In Rapporteket/ablanor: AblaNor- Rapporteket
library(ablanor)
# make sure to use a temporary directory AND absolute paths, e.g. that figs
# can be found also when deployed at a server. See below link for explanation
# https://rgriff23.github.io/2017/04/25/how-to-knit-for-mysite.html
# Also make sure we use tempdir() as working directory so we do not clutter
# the package of the hosting shiny app
# workDir <- tempdir()
# knitr::opts_knit$set(base.dir=workDir, base.url=file.path(paste0(tempdir(), "/")), root.dir = workDir)
# Handle both html and latex (pdf) output. Actually to avoid setting 'format'
# for each kable call
# inspired by https://stackoverflow.com/questions/46080853/why-does-rendering-a-pdf-from-rmarkdown-require-closing-rstudio-between-renders
options(knitr.table.format = params$tableFormat)
knitr::opts_chunk$set(warnings = FALSE, echo = FALSE)
options(stringsAsFactors = FALSE)
# For some reason Shiny Server does not get the server locale settings right.
# To display dates correct, enforce locale here:
Sys.setlocale("LC_TIME", "nb_NO.UTF-8")
colPrimary <- c("#000059", "#084594", "#2171b5", "#4292c6", "#6baed6", "#c6dbef")
colNeutral <- c("#4D4D4D", "#737373", "#A6A6A6", "#DADADA")
colKontrast <- "#FF7260"
showN <- 12
#Egendefinerte kortnavn:
hospitalNameShort <- ablanor::getHospitalName(registryName = "ablanor",
reshId = params$reshId,
shortName = TRUE,
newNames = TRUE)
# DATAGRUNNLAG: PERIODE
# NYESTE DATO:
# Finne nyeste prosedyredato i prosedyre-tabellen. Vi ønsker ikke at
# forhåndsregisrerte planlagte forløp kommer med i rapporten. Derfor brukes
# gårsdagens dato som referanse, ingen forløp etter denne kommer med .
# Vi vil dermed også kunne se dersom ingen nye registreringer gjøres eller om
# overføringer har stoppet opp
# ELDSTE DATO:
# 12 komplette måneder før siste dato
nyeste_reg <- ablanor::getLatestEntry(registryName = params$registryName)
periode_data <- data.frame(
siste_dato = min((as.Date(Sys.time()) - 1),
nyeste_reg)) %>%
dplyr::mutate(forste_dato = lubridate::floor_date(.data$siste_dato,
"month") - months(showN))
d_ablanor <- ablanor::getBaseregProsData(registryName = params$registryName,
singleRow = FALSE,
reshId = params$reshId,
userRole = params$userRole,
fromDate = periode_data$forste_dato,
toDate = periode_data$siste_dato)
periode_data$forste_dato_shus <- d_ablanor %>%
dplyr::summarise(min(.data$dato_pros)) %>%
dplyr::pull()
periode_data$nyeste_dato_shus <- d_ablanor %>%
dplyr::summarise(max(.data$dato_pros)) %>%
dplyr::pull()
# OPPDATERE : UKE, MÅNED, ÅR for å få riktig levels i faktorer, også dersom
# ingen registreringer i løpet av en måned
d_ablanor %<>%
dplyr::mutate(
aar = as.ordered(lubridate::year(.data$dato_pros)),
maaned = as.ordered(format(.data$dato_pros, "%Y-%m"))
)
# OPPDATERE ALLE ANDRE FAKTOR variabler, for å få med alle mulige nivåer
d_ablanor %<>%
dplyr::mutate(forlopstype = factor(x = forlopstype,
levels = 1:4))
Datagrunnlag
Datagrunnlaget for denne rapporten er alle forløp registrert i AblaNor de
siste r showN månedene: det vil si i intervallet fra r format(periode_data$forste_dato , "%d/%m-%Y") til
r format(periode_data$siste_dato, "%d/%m-%Y").
Første og siste registrering fra r hospitalNameShort i tidsperioden er
henholdsvis r format(periode_data$forste_dato_shus, "%d/%m-%Y") og
r format(periode_data$nyeste_dato_shus, "%d/%m-%Y").
cat("\n\n\\pagebreak\n")
Forløpstype
Forløpene i registrert i AblaNor er en av typene : Atrieflimmer/atypisk flutter
(AFLI), Ventrikkeltakykardi (VT), Supraventrikulær takykardi (SVT) eller
Elektrofysiologisk undersøkelse (EFU). Dersom forløpstype ikke er registrert
blir verdien NA (not available), dette gjelder forløp der prosedyreskjema ikke
er ferdigstilte.
Tabellen under (Tabell \@ref(tab:typeForlopAar)) viser antall forløp
registrert i AblaNor fra r hospitalNameShort de r showN siste månedene,
for hver forløpstype og sammenlagt.
Figur \@ref(fig:typeForlopFig) viser antall forløp per
måned, samt fordeling etter forløpstype.
cap <- paste("Totalt antall forløp fra ",
hospitalNameShort, " de ", showN, " siste månedene.",
"For hver av de 4 forløpstypene: ",
"Atrieflimmer/atypisk flutter (AFLI), Ventrikkeltakykardi (VT), ",
"Supraventrikulær takykardi (SVT) eller ",
"Elektrofysiologisk undersøkelse (EFU).")
d_ablanor %>%
dplyr::count(.data$forlopstype) %>%
janitor::adorn_totals() %>%
ablanor::legg_til_forlopstype_kortnavn(., total = TRUE, langtnavn = TRUE) %>%
dplyr::select(.data$forlopstype_tekst, .data$n) %>%
dplyr::rename("Forløpstype" = .data$forlopstype_tekst,
"Antall" = .data$n) %>%
rapbase::mst(.,
type = params$tableFormat,
cap = cap,
digs = 1,
align = "lcc",
fs = 9,
lsd = FALSE)
figtekst <- paste0("Antall registreringer i AblaNor fra ",
hospitalNameShort, " hver måned det siste året. ",
"Tallene i søylene viser antall registrerte forløp per ",
"forløpstype. ",
"Atrieflimmer/atypisk flutter (AFLI), ",
"Ventrikkeltakykardi (VT), ",
"Supraventrikulær takykardi (SVT) eller ",
"Elektrofysiologisk undersøkelse (EFU).")
d_forlop_mnd <- d_ablanor %>%
dplyr::count(.data$maaned, .data$forlopstype, .drop = FALSE) %>%
ablanor::legg_til_forlopstype_kortnavn() %>%
dplyr::mutate(
n_uten0 = dplyr::case_when(
.data$n == 0 ~ "", .data$n != 0 ~ as.character(.data$n)
)
) %>%
dplyr::mutate(forlopstype_tekst = factor(
x = .data$forlopstype_tekst,
levels = c("AFLI", "VT", "SVT", "EFU")))
ggplot2::ggplot(
data = d_forlop_mnd,
ggplot2::aes(
x = .data$n,
y = .data$maaned,
fill = .data$forlopstype_tekst
)
) +
ggplot2::geom_bar(stat = "identity",
position = ggplot2::position_stack(reverse = TRUE)) +
ggplot2::scale_fill_manual(values = colPrimary[3:6]) +
ablanor::ablanor_plot_theme() +
ggplot2::labs(title = paste0("Antall registreringer i AblaNor de ",
showN, " siste månedene" ),
subtitle = hospitalNameShort) +
ggplot2::geom_vline(xintercept = 0, size = 1, colour = "gray45") +
ggplot2::geom_text(
ggplot2::aes(label = .data$n_uten0),
family = "sans",
position = ggplot2::position_stack(vjust = 0.5, reverse = TRUE)
)
cat("\n\n\\pagebreak\n")
Komplikasjoner
I Ablanor registreres følgende: "Skjedde det komplikasjoner som følge av
operasjonen?". Dette kan enten være komplikasjoner som oppstod umiddelbart
etter operasjonen eller som var senkomplikasjoner som (sannsynligvis) skyldtes
operasjonen.
Figur \@ref(fig:komplikasjonerFig) viser prosentandel forløp der komplikasjoner
skjedde, per måned. Tallene i søylen viser antall forløp med komplikasjoner,
delt på på totalt antall forløp den måneden. Tabell
\@ref(tab:komplikasjonerMaanedTabell) viser andel forløp med komplikasjoner
totalt per måned og i underpopulasjoner per måned.
figtekst <- paste0("Andel forløp fra ", hospitalNameShort,
" med komplikasjoner det siste året. " ,
"Tallene i søylene viser antall forløp med ",
"komplikasjoner delt på totalt antall forløp per måned.")
d_kompl_fig <- d_ablanor %>%
dplyr::select(.data$maaned, .data$komp_janei) %>%
ablanor::ki_komplikasjonar() %>%
dplyr::group_by(.data$maaned) %>%
ablanor::aggreger_ki_prop() %>%
dplyr::select(-.data$konfint_nedre, -.data$konfint_ovre, -.data$est) %>%
dplyr::mutate(komp_pros = .data$ki_teller / .data$ki_nevner,
komp_text = paste0(.data$ki_teller, "/", .data$ki_nevner)) %>%
dplyr::select(.data$maaned, .data$komp_pros, .data$komp_text)
d_kompl_fig2 <- dplyr::left_join(
d_kompl_fig %>%
tidyr::expand(., maaned),
d_kompl_fig,
by = "maaned"
) %>%
tidyr::replace_na(., list(komp_pros = 0, komp_text = " / "))
ggplot2::ggplot(data = d_kompl_fig2,
ggplot2::aes(x = komp_pros, y = maaned)) +
ggplot2::geom_bar(stat = "identity", position = "identity", fill = colPrimary[4]) +
ggplot2::labs(title = paste0("Komplikasjoner de ",
showN, " siste månedene"),
subtitle = hospitalNameShort) +
ablanor::ablanor_plot_theme() +
ggplot2::geom_vline(xintercept = 0, size = 1, colour = "gray45") +
ggplot2::geom_text(ggplot2::aes(label = komp_text),
family = "sans",
position = ggplot2::position_stack(vjust = 0.5)) +
ggplot2::scale_x_continuous(labels = function(x) paste0(x * 100, "%"))
cap <- paste0(
"Andel komplikasjoner per måned, totalt og for undergrupper. ",
"Totalt per måned og i undergruppene: ",
"Forløpstype, alder over/uder 75 år og BMI over/under 35. ",
"Merk at dersom Forløpstype, alder eller BMI mangler for et forløp, teller ",
"ikke dette forløpet i undergruppene.")
d_komp_tot <- d_ablanor %>%
dplyr::select(.data$komp_janei, .data$maaned) %>%
dplyr::group_by(.data$maaned) %>%
ablanor::ki_komplikasjonar() %>%
ablanor::aggreger_ki_prop() %>%
dplyr::transmute(maaned = .data$maaned,
Totalt = paste0(.data$ki_teller, "/", .data$ki_nevner)) %>%
dplyr::ungroup()
d_komp_forlop <- d_ablanor %>%
dplyr::select(.data$forlopstype, .data$komp_janei, .data$maaned) %>%
ablanor::ki_komplikasjonar() %>%
dplyr::group_by(.data$forlopstype, .data$maaned) %>%
ablanor::aggreger_ki_prop() %>%
dplyr::transmute(maaned = .data$maaned,
legend = .data$forlopstype,
value = paste0(.data$ki_teller, "/", .data$ki_nevner)) %>%
dplyr::ungroup() %>%
dplyr::select(-.data$forlopstype) %>%
ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) %>%
dplyr::rename("AFLI" = "1",
"VT" = "2",
"SVT" = "3",
"EFU" = "4")
d_komp_bmi <- d_ablanor %>%
dplyr::select(.data$bmi_over35, .data$komp_janei, .data$maaned) %>%
ablanor::ki_komplikasjonar() %>%
dplyr::group_by(.data$bmi_over35, .data$maaned) %>%
ablanor::aggreger_ki_prop() %>%
dplyr::transmute(maaned = .data$maaned,
legend = .data$bmi_over35,
value = paste0(.data$ki_teller, "/", .data$ki_nevner)) %>%
dplyr::ungroup() %>%
dplyr::select(- .data$bmi_over35) %>%
ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) %>%
dplyr::rename("over 35" = "BMI >=35",
"under 35" = "BMI <35")
d_komp_alder <- d_ablanor %>%
dplyr::select(.data$alder_75, .data$komp_janei, .data$maaned) %>%
ablanor::ki_komplikasjonar() %>%
dplyr::group_by(.data$alder_75, .data$maaned) %>%
ablanor::aggreger_ki_prop() %>%
dplyr::transmute(maaned = .data$maaned,
legend = .data$alder_75,
value = paste0(.data$ki_teller, "/", .data$ki_nevner)) %>%
dplyr::ungroup() %>%
dplyr::select(- .data$alder_75) %>%
ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) %>%
dplyr::rename("over 75" = ">=75",
"under 75" = "<75")
d_komp_TOTAL <- d_komp_forlop %>%
dplyr::left_join(., d_komp_alder, by = "maaned") %>%
dplyr::left_join(., d_komp_bmi, by = "maaned") %>%
dplyr::left_join(., d_komp_tot, by = "maaned") %>%
tidyr::replace_na(list(Totalt = " -- ")) %>%
dplyr::arrange(desc(.data$maaned))
knitr::kable(x = d_komp_TOTAL,
format = switch(params$tableFormat,
pdf = "latex",
html = "html"),
align = c("l", rep("c", 9)),
booktabs = TRUE,
caption = cap) %>%
kableExtra::add_header_above(c(" " = 1,
"Forløpstype" = 4,
"Alder" = 2,
"BMI" = 2,
" " = 1)) %>%
gsub("maaned", "Måned", .) %>%
ablanor::mst_short(., type = params$tableFormat,
lsd = FALSE,
fs = 9,
full_width = FALSE)
cat("\n\n\\pagebreak\n")
Akutt suksess
Akutt suksess er operatørens vurdering av om selve operasjonen er vellykket:
"Nei" dersom behandlet arytmi fortsatt er tilstede, "Ja" dersom
PV isolert/AP borte/ikke utløsbar arytmi. "Usikker" dersom sett andre arytmier
fortsatt, men mindre arytmi og "Ikke aktuelt" dersom ikke utløst arytmi.
Elektrofysiologiske undersøkelse eller forløp der akutt suksess er lik
"Ikke aktuelt" er fjernet fra datagrunnlaget.
Andel forløp med akutt suksess er regnet ut ved å dele antall forløp der akutt suksess er lik "Ja" på totalt
antall forløp der akutt suksess er en av "Ja", "Nei" eller "Usikker".
Figur \@ref(fig:akuttSuksessFig) viser prosentandel forløp med akutt suksess
blant abladerte, per måned. Tabell \@ref(tab:akuttSuksessMaaned) viser andel
forløp med akutt suksess blant abladerte totalt og i underpopulasjoner, per
måned.
cap <- paste0("Andel forløp med akutt suksess per måned de ",
showN, " siste månedene. ",
"I datagrunnlaget telles kun abladerte pasienter. ",
"Målnivået er markert med rød stiplet linje.")
d_akutt_suksess_fig <- d_ablanor %>%
dplyr::select(.data$maaned, .data$abla_strat_ingen, .data$akutt_suksess) %>%
ablanor::ki_akutt_suksess() %>%
dplyr::group_by(maaned) %>%
ablanor::aggreger_ki_prop() %>%
dplyr::transmute(maaned = .data$maaned,
akuttSuksess_pros = .data$ki_teller / .data$ki_nevner)
d_akutt_suksess_fig2 <- dplyr::left_join(
d_akutt_suksess_fig %>%
tidyr::expand(., maaned),
d_akutt_suksess_fig,
by = "maaned")
ggplot2::ggplot(data = d_akutt_suksess_fig2,
ggplot2::aes(x = akuttSuksess_pros, y = maaned)) +
ggplot2::geom_bar(stat = "identity",
position = "identity",
fill = colPrimary[4]) +
ablanor::ablanor_plot_theme() +
ggplot2::geom_vline(xintercept = 0, size = 1, colour = "gray45") +
ggplot2::geom_vline(xintercept = 0.95,
size = 1,
colour = colKontrast,
linetype = "dashed") +
ggplot2::labs(title = paste0("Akutt suksess de ",
showN, " siste månedene"),
subtitle = hospitalNameShort) +
ggplot2::scale_x_continuous(labels = function(x) paste0(x * 100, "%"))
cap <- paste0("Andel forløp med akutt suksess. ",
"I datagrunnlager telles kun abladerte pasienter (uten EFU og ",
"uten akutt suksess kodet 'ikke aktuelt'). ",
"Vi ser andel akutt suksess blant alle ablanderte (Totalt), ",
"per forløpstype, ",
"samt for undergrupper av AFLI og VT. ",
"Merk at grunnet manglende registrering av tilhørighet i ",
"undergrupper av AFLI/VT for et fåtall av forløp kan vi ha ",
"uoverensstemmelser i nevnerne. ")
d_akuttSuksess_tot <- d_ablanor %>%
dplyr::select(.data$abla_strat_ingen, .data$akutt_suksess, .data$maaned) %>%
dplyr::group_by(maaned, .drop = FALSE) %>%
ablanor::ki_akutt_suksess() %>%
ablanor::aggreger_ki_prop(., forenklet = TRUE) %>%
dplyr::transmute(maaned = .data$maaned,
Totalt = paste0(.data$ki_teller, "/", .data$ki_nevner)) %>%
dplyr::mutate(Totalt = dplyr::recode(.data$Totalt, "0/0" = " -- ")) %>%
dplyr::ungroup()
d_akuttSuksess_forlop <- d_ablanor %>%
dplyr::select(.data$forlopstype,
.data$abla_strat_ingen,
.data$akutt_suksess,
.data$maaned) %>%
ablanor::ki_akutt_suksess() %>%
dplyr::group_by(.data$forlopstype, .data$maaned, .drop=FALSE) %>%
ablanor::aggreger_ki_prop(., forenklet = TRUE) %>%
dplyr::transmute(maaned = .data$maaned,
legend = .data$forlopstype,
value = paste0(.data$ki_teller, "/", .data$ki_nevner)) %>%
dplyr::ungroup() %>%
dplyr::select(- .data$forlopstype) %>%
dplyr::mutate(value = dplyr::recode(.data$value,
"0/0" = " -- ")) %>%
ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) %>%
dplyr::rename("AFLI" = "1",
"VT" = "2",
"SVT" = "3",
"EFU" = "4")
d_akutt_suksess_AFLI_icd <- d_ablanor %>%
dplyr::select(.data$kategori_afli_aryt_i48,
.data$abla_strat_ingen,
.data$akutt_suksess,
.data$maaned) %>%
dplyr::filter(!is.na(.data$kategori_afli_aryt_i48)) %>%
ablanor::ki_akutt_suksess() %>%
dplyr::group_by(.data$kategori_afli_aryt_i48, .data$maaned, .drop = FALSE) %>%
ablanor::aggreger_ki_prop(., forenklet = TRUE) %>%
dplyr::transmute(maaned = .data$maaned,
legend = .data$kategori_afli_aryt_i48,
value = paste0(.data$ki_teller, "/", .data$ki_nevner)) %>%
dplyr::ungroup() %>%
dplyr::select(- .data$kategori_afli_aryt_i48) %>%
dplyr::mutate(value = dplyr::recode(.data$value,
"0/0" = " -- ")) %>%
ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE)
d_akutt_suksess_VT <- d_ablanor %>%
dplyr::select(.data$forlopstype,
.data$kategori_vt_kardiomyopati,
.data$abla_strat_ingen,
.data$akutt_suksess, maaned) %>%
dplyr::filter(.data$forlopstype == 2) %>%
ablanor::ki_akutt_suksess() %>%
dplyr::group_by(.data$kategori_vt_kardiomyopati,
.data$maaned,
.drop = FALSE) %>%
ablanor::aggreger_ki_prop(., forenklet = TRUE) %>%
dplyr::transmute(maaned = .data$maaned,
legend = .data$kategori_vt_kardiomyopati,
value = paste0(.data$ki_teller, "/", .data$ki_nevner)) %>%
dplyr::ungroup() %>%
dplyr::select(- .data$kategori_vt_kardiomyopati) %>%
dplyr::mutate(value = dplyr::recode(.data$value,
"0/0" = " -- ")) %>%
ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE)
d_akuttSuksess_TOTAL <- dplyr::left_join(
d_akuttSuksess_forlop %>% dplyr::select_if(!names(.) %in% "EFU"),
d_akutt_suksess_AFLI_icd,
by = "maaned") %>%
dplyr::left_join(., d_akutt_suksess_VT,
by = "maaned") %>%
dplyr::left_join(., d_akuttSuksess_tot,
by = "maaned") %>%
tidyr::replace_na(list(Totalt = " -- ")) %>%
dplyr::arrange(desc(.data$maaned)) %>%
dplyr::rename("Paroks." = "AFLI-ICD 48.0 Paroksymal atrieflimmer",
"Persist." = "AFLI-ICD 48.1 Persisterende atrieflimmer",
"Langtidsp." = "AFLI-ICD 48.1 Langtidspersisterende atrieflimmer",
"Uten" = "Uten kardiomyopati",
"ICM" = "Iskemisk KM (ICM)",
"DCM" ="Dilatert KM (DCM)",
"Annen" = "Annen KM",
"Ukjent" = "Ukjent om kardiomyopati")
knitr::kable(x = d_akuttSuksess_TOTAL,
format = switch(params$tableFormat,
pdf = "latex",
html = "html"),
align = c("l", rep("c",12)),
booktabs = TRUE,
cap = cap) %>%
kableExtra::add_header_above(c(" " = 1,
"Forløpstype" = 3,
"AFLI, ICD" = 3,
"VT, Kardiomyopati" = 5,
" " = 1)) %>%
ablanor::mst_short(., type = params$tableFormat,
lsd = TRUE,
fs = 9,
full_width = FALSE)
cat("\n\n\\pagebreak\n")
Prosedyrerelatert AV-blokk
Forløp med manglende komplikasjons-registrering
(n = r d_ablanor %>% dplyr::filter(is.na(komp_avblokk_pm)) %>% nrow()) er
fjernet fra datagrunnlaget. Tabell \@ref(tab:avBlokkTabell) viser prosentandel
forløp med registrering av komplikasjonen "AV-blokk med pacemakerimplantasjon
som følge av operasjonen", per måned.
cap <- paste0("Andel forløp med komplikasjon: AV-blokk med ",
"pacemakerimplantasjon som følge av operasjonen. ")
d_komplikasjonar_pacemaker <- d_ablanor %>%
dplyr::select(.data$maaned, .data$komp_avblokk_pm) %>%
ablanor::ki_komplikasjonar_pacemaker() %>%
dplyr::group_by(.data$maaned, .drop = FALSE) %>%
ablanor::aggreger_ki_prop(., forenklet = TRUE) %>%
dplyr::select(.data$maaned, .data$ki_teller, .data$ki_nevner)
d_komplikasjonar_pacemaker_tot <- d_ablanor %>%
dplyr::select(.data$maaned, .data$komp_avblokk_pm) %>%
ablanor::ki_komplikasjonar_pacemaker() %>%
ablanor::aggreger_ki_prop() %>%
dplyr::select(.data$ki_teller, .data$ki_nevner)
d_komplikasjonar_pacemaker %>%
dplyr::arrange(desc(.data$maaned)) %>%
tibble::add_row(maaned = "Totalt", d_komplikasjonar_pacemaker_tot) %>%
dplyr::transmute(Måned = .data$maaned,
Andel = paste0(.data$ki_teller, "/", .data$ki_nevner),
Prosent = paste0(
round(.data$ki_teller / .data$ki_nevner * 100, 1),
"%")) %>%
dplyr::mutate(Andel = dplyr::recode(.data$Andel,
"0/0" = " -- ")) %>%
dplyr::mutate(Prosent = dplyr::recode(.data$Prosent,
"NaN%" = " -- ")) %>%
rapbase::mst(., type = params$tableFormat,
digs = 1,
align = "lcc",
fs = 9, lsd = FALSE, cap = cap)
cat("\n\n\\pagebreak\n")
Prosedyrevarighet
Forløp med manglende prosedyrevarighet (n =
r d_ablanor %>% dplyr::filter(is.na(pros_varighet)) %>% nrow()) er fjernet
fra datagrunnlaget.
Figur \@ref(fig:figProsedyreVarighetMin) viser et boxplot med fordeling av
prosedyrevarighet per måned. Den blå boksen markerer nedre og øvre
kvartil, medianen er markert av den tykke linjen.
Punktene utenfor greinene viser uteliggere, det vil si
forløp med usedvanlig kort eller lang prosedyrevarighet
(prosedyrevarighet lengre enn 1,5 ganger interkvartil bredde over øvre kvartil/
under nedre kvartil).
Tabell \@ref(tab:tabellProsedyrevarighet1) og
\@ref(tab:tabellProsedyrevarighet2) viser gjennomsnittlig prosedyrevarighet
per måned, totalt og for undergrupper. Merk at grunnet manglende
registrering av tilhørighet i undergrupper av AFLI/VT samt BMI for et fåtall av
forløp kan vi ha små uoverensstemmelser i nevnerne.
fig.cap <- "Prosedyrevarighet i minutter per måned."
d_ablanor %>%
dplyr::filter(!is.na(.data$pros_varighet)) %>%
ggplot2::ggplot(ggplot2::aes(y = maaned, x = pros_varighet)) +
ggplot2::geom_boxplot(fill = colPrimary[4]) +
ablanor::ablanor_plot_theme() +
ggplot2::scale_y_discrete(drop = FALSE) +
ggplot2::labs(title = paste0("Prosedyrevarighet (minutter) de ",
showN, " siste månedene"),
subtitle = hospitalNameShort)
# VARIGHET prosedyre per måned, TOTALT :
d_varighet_pros_tot <- d_ablanor %>%
dplyr::filter(!is.na(.data$pros_varighet)) %>%
dplyr::select(.data$pros_varighet, .data$maaned) %>%
dplyr::group_by(maaned, .drop = FALSE) %>%
dplyr::summarise(pros_meanN = paste0(sprintf("%0.0f",
mean(.data$pros_varighet)),
" [",
sprintf("%0.0f", dplyr::n()),
"]"),
.groups = 'drop') %>%
dplyr::transmute(maaned = .data$maaned, value = .data$pros_meanN)
# FORLØPSTYPE
d_varighet_forlop <- d_ablanor %>%
dplyr::filter(!is.na(.data$pros_varighet)) %>%
dplyr::select(.data$forlopstype, .data$pros_varighet, .data$maaned) %>%
dplyr::group_by(.data$forlopstype, .data$maaned, .drop = FALSE) %>%
dplyr::summarise(pros_meanN = paste0(sprintf("%0.0f",
mean(pros_varighet)),
" [",
sprintf("%0.0f", dplyr::n()), "]"),
.groups = 'drop') %>%
dplyr::mutate(pros_meanN = dplyr::recode(.data$pros_meanN,
"NaN [0]" = " -- ")) %>%
dplyr::ungroup()
# varighet forløp per prosedyre
d_varighet_forlop_pros <- d_varighet_forlop %>%
dplyr::rename(legend = .data$forlopstype, value = .data$pros_meanN) %>%
ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) %>%
dplyr::rename("AFLI"="1",
"VT"="2",
"SVT"="3",
"EFU"="4")
#ALDER
d_varighet_alder_pros<- d_ablanor %>%
dplyr::filter(!is.na(.data$pros_varighet)) %>%
dplyr::select(.data$alder_75,
.data$pros_varighet,
.data$maaned) %>%
dplyr::group_by(.data$alder_75, .data$maaned, .drop = FALSE) %>%
dplyr::summarise(pros_meanN = paste0(sprintf("%0.0f",
mean(.data$pros_varighet)),
" [",
sprintf("%0.0f", dplyr::n()), "]"),
.groups = 'drop') %>%
dplyr::mutate(pros_meanN = dplyr::recode(.data$pros_meanN,
"NaN [0]" = " -- ")) %>%
dplyr::ungroup() %>%
dplyr::rename(legend = .data$alder_75, value = .data$pros_meanN) %>%
ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) %>%
dplyr::rename("over 75" = ">=75",
"under 75" = "<75")
#BMI
d_varighet_bmi_pros <- d_ablanor %>%
dplyr::filter(!is.na(.data$pros_varighet)) %>%
dplyr::select(.data$bmi_over35,
.data$rtg_tid,
.data$pros_varighet,
.data$maaned) %>%
dplyr::group_by(.data$bmi_over35, .data$maaned, .drop = FALSE) %>%
dplyr::summarise(pros_meanN = paste0(sprintf("%0.0f",
mean(.data$pros_varighet)),
" [",
sprintf("%0.0f", dplyr::n()), "]"),
.groups ='drop') %>%
dplyr::mutate(pros_meanN = dplyr::recode(.data$pros_meanN,
"NaN [0]" = " -- ")) %>%
dplyr::ungroup() %>%
dplyr::rename(legend = .data$bmi_over35, value = .data$pros_meanN) %>%
ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) %>%
dplyr::rename("over 35" = "BMI >=35",
"under 35" = "BMI <35")
# AFLI - ICD
d_varighet_afli_icd_pros <- d_ablanor %>%
dplyr::filter(!is.na(.data$pros_varighet),
!is.na(.data$kategori_afli_aryt_i48)) %>%
dplyr::select(.data$kategori_afli_aryt_i48,
.data$pros_varighet,
.data$maaned) %>%
dplyr::group_by(.data$kategori_afli_aryt_i48, .data$maaned, .drop = FALSE) %>%
dplyr::summarise(pros_meanN = paste0(sprintf("%0.0f",
mean(.data$pros_varighet)),
" [",
sprintf("%0.0f" , dplyr::n()), "]"),
.groups ='drop') %>%
dplyr::mutate(pros_meanN = dplyr::recode(.data$pros_meanN,
"NaN [0]" = " -- ")) %>%
dplyr::ungroup() %>%
dplyr::rename(legend = .data$kategori_afli_aryt_i48,
value = .data$pros_meanN) %>%
ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE)
# VT- KARDIOMYOPATI
d_varighet_vt_kardiomyopati_pros <- d_ablanor %>%
dplyr::filter(!is.na(.data$pros_varighet),
!is.na(.data$kategori_vt_kardiomyopati)) %>%
dplyr::select(.data$kategori_vt_kardiomyopati,
.data$pros_varighet,
.data$maaned) %>%
dplyr::group_by(.data$kategori_vt_kardiomyopati,
.data$maaned,
.drop = FALSE) %>%
dplyr::summarise(pros_meanN = paste0(sprintf("%0.0f",
mean(.data$pros_varighet)),
" [",
sprintf("%0.0f", dplyr::n()), "]"),
.groups='drop') %>%
dplyr::mutate(pros_meanN = dplyr::recode(.data$pros_meanN,
"NaN [0]" = " -- ")) %>%
dplyr::ungroup() %>%
dplyr::rename(legend = .data$kategori_vt_kardiomyopati,
value = .data$pros_meanN) %>%
ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE)
# KOMPLETT TABELL:
d_varighet_pros_TOTAL <-
dplyr::full_join(
d_varighet_pros_tot %>%
dplyr::rename("Totalt" = "value"),
d_varighet_forlop_pros,
by = "maaned"
) %>%
dplyr::left_join(., d_varighet_alder_pros, by = "maaned") %>%
dplyr::left_join(., d_varighet_bmi_pros, by = "maaned") %>%
dplyr::left_join(., d_varighet_afli_icd_pros, by = "maaned") %>%
dplyr::left_join(., d_varighet_vt_kardiomyopati_pros, by = "maaned") %>%
dplyr::arrange(desc(.data$maaned)) %>%
dplyr::rename("Paroks." = "AFLI-ICD 48.0 Paroksymal atrieflimmer",
"Persist." = "AFLI-ICD 48.1 Persisterende atrieflimmer",
"Langtidsp." = "AFLI-ICD 48.1 Langtidspersisterende atrieflimmer",
"Uten" = "Uten kardiomyopati",
"ICM" = "Iskemisk KM (ICM)",
"DCM" ="Dilatert KM (DCM)",
"Annen" = "Annen KM",
"Ukjent" = "Ukjent om kardiomyopati")
cat("\n\n\\pagebreak\n")
cap <- paste0("Del 1. Gjennomsnittlig prosedyrevarighet i minutter de ",
showN, " siste månedene. ",
"Totalt, for hver av forløpstypene, for alder over/under 75 år ",
"og for BMI over/under 35. ",
"Gjennomsnitt [antall]")
knitr::kable(
x = d_varighet_pros_TOTAL[, 1:10],
format = switch(params$tableFormat,
pdf = "latex",
html = "html"),
align = c("l", rep("c", 9)),
caption = cap,
booktabs = TRUE) %>%
kableExtra::add_header_above(c(" " = 2,
"Forløpstype" = 4,
"Alder" = 2,
"BMI" = 2)) %>%
gsub("maaned", "Måned", .) %>%
ablanor::mst_short(., type = params$tableFormat,
lsd = TRUE,
fs = 8,
full_width = FALSE)
cap <- paste0("Del 2. Gjennomsnittlig prosedyrevarighet i minutter de ",
showN, " siste månedene. ",
"Totalt, for kategorier av AFLI og VT. ",
"Gjennomsnitt [antall]")
knitr::kable(
x = d_varighet_pros_TOTAL[, c(1, 11:18)],
format = switch(params$tableFormat,
pdf = "latex",
html = "html"),
align = c("l", rep("c", 8)),
caption = cap,
booktabs = TRUE) %>%
kableExtra::add_header_above(c(" " = 1,
"AFLI - ICD" = 3,
"VT - Kardiomyopati" = 5)) %>%
gsub("maaned", "Måned", .) %>%
ablanor::mst_short(., type = params$tableFormat,
lsd = FALSE,
fs = 8,
full_width = FALSE)
cat("\n\n\\pagebreak\n")
Røntgentid
Forløp med manglende røntgenvarighet (n =
r d_ablanor %>% dplyr::filter(is.na(rtg_tid)) %>% nrow()) er fjernet
fra datagrunnlaget.
Figur \@ref(fig:figRontgenVarighetMin) viser et boxplot med fordeling av
røntgenvarighet per måned. Den blå boksen markerer nedre og øvre
kvartil, medianen er markert av den tykke linjen.
Punktene utenfor greinene viser uteliggere, det vil si
forløp med usedvanlig kort eller lang prosedyrevarighet
(prosedyrevarighet lengre enn 1,5 ganger interkvartil bredde over øvre kvartil/
under nedre kvartil).
Tabell \@ref(tab:tabellRontgenvarighet1) viser gjennomsnittlig røntgenvarighet
per måned, totalt og for hver av de fire forløpstypene.
cap <- "Røntgentid i minutter per måned."
d_varighet_tot_maaned <- d_ablanor %>%
dplyr::filter(!is.na(.data$rtg_tid)) %>%
dplyr::select(.data$maaned, .data$rtg_tid) %>%
dplyr::mutate(rtg_tid = as.numeric(.data$rtg_tid)) %>%
dplyr::mutate(rtg_tid_min = .data$rtg_tid / 60)
d_varighet_tot_maaned %>%
ggplot2::ggplot(ggplot2::aes(y = maaned, x = rtg_tid_min)) +
ggplot2::geom_boxplot(fill = colPrimary[4]) +
ablanor::ablanor_plot_theme() +
ggplot2::scale_y_discrete(drop = FALSE) +
ggplot2::labs(title = paste0("Røntgenvarighet (minutter) de ",
showN, " siste månedene"),
subtitle = hospitalNameShort)
# VARIGHET røntgen per måned TOTALT:
d_varighetRtg_mnd <- d_ablanor %>%
dplyr::filter(!is.na(.data$rtg_tid)) %>%
dplyr::select(.data$rtg_tid, .data$maaned) %>%
dplyr::mutate(rtg_tid = as.numeric(.data$rtg_tid)) %>%
dplyr::mutate(rtg_tid_min = .data$rtg_tid / 60) %>%
dplyr::group_by(.data$maaned, .drop = FALSE) %>%
dplyr::summarise(rtg_meanN = paste0(sprintf("%0.0f",
mean(.data$rtg_tid_min)),
" [", sprintf("%0.0f", dplyr::n()), "]"),
.groups = 'drop') %>%
dplyr::transmute(maaned = .data$maaned, Totalt = .data$rtg_meanN)
# FORLØPSTYPE
d_varighetRtg_forlop <- d_ablanor %>%
dplyr::filter(!is.na(.data$rtg_tid)) %>%
dplyr::select(.data$forlopstype, .data$rtg_tid, .data$maaned) %>%
dplyr::group_by(.data$forlopstype, .data$maaned, .drop = FALSE) %>%
dplyr::mutate(rtg_tid = as.numeric(.data$rtg_tid)) %>%
dplyr::mutate(rtg_tid_min = .data$rtg_tid / 60) %>%
dplyr::summarise(rtg_meanN = paste0(sprintf("%0.0f",
mean(.data$rtg_tid_min)),
" [",
sprintf("%0.0f", dplyr::n()), "]"),
.groups = 'drop') %>%
dplyr::mutate(rtg_meanN = dplyr::recode(.data$rtg_meanN,
"NaN [0]" = " -- ")) %>%
dplyr::ungroup() %>%
dplyr::rename(legend = .data$forlopstype, value = .data$rtg_meanN) %>%
ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) %>%
dplyr::rename("AFLI"="1",
"VT"="2",
"SVT"="3",
"EFU"="4")
d_varighetRtg_TOTAL<- dplyr::full_join(d_varighetRtg_mnd,
d_varighetRtg_forlop,
by = "maaned") %>%
dplyr::arrange(desc(.data$maaned))
cap <- paste0("Gjennomsnittlig røntgenvarighet i minutter de ",
showN, " siste månedene. ",
"Totalt og for hver forløpstype. ",
"Gjennomsnitt [antall].")
knitr::kable(
x = d_varighetRtg_TOTAL,
format = switch(params$tableFormat,
pdf = "latex",
html = "html"),
align = c("l", rep("c", 5)),
caption = cap,
booktabs = TRUE) %>%
kableExtra::add_header_above(c(" " = 1,
" " = 1,
"Forløpstype" = 4)) %>%
gsub("maaned", "Måned", .) %>%
ablanor::mst_short(., type = params$tableFormat,
lsd = FALSE,
fs = 8,
full_width = FALSE)
Rapporteket/ablanor documentation built on Feb. 27, 2025, 8:26 p.m.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
library(ablanor) # make sure to use a temporary directory AND absolute paths, e.g. that figs # can be found also when deployed at a server. See below link for explanation # https://rgriff23.github.io/2017/04/25/how-to-knit-for-mysite.html # Also make sure we use tempdir() as working directory so we do not clutter # the package of the hosting shiny app # workDir <- tempdir() # knitr::opts_knit$set(base.dir=workDir, base.url=file.path(paste0(tempdir(), "/")), root.dir = workDir) # Handle both html and latex (pdf) output. Actually to avoid setting 'format' # for each kable call # inspired by https://stackoverflow.com/questions/46080853/why-does-rendering-a-pdf-from-rmarkdown-require-closing-rstudio-between-renders options(knitr.table.format = params$tableFormat) knitr::opts_chunk$set(warnings = FALSE, echo = FALSE) options(stringsAsFactors = FALSE) # For some reason Shiny Server does not get the server locale settings right. # To display dates correct, enforce locale here: Sys.setlocale("LC_TIME", "nb_NO.UTF-8")
colPrimary <- c("#000059", "#084594", "#2171b5", "#4292c6", "#6baed6", "#c6dbef") colNeutral <- c("#4D4D4D", "#737373", "#A6A6A6", "#DADADA") colKontrast <- "#FF7260"
showN <- 12 #Egendefinerte kortnavn: hospitalNameShort <- ablanor::getHospitalName(registryName = "ablanor", reshId = params$reshId, shortName = TRUE, newNames = TRUE)
# DATAGRUNNLAG: PERIODE # NYESTE DATO: # Finne nyeste prosedyredato i prosedyre-tabellen. Vi ønsker ikke at # forhåndsregisrerte planlagte forløp kommer med i rapporten. Derfor brukes # gårsdagens dato som referanse, ingen forløp etter denne kommer med . # Vi vil dermed også kunne se dersom ingen nye registreringer gjøres eller om # overføringer har stoppet opp # ELDSTE DATO: # 12 komplette måneder før siste dato nyeste_reg <- ablanor::getLatestEntry(registryName = params$registryName) periode_data <- data.frame( siste_dato = min((as.Date(Sys.time()) - 1), nyeste_reg)) %>% dplyr::mutate(forste_dato = lubridate::floor_date(.data$siste_dato, "month") - months(showN))
d_ablanor <- ablanor::getBaseregProsData(registryName = params$registryName, singleRow = FALSE, reshId = params$reshId, userRole = params$userRole, fromDate = periode_data$forste_dato, toDate = periode_data$siste_dato)
periode_data$forste_dato_shus <- d_ablanor %>% dplyr::summarise(min(.data$dato_pros)) %>% dplyr::pull() periode_data$nyeste_dato_shus <- d_ablanor %>% dplyr::summarise(max(.data$dato_pros)) %>% dplyr::pull()
# OPPDATERE : UKE, MÅNED, ÅR for å få riktig levels i faktorer, også dersom # ingen registreringer i løpet av en måned d_ablanor %<>% dplyr::mutate( aar = as.ordered(lubridate::year(.data$dato_pros)), maaned = as.ordered(format(.data$dato_pros, "%Y-%m")) ) # OPPDATERE ALLE ANDRE FAKTOR variabler, for å få med alle mulige nivåer d_ablanor %<>% dplyr::mutate(forlopstype = factor(x = forlopstype, levels = 1:4))
Datagrunnlag
Datagrunnlaget for denne rapporten er alle forløp registrert i AblaNor de
siste r showN månedene: det vil si i intervallet fra r format(periode_data$forste_dato , "%d/%m-%Y") til
r format(periode_data$siste_dato, "%d/%m-%Y").
Første og siste registrering fra r hospitalNameShort i tidsperioden er
henholdsvis r format(periode_data$forste_dato_shus, "%d/%m-%Y") og
r format(periode_data$nyeste_dato_shus, "%d/%m-%Y").
cat("\n\n\\pagebreak\n")
Forløpstype
Forløpene i registrert i AblaNor er en av typene : Atrieflimmer/atypisk flutter
(AFLI), Ventrikkeltakykardi (VT), Supraventrikulær takykardi (SVT) eller
Elektrofysiologisk undersøkelse (EFU). Dersom forløpstype ikke er registrert
blir verdien NA (not available), dette gjelder forløp der prosedyreskjema ikke
er ferdigstilte.
Tabellen under (Tabell \@ref(tab:typeForlopAar)) viser antall forløp
registrert i AblaNor fra r hospitalNameShort de r showN siste månedene,
for hver forløpstype og sammenlagt.
Figur \@ref(fig:typeForlopFig) viser antall forløp per
måned, samt fordeling etter forløpstype.
cap <- paste("Totalt antall forløp fra ", hospitalNameShort, " de ", showN, " siste månedene.", "For hver av de 4 forløpstypene: ", "Atrieflimmer/atypisk flutter (AFLI), Ventrikkeltakykardi (VT), ", "Supraventrikulær takykardi (SVT) eller ", "Elektrofysiologisk undersøkelse (EFU).") d_ablanor %>% dplyr::count(.data$forlopstype) %>% janitor::adorn_totals() %>% ablanor::legg_til_forlopstype_kortnavn(., total = TRUE, langtnavn = TRUE) %>% dplyr::select(.data$forlopstype_tekst, .data$n) %>% dplyr::rename("Forløpstype" = .data$forlopstype_tekst, "Antall" = .data$n) %>% rapbase::mst(., type = params$tableFormat, cap = cap, digs = 1, align = "lcc", fs = 9, lsd = FALSE)
figtekst <- paste0("Antall registreringer i AblaNor fra ", hospitalNameShort, " hver måned det siste året. ", "Tallene i søylene viser antall registrerte forløp per ", "forløpstype. ", "Atrieflimmer/atypisk flutter (AFLI), ", "Ventrikkeltakykardi (VT), ", "Supraventrikulær takykardi (SVT) eller ", "Elektrofysiologisk undersøkelse (EFU).") d_forlop_mnd <- d_ablanor %>% dplyr::count(.data$maaned, .data$forlopstype, .drop = FALSE) %>% ablanor::legg_til_forlopstype_kortnavn() %>% dplyr::mutate( n_uten0 = dplyr::case_when( .data$n == 0 ~ "", .data$n != 0 ~ as.character(.data$n) ) ) %>% dplyr::mutate(forlopstype_tekst = factor( x = .data$forlopstype_tekst, levels = c("AFLI", "VT", "SVT", "EFU"))) ggplot2::ggplot( data = d_forlop_mnd, ggplot2::aes( x = .data$n, y = .data$maaned, fill = .data$forlopstype_tekst ) ) + ggplot2::geom_bar(stat = "identity", position = ggplot2::position_stack(reverse = TRUE)) + ggplot2::scale_fill_manual(values = colPrimary[3:6]) + ablanor::ablanor_plot_theme() + ggplot2::labs(title = paste0("Antall registreringer i AblaNor de ", showN, " siste månedene" ), subtitle = hospitalNameShort) + ggplot2::geom_vline(xintercept = 0, size = 1, colour = "gray45") + ggplot2::geom_text( ggplot2::aes(label = .data$n_uten0), family = "sans", position = ggplot2::position_stack(vjust = 0.5, reverse = TRUE) )
cat("\n\n\\pagebreak\n")
Komplikasjoner
I Ablanor registreres følgende: "Skjedde det komplikasjoner som følge av operasjonen?". Dette kan enten være komplikasjoner som oppstod umiddelbart etter operasjonen eller som var senkomplikasjoner som (sannsynligvis) skyldtes operasjonen.
Figur \@ref(fig:komplikasjonerFig) viser prosentandel forløp der komplikasjoner skjedde, per måned. Tallene i søylen viser antall forløp med komplikasjoner, delt på på totalt antall forløp den måneden. Tabell \@ref(tab:komplikasjonerMaanedTabell) viser andel forløp med komplikasjoner totalt per måned og i underpopulasjoner per måned.
figtekst <- paste0("Andel forløp fra ", hospitalNameShort, " med komplikasjoner det siste året. " , "Tallene i søylene viser antall forløp med ", "komplikasjoner delt på totalt antall forløp per måned.") d_kompl_fig <- d_ablanor %>% dplyr::select(.data$maaned, .data$komp_janei) %>% ablanor::ki_komplikasjonar() %>% dplyr::group_by(.data$maaned) %>% ablanor::aggreger_ki_prop() %>% dplyr::select(-.data$konfint_nedre, -.data$konfint_ovre, -.data$est) %>% dplyr::mutate(komp_pros = .data$ki_teller / .data$ki_nevner, komp_text = paste0(.data$ki_teller, "/", .data$ki_nevner)) %>% dplyr::select(.data$maaned, .data$komp_pros, .data$komp_text) d_kompl_fig2 <- dplyr::left_join( d_kompl_fig %>% tidyr::expand(., maaned), d_kompl_fig, by = "maaned" ) %>% tidyr::replace_na(., list(komp_pros = 0, komp_text = " / ")) ggplot2::ggplot(data = d_kompl_fig2, ggplot2::aes(x = komp_pros, y = maaned)) + ggplot2::geom_bar(stat = "identity", position = "identity", fill = colPrimary[4]) + ggplot2::labs(title = paste0("Komplikasjoner de ", showN, " siste månedene"), subtitle = hospitalNameShort) + ablanor::ablanor_plot_theme() + ggplot2::geom_vline(xintercept = 0, size = 1, colour = "gray45") + ggplot2::geom_text(ggplot2::aes(label = komp_text), family = "sans", position = ggplot2::position_stack(vjust = 0.5)) + ggplot2::scale_x_continuous(labels = function(x) paste0(x * 100, "%"))
cap <- paste0( "Andel komplikasjoner per måned, totalt og for undergrupper. ", "Totalt per måned og i undergruppene: ", "Forløpstype, alder over/uder 75 år og BMI over/under 35. ", "Merk at dersom Forløpstype, alder eller BMI mangler for et forløp, teller ", "ikke dette forløpet i undergruppene.") d_komp_tot <- d_ablanor %>% dplyr::select(.data$komp_janei, .data$maaned) %>% dplyr::group_by(.data$maaned) %>% ablanor::ki_komplikasjonar() %>% ablanor::aggreger_ki_prop() %>% dplyr::transmute(maaned = .data$maaned, Totalt = paste0(.data$ki_teller, "/", .data$ki_nevner)) %>% dplyr::ungroup() d_komp_forlop <- d_ablanor %>% dplyr::select(.data$forlopstype, .data$komp_janei, .data$maaned) %>% ablanor::ki_komplikasjonar() %>% dplyr::group_by(.data$forlopstype, .data$maaned) %>% ablanor::aggreger_ki_prop() %>% dplyr::transmute(maaned = .data$maaned, legend = .data$forlopstype, value = paste0(.data$ki_teller, "/", .data$ki_nevner)) %>% dplyr::ungroup() %>% dplyr::select(-.data$forlopstype) %>% ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) %>% dplyr::rename("AFLI" = "1", "VT" = "2", "SVT" = "3", "EFU" = "4") d_komp_bmi <- d_ablanor %>% dplyr::select(.data$bmi_over35, .data$komp_janei, .data$maaned) %>% ablanor::ki_komplikasjonar() %>% dplyr::group_by(.data$bmi_over35, .data$maaned) %>% ablanor::aggreger_ki_prop() %>% dplyr::transmute(maaned = .data$maaned, legend = .data$bmi_over35, value = paste0(.data$ki_teller, "/", .data$ki_nevner)) %>% dplyr::ungroup() %>% dplyr::select(- .data$bmi_over35) %>% ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) %>% dplyr::rename("over 35" = "BMI >=35", "under 35" = "BMI <35") d_komp_alder <- d_ablanor %>% dplyr::select(.data$alder_75, .data$komp_janei, .data$maaned) %>% ablanor::ki_komplikasjonar() %>% dplyr::group_by(.data$alder_75, .data$maaned) %>% ablanor::aggreger_ki_prop() %>% dplyr::transmute(maaned = .data$maaned, legend = .data$alder_75, value = paste0(.data$ki_teller, "/", .data$ki_nevner)) %>% dplyr::ungroup() %>% dplyr::select(- .data$alder_75) %>% ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) %>% dplyr::rename("over 75" = ">=75", "under 75" = "<75") d_komp_TOTAL <- d_komp_forlop %>% dplyr::left_join(., d_komp_alder, by = "maaned") %>% dplyr::left_join(., d_komp_bmi, by = "maaned") %>% dplyr::left_join(., d_komp_tot, by = "maaned") %>% tidyr::replace_na(list(Totalt = " -- ")) %>% dplyr::arrange(desc(.data$maaned)) knitr::kable(x = d_komp_TOTAL, format = switch(params$tableFormat, pdf = "latex", html = "html"), align = c("l", rep("c", 9)), booktabs = TRUE, caption = cap) %>% kableExtra::add_header_above(c(" " = 1, "Forløpstype" = 4, "Alder" = 2, "BMI" = 2, " " = 1)) %>% gsub("maaned", "Måned", .) %>% ablanor::mst_short(., type = params$tableFormat, lsd = FALSE, fs = 9, full_width = FALSE)
cat("\n\n\\pagebreak\n")
Akutt suksess
Akutt suksess er operatørens vurdering av om selve operasjonen er vellykket: "Nei" dersom behandlet arytmi fortsatt er tilstede, "Ja" dersom PV isolert/AP borte/ikke utløsbar arytmi. "Usikker" dersom sett andre arytmier fortsatt, men mindre arytmi og "Ikke aktuelt" dersom ikke utløst arytmi.
Elektrofysiologiske undersøkelse eller forløp der akutt suksess er lik "Ikke aktuelt" er fjernet fra datagrunnlaget.
Andel forløp med akutt suksess er regnet ut ved å dele antall forløp der akutt suksess er lik "Ja" på totalt antall forløp der akutt suksess er en av "Ja", "Nei" eller "Usikker". Figur \@ref(fig:akuttSuksessFig) viser prosentandel forløp med akutt suksess blant abladerte, per måned. Tabell \@ref(tab:akuttSuksessMaaned) viser andel forløp med akutt suksess blant abladerte totalt og i underpopulasjoner, per måned.
cap <- paste0("Andel forløp med akutt suksess per måned de ", showN, " siste månedene. ", "I datagrunnlaget telles kun abladerte pasienter. ", "Målnivået er markert med rød stiplet linje.") d_akutt_suksess_fig <- d_ablanor %>% dplyr::select(.data$maaned, .data$abla_strat_ingen, .data$akutt_suksess) %>% ablanor::ki_akutt_suksess() %>% dplyr::group_by(maaned) %>% ablanor::aggreger_ki_prop() %>% dplyr::transmute(maaned = .data$maaned, akuttSuksess_pros = .data$ki_teller / .data$ki_nevner) d_akutt_suksess_fig2 <- dplyr::left_join( d_akutt_suksess_fig %>% tidyr::expand(., maaned), d_akutt_suksess_fig, by = "maaned") ggplot2::ggplot(data = d_akutt_suksess_fig2, ggplot2::aes(x = akuttSuksess_pros, y = maaned)) + ggplot2::geom_bar(stat = "identity", position = "identity", fill = colPrimary[4]) + ablanor::ablanor_plot_theme() + ggplot2::geom_vline(xintercept = 0, size = 1, colour = "gray45") + ggplot2::geom_vline(xintercept = 0.95, size = 1, colour = colKontrast, linetype = "dashed") + ggplot2::labs(title = paste0("Akutt suksess de ", showN, " siste månedene"), subtitle = hospitalNameShort) + ggplot2::scale_x_continuous(labels = function(x) paste0(x * 100, "%"))
cap <- paste0("Andel forløp med akutt suksess. ", "I datagrunnlager telles kun abladerte pasienter (uten EFU og ", "uten akutt suksess kodet 'ikke aktuelt'). ", "Vi ser andel akutt suksess blant alle ablanderte (Totalt), ", "per forløpstype, ", "samt for undergrupper av AFLI og VT. ", "Merk at grunnet manglende registrering av tilhørighet i ", "undergrupper av AFLI/VT for et fåtall av forløp kan vi ha ", "uoverensstemmelser i nevnerne. ") d_akuttSuksess_tot <- d_ablanor %>% dplyr::select(.data$abla_strat_ingen, .data$akutt_suksess, .data$maaned) %>% dplyr::group_by(maaned, .drop = FALSE) %>% ablanor::ki_akutt_suksess() %>% ablanor::aggreger_ki_prop(., forenklet = TRUE) %>% dplyr::transmute(maaned = .data$maaned, Totalt = paste0(.data$ki_teller, "/", .data$ki_nevner)) %>% dplyr::mutate(Totalt = dplyr::recode(.data$Totalt, "0/0" = " -- ")) %>% dplyr::ungroup() d_akuttSuksess_forlop <- d_ablanor %>% dplyr::select(.data$forlopstype, .data$abla_strat_ingen, .data$akutt_suksess, .data$maaned) %>% ablanor::ki_akutt_suksess() %>% dplyr::group_by(.data$forlopstype, .data$maaned, .drop=FALSE) %>% ablanor::aggreger_ki_prop(., forenklet = TRUE) %>% dplyr::transmute(maaned = .data$maaned, legend = .data$forlopstype, value = paste0(.data$ki_teller, "/", .data$ki_nevner)) %>% dplyr::ungroup() %>% dplyr::select(- .data$forlopstype) %>% dplyr::mutate(value = dplyr::recode(.data$value, "0/0" = " -- ")) %>% ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) %>% dplyr::rename("AFLI" = "1", "VT" = "2", "SVT" = "3", "EFU" = "4") d_akutt_suksess_AFLI_icd <- d_ablanor %>% dplyr::select(.data$kategori_afli_aryt_i48, .data$abla_strat_ingen, .data$akutt_suksess, .data$maaned) %>% dplyr::filter(!is.na(.data$kategori_afli_aryt_i48)) %>% ablanor::ki_akutt_suksess() %>% dplyr::group_by(.data$kategori_afli_aryt_i48, .data$maaned, .drop = FALSE) %>% ablanor::aggreger_ki_prop(., forenklet = TRUE) %>% dplyr::transmute(maaned = .data$maaned, legend = .data$kategori_afli_aryt_i48, value = paste0(.data$ki_teller, "/", .data$ki_nevner)) %>% dplyr::ungroup() %>% dplyr::select(- .data$kategori_afli_aryt_i48) %>% dplyr::mutate(value = dplyr::recode(.data$value, "0/0" = " -- ")) %>% ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) d_akutt_suksess_VT <- d_ablanor %>% dplyr::select(.data$forlopstype, .data$kategori_vt_kardiomyopati, .data$abla_strat_ingen, .data$akutt_suksess, maaned) %>% dplyr::filter(.data$forlopstype == 2) %>% ablanor::ki_akutt_suksess() %>% dplyr::group_by(.data$kategori_vt_kardiomyopati, .data$maaned, .drop = FALSE) %>% ablanor::aggreger_ki_prop(., forenklet = TRUE) %>% dplyr::transmute(maaned = .data$maaned, legend = .data$kategori_vt_kardiomyopati, value = paste0(.data$ki_teller, "/", .data$ki_nevner)) %>% dplyr::ungroup() %>% dplyr::select(- .data$kategori_vt_kardiomyopati) %>% dplyr::mutate(value = dplyr::recode(.data$value, "0/0" = " -- ")) %>% ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) d_akuttSuksess_TOTAL <- dplyr::left_join( d_akuttSuksess_forlop %>% dplyr::select_if(!names(.) %in% "EFU"), d_akutt_suksess_AFLI_icd, by = "maaned") %>% dplyr::left_join(., d_akutt_suksess_VT, by = "maaned") %>% dplyr::left_join(., d_akuttSuksess_tot, by = "maaned") %>% tidyr::replace_na(list(Totalt = " -- ")) %>% dplyr::arrange(desc(.data$maaned)) %>% dplyr::rename("Paroks." = "AFLI-ICD 48.0 Paroksymal atrieflimmer", "Persist." = "AFLI-ICD 48.1 Persisterende atrieflimmer", "Langtidsp." = "AFLI-ICD 48.1 Langtidspersisterende atrieflimmer", "Uten" = "Uten kardiomyopati", "ICM" = "Iskemisk KM (ICM)", "DCM" ="Dilatert KM (DCM)", "Annen" = "Annen KM", "Ukjent" = "Ukjent om kardiomyopati") knitr::kable(x = d_akuttSuksess_TOTAL, format = switch(params$tableFormat, pdf = "latex", html = "html"), align = c("l", rep("c",12)), booktabs = TRUE, cap = cap) %>% kableExtra::add_header_above(c(" " = 1, "Forløpstype" = 3, "AFLI, ICD" = 3, "VT, Kardiomyopati" = 5, " " = 1)) %>% ablanor::mst_short(., type = params$tableFormat, lsd = TRUE, fs = 9, full_width = FALSE)
cat("\n\n\\pagebreak\n")
Prosedyrerelatert AV-blokk
Forløp med manglende komplikasjons-registrering
(n = r d_ablanor %>% dplyr::filter(is.na(komp_avblokk_pm)) %>% nrow()) er
fjernet fra datagrunnlaget. Tabell \@ref(tab:avBlokkTabell) viser prosentandel
forløp med registrering av komplikasjonen "AV-blokk med pacemakerimplantasjon
som følge av operasjonen", per måned.
cap <- paste0("Andel forløp med komplikasjon: AV-blokk med ", "pacemakerimplantasjon som følge av operasjonen. ") d_komplikasjonar_pacemaker <- d_ablanor %>% dplyr::select(.data$maaned, .data$komp_avblokk_pm) %>% ablanor::ki_komplikasjonar_pacemaker() %>% dplyr::group_by(.data$maaned, .drop = FALSE) %>% ablanor::aggreger_ki_prop(., forenklet = TRUE) %>% dplyr::select(.data$maaned, .data$ki_teller, .data$ki_nevner) d_komplikasjonar_pacemaker_tot <- d_ablanor %>% dplyr::select(.data$maaned, .data$komp_avblokk_pm) %>% ablanor::ki_komplikasjonar_pacemaker() %>% ablanor::aggreger_ki_prop() %>% dplyr::select(.data$ki_teller, .data$ki_nevner) d_komplikasjonar_pacemaker %>% dplyr::arrange(desc(.data$maaned)) %>% tibble::add_row(maaned = "Totalt", d_komplikasjonar_pacemaker_tot) %>% dplyr::transmute(Måned = .data$maaned, Andel = paste0(.data$ki_teller, "/", .data$ki_nevner), Prosent = paste0( round(.data$ki_teller / .data$ki_nevner * 100, 1), "%")) %>% dplyr::mutate(Andel = dplyr::recode(.data$Andel, "0/0" = " -- ")) %>% dplyr::mutate(Prosent = dplyr::recode(.data$Prosent, "NaN%" = " -- ")) %>% rapbase::mst(., type = params$tableFormat, digs = 1, align = "lcc", fs = 9, lsd = FALSE, cap = cap)
cat("\n\n\\pagebreak\n")
Prosedyrevarighet
Forløp med manglende prosedyrevarighet (n =
r d_ablanor %>% dplyr::filter(is.na(pros_varighet)) %>% nrow()) er fjernet
fra datagrunnlaget.
Figur \@ref(fig:figProsedyreVarighetMin) viser et boxplot med fordeling av prosedyrevarighet per måned. Den blå boksen markerer nedre og øvre kvartil, medianen er markert av den tykke linjen. Punktene utenfor greinene viser uteliggere, det vil si forløp med usedvanlig kort eller lang prosedyrevarighet (prosedyrevarighet lengre enn 1,5 ganger interkvartil bredde over øvre kvartil/ under nedre kvartil).
Tabell \@ref(tab:tabellProsedyrevarighet1) og \@ref(tab:tabellProsedyrevarighet2) viser gjennomsnittlig prosedyrevarighet per måned, totalt og for undergrupper. Merk at grunnet manglende registrering av tilhørighet i undergrupper av AFLI/VT samt BMI for et fåtall av forløp kan vi ha små uoverensstemmelser i nevnerne.
fig.cap <- "Prosedyrevarighet i minutter per måned." d_ablanor %>% dplyr::filter(!is.na(.data$pros_varighet)) %>% ggplot2::ggplot(ggplot2::aes(y = maaned, x = pros_varighet)) + ggplot2::geom_boxplot(fill = colPrimary[4]) + ablanor::ablanor_plot_theme() + ggplot2::scale_y_discrete(drop = FALSE) + ggplot2::labs(title = paste0("Prosedyrevarighet (minutter) de ", showN, " siste månedene"), subtitle = hospitalNameShort)
# VARIGHET prosedyre per måned, TOTALT : d_varighet_pros_tot <- d_ablanor %>% dplyr::filter(!is.na(.data$pros_varighet)) %>% dplyr::select(.data$pros_varighet, .data$maaned) %>% dplyr::group_by(maaned, .drop = FALSE) %>% dplyr::summarise(pros_meanN = paste0(sprintf("%0.0f", mean(.data$pros_varighet)), " [", sprintf("%0.0f", dplyr::n()), "]"), .groups = 'drop') %>% dplyr::transmute(maaned = .data$maaned, value = .data$pros_meanN) # FORLØPSTYPE d_varighet_forlop <- d_ablanor %>% dplyr::filter(!is.na(.data$pros_varighet)) %>% dplyr::select(.data$forlopstype, .data$pros_varighet, .data$maaned) %>% dplyr::group_by(.data$forlopstype, .data$maaned, .drop = FALSE) %>% dplyr::summarise(pros_meanN = paste0(sprintf("%0.0f", mean(pros_varighet)), " [", sprintf("%0.0f", dplyr::n()), "]"), .groups = 'drop') %>% dplyr::mutate(pros_meanN = dplyr::recode(.data$pros_meanN, "NaN [0]" = " -- ")) %>% dplyr::ungroup() # varighet forløp per prosedyre d_varighet_forlop_pros <- d_varighet_forlop %>% dplyr::rename(legend = .data$forlopstype, value = .data$pros_meanN) %>% ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) %>% dplyr::rename("AFLI"="1", "VT"="2", "SVT"="3", "EFU"="4") #ALDER d_varighet_alder_pros<- d_ablanor %>% dplyr::filter(!is.na(.data$pros_varighet)) %>% dplyr::select(.data$alder_75, .data$pros_varighet, .data$maaned) %>% dplyr::group_by(.data$alder_75, .data$maaned, .drop = FALSE) %>% dplyr::summarise(pros_meanN = paste0(sprintf("%0.0f", mean(.data$pros_varighet)), " [", sprintf("%0.0f", dplyr::n()), "]"), .groups = 'drop') %>% dplyr::mutate(pros_meanN = dplyr::recode(.data$pros_meanN, "NaN [0]" = " -- ")) %>% dplyr::ungroup() %>% dplyr::rename(legend = .data$alder_75, value = .data$pros_meanN) %>% ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) %>% dplyr::rename("over 75" = ">=75", "under 75" = "<75") #BMI d_varighet_bmi_pros <- d_ablanor %>% dplyr::filter(!is.na(.data$pros_varighet)) %>% dplyr::select(.data$bmi_over35, .data$rtg_tid, .data$pros_varighet, .data$maaned) %>% dplyr::group_by(.data$bmi_over35, .data$maaned, .drop = FALSE) %>% dplyr::summarise(pros_meanN = paste0(sprintf("%0.0f", mean(.data$pros_varighet)), " [", sprintf("%0.0f", dplyr::n()), "]"), .groups ='drop') %>% dplyr::mutate(pros_meanN = dplyr::recode(.data$pros_meanN, "NaN [0]" = " -- ")) %>% dplyr::ungroup() %>% dplyr::rename(legend = .data$bmi_over35, value = .data$pros_meanN) %>% ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) %>% dplyr::rename("over 35" = "BMI >=35", "under 35" = "BMI <35") # AFLI - ICD d_varighet_afli_icd_pros <- d_ablanor %>% dplyr::filter(!is.na(.data$pros_varighet), !is.na(.data$kategori_afli_aryt_i48)) %>% dplyr::select(.data$kategori_afli_aryt_i48, .data$pros_varighet, .data$maaned) %>% dplyr::group_by(.data$kategori_afli_aryt_i48, .data$maaned, .drop = FALSE) %>% dplyr::summarise(pros_meanN = paste0(sprintf("%0.0f", mean(.data$pros_varighet)), " [", sprintf("%0.0f" , dplyr::n()), "]"), .groups ='drop') %>% dplyr::mutate(pros_meanN = dplyr::recode(.data$pros_meanN, "NaN [0]" = " -- ")) %>% dplyr::ungroup() %>% dplyr::rename(legend = .data$kategori_afli_aryt_i48, value = .data$pros_meanN) %>% ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) # VT- KARDIOMYOPATI d_varighet_vt_kardiomyopati_pros <- d_ablanor %>% dplyr::filter(!is.na(.data$pros_varighet), !is.na(.data$kategori_vt_kardiomyopati)) %>% dplyr::select(.data$kategori_vt_kardiomyopati, .data$pros_varighet, .data$maaned) %>% dplyr::group_by(.data$kategori_vt_kardiomyopati, .data$maaned, .drop = FALSE) %>% dplyr::summarise(pros_meanN = paste0(sprintf("%0.0f", mean(.data$pros_varighet)), " [", sprintf("%0.0f", dplyr::n()), "]"), .groups='drop') %>% dplyr::mutate(pros_meanN = dplyr::recode(.data$pros_meanN, "NaN [0]" = " -- ")) %>% dplyr::ungroup() %>% dplyr::rename(legend = .data$kategori_vt_kardiomyopati, value = .data$pros_meanN) %>% ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) # KOMPLETT TABELL: d_varighet_pros_TOTAL <- dplyr::full_join( d_varighet_pros_tot %>% dplyr::rename("Totalt" = "value"), d_varighet_forlop_pros, by = "maaned" ) %>% dplyr::left_join(., d_varighet_alder_pros, by = "maaned") %>% dplyr::left_join(., d_varighet_bmi_pros, by = "maaned") %>% dplyr::left_join(., d_varighet_afli_icd_pros, by = "maaned") %>% dplyr::left_join(., d_varighet_vt_kardiomyopati_pros, by = "maaned") %>% dplyr::arrange(desc(.data$maaned)) %>% dplyr::rename("Paroks." = "AFLI-ICD 48.0 Paroksymal atrieflimmer", "Persist." = "AFLI-ICD 48.1 Persisterende atrieflimmer", "Langtidsp." = "AFLI-ICD 48.1 Langtidspersisterende atrieflimmer", "Uten" = "Uten kardiomyopati", "ICM" = "Iskemisk KM (ICM)", "DCM" ="Dilatert KM (DCM)", "Annen" = "Annen KM", "Ukjent" = "Ukjent om kardiomyopati")
cat("\n\n\\pagebreak\n")
cap <- paste0("Del 1. Gjennomsnittlig prosedyrevarighet i minutter de ", showN, " siste månedene. ", "Totalt, for hver av forløpstypene, for alder over/under 75 år ", "og for BMI over/under 35. ", "Gjennomsnitt [antall]") knitr::kable( x = d_varighet_pros_TOTAL[, 1:10], format = switch(params$tableFormat, pdf = "latex", html = "html"), align = c("l", rep("c", 9)), caption = cap, booktabs = TRUE) %>% kableExtra::add_header_above(c(" " = 2, "Forløpstype" = 4, "Alder" = 2, "BMI" = 2)) %>% gsub("maaned", "Måned", .) %>% ablanor::mst_short(., type = params$tableFormat, lsd = TRUE, fs = 8, full_width = FALSE)
cap <- paste0("Del 2. Gjennomsnittlig prosedyrevarighet i minutter de ", showN, " siste månedene. ", "Totalt, for kategorier av AFLI og VT. ", "Gjennomsnitt [antall]") knitr::kable( x = d_varighet_pros_TOTAL[, c(1, 11:18)], format = switch(params$tableFormat, pdf = "latex", html = "html"), align = c("l", rep("c", 8)), caption = cap, booktabs = TRUE) %>% kableExtra::add_header_above(c(" " = 1, "AFLI - ICD" = 3, "VT - Kardiomyopati" = 5)) %>% gsub("maaned", "Måned", .) %>% ablanor::mst_short(., type = params$tableFormat, lsd = FALSE, fs = 8, full_width = FALSE)
cat("\n\n\\pagebreak\n")
Røntgentid
Forløp med manglende røntgenvarighet (n =
r d_ablanor %>% dplyr::filter(is.na(rtg_tid)) %>% nrow()) er fjernet
fra datagrunnlaget.
Figur \@ref(fig:figRontgenVarighetMin) viser et boxplot med fordeling av røntgenvarighet per måned. Den blå boksen markerer nedre og øvre kvartil, medianen er markert av den tykke linjen. Punktene utenfor greinene viser uteliggere, det vil si forløp med usedvanlig kort eller lang prosedyrevarighet (prosedyrevarighet lengre enn 1,5 ganger interkvartil bredde over øvre kvartil/ under nedre kvartil).
Tabell \@ref(tab:tabellRontgenvarighet1) viser gjennomsnittlig røntgenvarighet per måned, totalt og for hver av de fire forløpstypene.
cap <- "Røntgentid i minutter per måned." d_varighet_tot_maaned <- d_ablanor %>% dplyr::filter(!is.na(.data$rtg_tid)) %>% dplyr::select(.data$maaned, .data$rtg_tid) %>% dplyr::mutate(rtg_tid = as.numeric(.data$rtg_tid)) %>% dplyr::mutate(rtg_tid_min = .data$rtg_tid / 60) d_varighet_tot_maaned %>% ggplot2::ggplot(ggplot2::aes(y = maaned, x = rtg_tid_min)) + ggplot2::geom_boxplot(fill = colPrimary[4]) + ablanor::ablanor_plot_theme() + ggplot2::scale_y_discrete(drop = FALSE) + ggplot2::labs(title = paste0("Røntgenvarighet (minutter) de ", showN, " siste månedene"), subtitle = hospitalNameShort)
# VARIGHET røntgen per måned TOTALT: d_varighetRtg_mnd <- d_ablanor %>% dplyr::filter(!is.na(.data$rtg_tid)) %>% dplyr::select(.data$rtg_tid, .data$maaned) %>% dplyr::mutate(rtg_tid = as.numeric(.data$rtg_tid)) %>% dplyr::mutate(rtg_tid_min = .data$rtg_tid / 60) %>% dplyr::group_by(.data$maaned, .drop = FALSE) %>% dplyr::summarise(rtg_meanN = paste0(sprintf("%0.0f", mean(.data$rtg_tid_min)), " [", sprintf("%0.0f", dplyr::n()), "]"), .groups = 'drop') %>% dplyr::transmute(maaned = .data$maaned, Totalt = .data$rtg_meanN) # FORLØPSTYPE d_varighetRtg_forlop <- d_ablanor %>% dplyr::filter(!is.na(.data$rtg_tid)) %>% dplyr::select(.data$forlopstype, .data$rtg_tid, .data$maaned) %>% dplyr::group_by(.data$forlopstype, .data$maaned, .drop = FALSE) %>% dplyr::mutate(rtg_tid = as.numeric(.data$rtg_tid)) %>% dplyr::mutate(rtg_tid_min = .data$rtg_tid / 60) %>% dplyr::summarise(rtg_meanN = paste0(sprintf("%0.0f", mean(.data$rtg_tid_min)), " [", sprintf("%0.0f", dplyr::n()), "]"), .groups = 'drop') %>% dplyr::mutate(rtg_meanN = dplyr::recode(.data$rtg_meanN, "NaN [0]" = " -- ")) %>% dplyr::ungroup() %>% dplyr::rename(legend = .data$forlopstype, value = .data$rtg_meanN) %>% ablanor::leggTilTomme_PivotWide(., remove_NAcols = TRUE) %>% dplyr::rename("AFLI"="1", "VT"="2", "SVT"="3", "EFU"="4") d_varighetRtg_TOTAL<- dplyr::full_join(d_varighetRtg_mnd, d_varighetRtg_forlop, by = "maaned") %>% dplyr::arrange(desc(.data$maaned))
cap <- paste0("Gjennomsnittlig røntgenvarighet i minutter de ", showN, " siste månedene. ", "Totalt og for hver forløpstype. ", "Gjennomsnitt [antall].") knitr::kable( x = d_varighetRtg_TOTAL, format = switch(params$tableFormat, pdf = "latex", html = "html"), align = c("l", rep("c", 5)), caption = cap, booktabs = TRUE) %>% kableExtra::add_header_above(c(" " = 1, " " = 1, "Forløpstype" = 4)) %>% gsub("maaned", "Måned", .) %>% ablanor::mst_short(., type = params$tableFormat, lsd = FALSE, fs = 8, full_width = FALSE)
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Embedding an R snippet on your website
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.