väestö * tausta * RRkok
-kokonaisvaikutusrr <- collapsemarg(vaikutusrr, c("Iter", "Tupakka", "Talotyyppi"), sum)
+#vaikutusrr <- collapsemarg(vaikutusrr, c("Iter", "Kunta", "Tupakka", "Talotyyppi"), sum)
-cat("PAF\n")
+if(verbose) {
-oprint(head(PAF@output))
+	cat("PAF\n")
-cat("VaikutusPAF\n")
+	oprint(head(PAF@output))
-oprint(head(vaikutus@output))
+	cat("VaikutusPAF\n")
-cat("Kokonaisvaikutus PAF-menetelmällä\n")
+	oprint(head(vaikutus@output))
-oprint(head(kokonaisvaikutuspaf@output))
+	cat("Kokonaisvaikutus PAF-menetelmällä\n")
-cat("RRkok\n")
+	oprint(head(kokonaisvaikutuspaf@output))
-oprint(head(RRkok@output))
+	cat("RRkok\n")
-cat("VaikutusRR\n")
+	oprint(head(RRkok@output))
-oprint(head(vaikutusrr@output))
+	cat("VaikutusRR\n")
-cat("Kokonaisvaikutus RR-menetelmällä\n")
+	oprint(head(vaikutusrr@output))
-oprint(head(kokonaisvaikutusrr@output))
+	cat("Kokonaisvaikutus RR-menetelmällä\n")
+	oprint(head(kokonaisvaikutusrr@output))
+}
 geombar <- function(object, title = "", y = "", x = "") {
@@ Rivi 225: / Rivi 248: @@
 }
-geombar(vaikutus, title = "Vaikutus PAF-menetelmällä")
+ograph(RR, x = erottelu1, fill =  erottelu2, title = 'Suhteellinen yksilöriski altistumattomaan verrattuna')
+geombar(vaikutuspaf, title = "Vaikutus PAF-menetelmällä")
 geombar(vaikutusrr, title = "Vaikutus RR-menetelmällä")
@@ Rivi 232: / Rivi 257: @@
 ggplot(altistus@output[altistus@output$Altiste == "Radon" , ], aes(x = altistusResult, fill = Talotyyppi)) + geom_density(alpha = 0.2)
+## POISTETTIIN KOKO KUNTAKARTTATOIMINNALLISUUS, KOSKA JOTKIN OSAT OVAT VANHENTUNEET. ON HELPOMPI RAKENTAA ALUSTA UUDESTAAN.
-print("Yksikköriski: tapauksia tuhatta asukasta kohti vuodessa")
-temp <- as.data.frame(as.table(tapply(out$Radonvaikutus/out$Asukkaita, list(out$Maakunta, out$Tupakka, out$Talo), sum)/n))
-temp <- temp[!is.na(temp$Freq), ]
-#head(temp)
-temp$Freq <- temp$Freq*1000
-colnames(temp) <- c("Maakunta", "Tupakka", "Talotyyppi", "Riski")
-oprint(temp)
-print("Radonin aiheuttama lisäriski, tapausta vuodessa")
-oprint(as.data.frame(as.table(((tapply(out$Radonvaikutus, list(out$Talo, out$Tupakka), sum)/n)))))
-ggplot(out, aes(x = Maakunta, weight = Kokonaisvaikutus, fill = Tupakka)) + geom_bar(position = "stack") # position = "dodge"
-out$Radonvaikutus <- ifelse(out$Radonvaikutus < 0, 0, out$Radonvaikutus)
-out$Radonsata <- round(as.numeric(as.character(out$Radon)), -2)
-ggplot(out, aes(x = Radon, weight = Radonvaikutus)) + geom_density(alpha = 1)
-ggplot(out, aes(x = Radonsata, weight = Radonvaikutus, fill = Talo)) + geom_bar(position = "stack")
-###########################################################
-# (C) 2011 Leo Lahti <leo.lahti[at]iki.fi> All rights reserved.
-# License: FreeBSD, http://en.wikipedia.org/wiki/BSD_licenses
-# Tama esimerkki on testattu sorvi-paketin versiolla 0.1.23
-# Esimerkki Suomen kuntatason vaestonkasvutilastojen (Tilastokeskus)
-# visualisoinnista Maanmittauslaitoksen karttadatalla (vuonna 2010)
-###############################################
-# Lue Suomen kuntarajat SpatialPolygon-muodossa
-# (C) Maanmittauslaitos 2011
-# http://www.maanmittauslaitos.fi/aineistot-palvelut/digitaaliset-tuotteet/ilmaiset-aineistot/hankinta
-#LoadData(MML)
-#sp <- MML[["1_milj_Shape_etrs_shape"]][["kunta1_p"]]
-sp <- LoadMML(data.id = "kunta1_p", resolution = "1_milj_Shape_etrs_shape")
-#################################################
-# Lue kuntatason vaestonkasvutiedot tilastokeskuksen StatFin-tietokannasta
-# http://www.stat.fi/tup/statfin/index.html
-# PC Axis-muodossa
-px <- statfin.px("vrm/synt/080_synt_tau_203.px")
-# statfin.px-funktio käyttää soRvin read.px-funktiota hakemaan dataa URLista, joka alkaa "http://pxweb2.stat.fi/database/StatFin/"
-# URLin loppuosa pitää antaa statfin.px:lle parametrina.
-# Poimi taulukosta halutut tiedot
-# pxs <- subset(as.data.frame(px), Väestönmuutos.ja.väkiluku == "Luonnollinen väestönlisäys" & Vuosi == year)
-# pxs <- subset(as.data.frame(px), Väestönmuutos.ja.väkiluku == parameter & Vuosi == year)
-# Putsaa data
-# vaestonkasvu <- preprocess.px(pxs)
-# head(vaestonkasvu)
-################################################
-vaestonkasvu <- out[out$Talo == talo & out$Tupakka == tupakka, ]
-vaestonkasvu <- as.data.frame(as.table(tapply(vaestonkasvu[, vaste], list(vaestonkasvu$Kunta), sum)/n))
-colnames(vaestonkasvu) <- c("Kunta", "Vaste")
-head(vaestonkasvu)
-vaestonkasvu[is.na(vaestonkasvu)] <- 0
-##############################################
-# Lisaa tiedot karttaobjektiin
-sp@data$vaestonkasvu <- vaestonkasvu$Vaste[match(sp$Kunta.FI, vaestonkasvu$Kunta)]
-# Korvaa puuttuvat arvot nollalla
-sp[["vaestonkasvu"]][is.na(sp[["vaestonkasvu"]])] <- 0
-#colnames(out)[vaste]
-#vaestonkasvu$Vaste
-################################################
-# Maarittele varipaletti
-my.palette <- colorRampPalette(c("white", "red"), space = "rgb") # , "blue"
-ncol <- 40 # Number of colors
-#################################################
-# Piirra kuva
-varname <- "vaestonkasvu"
-int <- max(abs(vaestonkasvu$Vaste))
-int
-q <- spplot(sp, varname,
-       col.regions = my.palette(ncol),
-       main = paste(colnames(out)[vaste], talo, "Tupakointi: ", tupakka, sep = ", "),
-       colorkey = TRUE,
-       lwd = .4,
-       col = "black",
-       at = seq(0, 0 + int, length = ncol)
-)
-print(q)
 </rcode>
@@ Rivi 330: / Rivi 266: @@
 * [[Syöpäkuolleisuus Suomessa]]
 * [[:en:Attributable risk#Combined_PAR]]
+* [[:en:OpasnetUtils/Drafts]]
 <t2b name="Maakunnat ja sairaanhoitopiirit" index="Maakunta" obs="Sairaanhoitopiiri" unit="-">