Ero sivun ”Radonin terveysvaikutukset” versioiden välillä

Opasnet Suomista
Siirry navigaatioon Siirry hakuun
(→‎Kaava: malli alkaa olla harjakorkeudessa mutta bugeja on)
Rivi 42: Rivi 42:
library(OpasnetUtils)
library(OpasnetUtils)
library(ggplot2)
library(ggplot2)
collapsemarg <- function(object, marginals, fun = sum) {
object@output <- dropall(object@output)
temp <- as.data.frame(as.table(tapply(result(object), object@output[marginals], fun)))
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.
objects.latest('Op_en6007', code_name = 'answer') # [[OpasnetUtils/Drafts]] fetches fillna function.


N <- 2
N <- 2
###### VÄESTÖ


objects.latest('Op_fi3907', code_name = 'alusta') # [[Suomen kunnat]], ovariable kunnat.
objects.latest('Op_fi3907', code_name = 'alusta') # [[Suomen kunnat]], ovariable kunnat.
objects.latest('Op_fi2759', code_name = 'alusta') # [[Radon sisäilmassa]], ovariable radonpit, data.frame radon.
objects.latest('Op_fi3912', code_name = 'alusta') # [[Syöpäkuolleisuus Suomessa]], ovariable syopakuolleisuus.


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


# Summaa taloista pois perhekoko ja muodosta uusi ovariable asukkaat.
# Summaa taloista pois perhekoko ja muodosta uusi ovariable asukkaat.
talot@output <- talot@output[talot@output$Kunta == "Akaa" , ] ########### POISTA TÄMÄ


levels(talot@output$Talotyyppi) <- ifelse(
levels(talot@output$Talotyyppi) <- ifelse(
Rivi 63: Rivi 71:
)
)
talot@output <- dropall(talot@output)
talot@output <- dropall(talot@output)
dat <- as.data.frame(as.table(tapply(talot@output$Result, talot@output[c("Kunta", "Talotyyppi")], sum)))
colnames(dat)[colnames(dat) == "Freq"] <- "Result"
asukkaat <- EvalOutput(Ovariable("asukkaat", data = dat), N = N)


syopakuolleisuus@data <- syopakuolleisuus@data[syopakuolleisuus@data$Primaaripaikka == "Keuhkot, henkitorvi" , ] # ICD.10.koodi == "C33-34"
talot <- collapsemarg(talot, c("Kunta", "Talotyyppi"), sum)
#colnames(dat)[colnames(dat) == "Freq"] <- "Result"
#asukkaat <- EvalOutput(Ovariable("asukkaat", data = dat), N = N)


radonpit <- EvalOutput(radonpit, N = N)
kunnat <- EvalOutput(kunnat, N = N)
kunnat <- EvalOutput(kunnat, N = N)
syopakuolleisuus <- EvalOutput(syopakuolleisuus, N = N)


tupakointi <- EvalOutput(Ovariable("tupakointi",  # Tupakoivien osuus väestöstä. Result-sarake summautuu ykköseen.
tupakointi <- EvalOutput(Ovariable("tupakointi",  # Tupakoivien osuus väestöstä. Result-sarake summautuu ykköseen.
Rivi 81: Rivi 86:
), N = N)
), N = N)


tupakkaaltistus <- EvalOutput(Ovariable("tupakkaaltistus",
data = data.frame(Tupakka = c("Kyllä", "Ei"), Result = c(1, 0))
), 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
}
))
väestö <- kunnat * talot * aluevastaavuus * tupakointi
###### altistus
objects.latest('Op_fi2759', code_name = 'alusta') # [[Radon sisäilmassa]], ovariable radonpit, data.frame radon.


dat <- tidy(opbase.data("Op_fi2760.maakunnat_ja_sairaanhoitopiirit"))
radonpit <- EvalOutput(radonpit, N = N)
colnames(dat)[colnames(dat) == "Result"] <- "Sairaanhoitopiiri"
dat$Result <- 1


aluevastaavuus <- EvalOutput(Ovariable("aluevastaavuus", data = dat))
radonpit@output <- radonpit@output[radonpit@output$Maakunta == "Pirkanmaa" , ] ############# POISTA TÄMÄ


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




Rivi 99: Rivi 115:
radonpit * EvalOutput(Ovariable(data = data.frame(Altiste = "Radon", 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 <- EvalOutput(Ovariable("altistus", data = altistus), N = N)


oprint(summary(radonalt, marginals = c("Maakunta", "Talotyyppi")))
temp <- fillna(altistus@output, c("Tupakka", "Maakunta", "Talotyyppi"))
colnames(temp)[colnames(temp) == "altistusResult"] <- "Result"
temp <- EvalOutput(Ovariable("temp", data = temp))


ERF <- EvalOutput(Ovariable("ERF", data = data.frame(Altiste = c("Radon", "Tupakka"), Result = c(1.006, 20))), N = N)
ERF <- EvalOutput(Ovariable("ERF", data = data.frame(Altiste = c("Radon", "Tupakka"), Result = c(1.006, 20))), N = N)
Rivi 108: Rivi 127:


RR <- exp(log(ERF) * (altistus - tausta.altistus))
RR <- exp(log(ERF) * (altistus - tausta.altistus))
kokRR <- exp(log(ERF) * (temp - tausta.altistus))
kokRR <- collapsemarg(kokRR, c("Maakunta", "Iter", "Tupakka", "Talotyyppi"), prod)
riski <- kokRR * väestö
riski <- collapsemarg(riski, c("Sairaanhoitopiiri", "Sukupuoli"), sum)
tausta <- syopakuolleisuus / riski
########### PAF


väestöosuus <- 1
väestöosuus <- 1


PAF <- väestöosuus * (RR - 1) / (väestöosuus * (RR - 1) + 1)
PAF <- väestöosuus * (RR - 1) / (väestöosuus * (RR - 1) + 1)
PAF@output <- fillna(PAF@output, c("Tupakka", "Talotyyppi"))
PAF@output <- fillna(PAF@output, c("Tupakka", "Talotyyppi", "Maakunta"))
 
######### vaikutus
 
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)
 
vaikutus <- väestö * syopakuolleisuus / 100000 * PAF
 
vaikutus@output <- vaikutus@output[!is.na(vaikutus@output$Result) , ]
 
####### BOD


#taustariski@output <- taustariski@output[taustariski@output$Tupakka == "Kyllä" , colnames(taustariski@output) != "Tupakka"]
bod <- 1 - PAF
bod@output <- dropall(bod@output)
temp <- as.data.frame(as.table(tapply(result(bod), bod@output[c("Maakunta", "Iter", "Tupakka", "Talotyyppi")], prod)))
colnames(temp)[colnames(temp) == "Freq"] <- "Result"


vaikutus <- väestö * syopakuolleisuus * tupakointi * PAF /100000
bod <- EvalOutput(Ovariable("bod", data = temp))


ggplot(asukkaat@output, aes(x = asukkaatResult)) + geom_density()
ggplot(asukkaat@output, aes(x = asukkaatResult)) + geom_density()
Rivi 124: Rivi 171:
ggplot(vaikutus@output, aes(weight = Result, x = Altiste)) + geom_bar()
ggplot(vaikutus@output, aes(weight = Result, x = Altiste)) + geom_bar()


kokonaisvaikutus <- exp(log(rr.tupakka) * tupakkaaltistus + log(rr.radon) * radonpit)
radonvaikutus  <- kokonaisvaikutus - exp(log(rr.tupakka) * tupakkaaltistus)
radonvaikutus <- radonvaikutus * syopakuolleisuus /100000 * väestö
kokonaisvaikutus <- kokonaisvaikutus * syopakuolleisuus /100000 * väestö
oprint(out[1:20, ])


print("Yksikköriski: tapauksia tuhatta asukasta kohti vuodessa")
print("Yksikköriski: tapauksia tuhatta asukasta kohti vuodessa")
Rivi 229: Rivi 267:
* Tupakan annosvaste: UK: päivittäin tupakoivia 22 % Miehet, 20 % Naiset. Tämä aiheuttaa 88 % ja 84 % keuhkosyövistä vastaavasti. [http://info.cancerresearchuk.org/cancerstats/causes/lifestyle/tobacco/] 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.)
* Tupakan annosvaste: UK: päivittäin tupakoivia 22 % Miehet, 20 % Naiset. Tämä aiheuttaa 88 % ja 84 % keuhkosyövistä vastaavasti. [http://info.cancerresearchuk.org/cancerstats/causes/lifestyle/tobacco/] 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.)


*[[Syöpäkuolleisuus Suomessa]]
* [[Syöpäkuolleisuus Suomessa]]
* [[:en:Attributable risk#Combined_PAR]]


<t2b name="Maakunnat ja sairaanhoitopiirit" index="Maakunta" obs="Sairaanhoitopiiri" unit="-">
<t2b name="Maakunnat ja sairaanhoitopiirit" index="Maakunta" obs="Sairaanhoitopiiri" unit="-">

Versio 16. marraskuuta 2013 kello 17.03





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

n:

talo:

tupakka:

vaste:

+ Näytä koodi

  • 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(-)
ObsMaakuntaSairaanhoitopiiri
1AhvenanmaaÅland
2Etelä-KarjalaEtelä-Karjala
3Etelä-PohjanmaaEtelä-Pohjanmaa
4Etelä-SavoEtelä-Savo
5UusimaaHelsinki ja Uusimaa
6Itä-Uusimaa
7Itä-Savo
8KainuuKainuu
9Kanta-HämeKanta-Häme
10Keski-PohjanmaaKeski-Pohjanmaa
11Keski-SuomiKeski-Suomi
12Koko maa
13KymenlaaksoKymenlaakso
14Länsi-Pohja
15LappiLappi
16Päijät-HämePäijät-Häme
17PirkanmaaPirkanmaa
18Pohjanmaa
19Pohjois-KarjalaPohjois-Karjala
20Pohjois-PohjanmaaPohjois-Pohjanmaa
21Pohjois-SavoPohjois-Savo
22SatakuntaSatakunta
23Vaasa
24Varsinais-SuomiVarsinais-Suomi
25Yhteensä

Katso myös

Viitteet


Aiheeseen liittyviä tiedostoja

<mfanonymousfilelist></mfanonymousfilelist>

Noudettu kohteesta ”https://fi.opasnet.org/index.php?title=Radonin_terveysvaikutukset&oldid=20156”