Изучаем данные ВОЗ

Пакет WHO, подготовленный Eric Persson в феврале 2016 года, обеспечивает простой доступ к данным, собираемым ВОЗ (Всемирной организацией здравоохранения).

Также о возможностях работы с данным пакетом можно прочитать здесь

Предлагаемый материал - создание файла с данными ВОЗ для последующего анализа

Используемые пакеты

library(WHO)
library(tidyverse)

Используемые функции

Будут применены модифицированные функции, предложенные в работе Peter’s Stats Stuff

#----------------helper functions---------------
prep <- function(data){
# удаляет строки с пропущенными значениями по переменным region, country
  data %>%
    filter(!is.na(region)) %>%
    filter(!is.na(country))

}

latest <- function(data){
  # возвращает последние доступные данные по стране
  data %>%
    group_by(country) %>%
    filter(year == max(year))
  
}

Получаем данные

При использовании данных WHO необходимо знание используемых ВОЗ кодов

codes <- get_codes()
glimpse(codes)
## Observations: 2,228
## Variables: 3
## $ label   <chr> "MDG_0000000001", "MDG_0000000003", "MDG_0000000005", ...
## $ display <chr> "Infant mortality rate (probability of dying between b...
## $ url     <chr> "http://apps.who.int/gho/indicatorregistry/App_Main/vi...

Отберем данные

Названия используемых ВОЗ индикаторов (некоторые из них приведены в таблице)

Код индикатора Описание индикатора
WHOSIS_000001 Life expectancy at birth (years)
WHOSIS_000002 Healthy life expectancy (HALE) at birth (years)
WHOSIS_000004 Adult mortality rate (probability of dying between 15 and 60 years per 1000 population)
GBD_76 GBD - Disability-adjusted life years (DALYS)
GBD_77 GBD - Years of life lost (YLL)
GBD_78 GBD - Years lost due to disability (YLD)
MDG_0000000001 Infant mortality rate (probability of dying between birth and age 1 per 1000 live births)
MDG_0000000003 Adolescent birth rate (per 1000 women aged 15-19 years)
MDG_0000000005 Contraceptive prevalence (%)
WHOSIS_000005 Low-birth-weight newborns (%)
WHS9_85 Literacy rate among adults aged >= 15 years (%)
WHS9_93 Gross national income per capita (PPP int. $)
WHS9_95 Total fertility rate (per woman)
WHS6_102 Hospital beds (per 10 000 population)
WHS7_105 Per capita total expenditure on health (PPP int. $)

Per capita total expenditure on health (PPP int. $)

Расходы на здравоохранение на душу населения

# Получаем данные 
wh105 <- get_data("WHS7_105")
glimpse(wh105)
## Observations: 4,015
## Variables: 8
## $ publishstate         <chr> "Published", "Published", "Published", "P...
## $ year                 <dbl> 2002, 2009, 2010, 2005, 2007, 1996, 2013,...
## $ country              <chr> "Andorra", "Andorra", "Andorra", "United ...
## $ worldbankincomegroup <chr> "High-income", "High-income", "High-incom...
## $ region               <chr> "Europe", "Europe", "Europe", "Eastern Me...
## $ gho                  <chr> "Per capita total expenditure on health (...
## $ value                <dbl> 2101.67, 2926.50, 3325.20, 1973.48, 1953....
## $ datasource           <chr> NA, NA, NA, NA, NA, "Argentina note", "Ar...
# Подготовка данных
wh105 <- latest(wh105) %>% 
  filter(!worldbankincomegroup %in% c("Global", "NA")) %>%
  prep() %>%  select(country, worldbankincomegroup, value) %>% 
  rename(PerCapitaTotalHealthExpenditure = value) %>% 
  mutate(worldbankincomegroup = factor(worldbankincomegroup,
                                         levels = c("Low-income", "Lower-middle-income", "Upper-middle-income", "High-income")))

Life expectancy at birth (years)

Средняя продолжительность престоящей жизни при рождении

# Получаем данные
wh001 <- get_data("WHOSIS_000001")
glimpse(wh001)
## Observations: 9,120
## Variables: 7
## $ publishstate <chr> "Published", "Published", "Published", "Published...
## $ sex          <chr> "Female", "Both sexes", "Female", "Male", "Female...
## $ gho          <chr> "Life expectancy at birth (years)", "Life expecta...
## $ region       <chr> "Eastern Mediterranean", "Eastern Mediterranean",...
## $ year         <dbl> 2001, 2009, 2012, 2005, 2009, 2015, 2000, 2003, 2...
## $ country      <chr> "Afghanistan", "Afghanistan", "Afghanistan", NA, ...
## $ value        <dbl> 56.5, 58.6, 60.8, 51.8, 57.6, 58.3, 46.8, 48.3, 4...
# Подготовка данных 
wh001 <- wh001 %>% filter(sex == "Both sexes") %>% 
  prep() %>% 
  latest() %>% select(country, region, value) %>% 
  rename(LifeExpectancy = value) %>% 
  mutate(region = factor(region))

Adolescent birth rate (per 1000 women aged 15-19 years)

Уровень рождаемости у подростков (на 1000 женщин в возрасте 15-19 лет)

# Получаем данные
mdg003 <- get_data("MDG_0000000003")
glimpse(mdg003)
## Observations: 200
## Variables: 8
## $ publishstate         <chr> "Published", "Published", "Published", "P...
## $ region               <chr> "Europe", "Europe", "Europe", "Europe", "...
## $ country              <chr> "Albania", "Armenia", "Iceland", "Israel"...
## $ gho                  <chr> "Adolescent birth rate (per 1000 women ag...
## $ worldbankincomegroup <chr> "Upper-middle-income", "Lower-middle-inco...
## $ sex                  <chr> "Female", "Female", "Female", "Female", "...
## $ year                 <dbl> 2013, 2013, 2013, 2014, 2013, 2012, 2013,...
## $ value                <dbl> 19.7, 22.7, 7.1, 10.2, 14.2, 28.4, 40.8, ...
# Подготовка данных 
mdg003 <- mdg003 %>% prep() %>% latest() %>% 
  select(country, value) %>% 
  rename(AdolescentBirthRate = value)

Contraceptive prevalence (%)

Использование контрацепции

# Получаем данные
mdg005 <- get_data("MDG_0000000005")
glimpse(mdg005)
## Observations: 256
## Variables: 7
## $ country              <chr> "Cambodia", "Nicaragua", "Sudan", "Albani...
## $ gho                  <chr> "Contraceptive prevalence (%)", "Contrace...
## $ year                 <dbl> 2011, 2012, 2010, 2009, 2012, 2005, 2010,...
## $ publishstate         <chr> "Published", "Published", "Published", "P...
## $ region               <chr> "Western Pacific", "Americas", "Eastern M...
## $ value                <dbl> 50.5, 80.4, 9.0, 69.3, 5.6, 47.3, 38.5, 7...
## $ worldbankincomegroup <chr> NA, NA, NA, NA, NA, NA, "Low-income", NA,...
# Подготовка данных 
mdg005 <- mdg005 %>% prep() %>% latest() %>% 
  select(country, value) %>% 
  rename(ContraceptivePrevalence = value)

Low-birth-weight newborns (%)

Доля новорожденных с низкой массой тела

# Получаем данные
wh005 <- get_data("WHOSIS_000005")
glimpse(wh005)
## Observations: 226
## Variables: 7
## $ gho                  <chr> "Low-birth-weight newborns (%)", "Low-bir...
## $ year                 <dbl> 2007, 2010, 2010, 2010, 2007, 2009, 2009,...
## $ country              <chr> "Barbados", "Bhutan", "Democratic Republi...
## $ region               <chr> "Americas", "South-East Asia", "Africa", ...
## $ publishstate         <chr> "Published", "Published", "Published", "P...
## $ value                <dbl> 12, 10, 10, 7, 10, 9, 10, 10, 5, 4, 9, 13...
## $ worldbankincomegroup <chr> NA, NA, NA, NA, NA, NA, NA, "Lower-middle...
# Подготовка данных 
wh005 <- wh005 %>% prep() %>% latest() %>%  
  select(country, value) %>% 
  rename(LowBirthWeight = value)

Literacy rate among adults aged >= 15 years (%)

Уровень грамотности среди взрослых 15 лет и старше

# Получаем данные
wh85 <- get_data("WHS9_85")
glimpse(wh85)
## Observations: 142
## Variables: 7
## $ publishstate         <chr> "Published", "Published", "Published", "P...
## $ gho                  <chr> "Literacy rate among adults aged >= 15 ye...
## $ worldbankincomegroup <chr> "Lower-middle-income", "Low-income", "Glo...
## $ country              <chr> "Senegal", "Zimbabwe", NA, "Oman", "Saudi...
## $ year                 <chr> "2007-2012", "2007-2012", "2007-2012", "2...
## $ region               <chr> "Africa", "Africa", "Global", "Eastern Me...
## $ value                <dbl> 50, 84, 84, 87, 87, 55, 57, 58, 70, 74, 2...
# Подготовка данных 
wh85 <- wh85 %>% prep() %>% latest() %>% 
  select(country, value) %>% 
  rename(LiteracyRate = value)

Total fertility rate (per woman)

Количество детей, приходящееся на одну женщину

# Получаем данные
wh95 <- get_data("WHS9_95")
glimpse(wh95)
## Observations: 570
## Variables: 7
## $ country              <chr> "Hungary", "Lao People's Democratic Repub...
## $ year                 <dbl> 2012, 2011, 2012, 2011, 2011, 2011, 2012,...
## $ region               <chr> "Europe", "Western Pacific", "Africa", "A...
## $ gho                  <chr> "Total fertility rate (per woman)", "Tota...
## $ publishstate         <chr> "Published", "Published", "Published", "P...
## $ value                <dbl> 1.40, 3.20, 3.09, 4.95, 4.59, 1.38, 3.05,...
## $ worldbankincomegroup <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N...
# Подготовка данных 
wh95 <- wh95 %>% prep() %>% latest() %>%  
  select(country, value) %>% 
  rename(TotalFertilityRate = value)

Объединим таблицы данных

Объединив таблицы данных (дата фреймы), мы получим таблицу данных, которая будет использоваться для дальнейшего изучения

whoJ <- inner_join(wh105, wh001)
whoJ <- left_join(whoJ, mdg003)
whoJ <- left_join(whoJ, mdg005)
whoJ <- left_join(whoJ, wh005)
whoJ <- left_join(whoJ, wh85)
whoJ <- left_join(whoJ, wh95)

summary(whoJ)
##    country                   worldbankincomegroup
##  Length:181         Low-income         :29       
##  Class :character   Lower-middle-income:49       
##  Mode  :character   Upper-middle-income:48       
##                     High-income        :55       
##                                                  
##                                                  
##                                                  
##  PerCapitaTotalHealthExpenditure                   region  
##  Min.   :  24.96                 Eastern Mediterranean:20  
##  1st Qu.: 202.16                 Europe               :50  
##  Median : 698.30                 Africa               :47  
##  Mean   :1269.48                 Americas             :33  
##  3rd Qu.:1718.02                 Western Pacific      :21  
##  Max.   :9402.54                 South-East Asia      :10  
##                                                            
##  LifeExpectancy  AdolescentBirthRate ContraceptivePrevalence
##  Min.   :50.10   Min.   :  1.70      Min.   : 4.00          
##  1st Qu.:65.70   1st Qu.: 17.00      1st Qu.:34.40          
##  Median :73.50   Median : 45.70      Median :54.80          
##  Mean   :71.38   Mean   : 56.77      Mean   :51.21          
##  3rd Qu.:76.70   3rd Qu.: 84.00      3rd Qu.:70.30          
##  Max.   :83.70   Max.   :229.00      Max.   :88.40          
##                                      NA's   :16             
##  LowBirthWeight   LiteracyRate    TotalFertilityRate
##  Min.   : 3.00   Min.   : 29.00   Min.   :1.300     
##  1st Qu.: 6.00   1st Qu.: 71.00   1st Qu.:1.800     
##  Median : 9.00   Median : 90.00   Median :2.300     
##  Mean   :10.52   Mean   : 83.36   Mean   :2.863     
##  3rd Qu.:13.00   3rd Qu.: 98.00   3rd Qu.:3.800     
##  Max.   :34.00   Max.   :100.00   Max.   :7.600     
##  NA's   :7       NA's   :50

Сохраним собранный дата фрейм в виде файла для последующей работы

Для того, чтобы не повторять весь пройденный путь снова, результаты будут сохранены в файле, который будет использоваться в дальнейшем.

write.csv(whoJ, "WHOData.csv", row.names = FALSE)

To be continued