In IM-APHP/pmeasyr: Donnees PMSI avec R

library(learnr)
library(tidyverse)
library(pmeasyr)

# tutorial_options(exercise.timelimit = 60)
knitr::opts_chunk$set(error = TRUE, eval = TRUE)

Bienvenue

Ce premier tutoriel a pour objectif de vous familiariser avec les éléments R et leur utilisation avec pmeasyr.

Les fichiers in/out

Les fichiers in/out des outils ATIH se trouvent dans les répertoires de travail des outils ATIH (Genrsa, etc.) une fois l'export du .pop.zip réalisé pour le postage sur epmsi, ces fichiers sont également générés.

C'es-à-dire quelque chose comme :

C:/Users/**username**/Documents/AppData/ATIH/Roaming/Genrsa/sauvegarde

Emplacement des fichiers

Ces fichiers in/out peuvent être placés dans les répertoires suivants :

• ~/Documents/data/mco
• ~/Documents/data/ssr
• ~/Documents/data/psy
• ~/Documents/data/rsf
• ~/Documents/data/had

Voir ici pour plus d'informations (spécificités Linux/macOS/Windows).

Noyau de paramètres d'import {data-progressive=TRUE}

Une fois les données placées à l'endroit opportun, on peut définir les paramètre qui serviront à l'import des fichiers.

Mais avant cela, chargons le package pmeasyr dans R :

library(pmeasyr)

On se servira beaucoup d'un autre package :

library(dplyr)

Ici, p contiendra les informations essentielles pour importer notre premier fichier rsa :

p <- noyau_pmeasyr(
  finess = '290000017', # par exemple 290000017 - Finess juridique du CHRU de Brest
  # changer le finess par le vôtre ainsi que les autres paramètres
  annee  = 2020L,
  mois   = 12L,
  path   = '~/Documents/data/mco'
  )

p

###### --- cette ligne n'est pas dans l'exercice
###### ### elle permet de retrouver l'objet p dans l'exercice suivant
assign('p',p, envir = globalenv()) 
###### ne pas en tenir compte et ne pas modifier

Dézipper les fichiers {data-progressive=TRUE}

Ici, on dézippe le fichier rsa du out.

adezip(p, type = "out", liste = 'rsa')

Importer son premier fichier {data-progressive=TRUE}

rsa <- irsa(p)


###### --- cette ligne n'est pas dans l'exercice
###### ### elle permet de retrouver l'objet rsa dans l'exercice suivant 
assign('rsa',rsa, envir = globalenv())
###### ne pas en tenir compte et ne pas modifier

À ce stade, on a un objet nommé rsa qui contient plusieurs tables :

• rsa$rsa contient les RSA, une ligne par séjour RSS / RSA
• rsa$rsa_um contient les passages UM des RSA
• rsa$das contient les diagnostics associés RSA au niveau des passages UM
• rsa$actes contient les actes des RSA au niveau des passages UM

Pour visualiser ces tables, vous pourrez écrire dans RStudio :

# View(rsa$rsa)

# View(rsa$actes)

Ou visualiser la table différement, sous forme d'un aperçu :

glimpse(rsa$rsa)

glimpse(rsa$das)

Compter les GHM {data-progressive=TRUE}

On fait un décompte des rsa par GHM, et on trie par ordre décroissant

count(rsa$rsa, ghm, sort = TRUE)

Assigner le résultat à un objet {data-progressive=TRUE}

case_mix <- count(rsa$rsa, ghm, sort = TRUE)

case_mix

Filtrer sur un DP {data-progressive=TRUE}

Voici comment on peut filtrer les lignes ayant comme DP Z511 et lister les 100 premiers RSA.

On utilise l'opérateur %>% pour enchainer les opérations.

filter(rsa$rsa, DP == 'Z511') %>%
  head(n = 100)

C'est l'équivalent de :

head(filter(rsa$rsa, DP == 'Z511'), n = 100)

Filtrer sur le DR C64 {data-progressive=TRUE}

**Indice:** La colonne DR s'intitule "DR"

filter(rsa$rsa, DR = 'C64')

Filtrer sur le DP Z511 et le DR C64 {data-progressive=TRUE}

**Indice:** On peut ajouter des conditions en les séparant par une ,

Demander de l'aide

?irsa

?dplyr::filter

Voir ce tutoriel en ligne pour plus de détails sur la fonction filter.

IM-APHP/pmeasyr documentation built on Feb. 19, 2025, 6:17 a.m.