-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathcontar_doses_por_estado.R
137 lines (105 loc) · 5.18 KB
/
contar_doses_por_estado.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
suppressPackageStartupMessages({
if(!require(data.table)){install.packages("data.table"); library(data.table)}
if(!require(tidyverse)){install.packages("tidyverse"); library(tidyverse)}
})
#' Este script classifica todas as combinações de aplicações de doses encontradas no SI-PNI para um mesmo id
#' Em seguida, encontra a data de aplicação das doses para os seguintes grupos:
#' D1: id's de indivíDos que tomaram APENAS a primeira dose, para vacina que não seja Janssen
#' D: id's de indivíDos que tomaram Janssen como a primeira dose, independente de tomarem outras
#' doses ou reforços posteriormente
#' D2: id's de todos os outros casos. Inclui indivíDos que tomaram a Dose 2, com ou sem reforço,
#' desde que a D1 não seja da marca Janssen.
### Functions
#' less than operator for dates and NA. If one of the values is NA, it is defined as greater than the other value
#' Examples:
#'
#' "2021-01-15 %mNA% 2021-06-15 ~ TRUE
#' "2021-01-15 %mNA% 2020-06-15 ~ FALSE
#' "2021-01-15 %mNA% NA ~ TRUE
#' NA %mNA% 2021-01-15 ~ FALSE
#'
`%mNA%` <- function(A,B){
A[is.na(A)] <- "5001-01-01"
B[is.na(B)] <- "5001-01-01"
C <- return(A < B)
}
###########################
end.of.epiweek <- function(x, end = 6) {
offset <- (end - 4) %% 7
num.x <- as.numeric(x)
return(x - (num.x %% 7) + offset + ifelse(num.x %% 7 > offset, 7, 0))
}
###### Script
ini = Sys.time()
files <- list.files("output/wide")[!grepl("[1-9].csv", list.files("output/wide"))]
da <- data.frame()
da2 <- data.frame()
for(i in files) {
state = substr(i,22,23)
print(state)
df <- data.frame(fread(paste0("output/wide/",i),
select = c("data_D1","data_R","data_D2","data_D","agegroup"),
colClasses = c("data_D1" = "Date",
"data_R" = "Date",
"data_D2" = "Date",
"data_D" = "Date")))
df[df==""] <- NA
df$agegroup <- factor(df$agegroup, levels = c(1:11))
df$dose <- ""
df$dose[!is.na(df$data_R)] <- "R"
df$dose[!is.na(df$data_D)] <- "D"
df$dose[!is.na(df$data_R) & !is.na(df$data_D)] <- "R+D"
df$dose[ is.na(df$data_D1) & is.na(df$data_D2) & is.na(df$data_R) & !is.na(df$data_D)] <- "D only"
df$dose[!is.na(df$data_D1) & !is.na(df$data_D2) & is.na(df$data_R) & is.na(df$data_D)] <- "(D1+D2) only"
df$dose[!is.na(df$data_D1) & is.na(df$data_D2) & !is.na(df$data_R) & is.na(df$data_D)] <- "(D1+R) only"
df$dose[ is.na(df$data_D1) & !is.na(df$data_D2) & !is.na(df$data_R) & is.na(df$data_D)] <- "(D2+R) only"
df$dose[ is.na(df$data_D1) & is.na(df$data_D2) & !is.na(df$data_R) & !is.na(df$data_D)] <- "(R+D) only"
df$dose[!is.na(df$data_D1) & !is.na(df$data_D2) & is.na(df$data_R) & !is.na(df$data_D)] <- "(D1+D2+D) only"
df$dose[!is.na(df$data_D1) & is.na(df$data_D2) & is.na(df$data_R) & !is.na(df$data_D)] <- "(D1+D) only"
df$dose[ is.na(df$data_D1) & !is.na(df$data_D2) & is.na(df$data_R) & !is.na(df$data_D)] <- "(D2+D) only"
df$dose[!is.na(df$data_D1) & !is.na(df$data_D2) & !is.na(df$data_R) & is.na(df$data_D)] <- "(D1+D2+R) only"
df$dose[!is.na(df$data_D1) & is.na(df$data_D2) & is.na(df$data_R) & is.na(df$data_D)] <- "D1 only"
df$dose[ is.na(df$data_D1) & !is.na(df$data_D2) & is.na(df$data_R) & is.na(df$data_D)] <- "D2 only"
df$dose[ is.na(df$data_D1) & is.na(df$data_D2) & !is.na(df$data_R) & is.na(df$data_D)] <- "DR only"
df$dose[ is.na(df$data_D1) & !is.na(df$data_D2) & !is.na(df$data_R) & !is.na(df$data_D)] <- "(D2+R+D) only"
df$dose[!is.na(df$data_D1) & !is.na(df$data_D2) & !is.na(df$data_R) & !is.na(df$data_D)] <- "D1+D2+D+R"
df$min_date <- (df$data_D %mNA% df$data_D1) & (df$data_D %mNA% df$data_D2) & (df$data_D %mNA% df$data_R)
df$status <- "D2"
df$status[grepl("D",df$dose) & df$min_date] <- "D"
df$status[grepl("D1 only",df$dose)] <- "D1"
df$data <- NA
df <- as.data.frame(df)
df$data[df$status == "D2"] <- df[df$status == "D2","data_D2"]
df$data[df$status == "D1"] <- df[df$status == "D1","data_D1"]
df$data[df$status == "D"] <- df[df$status == "D","data_D"]
df$data <- as.Date(df$data)
df$agegroup <- factor(df$agegroup)
df2 = df %>%
dplyr::count(data, status, agegroup, .drop = FALSE) %>%
drop_na(data, status, agegroup) %>%
arrange(data, status, agegroup) %>%
mutate(UF = state)
da <- rbind(da, df2)
# Reciclando o nome do objeto (df2) para consumir menos memória ram
df2 = df %>%
dplyr::count(dose, agegroup, .drop = FALSE) %>%
drop_na(dose, agegroup) %>%
arrange(dose, agegroup) %>%
mutate(UF = state)
da2 <- rbind(da2, df2)
}
fin = Sys.time()
fin - ini
fwrite(da, file = "output/doses_serie_temporal.csv")
fwrite(da2, file = "output/doses_por_estado.csv")
#### Plot
g1 <- da %>%
mutate(data = end.of.epiweek(data)) %>%
dplyr::group_by(data, status) %>% dplyr:: summarise(m = sum(n)) %>%
ggplot(aes(x = as.Date(data), y = m, fill = status)) +
xlab("") + ylab("") +
scale_fill_discrete("", labels = c("Dose 1 apenas","Dose 2","Dose Única"))
geom_col() +
theme_minimal() +
labs(title = "Data de aplicação da dose\n")
ggsave(g1, file = "figuras/aplicacao_doses.png", width = 12, height = 8)