hayoon_data_2019
Miyoung Yoon
10/13/2019
문제제기
- 잦은 하윤의 병원 방문으로 질병 종류에 대한 의문
- 처방되는 약의 종류에 대한 의문
- 질병 종류에 따라 처방약의 양과 종류 뱐화 트렌드에 대한 의문
해결방법
1. 데이터 수집: 처방전 인쇄물 디지털 DB화
- 질병종류: 질병분류기호
- 의사종류: 선생님 이름 4-5명
- 약의 종류: 약 이름으로 약 고유번호 검색
2. 데이터 분석
- 기초 통계
- EDA: 시각화
- 블로깅으로 과정과 시행착오 정리
시각화 분석 과정
*필요한 패키지 - readxl 패키지: 엑셀 파일 불러오기 - tidyverse 패키지: ggplot2 포함해 tidya data를 만들기 위한 해들리 위컴의 패키지
library(readxl)Warning: package 'readxl' was built under R version 3.5.2library(tidyverse) ─ Attaching packages ───────────────────────────────────────────── tidyverse 1.2.1 ─✔ ggplot2 3.2.1 ✔ purrr 0.2.5
✔ tibble 2.1.3 ✔ dplyr 0.8.3
✔ tidyr 0.8.1 ✔ stringr 1.3.1
✔ readr 1.1.1 ✔ forcats 0.3.0Warning: package 'ggplot2' was built under R version 3.5.2Warning: package 'tibble' was built under R version 3.5.2Warning: package 'dplyr' was built under R version 3.5.2─ Conflicts ────────────────────────────────────────────── tidyverse_conflicts() ─
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag() masks stats::lag()*폰트 설정 패키지, 폰트설정
par(family="AppleGothic")*하윤 데이터 가져오기
hayoon<-read_excel("hayoon_hist.xlsx")New names:
* `` -> ...13
* `` -> ...14
* `` -> ...15
* `` -> ...16
* `` -> ...17
* … and 3 more problemsstr(hayoon)Classes 'tbl_df', 'tbl' and 'data.frame': 156 obs. of 20 variables:
$ date : chr "20190912" "20190912" "20190912" "20190912" ...
$ persc : chr "04854호" "04854호" "04854호" "04854호" ...
$ hosp : chr "아주맑은소아청소년과의원" "아주맑은소아청소년과의원" "아주맑은소아청소년과의원" "아주맑은소아청소년과의원" ...
$ disease : chr "J303, R093" "J303, R093" "J303, R093" "J303, R093" ...
$ doc : chr "김병기" "김병기" "김병기" "김병기" ...
$ medic : num 6.49e+08 6.44e+08 6.46e+08 6.46e+08 6.44e+08 ...
$ medic_name : chr "디푸루칸건조시럽" "레브로콜정" "코비안에스시럽" "씨투스건조시럽" ...
$ once : chr "4" "0.5" "4" "0.33329999999999999" ...
$ one_day : num 1 3 3 3 3 3 3 3 3 3 ...
$ total_count: num 4 4 4 4 4 3 5 5 5 5 ...
$ no_ins : chr NA NA NA NA ...
$ double : chr NA NA NA NA ...
$ ...13 : logi NA NA NA NA NA NA ...
$ ...14 : logi NA NA NA NA NA NA ...
$ ...15 : logi NA NA NA NA NA NA ...
$ ...16 : logi NA NA NA NA NA NA ...
$ ...17 : logi NA NA NA NA NA NA ...
$ ...18 : logi NA NA NA NA NA NA ...
$ ...19 : logi NA NA NA NA NA NA ...
$ ...20 : logi NA NA NA NA NA NA ...#단순 통계
names(hayoon) #칼럼명만 보기 [1] "date" "persc" "hosp" "disease" "doc"
[6] "medic" "medic_name" "once" "one_day" "total_count"
[11] "no_ins" "double" "...13" "...14" "...15"
[16] "...16" "...17" "...18" "...19" "...20" dim(hayoon) # 행렬 개수 [1] 156 20# group_by()와 같은 결과, excel의 countif()함수
table(hayoon$disease)
H6501, J209 H6501, J459 H6501, L2088 H6641, J209 H6641, J303
6 11 7 5 22
J180, J459 J209, J060 J209, J303 J209, J459 J303, R093
6 10 9 6 12
J459, J459 L209, J209 L509, L039 R113, A090
33 17 6 4 *날짜를 Data값으로 변환하기 “data” 명칭 있는 칼럼 찾기
library(stringr) #문자열 패턴 찾기 패키지
# date 란 단어가 있는 칼럼 모두 찾기
date_cols <- str_detect(names(hayoon), "date")
date_cols [1] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[12] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSElubridate: charactor를 날짜로 변환하는 패키지 ymd: year-month-date롤 변환
library(lubridate) #chr를 날짜로 변환하는 패키지
Attaching package: 'lubridate'The following object is masked from 'package:base':
date# 하윤 데이터 칼럼에 date란 단어가 든 칼럼 날짜로 변환하기
hayoon[ ,date_cols] <- lapply(hayoon[ ,date_cols], ymd) #lappy(데이터셋, 함수)Warning: 2 failed to parse.hayoon[ ,date_cols]# A tibble: 156 x 1
date
<date>
1 2019-09-12
2 2019-09-12
3 2019-09-12
4 2019-09-12
5 2019-09-12
6 2019-09-10
7 2019-09-10
8 2019-09-10
9 2019-09-10
10 2019-09-10
# … with 146 more rowsprint(hayoon[ ,date_cols], n=5)# A tibble: 156 x 1
date
<date>
1 2019-09-12
2 2019-09-12
3 2019-09-12
4 2019-09-12
5 2019-09-12
# … with 151 more rowsstr(hayoon)Classes 'tbl_df', 'tbl' and 'data.frame': 156 obs. of 20 variables:
$ date : Date, format: "2019-09-12" "2019-09-12" ...
$ persc : chr "04854호" "04854호" "04854호" "04854호" ...
$ hosp : chr "아주맑은소아청소년과의원" "아주맑은소아청소년과의원" "아주맑은소아청소년과의원" "아주맑은소아청소년과의원" ...
$ disease : chr "J303, R093" "J303, R093" "J303, R093" "J303, R093" ...
$ doc : chr "김병기" "김병기" "김병기" "김병기" ...
$ medic : num 6.49e+08 6.44e+08 6.46e+08 6.46e+08 6.44e+08 ...
$ medic_name : chr "디푸루칸건조시럽" "레브로콜정" "코비안에스시럽" "씨투스건조시럽" ...
$ once : chr "4" "0.5" "4" "0.33329999999999999" ...
$ one_day : num 1 3 3 3 3 3 3 3 3 3 ...
$ total_count: num 4 4 4 4 4 3 5 5 5 5 ...
$ no_ins : chr NA NA NA NA ...
$ double : chr NA NA NA NA ...
$ ...13 : logi NA NA NA NA NA NA ...
$ ...14 : logi NA NA NA NA NA NA ...
$ ...15 : logi NA NA NA NA NA NA ...
$ ...16 : logi NA NA NA NA NA NA ...
$ ...17 : logi NA NA NA NA NA NA ...
$ ...18 : logi NA NA NA NA NA NA ...
$ ...19 : logi NA NA NA NA NA NA ...
$ ...20 : logi NA NA NA NA NA NA ...summary(hayoon) date persc hosp
Min. :2018-12-10 Length:156 Length:156
1st Qu.:2019-04-02 Class :character Class :character
Median :2019-06-01 Mode :character Mode :character
Mean :2019-06-04
3rd Qu.:2019-08-19
Max. :2019-12-26
NA's :2
disease doc medic
Length:156 Length:156 Min. : 64350611
Class :character Class :character 1st Qu.:643504180
Mode :character Mode :character Median :643506111
Mean :641438965
3rd Qu.:645700935
Max. :671803433
NA's :2
medic_name once one_day total_count
Length:156 Length:156 Min. :1.000 Min. :1.000
Class :character Class :character 1st Qu.:3.000 1st Qu.:3.000
Mode :character Mode :character Median :3.000 Median :3.000
Mean :2.701 Mean :3.131
3rd Qu.:3.000 3rd Qu.:3.000
Max. :3.000 Max. :5.000
NA's :2 NA's :3
no_ins double ...13 ...14
Length:156 Length:156 Mode:logical Mode:logical
Class :character Class :character NA's:156 NA's:156
Mode :character Mode :character
...15 ...16 ...17 ...18
Mode:logical Mode:logical Mode:logical Mode:logical
NA's:156 NA's:156 NA's:156 NA's:156
...19 ...20
Mode:logical Mode:logical
NA's:156 NA's:156
*missing value 찾기
# missing value 찾기
missing <- lapply(hayoon[,date_cols], is.na)
missing$date
[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[12] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[23] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[34] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[45] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[56] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[67] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[78] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[89] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[100] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[111] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[122] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[133] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[144] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[155] TRUE TRUEnum_missing <- sapply(missing, sum)
num_missingdate
2 *불필요한 행열 제거
# 불필요한 행(row) 제거
remove_row<-c(155:156)
cleanHayoonL<-hayoon[-remove_row,]
# 불필요한 칼럼 제거
remove <- c(13:20)
cleanHayoonL<-hayoon[,-remove]
str(cleanHayoonL)Classes 'tbl_df', 'tbl' and 'data.frame': 156 obs. of 12 variables:
$ date : Date, format: "2019-09-12" "2019-09-12" ...
$ persc : chr "04854호" "04854호" "04854호" "04854호" ...
$ hosp : chr "아주맑은소아청소년과의원" "아주맑은소아청소년과의원" "아주맑은소아청소년과의원" "아주맑은소아청소년과의원" ...
$ disease : chr "J303, R093" "J303, R093" "J303, R093" "J303, R093" ...
$ doc : chr "김병기" "김병기" "김병기" "김병기" ...
$ medic : num 6.49e+08 6.44e+08 6.46e+08 6.46e+08 6.44e+08 ...
$ medic_name : chr "디푸루칸건조시럽" "레브로콜정" "코비안에스시럽" "씨투스건조시럽" ...
$ once : chr "4" "0.5" "4" "0.33329999999999999" ...
$ one_day : num 1 3 3 3 3 3 3 3 3 3 ...
$ total_count: num 4 4 4 4 4 3 5 5 5 5 ...
$ no_ins : chr NA NA NA NA ...
$ double : chr NA NA NA NA ...dim(cleanHayoonL)[1] 156 12*데이터 타입 정리
#질병분류기호 factor로 만들기
cleanHayoonL$medic<-as.factor(cleanHayoonL$medic)
#질병분류기호 빈도 보기
medic_freq<-table(cleanHayoonL$medic)*시각화 01: stacked bar
질병분류기호의 칼럼명은 disease이다. 막대챠트를 그리기 위해서는 카테고리 데이터가 필요하므로 factor로 변환시켜 주어 x좌표에 위치시킨다. 의약품의 칼럼명은 medic이다. 막대그래프안에 의약품별로 분류하기 위해 fill함수로 추가한다.
챠트를 보면 핑크색, 초록색 의약품이 전반적으로 씌여있다. 핑크색이 씌여지지 않은 막대 4, 5번이 눈에 띈다.
ggplot(cleanHayoonL, aes(x=factor(disease), fill=medic))+geom_bar()
*시각화 02: bar, dodge
geom_bar함수 안에 position=“dodge”로 설정하면 factor 요소가 분리되어 표현된다. 질병분류별 처방된 약의 종류와 용량을 더 정확하게 알 수 있다. geom_bar에 아무런 인자를 넣지 않으면 position=“stack”이 디폴트가 된다. 상단 챠트와 같이 그려진다.
ggplot(cleanHayoonL, aes(x=factor(disease), fill=medic))+geom_bar(position="dodge")
하지만 약의 종류가 많아서 제대로 알아 볼 수가 없다. 어떻게 해야 할까?
* 시각화 03:
의약품 개수가 많으므로 색을 조정해 보기로 했다. 색 팔레트 패키지 설치 install.packages(“RColorBrewer”) position=“fill”로 하여 막대의 길이를 동일하게 해서 각 처방날 마다 약의 비율만 비교해 보기로 했다.
library(RColorBrewer)
display.brewer.all(n=10, exact.n=FALSE)
# 색깔 팔레트 선택해서 넣기
blues<-brewer.pal(9,"Blues")
blue_range<-colorRampPalette(blues)
ggplot(cleanHayoonL, aes(x=factor(disease), fill=medic))+
geom_bar(position="fill")+
scale_fill_manual(values=blue_range(32)) #32개 의약품 색처리
다른 색으로도 챠트를 그려보자. ##### * 시각화 03-2:
RColorBrewer패키지에서 색 셋트를 불러오는 함수는 brewer.pal(n, name)이다. n: 사용하려는 색의 개수, name: 팔레트 이름
#팔레트 "PuOr" 셋트를 선택하고, 그 중에 10개의 색을 기본으로 선택한다.
cols<-brewer.pal(10, "PuOr")#선택한 색을 colorRampPalette의 함수로 interpolate 하도록 만든다.
# colorRampPalette함수는 가져온 색 셋트에서 몇 개의 색을 뿌려줄지 선택하면, 그 사이의 색을 섞어서 보여준다.
pal_m<-colorRampPalette(cols)
ggplot(cleanHayoonL, aes(x=factor(disease), fill=medic))+
geom_bar(position="fill")+
scale_fill_manual(values=pal_m(32)) #선택한 팔렛트에서 32개의 색을 사용한다고 선택한다.
*시각화 04: 질병분류코드별로 의약품을 나누어 보기로 했다. 각 박스는 질병분류코드를 의미한다. x=처방받은 날짜, y=한번에 먹어야 하는 약의 용량, 색깔코드=의약품코드 질병코드별로 처방된 날짜와 의약품 보기가 훨씬 쉬워졌다.
# 질병코드별 facet 그리드
ggplot(cleanHayoonL, aes(date, once, col=medic))+
geom_jitter(alpha=0.5, size=3, width=0.2)+
facet_wrap(~disease)+
theme(axis.text.x=element_text(angle=90, hjust=1))Warning: Removed 2 rows containing missing values (geom_point).
*시각화 04-2: 의사별로 어떤 질병코드로 처방했을까?
# 의사별 분류
ggplot(cleanHayoonL, aes(date, once, col=doc))+
geom_point(alpha=0.5, size=3, width=0.2)+
facet_wrap(~disease)+
theme(axis.text.x=element_text(angle=90, hjust=1))Warning: Ignoring unknown parameters: widthWarning: Removed 2 rows containing missing values (geom_point).
*시각화 05 좀 더 쉽게 볼 수 있는 챠트는 없을까?
x축, y축: 질병분류코드 색: 1일 투여횟수 (모든 의약품)
하루 섭취량이 가장 높은게 진한 색이어야 하는데, 반대로 되어있다.
#히트맵
cleanHayoonS<-separate(data=cleanHayoonL, col = disease, sep=", ", into = c("disease_1", "disease_2"))
ggplot(cleanHayoonS, aes(x=disease_1, disease_2, fill=one_day))+geom_tile()
낮은 수는 연한 하늘색, 높은 수는 진한 하늘색으로 gradient를 준다.
ggplot(cleanHayoonS, aes(x=factor(disease_1), y=factor(disease_2), fill=one_day))+
geom_tile()+
scale_fill_gradient(low="#bfddff", high="#002e63")
그래프 x축 첫번째 값인 H6501 질병코드는 J209, J459, L2088과 조합해서 처방된 적이 있다는 것을 알 수 있다.
혹여나 해서 다시 필터링해 보았다. H6501 은 급성 장액성 중이염 (양쪽 귀)를 의미하는 질병코드이다. 주요질병 중이염이 걸렸을 때 J209: 상세불명의 기관지염, J459: 상세불명의 천식, L2088: 기타 아토피성 피부염을 부질병으로 처방했다는 뜻이다. 색의 진하기를 의미하는 바는 하루의 1일 투여횟수를 의미한다. 진한 파랑색은 1일 투여횟수가 많다는 의미다. 1일 투여되는 약은 처방된 모든 의약품이다. 즉, 진한 파랑색으로 유추할 수 있는 것은
- 처방되는 약의 종류가 많다는 것을 우회적으로 유추할 수 있다(단, 다음의 사실 (2)로 이 사항 (1)은 오류일 수 있다.).
- 혹은 처방된 질병코드가 더 빈번했다는 것을 유추할 수 있다.
히트맵은 위와 같은 사항으로 정확한 사실을 전달해 주는 것이 어렵게 느껴진다. 다른 그래프를 그려봐야 겠다.
cleanHayoonS %>%
filter(disease_1 == "H6501") %>%
group_by(disease_2) %>%
tally()# A tibble: 3 x 2
disease_2 n
<chr> <int>
1 J209 6
2 J459 11
3 L2088 7느낀점
시각화 챠트를 만드는 과정에서 데이터를 보는 여러 관점으로 상황을 파악할 수 있었다.
제약점
- 질병분류기호는 실제로 감염 질병을 의미하는 것 아니라 약을 처방하기 위한 것임
- 3가지 이상의 질병분류기호가 존재할 수 있지만, 처방전에는 2개만 표시됨
향후 계획
일자별 처방 데이터 추가 입력시 자동 통계 프로그램
Reference
- 질병 데이터 표현 GUI
- 질병 데이터 분석 방법