Ympäristöterveysindikaattori

Tämä sivu on tietokide alatyypiltään metodi. Sivutunniste: Op_fi5810
Moderaattori:Jouni (katso kaikki) Sivun edistymistä ei ole arvioitu. Arvostuksen määrää ei ole arvioitu (ks. peer review).
Lisää dataa {{#opasnet_base_link:Op_fi5810}}

Ympäristöterveysindikaattori on elinympäristön tiettyä ominaisuutta mittaava asia, joka kertoo ympäristön terveellisyydestä ihmiselle.

Kysymys

Mitkä ovat hyödyllisiä indikaattoreita Suomen ympäristöterveystilanteen seuraamiseksi ja parantamiseksi?

Vastaus

Ympäristötervyden keskeiset tekijät, toimenpiteet ja mittarit.

Nämä indikaattorit ovat olemassa tai suunnitteilla:

• Pienhiukkaspitoisuuden väestöpainotettu vuosikeskiarvo (Yhteistyötilat)
• Sisätilaongelmista koulussa raportoivat koululaiset
• Vesivälitteisten epidemioiden lukumäärät ja sairastuneiden lukumäärät
• Elintarvikevälitteisten epidemioiden lukumäärät ja sairastuneiden lukumäärät

Perustelut

• Ohje indikaattorin julkaisemiseksi Sotkanetissä
• Ohje datan viemisestä Sotkanettiin
• THL:n tietotuotannon käsikirja
• Ympäristöterveyden indikaattorihanke (STM:n maksama hanke toukokuu-lokakuu 2018)

Data

Näkemysverkkojen tietotauluja

Data on muodostettu koodilla:

+ Näytä koodi- Piilota koodi # Tämä on koodi Op_fi5810/ sivulla [[Ympäristöterveysindikaattori]] library(OpasnetUtils) library(rvest) library(gsheet) objects.latest("Op_en3861",code_name="discograph") # [[Extended causal diagram]] discograph types <- opbase.data("Op_en3861", subset="Table types") meta <- html_table(read_html("https://yhteistyotilat.fi/wiki08/x/1oGxAg"))[[3]] for(i in 1:nrow(meta)) { print(i) if(grepl("google.com", meta$URL[i])) { out <- gsheet2tbl(meta$URL[i]) if(meta$Alkurivi[i]>2) out <- out[-(1:(meta$Alkurivi[i]-2)) , ] } else { if(meta$Tyyppi[i]=="keskustelu") { if(is.na(meta$Taulu[i])) j <- NULL else j <- as.numeric(meta$Taulu[i]) out <- discograph(meta$URL[i], j)[[1]] } else { out <- html_table(read_html(meta$URL[i]),fill=TRUE)[[meta$Taulu[i]]] } } coln <- trimws(strsplit(as.character(types$`Column names`[types$Type==meta$Tyyppi[i]]),split=",")[[1]]) if(colnames(out)[1]=="Obs") coln <- c("Obs",coln) colnames(out) <- coln write.csv( out, gsub("[Öö]","o",gsub("[ÄÅäå]","a",paste0(meta$Ilmio[i],".csv"))), quote=TRUE, row.names=FALSE, fileEncoding="UTF-8" ) } write.csv(meta, "meta.csv",fileEncoding = "UTF-8") # Zippaus ei jostain syystä toimi minun koneella # zip("Näkemysverkkojen tietotaulut.zip", paste0(c("meta",meta$Ilmio),".zip"))

Työlista

• Täydennä Goherr-projektin käsin piirrettyjen kaavioiden tiedot Google-taulukkoon Goherr-kaaviot tässä hakemistossa. ←--#: . Tehty. --Jouni Tuomisto (keskustelu) 24. heinäkuuta 2018 kello 04.47 (UTC) (type: truth; paradigms: science: defence)
  • Ohjelma täyttää tyhjiä rivejä edellisillä samasta sarakkeesta, sillä Helsingin taulukossa teemarivi. Muodostuu ongelmaksi Goherreissa kun käsitellään oliota joka ei tee itse yhtään nuolta. ←--#: . Korjattu. --Jouni Tuomisto (keskustelu) 24. heinäkuuta 2018 kello 04.47 (UTC) (type: truth; paradigms: science: defence)
  • Ääkköset eivät toimi
  • Name ei näy hoveratessa hiirellä, nimenomaan Goherr-taulukoissa.
• Katso sivun op_en:Congestion charge keskusteluja ja täydennä niihin eri paradigman mukaisia relaatioita. Käytettävät paradigmat:
  • science: templaatissa mainittu relaatio on science-paradigman mukainen. Perussääntö: argumentti on epäpätevä, jos siinä ei ole viittausta taustatietoon (havaintoihin) tai jos sitä vastaan hyökätään pätevällä argumentilla.
  • unattackedstand: Perussääntö: argumentti on epäpätevä, jos sitä vastaan hyökätään pätevällä argumentilla.
  • personaltine: Perussääntö: argumentti on epäpätevä, jos sen on esittänyt Tine Bizjak tai Tamara Gajst tai jos sitä vastaan hyökätään pätevällä argumentilla.
• Lisää kaikkiin sivun op_en:Talk:Congestion charge keskusteluihin argumenttien tunnisteet, jotka ovat muotoa keskustelunnimi.juoksevanumero eli esim. health.4. Keskustelut nimetään ylhäältä alas seuraavasti: airquality, health, choice, economy, mobility, unfair, tragedy, dynamic, inefficient, distribution. ←--#: . Tehty. --Jouni Tuomisto (keskustelu) 24. heinäkuuta 2018 kello 04.47 (UTC) (type: truth; paradigms: science: defence)
• Tutustu kaavioiden muotoiluihin sivulla op_en:Extended causal diagram ja kommentoi kummallisuuksia ja epäselvyyksiä. Kaavioiden toteutus R-paketilla DiagrammeR nettisivu, dokumentaatio.
• Kommentoi ideaa sivulla op_en:Template:Argument ja
  tägien käytöstä parametrien löytymiseksi sivulta. (Koskee Pietaa tai muitakin jos osaatte html:ää). ←--#: . Valmis. --Jouni Tuomisto (keskustelu) 24. heinäkuuta 2018 kello 04.47 (UTC) (type: truth; paradigms: science: defence)
• Kommentoi paradigmaidean käytettävyyttä ja mielekkyyttä yleensä ja sen sovellettavuutta eri paradigmojen osalta erityisesti. ←--#: . Valmis. --Jouni Tuomisto (keskustelu) 24. heinäkuuta 2018 kello 04.47 (UTC) (type: truth; paradigms: science: defence)
• Tee Google sheet, jonne listataan kaikki Sitran 100 fiksua tekoa siten, että sarakkeisiin tulevat. Mieti yhteisesti kattava teemalista ja käytä sitä yhdistämään Helsingin ja Sitran toimepiteitä. ←--#: . Tehty. --Jouni Tuomisto (keskustelu) 24. heinäkuuta 2018 kello 04.47 (UTC) (type: truth; paradigms: science: defence)
  • Nimi (arjen teon nimi)
  • Suuruus (onko vaikutus pieni, keskisuuri vai suuri), tämän voisi merkata descriptioniin
  • Aihepiiri (liittyykö teko asumiseen, matkustamiseen jne)
  • URL sivulle, jossa teko esitellään
• Tutustu uuteen kuvaukseen Helsingin ilmastopolitiikasta:
  • Toimenpideohjelman virallinen dokumentti [1] ----#: . Uusi linkki. --Jouni Tuomisto (keskustelu) 24. heinäkuuta 2018 kello 04.47 (UTC) (type: truth; paradigms: science: comment)
  • Hiilineutraali Helsinki 2035 ohjelman sivu Opasnetissä
  • Kuvaus toimenpidetyökalusta] (luonnos) [2]
  • Esimerkkisivuja toimenpiteistä Toimenpide 1, Toimenpide 2
  • ilmasto-ohjelman toimepiteet ja kustannukset (tämä linkki lähetetään whatsappissa koska ei vielä julkinen)
  • Toimenpiteitä pitää alkaa liittämään niiden valmistelemiin päätöksiin ja niistä koituviin kustannuksiin/investointeihin. Tämä aloitettu Goherr-kaaviot taulukon Ruuhkamaksu sheetissä.
  • Uudet relaatiot 'valmistelee/prepares' ja 'kustantaa' (operational link)
  • Uusi substanssiolio 'kustannus/expense' (tummanvihreän värinen ympyrä?)
• Tutustu kuvaukseet ruuhkamaksuista (Decision analysis and risk management 2017 -kurssilla tehty)
  • op_en:Congestion charge pääsivu Opasnetissä. Kommentit ja kehitysideat tänne.
  • Google drive, jossa gsheet olioista ja niiden relaatioista ja syykaavio aiemman keskustelun pohjalta.
  • Kytkennät Helsingin ohjelmaan, uusi relaatio 'omistaa perustelun - perustelee'
• Tutustu sanastoon sivulla op_en:Structure of shared understanding ja kommentoi kummallisuuksia ja epäselvyyksiä.
• Tutustu ympäristöterveyden indikaattoreihin sivulla Ympäristöterveys
• Käytä uutta argument-templaattia toimintonapeista, kun haluat kommentoida sivun sisältöä Opasnetissä. ←--#: . Huom! Ohje muuttunut. --Jouni Tuomisto (keskustelu) 24. heinäkuuta 2018 kello 04.47 (UTC) (type: truth; paradigms: science: defence)

Laskenta

Syykaaviot

• Ehdotus sosiaali- ja terveyspalveluiden uudeksi kansalliseksi mittaristoksi VN-TEAS 15.3.2017 http://tietokayttoon.fi/julkaisu?pubid=18701
• http://alueuudistus.fi/tietojohtaminen
• KUVA-mittaristo 23.4.2018 http://alueuudistus.fi/documents/1477425/4439893/Sote-KUVA-mittaristoluonnos+23.4.+2018.xlsx/3ffc2fce-04c9-4c96-a21d-fb217310dbd5
• Kuva-indikaattorit drivessä https://docs.google.com/spreadsheets/d/1OJntWc-ivrCDi9RkCAyWdggA3VCm-BM98rp6H5u3diI/edit#gid=0
• Hyte-indikaattorit drivessä https://docs.google.com/spreadsheets/d/1mVlLcvsDFHKivD8rSDyn3ijfvoUAjxnXOGb-nujLDak/edit#gid=0
• Tietoikkuna https://proto.thl.fi/tietoikkuna/#/chart?indicatorId=3775&regionId=953
• Sotkanet https://www.sotkanet.fi/sotkanet/fi/metadata/indicators/3775
• Kouluterveyskysely https://sampo.thl.fi/pivot/prod/fi/ktk/ktk1/fact_ktk_ktk1/199464

• Malliajo 10.7.2018 [3] perustuen dataan tiedostossa Näkemysverkkojen tietotauluja
• Malliajo 17.7.2018 [4]

+ Näytä koodi- Piilota koodi # Tämä on koodi Op_fi5810/graphs sivulla [[Ympäristöterveysindikaattori]] library(OpasnetUtils) objects.latest("Op_en3861",code_name="ecd_create") # [[Extended causal diagram]] ecd_create, fillprev, splizzeria server <- TRUE sotkanet <- "http://www.sotkanet.fi/sotkanet/fi/metadata/indicators/" kouluterveyskysely <- "https://sampo.thl.fi/pivot/prod/fi/ktk/ktk1/summary_perustulokset?alue_0=87869&mittarit_0=200138&mittarit_1=187196&mittarit_2=199373&vuosi_2017_0=v2017" kouluterveyskysely <- "https://sampo.thl.fi/pivot/prod/fi/ktk/ktk1/fact_ktk_ktk1?row=measure-200346.199405.199681.199445.199678.199701.199935.200120.199469.199308.199973.200279.200316.199604.&column=time-199465&column=stage_of_stady-161293.161123.161219.#" # Keskeiset ympäristöterveyden oire- ja olosuhdeindikaattorit eri kouluasteilla tietoikkuna <- "https://proto.thl.fi/tietoikkuna/#/chart?indicatorId=" # Sotkanet.ID = tietoikkuna.indicatorID if(server) { meta <- opasnet.csv( # Väärä koodaus mutta miksi? Tiedosto on oikein. "3/3e/N%C3%A4kemysverkkojen_tietotauluja.zip", wiki="opasnet_fi", unzip="meta.csv", sep=",",row.names=NULL,header=TRUE,stringsAsFactors=FALSE,fileEncoding = "UTF-8" ) } else { meta<- ad.table( "C:/_Eivarmisteta/Näkemysverkkojen tietotauluja/meta.csv", sep=",",row.names=NULL,header=TRUE,stringsAsFactors=FALSE,fileEncoding = "UTF-8" ) } out <- list() for(i in 1:nrow(meta)) { print(i) if(server) { temp <- opasnet.csv( "3/3e/N%C3%A4kemysverkkojen_tietotauluja.zip", wiki="opasnet_fi", unzip=gsub("[Öö\xf6]","o",gsub("[ÄÅäå\xe4]","a",paste0(meta$Ilmio[i],".csv"))), sep=",",row.names=NULL,header=TRUE,stringsAsFactors=FALSE,fileEncoding = "UTF-8" ) } else { temp <- ad.csv( paste0( "C:/_Eivarmisteta/", gsub("[Öö\xf6]","o",gsub("[ÄÅäå\xe4]","a",paste0(meta$Ilmio[i],".csv"))) ), sep=",",row.names=NULL,header=TRUE,stringsAsFactors=FALSE,fileEncoding = "UTF-8" ) } oprint(temp) # Convert structural names to English colnames(temp)[colnames(temp)=="Lyhenne"] <- "label" # Columns defined by DiagrammeR start with small letter colnames(temp)[colnames(temp)=="Luokka"] <- "type" colnames(temp)[colnames(temp)%in% c("Toimenpide","Nimi","Asia")] <- "Item" colnames(temp)[colnames(temp) %in% c("Predikaatti","Relaatio")] <- "Relation" colnames(temp)[colnames(temp) %in% c("Objekti","Kohde")] <- "Object" colnames(temp)[colnames(temp) %in% c("Kuvaus","Lisatietoa","Kommentteja")] <- "Description" colnames(temp)[colnames(temp) %in% c("Aihe1","Tehtavakokonaisuus")] <- "Teema" colnames(temp)[colnames(temp) %in% c("Tunnistenumero","Obs")] <- "Nro" if(!"label" %in% colnames(temp)) temp$label <- NA temp$label <- ifelse(is.na(temp$label), substr(temp$Item,1,50), temp$label) temp$Oldid = paste(meta$Id[i],{if("Nro" %in% colnames(temp)) temp$Nro else 1:nrow(temp)},sep=".") out[[i]] <- temp } # Table-specific adjustments out[[5]] <- splizzeria(out[[5]], cols = c("Ulottuvuus","Osiotyyppi","JHS.luokka"), split = "/") # HYTE out[[6]] <- splizzeria(out[[6]], cols = c("JHS.luokka"), split = ",") # LAPE # HYTE JA LAPE ELI SOTEARV d3 <- data.frame() for(i in (1:nrow(meta))[meta$Tyyppi=="sotearv"]) { if(nrow(d3)==0) d3 <- out[[i]] else d3 <- orbind(d3, out[[i]]) } d3 <- orbind(orbind(orbind(orbind( data.frame( Oldid = d3$Oldid, type = paste(d3$Teema, "indikaattori",sep="-"), Item = d3$Item, Relation = "ulottuvuus", Object = d3$Ulottuvuus, URL = ifelse( is.na(as.numeric(substr(d3$Sotkanet.id,1,4))), NA, paste0(sotkanet, substr(d3$Sotkanet.id,1,4)) ), Description = d3$Ryhman.perustelut, label = ifelse(is.na(d3$label),substr(d3$Item,1,30),d3$label), stringsAsFactors = FALSE ), data.frame( Item = d3$Item, Relation = "osiotyyppi", Object = d3$Osiotyyppi, stringsAsFactors = FALSE )), data.frame( Item = d3$Item, Relation = "discussed in", Object = d3$Tietolahde, stringsAsFactors = FALSE )), data.frame( Item = d3$Item, Relation = "JHS-luokka", Object = d3$JHS.luokka, stringsAsFactors = FALSE )), data.frame( type = "index", Ìtem = unique(c(d3$Ulottuvuus, d3$JHS.luokka, d3$Osiotyyppi)), stringsAsFactors=FALSE ) ) ## Oletusmuotoiset taulut (Ympäristöterveys, Lasten ja aikuisten lihavuus, Yleiset ja erityiset luokittelut) d2 <- data.frame() for(i in (1:nrow(meta))[meta$Tyyppi %in% c("oletus", "keskustelu")]) { if(nrow(d2)==0) d2 <- out[[i]] else d2 <- orbind(d2, out[[i]]) } if(!grepl("Goh", i)) d2 <- fillprev(d2, cols=c("type","Relation","Object")) d2 <- splizzeria(d2, cols="Object", split=",") d2$URL <- ifelse( is.na(as.numeric(substr(d2$URL,1,4))), NA, paste0(sotkanet, substr(d2$URL,1,4)) ) ####### HNH2035-toimenpiteet # Tämä koodi on tilapäinen ja pitäisi korjata alkuperäiseen taulukkoon. Sano Sonjalle. repl <- array(c( "S&C säätiö","Smart&Clean", "yhteistyössä","", "yhteistyö","", "Yhteistyö:","", "ja","", "HSY Ilmastoinfo","HSY/Ilmastoinfo", "HSY:n Ilmastoinfo","HSY/Ilmastoinfo", "Kanslia ELO/Hanki","Kanslia/ELO", "GEO","Geo", "kasko","Kasko", "sote","Sote", "palvelukeskus","Palvelukeskus", "ympa","Ympa", "RYA","Rya", "PALU","Palu", "YMPA","Ympa", "MAKA","Maka", "KYMP","Kymp", "Smart&Clean -säätiö","Smart&Clean", "Smart & Clean -säätiö","Smart&Clean", "virium","Virium", "nuorisopalvelur","Nuorisopalvelut", "kanslia","Kanslia", "Kaupunginkanslia","Kanslia", "kaupunginkanslia","Kanslia", "(HSL), (HSY)",",", "ympa","Ympa", "Palu/Ympa","Ympa" ), dim=c(2,28) ) d1 <- out[[8]] #for(i in 1:ncol(repl)) { # d1$Vastuu <- gsub(repl[1,i],repl[2,i],d1$Vastuu) #} d1 <- fillprev(d1,"Teema") d1 <- d1[!is.na(d1$Nro) , ] # d1 <- splizzeria(d1, cols="Kustannukset", split="/") # Not used because doubles relations temp <- splizzeria(d1, cols="Vastuu", split=",") d1 <- orbind( data.frame( Oldid=paste0("HNH2035/tp.", d1$Nro), type="HNH2035-toimenpide", Item=d1$Item, label=substr(d1$Item,1,30), Relation="teema", Object=d1$Teema, Description = paste(d1$Item, d1$Aikajanne, d1$Vaativuus, d1$Kustannukset, sep=". "), stringsAsFactors=FALSE ), data.frame( Item=temp$Item, Relation="vastuullisena", Object=temp$Vastuu, stringsAsFactors=FALSE ) ) ########################### Create ecd_graph d <- orbind(orbind(d3, d2), d1) d$label <- ifelse(is.na(d$label), substr(d$Item,1,30), d$label) fix <- matrix(c( "Kustannukset ja RR", "Kustannukset ja rahoituksen riittävyys", "Saatavuua", "saatavuus" ),nrow=2) tmp <- d$Object[!is.na(d$Relation) & !is.na(d$Object) & d$Relation=="ulottuvuus"] for(i in 1:ncol(fix)) { tmp <- ifelse(tmp==fix[1,i],fix[2,i],tmp) } d$Object[!is.na(d$Relation) & !is.na(d$Object) & d$Relation=="ulottuvuus"] <- tmp for(i in 1:ncol(d)) { d[[i]] <- gsub("[\"']", " ", d[[i]]) } cat("Lopullinen taulukko.\n") oprint(d) gr <- ecd_create(d) gr <- deselect_edges(gr, get_selection(gr)) gr <- select_edges(gr, conditions = grepl("H1N1", gr$edges_df$Oldid)) #gr <- deselect_nodes(gr, get_selection(gr)) #gr <- select_nodes(gr, conditions = grepl("HNH2035", gr$nodes_df$Oldid)) #gr <- select_nodes_in_neighborhood( # gr, # node=gr$nodes_df$id[gr$nodes_df$label=="koulutervhuolto"][1], # distance=2 #) #get_selection(gr) objects.store(gr) cat("dgr_graph gr stored.\n") #render_graph(gr) render_graph(transform_to_subgraph_ws(gr)) #export_graph(transform_to_subgraph_ws(gr), "test7.svg") #export_graph(gr, "test7.pdf")

Sisäilma kouluissa

Kouluterveyskysely tuottaa jotakin tietoa myös sisäilmasta, oppimisympäristöstä yleensä ja oppilaiden raportoimista yleisistä oireista. Katso lisätietoa näistä linkeistä:

• Kyselylomakkeet
• Kaikki kouluterveyskyselyn tulokset dataportaali

+ Näytä koodi- Piilota koodi # This is code Op_fi5810/koulukysely on page [[Ympäristöterveysindikaattori]] url <- "https://sampo.thl.fi/pivot/prod/fi/ktk/ktk1/fact_ktk_ktk1.csv?row=area-87869.161055.235597.235713.236211.259770.259803.259692.259710.236112.259753.259815.235780.236146.236002.259679.259682.236133.236222.259675.259733.236051.235920.235827.235885.236295.259709.236200.235707.259808.259713.235708.235976.236233.259789.235797.236081.259685.235622.235906.259723.259810.235955.235793.236073.259787.235869.235881.235892.259725.259765.235947.236255.259697.235616.236189.235907.236122.259744.236140.235580.235913.259712.235685.235812.235714.161061.235679.259773.259783.235940.259737.235805.259807.235657.259730.235829.259800.236015.259740.235857.235639.259711.259772.236190.235592.259729.235832.235769.259680.259742.236283.235993.259700.236239.235721.259721.235701.235643.259797.236117.259818.235924.259688.259795.259708.235799.236240.259761.161009.235959.259793.259724.259756.259776.235678.259813.236155.259678.259769.235854.259821.259747.236173.259781.235649.236205.235731.259762.236066.259757.235742.236187.235781.235876.259739.259716.259718.236025.235866.235610.259774.259734.236287.235801.236159.236033.259771.259767.259806.236041.259704.236291.259727.259754.235871.259746.259811.161075.235939.235737.236149.259804.235662.259683.236171.259707.235962.235579.235659.235603.235589.259798.259715.259749.235933.235794.259705.235971.235951.235689.259743.236215.235979.259817.235875.259694.259720.236142.235824.259695.259684.236286.259696.259703.259759.259699.259825.236069.259755.259690.236281.259701.236271.259676.259750.235686.235994.235918.259792.235606.236032.259731.236191.235833.235877.236144.236213.235909.235992.259686.259717.235675.235915.236244.236258.259782.236253.259748.235647.235922.235998.259814.259736.259677.236027.259784.259780.259691.259766.235680.235849.235646.235740.236265.235811.161092.236127.259819.235984.235851.259763.259790.259732.236262.236214.235658.259778.235786.235691.259752.259758.235599.236096.236139.259791.235963.259760.259751.235848.235577.235956.236237.236277.259805.235820.259777.235784.259801.259809.236124.236249.236034.259702.259681.259714.235620.161039.235602.259802.235738.236102.236076.236030.236116.235896.236045.259738.236090.259706.259689.235850.259687.259785.236279.235926.235637.235739.259820.236288.161044.235598.259741.259726.259812.235732.259779.259698.236174.266765.&column=time-199465.&column=stage_of_stady-161293.161123.161219.&filter=measure-" measure <- matrix( c( "199935#", "Kuuma", "200120#", "Kylmä", "199915#", "Tunkkaisuus", "199469#", "Haju", "199308#", "Ahtaus", "199973#", "Melu", "200279#", "Valoisuus", "200316#", "Epämukavuus", "199604#", "Huonot WCt" ), nrow=2 ) d <- data.frame() for(i in 1:ncol(measure)) { d <- rbind( d, cbind( Kys = measure[2,i], ad.csv(paste(url,measure[1,i],sep=""),sep=";",encoding="UTF-8") ) ) } d$val <- as.numeric(as.character(d$val)) d_ilma <- d[d$Kys %in% c("Kuuma","Kylmä","Tunkkaisuus","Haju"),] d_ilma <- aggregate( d_ilma["val"], by = d_ilma[c("Kyselyvuosi","Alue")], FUN=function(x) mean(x, na.rm=TRUE) ) d_ergo <- d[!d$Kys %in% c("Kuuma","Kylmä","Tunkkaisuus","Haju"),] d_ergo <- aggregate( d_ergo["val"], by = d_ergo[c("Kyselyvuosi","Alue")], FUN=function(x) mean(x, na.rm=TRUE) ) d_kaikki <- aggregate( d["val"], by = d[c("Kyselyvuosi","Alue")], FUN=function(x) mean(x, na.rm=TRUE) ) d_kaikki <- merge(merge(d_ilma, d_ergo, by=c("Kyselyvuosi","Alue")),d_kaikki) colnames(d_kaikki)[3:5] <- c("Ilma","Ergo","Kaikki") print(d_kaikki)

Indikaattorien lataus Sotkanettiin

+ Näytä koodi- Piilota koodi # This is code Op_fi5810/ on page [[Ympäristöterveysindikaattori]]. # Vanha versio käytti suoraan CREATE TABLE ja INSERT INTO. Uusi versio käyttää peaJdbcWrite. library(pea) library(tcltk2) library(rvest) # For html import # Fetch data from Yhteistyötilat. dat <- html_table(read_html("https://yhteistyotilat.fi/wiki08/x/SLHFAg"))[[3]] # Pienhiukkaspitoisuuden väestöpainotettu vuosikeskiarvo dat <- data.frame( Vuosi = 2015, Alue = dat$Alue, Aluekoodi = dat[[2]], Sukupuoli = 4, Mittari = 678, Mittarin_arvo = dat[[7]], Paivamaara = "31.5.2018", stringsAsFactors = FALSE ) con <- peaJdbcConnect("common") # Tässä kohdassa kysytään käyttäjätunnus ja salasana # Useful queries that you may need. # View(dbGetQuery(con, "select * from pg_catalog.pg_tables where schemaname = 'sotkanet_lataus';")) # View(dbGetQuery(con, "select distinct schemaname from pg_catalog.pg_tables;")) # Listaa skeemat # koo <- peaGetKoodisto('d_alue_2_sote')$data # Kuntien ja maakuntien aluekoodit. # d_alue_2_sote sisältää HE2017-esityksen mukaiset maakunnat, d_alue_2 puolestaan 2018 voimassa olleet. # Luodaan taulu ja kirjoitetaan datat siihen. # Taulun nimi on muotoa indikaattori_XXXX, jossa XXXX on indikaattorin Sotkanet_id. peaJdbcWrite( con, dat=dat, tablename="indikaattori_678", schema="sotkanet_lataus", batch_size=10000, role="public_sotkanet_reader", grant="select" )

Sotearvioinnin koodi liittyen ympäristöterveyteen

+ Näytä koodi- Piilota koodi # This is code Op_fi5810/ on page [[Ympäristöterveysindikaattori]] library(rvest) # For html import tx <- function(x, prec = 2) gsub("\\.", ",", as.character(signif(x, prec))) # Converts numbers to nice Finnish format write( "Sote-arviointi, hyvinvointi ja terveys: ympäristöterveyden osa-alue\n\n", file="sotearviointi.txt" ) # Fetch data from Yhteistyötilat. dat <- html_table(read_html("https://yhteistyotilat.fi/wiki08/x/SLHFAg"))[[3]] # Pienhiukkaspitoisuuden väestöpainotettu vuosikeskiarvo colnames(dat) <- c("Alue","Mid","Municipality","Pid","Province","Pop","PM", "Daly","Comment","Genetive","Adessive") for(i in c(2,4,6,7,8)) dat[[i]] <- as.numeric(gsub(" ", "", dat[[i]])) # Data about disease burden of PM2.5 from Lehtomäki et al 2018 https://doi.org/10.3390/ijerph15040736 mort <- "1600 - 2000" daly <- 26000 for(i in sort(unique(dat$Pid))) { j <- (1:nrow(dat))[dat$Pid==i & dat$Alue=="HE-maakunta"] mk <- dat$Province[j] ka <- sum(dat$Pop * dat$PM / sum(dat$Pop)) kam <- dat$PM[j] s1 <- paste("Pienhiukkaset ovat Suomessakin kaikkein merkittävin ympäristötekijä, joka aiheuttaa ", "terveyshaittaa. Pienhiukkaset ovat pääasiassa peräisin liikenteestä ja puun pienpoltosta. ", "Myös energiantuotanto ja teollisuus ovat suurehkoja lähteitä mutta niiden ominaispäästöt ", "ovat pienet (eli tuotantolaitokset puhdistavat jo tehokkaasti päästöjään) ja päästöt ", "tyypillisesti leviävät korkeista piipuista laajalle aiheuttamatta asutuskeskuksiin korkeita ", "pitoisuuksia. Muita kuin polttoperäisiä päästölähteitä ovat mm. katupöly varsinkin keväisin, ", "maatalouden pölyt sekä monista hajalähteistä syntyvät orgaaniset hiilivedyt, jotka ", "muuttuvat hiukkasiksi vasta ilmakehässä.\n", sep="") s2 <- paste( "Pienhiukkaspitoisuuksien vuosikeskiarvo on arvioitu kunnittain THL:n koordinoimassa ", "tutkimushankkeessa vuodelle 2015. Tämä on hyvä haitan mittari, koska tyypilliset ", "terveyshaitat kuten sydäntaudit, krooninen bronkiitti ja keuhkosyöpä kehittyvät ", "pitkäaikaisen altistuksen seurauksena. Kansainvälisesti verrattuna Suomen ", "pienhiukkaspitoisuudet ovat pienet, mutta silti niiden arvioidaan aiheuttavan ", tx(daly), " terveen elinvuoden menetyksen tai vastaavasti ", mort, " kuolemantapausta ", "(Lehtomäki ym., 2018 https://doi.org/10.3390/ijerph15040736).\n", sep="" ) s3 <- "Väestöpainotettu pienhiukkaspitoisuus oli " s4 <- paste( dat$Adessive[j], ifelse( kam < 0.8*ka ," pieni ", ifelse(kam < 1.2*ka, " keskimääräinen ", " suomalaisittain suurehko " ) ), " (", tx(kam), " µg/m3)", sep="" ) s5 <- paste(", kun koko maan keskiarvo oli ", tx(ka), " µg/m3 (Sotkanet, id=678)", sep="") s6 <- ". Päästölähteet ja asutus keskittyvät tyypillisesti samoille alueille. Koko maan keskiarvo ylittyi " s7 <- dat[dat$PM > ka & dat$Alue=="HE-maakunta",] s7 <- s7[order(-s7$PM),]#[1:min(4,nrow(s7)),] s7 <- paste(s7$Adessive, " (", tx(s7$PM)," µg/m3)",sep="") s7 <- paste(s7, c(rep(", ", length(s7)-2), " ja ", ""), sep="", collapse="") s7 <- paste(s7, " (Sotkanet, id=678). ", sep="") s8 <- paste( dat$Genetive[j], " kunnista korkeimmat pitoisuudet olivat ", sep="" ) s9 <- dat[dat$Pid == i & dat$Alue=="Kunta", ] s9 <- s9[order(-s9$PM),][1:4,] s9 <- paste(s9$Adessive, " (", tx(s9$PM)," µg/m3)",sep="") s9 <- paste(s9, c(rep(", ", length(s9)-2), " ja ",""), sep="", collapse="") s9 <- paste(s9, " (Sotkanet, id=678). ", sep="") s10 <- "Valtakunnallisesti suurin pitoisuus oli " s11 <- dat[dat$Alue=="Kunta",] s11 <- s11[order(-s11$PM)[1],] s11 <- paste(s11$Adessive, " (", tx(s11$PM)," µg/m3).",sep="") s12 <- paste(" ", dat$Comment[j], " ") expofr <- dat$Pop[j]*dat$PM[j]/sum(dat$Pop[dat$Alue=="HE-maakunta"]*dat$PM[dat$Alue=="HE-maakunta"]) # s13 <- dat$Daly[j]/sum(dat$Daly[dat$Alue=="HE-maakunta"]) s13 <- paste( "\nSuomessa pienhiukkasten aiheuttamasta tautitaakasta ", cut(expofr, breaks=c(0,0.03,0.06,0.09,0.12,0.18,0.23,0.29,0.39,0.54,0.7,1),labels=c( "alle kolmaskymmenesosa", "kahdeskymmenesosa", "alle kymmenesosa", "noin kymmenesosa", "noin seitsemäsosa", "noin viidesosa", "noin neljäsosa", "noin kolmasosa", "noin puolet", "yli puolet", "suurin osa" )), " (", tx(expofr*100), " %) syntyy ", dat$Adessive[j], ", eli siellä menetetään noin ", tx(expofr*daly), " tervettä elinvuotta pienhiukkasten takia. ", sep="") hel <- (1:nrow(dat))[dat$Municipality=="Helsinki"] s14 <- paste( "Helsingissä tämä luku on noin ", tx(daly*dat$Pop[hel]*dat$PM[hel]/sum(dat$Pop[dat$Alue=="Kunta"]*dat$PM[dat$Alue=="Kunta"])), " eli merkittävä osa koko Suomen tautitaakasta (", tx(daly), " haittapainotettua elinvuotta). ", "Tautitaakka on arvioitu syyosuusmenetelmällä (http://en.opasnet.org/w/HIA). ", "Epävarmuudet ovat melko suuria ja liittyvät annosvasteen muotoon pienillä pitoisuuksilla, ", "kilpailevien syytekijöiden rooliin kokonaisuudessa sekä pienhiukkaspitoisuuden ", "arviointiin käytettyjen mallien epävarmuuksiin. Siitä ei kuitenkaan ", "ole epävarmuutta, etteivätkö pienhiukkasten haittavaikutukset Suomessa olisi merkittäviä ", "ja niiden vähentäminen tarpeellista.", sep="" ) write( paste("\n\n",mk,"\n",s1,s2,s3,s4,s5,s6,s7,s8,s9,s10,s11,s12,s13,s14,sep=""), file="sotearviointi.txt", append=TRUE ) }

Katso myös

• Indikaattorit ja tietovarannot (osa Laki-IVA-opasta)
• Tautitaakka Suomessa