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

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

Näkemysverkot Shinyssa

Tämä koodi piirtää näkemysverkkoja Shinylla. Aluksi valitaan aihepiiri, sen jälkeen askelien määrä verkossa aiheen mukaisista kiintopisteistä lähtien. Koodi vaatii paketit OpasnetUtils, DiagrammeR ja Shiny. arg5167: . Uusi koodi, jossa shinyssa on jo kelvollinen käyttöliittymä. --Jouni Tuomisto (keskustelu) 29. heinäkuuta 2018 kello 20.05 (UTC) (type: ; paradigms: science: relevant comment)

+ Näytä koodi - Piilota koodi

# Tämä on koodi Op_fi5810/shiny sivulla [[Ympäristöterveysindikaattori]]

library(OpasnetUtils)
library(DiagrammeR)
library(shiny)

objects.latest("Op_fi5810",code_name="graphs")

gr <- create_graph(
  nodes_df = graafilista$nodes_df,
  edges_df = graafilista$edges_df
)

if(FALSE) {
  
  meta <- opasnet.csv( # Väärä koodaus jos ajetaan Windows-koneella.
    "3/3e/N%C3%A4kemysverkkojen_tietotauluja.zip",
    wiki="opasnet_fi",
    unzip="meta.csv",
    sep=",",row.names=NULL,header=TRUE,stringsAsFactors=FALSE,fileEncoding = "UTF-8"
  ) 
  
  conditions <- unique(meta$Id)
  #conditions <- "HNH2035"
  for(i in conditions) {
    print(i)
    gr <- deselect_edges(gr, get_selection(gr))
    gr <- select_edges(gr, conditions = grepl(i, gr$edges_df$Oldid))
    if(!is.na(get_selection(gr))) print(render_graph(transform_to_subgraph_ws(gr)))
  }
  
  ####################################
  
  ## Preselect key nodes from a topic
  sel <- gr$nodes_df$id[grepl("HNH2035",gr$nodes_df$Oldid)]
  gr <- deselect_nodes(gr, get_selection(gr))
  gr <- select_nodes_by_id(gr,sel)
  render_graph(transform_to_subgraph_ws(gr))
  
}

sel <- list(
  `Ympäristöterveys` = c(
    "melu",
    "radon",
    "tupakointi",
    "ruokamyrkytys",
    "vesiepidemia",
    "hengityselinoire",
    "vatsatauti"
  ),
  `Lasten lihavuus` = c(
    "lasten lihavuus",
    "ravitsemus",
    "aktiivisuus",
    "muu mekanismi"
  ),
  `Aikuisten lihavuus` = c(
    "lihavuus",
    "diabetes"
  ),
  `Helsingin ilmasto-ohjelma` = c(  
    "Kymp",
    "ruokapalveluiden reseptiuudistus",
    "Kanslia",
    "Maka",
    "Ajoneuvoliikenteen hinnoittelu"
  ),
  `Kalan hyöty-riskinarvio` = c(
    "BoD",
    "exposure"
  )
)

objtypes <- c("ovariable","index","value judgement","graph")

ui <- basicPage(
  sidebarLayout(
    sidebarPanel(
      selectInput("topic","Topic",names(sel)),
      checkboxGroupInput("ignoreobj", "Ignore these object types", objtypes),
      sliderInput("steps", "Number of steps:",  
                  min = 0, max = 5, value = 0)
    ),
    mainPanel(
      grVizOutput("plot1")
    )
  )
)

server <- function(input, output) {
  output$plot1 <- renderGrViz({
    gr <- deselect_nodes(gr, get_selection(gr))
    gr <- select_nodes_by_id(gr, match(sel[[input$topic]],gr$nodes_df$label))
    if(input$steps>0) {
      for(i in 1:input$steps) {
        gr <- trav_both(gr,add_to_selection = TRUE)
      }
    }
    gr <- deselect_nodes(gr, (1:nrow(gr$nodes_df))[gr$nodes_df$type %in% input$ignoreobj])
    grViz(generate_dot(transform_to_subgraph_ws(gr)))
  })
}

shinyApp(ui, server)

Graafilista 4.8.2018 [1]

+ Näytä koodi - Piilota koodi

# Tämä on koodi Op_fi5810/ sivulla [[Ympäristöterveysindikaattori]]

library(OpasnetUtils)

objects.latest("Op_fi5810",code_name="graphs")

oprint(graafilista$nodes_df, show_all=TRUE)
oprint(graafilista$edgea_df, show_all=TRUE)

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/zipping sivulla [[Ympäristöterveysindikaattori]]
library(OpasnetUtils)
library(rvest)
library(gsheet)

objects.latest("Op_en3861",code_name="discograph") # [[Extended causal diagram]] discograph
#objects.latest("Op_en3861",code_name="odag") # [[Extended causal diagram]] discograph # Code must be run on own computer
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)) {
  cat(i, meta$Ilmio[i],"\n")
  if(grepl("google.com", meta$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$URL[i], j)[[1]]
    } else {
      if(meta$Tyyppi[i] %in% c("arviointi","assessment")) {
        tmp <- strsplit(meta$URL[i], split="/")[[1]]
        objects.latest(tmp[1],tmp[2])
        dummy <- EvalOutput(get(tmp[3]))
        out <- odag(get(tmp[3]))
        rm(dummy)
      } else {
       out <- html_table(read_html(meta$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

Ajankohtaisia töitä tärkeysjärjestyksessä

Lukekaa vastine Homströmille ja kommentoikaa a) tekstin selkeyttä ja b) sisältöä. Koetetaan saada juttu lähtemään sunnuntaina.
- Kirjoittakaa eri keskustelijoiden argumentit päätöksenteon avoimuuteen liittyen saman sivun alkuun.
Indikaattorin ja ilmiön välinen suhde on "kuvaa" (käänteisrelaatio "kuvautuu") Taulukoista löytyy tämmöisessä tilanteessa relaatiota "omistaa osan", ja nämä pitäisi vaihtaa oikeaan relaatioon.
HNH2035-ohjelman (ks alla) lopussa on listattu organisaatioiden pitkät nimet. Nämä pitäisi täydentää taulukkoon toimijat sivulla Hiilineutraali Helsinki 2035#Data. Nykyään taulukko sisältää erilaisia nimiversioita samasta organisaatiosta, mutta ne voi poistaa, koska ne korjataan alkuperäiseen googlesheetiin. arg5114: . Tehty. Toimijoista jotka olivat yhdistetty kauttaviivalla (esim. Kanslia/Aluerakentaminen) oletin jälkimmäisen kuuluvan ensimmäiseen, ja liitin ne toisiinsa relaatiolla "on osana". --Pieta Tuomisto (keskustelu) 29. heinäkuuta 2018 kello 10.10 (UTC) (type: ; paradigms: science: relevant comment)
Asentakaa koneillenne R, Rstudio ja paketit OpasnetUtils, rvest, ggplot2, DiagrammeR ja Shiny. Sen jälkeen kuvien piirtämisen pitäisi onnistua ajamalla omalla koneella koodi kohdassa #Vastaus.
Ilmasto-ohjelman toimenpiteitä pitää alkaa liittämään niiden valmistelemiin päätöksiin, niistä koituviin kustannuksiin/investointeihin tai muihin yleisempiin ilmiöihin. Näistä päätöksistä, kustannuksista ja ilmiöistä pitää siis tehdä omat olionsa. Oliot listataan Goherr-kaaviot-taulukon Ruuhkamaksu-sheetille.
- Uudet relaatiot 'valmistelee/prepares' ja 'kustantaa/pays'. Käänteisrelaatiot (inverse) ovat 'valmistelijana/prepared by' ja 'maksajana/paid by'. Nämä ovat toiminnallisia relaatioita (operational link).
- Uusi substanssiolio 'kustannus/expense'. Tavanomainen kustannus substanssityypin olio (tummanvihreän värinen ympyrä) mutta lisäksi on 'kustannustavoite/expense objective' joka on yhdistelmä kaikista kustannuksista ja jota pyritään päätöksenteossa minimoimaan. Kustannustavoite on tyyppiä objective. ----#: . Näiden kuvaaminen oikeisiin taulukoihin tuli Pietalle tehtäväksi. --Jouni Tuomisto (keskustelu) 25. heinäkuuta 2018 kello 07.17 (UTC) (type: truth; paradigms: science: comment) ----#: . Uudet relaatiot liitetty op_en:Structure of shared understanding sivulla olevaan taulukkoon. --Pieta Tuomisto(keskustelu) 27. heinäkuuta 2018 kello 09.30 (UTC) (type: truth; paradigms: science: comment)
- Uusi relaatio 'omistaa perustelun/has rationale', käänteisrelaationa 'perustelee/is rationale for'. Nämä ovat toiminnallisia relaatioita (operational link).
Luo uusia solmuja ja linkkejä, jotka kytkevät yhteen Helsingin ilmasto-ohjelman ja a) ruuhkamaksukeskustelua, b) Sitran 100 ilmastotekoa, tai c) ympäristöterveysindikaattoreita. Myös muita kaavioita voi yhdistellä jos löytyy kytkentöjä. Kaikki aihepiirit ja linkit taulukoihin on lueteltu Yhteistyötiloissa.
Katso sivun op_en:Congestion charge keskusteluja ja täydennä niihin eri paradigman mukaisia relaatioita.arg6137: . Tehty. Kaikki argumentit on myös vaihdettu uuden templaatin mukaisiksi ja korjattu niiden totuuksia ja relevansseja. --Pieta Tuomisto (keskustelu) 29. heinäkuuta 2018 kello 12.09 (UTC) (type: ; paradigms: science: relevant comment) 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.
Tutustu uuteen kuvaukseen Helsingin ilmastopolitiikasta:
- Toimenpideohjelman virallinen dokumentti [2] ----#: . 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) [3]
  - Esimerkkisivuja toimenpiteistä Toimenpide 1, Toimenpide 2
- ilmasto-ohjelman toimepiteet ja kustannukset (tämä linkki lähetetään whatsappissa koska ei vielä julkinen)
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)

Jounin työt

Ääkköset eivät toimi. Etsi vika ja korjaa. Johtunee graafin tallennusvaiheesta.
Name ei näy hoveratessa hiirellä, nimenomaan Goherr-taulukoissa. Lisää Item tooltipiin. ←--#: . Tehty. --Jouni Tuomisto (keskustelu) 25. heinäkuuta 2018 kello 07.17 (UTC) (type: truth; paradigms: science: defence)
Lisää argumenttinapppulat myös suomenkieliseen Opasnettiin. ←--#: . Tehty. --Jouni Tuomisto (keskustelu) 25. heinäkuuta 2018 kello 07.17 (UTC) (type: truth; paradigms: science: defence)

Tehdyt työt

Palkat maksettu 23.7.2018 asti.
Goherr
- 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)
Ruuhkamaksu
- 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)
Ilmastonmuutos
- 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
Menetelmällisiä töitä
- 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)
Tutustu kuvaukseen ruuhkamaksuista (Decision analysis and risk management 2017 -kurssilla tehty) ⇤--#: . Ei kannata tutustua näihin vaan uudempiin sisältöihin. --Jouni Tuomisto (keskustelu) 25. heinäkuuta 2018 kello 07.17 (UTC) (type: truth; paradigms: science: attack)
- op_en:Congestion charge pääsivu Opasnetissä. Kommentit ja kehitysideat tänne.
- Google drive, jossa gsheet olioista ja niiden relaatioista ja syykaavio aiemman keskustelun pohjalta.

Laskenta

Syykaaviot

Taulukko näkemysverkoiksi soveltuvista taulukoista Yhteistyötiloissa [4]
Ehdotus sosiaali- ja terveyspalveluiden uudeksi kansalliseksi mittaristoksi VN-TEAS 15.3.2017 [5]
Alueuudistus: tietojohtaminen [6]
KUVA-mittaristo 23.4.2018 [7]
Tietoikkuna [8]
Sotkanet [9]

Malliajo 10.7.2018 [10] perustuen dataan tiedostossa Näkemysverkkojen tietotauluja
Malliajo 17.7.2018 [11]
Malliajo 24.7.2018 [12]
Malliajo 29.7.2018 [13]

+ 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

sotkanet <- "http://www.sotkanet.fi/sotkanet/fi/metadata/indicators/"

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"
) 

out <- list()
for(i in 1:nrow(meta)) {
  print(i)
  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"
  )
  
  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",
    Item = 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","arviointi")]) {
  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$URL <- ifelse(
  grepl("http",d2$URL),
  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("HNH2035tp.", 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(
    Oldid=paste0("HNH2035tp.", temp$Nro),
    Item=temp$Item,
    label=substr(temp$Item,1,30),
    Relation="vastuullisena",
    Object=temp$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(head(d))

graafilista <- ecd_create(d)
oprint(head(graafilista$nodes_df))
oprint(head(graafilista$edges_df))
objects.store(graafilista)
cat("List graafilista with nodes and edges for dgr_graph stored.\n")

Sisäilma kouluissa

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

Kyselylomakkeet
Kaikki kouluterveyskyselyn tulokset dataportaali
Kouluterveyskysely [14]
kouluterveyskysely [15]
kouluterveyskysely [16] Keskeiset ympäristöterveyden oire- ja olosuhdeindikaattorit eri kouluasteilla

+ 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

Ympäristöterveysindikaattori

Sisällys

Kysymys

Vastaus

Näkemysverkot Shinyssa

Perustelut

Data

Työlista

Laskenta

Syykaaviot

Sisäilma kouluissa

Indikaattorien lataus Sotkanettiin

Sotearvioinnin koodi liittyen ympäristöterveyteen

Katso myös

Navigointivalikko