Inleiding

Dit rapport presenteert een automatische analyse van woonzorg in Nederland, gebaseerd op openbare data van het CBS. We analyseren het aandeel 65-plussers per gemeente en visualiseren de resultaten.

Data Ophalen

We halen demografische gegevens op van het CBS, specifiek het aandeel 65-plussers per gemeente.

# Lijst van beschikbare tabellen
toc <- cbs_get_toc()
# Zoek naar relevante tabellen (bijv. bevolkingsdata)
# Voorbeeld: Tabel 83765NED (Bevolking; kerncijfers per gemeente)
data <- cbs_get_data("83765NED") %>%
  filter(grepl("Gemeente", SoortRegio_2)) %>%
  select(Gemeentenaam = Gemeentenaam_1, 
         Bevolking = AantalInwoners_5, 
         Aantal65Plus = k_65JaarOfOuder_12) %>%
  mutate(Aandeel65Plus = Aantal65Plus / Bevolking * 100) %>%
  filter(!is.na(Gemeentenaam))

Analyse

We berekenen het aandeel 65-plussers per gemeente en identificeren de top 10 gemeenten met het hoogste aandeel.

# Top 10 gemeenten met hoogste aandeel 65-plussers
top10 <- data %>%
  arrange(desc(Aandeel65Plus)) %>%
  slice_head(n = 10)

kable(top10, caption = "Top 10 Gemeenten met Hoogste Aandeel 65-plussers")
Top 10 Gemeenten met Hoogste Aandeel 65-plussers
Gemeentenaam Bevolking Aantal65Plus Aandeel65Plus
Laren 11088 3416 30.80808
Bergen (NH.) 29844 9155 30.67618
Schiermonnikoog 941 261 27.73645
Valkenburg aan de Geul 16440 4557 27.71898
Rozendaal 1498 409 27.30307
Sluis 23658 6403 27.06484
Westerveld 19084 5127 26.86544
Bellingwedde 8919 2394 26.84157
Vaals 9710 2603 26.80741
Lochem 33545 8944 26.66269

Visualisatie

Hieronder een visualisatie van het aandeel 65-plussers voor de top 10 gemeenten.

ggplot(top10, aes(x = reorder(Gemeentenaam, Aandeel65Plus), y = Aandeel65Plus)) +
  geom_bar(stat = "identity", fill = "steelblue") +
  coord_flip() +
  labs(title = "Top 10 Gemeenten met Hoogste Aandeel 65-plussers",
       x = "Gemeente", y = "Aandeel 65-plussers (%)") +
  theme_minimal()

Conclusie

Dit rapport toont de verdeling van 65-plussers per gemeente in Nederland. Gemeenten met een hoog aandeel 65-plussers kunnen een grotere behoefte hebben aan woonzorgvoorzieningen. Toekomstige analyses kunnen worden uitgebreid met gegevens over zorginstellingen of woningvoorraad.


#### Stap 3: Het rapport genereren
1. Sla het bovenstaande script op als `woonzorg_analyse.Rmd` in je RStudio-werkmap.
2. Open het bestand in RStudio.
3. Klik op de **Knit**-knop (of gebruik `rmarkdown::render("woonzorg_analyse.Rmd")`) om het rapport te genereren. Dit creëert een HTML-bestand met de analyse, tabellen en grafieken.

#### Stap 4: Automatiseren
Om het rapport automatisch te genereren (bijvoorbeeld dagelijks of wekelijks):
- Gebruik een R-script dat het R Markdown-bestand rendert:
  ```R
  rmarkdown::render("woonzorg_analyse.Rmd", output_file = paste0("woonzorg_rapport_", Sys.Date(), ".html"))
  • Plan dit script met een taakplanner zoals cron (Linux) of Task Scheduler (Windows), of gebruik een CI/CD-tool zoals GitHub Actions als je het online wilt hosten.

Aanvullende suggesties

  • Extra datasets: Je kunt aanvullende datasets toevoegen, zoals:
    • Woningvoorraad: CBS-tabel 85461NED (Woningvoorraad per gemeente).
    • Zorginstellingen: Open data van de Rijksoverheid of ZorgkaartNederland (indien beschikbaar als API of dataset).
    • Gezondheidsdata: CBS-tabel 85014NED (Gezondheid en zorggebruik).
  • Complexere analyses: Voeg regressieanalyses toe om de relatie tussen vergrijzing en zorgbehoefte te onderzoeken, of gebruik ruimtelijke analyses met het sf-pakket om kaarten te maken.
  • Andere outputformaten: Pas de R Markdown-output aan naar PDF (output: pdf_document) of Word (output: word_document) door de YAML-header te wijzigen.
  • Data schoonmaken: Voeg meer datacontroles toe, zoals het omgaan met ontbrekende waarden of het standaardiseren van gemeentecodes.

Vereisten

Zorg dat je de volgende pakketten installeert in R:

install.packages(c("cbsodataR", "dplyr", "tidyr", "ggplot2", "knitr", "rmarkdown"))

Als je meer specifieke wensen hebt

  • Specifieke dataset: Laat me weten als je een specifieke dataset wilt gebruiken (bijv. een bepaalde CBS-tabel of een andere openbare bron).
  • Analysefocus: Wil je bijvoorbeeld focussen op een specifieke regio, zorgtype (verpleeghuizen, thuiszorg) of variabele (bijv. inkomen, woningtype)?
  • Outputstijl: Wil je een specifiek rapportformaat (bijv. met een logo, specifieke opmaak, of in PDF)?

Laat me weten hoe ik dit verder kan aanpassen of uitbreiden!