R/data_coding_inspec.R
In Sanggeun/chs: R functions for chs analysis
Defines functions
data_coding_inspec
Documented in
data_coding_inspec
#' coding chs index.
#'
#' data_coding_inspec function will code health indicators using raw data of community health survey.
#'
#' @param year the year investigated.
#' @param data_set raw data of community health survey.
#' @return
#' @examples
#' @export
#' @encoding UTF8
data_coding_inspec <- function(data_set, year) {
data_set$josa_year <- year
if(year == 2011) {
data_set$CITY_CD <- data_set$city_cd
data_set$JIJUM_CD <- data_set$jijum_cd
data_set$BOGUN_CD <- data_set$bogun_cd
data_set$dong_p <- data_set$dong
data_set$sod_02z2 <- data_set$sod_02z1
data_set$dong_p[data_set$dong_p == "논공읍공단출장소"] <- "논공읍"
data_set$dong_p[data_set$dong_p == "다사읍서재출장소"] <- "다사읍"
data_set$dong_p[data_set$dong_p %in% c('대현1동','대현2동')] <- "대현동"
data_set$dong_p[data_set$dong_p %in% c('동인1.2.4가동','동인3가동')] <- "동인동"
}
if(year == 2012) {
data_set$CITY_CD <- data_set$city_cd
data_set$JIJUM_CD <- data_set$jijum_cd
data_set$BOGUN_CD <- data_set$bogun_cd
data_set$dong_p <- data_set$dong
data_set$sod_02z2 <- data_set$sod_02z1
data_set$dong_p[data_set$dong_p == "논공읍공단출장소"] <- "논공읍"
data_set$dong_p[data_set$dong_p == "다사읍서재출장소"] <- "다사읍"
}
if (year == 2013) {
data_set$sod_02z2 <- data_set$sod_02z1
}
if (year %in% 2017:2018) {
data_set$wt_house <- data_set$wt_h
}
if (year == 2019) {
data_set$dong_p <- data_set$DONG_P
data_set$wt_house <- data_set$wt_h
}
### 나이
data_set$age_10 <- NA
data_set$age_10[data_set$age>=19 & data_set$age<=29]<-"19-29"
data_set$age_10[data_set$age>=30 & data_set$age<=39]<-"30-39"
data_set$age_10[data_set$age>=40 & data_set$age<=49]<-"40-49"
data_set$age_10[data_set$age>=50 & data_set$age<=59]<-"50-59"
data_set$age_10[data_set$age>=60 & data_set$age<=69]<-"60-69"
data_set$age_10[data_set$age>=70]<-"70이상"
data_set$age30 <- ifelse(data_set$age >= 30, 1, 0)
data_set$age50 <- ifelse(data_set$age >= 50, 1, 0)
data_set$age65 <- ifelse(data_set$age >= 65, 1, 0)
### 성별
data_set$gender <- ifelse(data_set$sex == 1,"남","여")
data_set$sex_m <- ifelse(data_set$sex == 1, 1, 0)
data_set$sex_f <- ifelse(data_set$sex == 2, 1, 0)
### 교육
data_set$educ <- ifelse(data_set$sob_01z1 %in% c("1","2") |
(data_set$sob_01z1 == "3" & data_set$sob_02z1 %in% c("2","3","4")),"1.무학",
ifelse((data_set$sob_01z1 == "3" & data_set$sob_02z1 == "1") |
(data_set$sob_01z1 == "4" & data_set$sob_02z1 %in% c("2","3","4")),"2.초등학교",
ifelse((data_set$sob_01z1 == "4" & data_set$sob_02z1 == "1") |
(data_set$sob_01z1 == "5" & data_set$sob_02z1 %in% c("2","3","4")), "3.중학교",
ifelse((data_set$sob_01z1 == "5" & data_set$sob_02z1 == "1") |
(data_set$sob_01z1 %in% c("6", "7") & data_set$sob_02z1 %in% c("2","3","4")), "4.고등학교",
ifelse((data_set$sob_01z1 %in% c("6","7") & data_set$sob_02z1 %in% "1") |
(data_set$sob_01z1 =="8" & data_set$sob_02z1 %in% c("1","2","3","4") ),"5.대학교이상",NA ) ))))
### 직업
data_set$job <- ifelse(data_set$soa_06z1 %in% c("1","2"),"1.전문행정관리",
ifelse(data_set$soa_06z1 == "3", "2.사무직",
ifelse(data_set$soa_06z1 %in% c("4","5"), "3.판매서비스직",
ifelse(data_set$soa_06z1 == "6", "4.농림어업",
ifelse(data_set$soa_06z1 %in% c("7","8","9"), "5.기능단순노무직",
ifelse(data_set$soa_06z1 %in% c("10","11","12","13"),"6.기타",NA))))))
### 소득
if (year %in% c(2011:2013, 2018)) {
income_t <- ifelse(data_set$fma_12z1 == 1 & data_set$fma_13z1 >= 0 & data_set$fma_13z1 <= 77776,
round(data_set$fma_13z1/12,1),
ifelse(data_set$fma_12z1 == 2 & data_set$fma_14z1 >= 0 & data_set$fma_14z1 <= 77776,
round(data_set$fma_14z1,1),NA))
data_set$income <- ifelse(income_t >= 0 & income_t < 50, "1.50만원미만",
ifelse(income_t < 100, "2.50-100만원미만",
ifelse(income_t < 200, "3.100-200만원미만",
ifelse(income_t < 300, "4.200-300만원미만",
ifelse(income_t < 400, "5.300-400만원미만",
ifelse(income_t < 500, "6.400-500만원미만",
ifelse(income_t < 600, "7.500-600만원미만",
ifelse(income_t >= 600, "8.600만원이상", NA))))))))
data_set$income_2 <- ifelse(income_t >= 0 & income_t < 100, "1.100만원미만",
ifelse(income_t < 200, "2.100-200만원미만",
ifelse(income_t < 300, "3.200-300만원미만",
ifelse(income_t < 400, "4.300-400만원미만",
ifelse(income_t >= 400, "5.400만원이상", NA)))))
data_set$income_3 <- ifelse(income_t >= 0 & income_t < 200, "200만원미만",
ifelse(income_t < 400, "200-400만원미만",
ifelse(income_t < 600, "400-600만원미만",
ifelse(income_t >= 600, "600만원이상", NA))))
}
if (year %in% 2014:2017) {
data_set$income <- ifelse(data_set$fma_24z1 == 1, "1.50만원미만",
ifelse(data_set$fma_24z1 == 2, "2.50-100만원미만",
ifelse(data_set$fma_24z1 == 3, "3.100-200만원미만",
ifelse(data_set$fma_24z1 == 4, "4.200-300만원미만",
ifelse(data_set$fma_24z1 == 5, "5.300-400만원미만",
ifelse(data_set$fma_24z1 == 6, "6.400-500만원미만",
ifelse(data_set$fma_24z1 == 7, "7.500-600만원미만",
ifelse(data_set$fma_24z1 == 8, "8.600만원이상", NA))))))))
data_set$income_2 <- ifelse(data_set$fma_24z1 %in% 1:2, "1.100만원미만",
ifelse(data_set$fma_24z1 == 3, "2.100-200만원미만",
ifelse(data_set$fma_24z1 == 4, "3.200-300만원미만",
ifelse(data_set$fma_24z1 == 5, "4.300-400만원미만",
ifelse(data_set$fma_24z1 %in% 6:8, "5.400만원이상", NA)))))
data_set$income_3 <- ifelse(data_set$fma_24z1 %in% 1:3, "200만원미만",
ifelse(data_set$fma_24z1 %in% 4:5, "200-400만원미만",
ifelse(data_set$fma_24z1 %in% 6:7, "400-600만원미만",
ifelse(data_set$fma_24z1 == 8, "600만원이상", NA))))
}
### 세대
if (year %in% c(2011,2013)) {
data_set$fma_19z1 <- data_set$fma_19z2 # family type
}
data_set$generation <- ifelse(data_set$fma_19z1 %in% 1:7, "1세대",
ifelse(data_set$fma_19z1 %in% 8:16, "2세대",
ifelse(data_set$fma_19z1 %in% 17:19, "3세대",NA)))
### 동읍면
if (year %in% 2011:2018) {
data_set$town <- ifelse(data_set$dong_type == 1, "1.동",
ifelse(data_set$dong_type == 2, "2.읍면", NA))
}
if (year == 2019) {
data_set$town <- ifelse(data_set$DONG_TYPE == 1, "1.동",
ifelse(data_set$DONG_TYPE == 2, "2.읍면", NA))
}
# 건강행태
## 흡연
###1. 현재 흡연율
data_set$sm_a0100 <- NA
data_set$sm_a0100[data_set$sma_03z2==8] <- NA
data_set$sm_a0100[data_set$sma_03z2 %in% c(1,2)] <- 1 # current smoker
data_set$sm_a0100[data_set$sma_03z2 == 3] <- 0
data_set$sm_a0100[data_set$sma_01z2 == 2] <- 0
###2. 평생 흡연율
if (year %in% 2011:2018) {
data_set$sm_a0200 <- ifelse(data_set$sma_01z2 == 1, 1,
ifelse(data_set$sma_01z2 == 2, 0, NA))
### 3. 흡연시작연령
data_set$sm_a0300 <- ifelse(data_set$sma_01z2 == 1 &
(data_set$sma_02z1>=0 & data_set$sma_02z1<=110) &
(data_set$sma_02z1>=0 & data_set$sma_02z1<=data_set$age),
data_set$sma_02z1, NA)
### 4. 매일 흡연자의 하루 평균 흡연량
#### 분모정의(매일 흡연자)
data_set$sm_a0400 <- ifelse(data_set$sma_01z2 == 1,
ifelse(data_set$sma_03z2 == 1, 1,
ifelse(data_set$sma_03z2 %in% c(2,3),0,NA)),
ifelse(data_set$sma_01z2 == 2, 0, NA))
}
#### 분자정의(흡연량)
data_set$sm_b0100 <- ifelse(data_set$smb_01z1 >= 1 & data_set$smb_01z1 <= 776,
data_set$smb_01z1, NA)
### 4-1. 매일 흡연자의 하루 평균 흡연량_10개비 미만
data_set$sm_b0201 <- ifelse(data_set$smb_01z1 >= 1 & data_set$smb_01z1 <= 9, 1,
ifelse(data_set$smb_01z1 >= 10 & data_set$smb_01z1 <= 776, 0, NA))
### 4-2. 매일흡연자의 하루평균흡연량_10~19개비
data_set$sm_b0202 <- ifelse(data_set$smb_01z1 >= 1 & data_set$smb_01z1 <= 9, 0,
ifelse(data_set$smb_01z1 >= 10 & data_set$smb_01z1 <= 19, 1,
ifelse(data_set$smb_01z1 >= 20 & data_set$smb_01z1 <= 776, 0, NA)))
### 4-3. 매일흡연자의 하루평균흡연량_20~39개비
data_set$sm_b0203 <- ifelse(data_set$smb_01z1 >= 1 & data_set$smb_01z1 <= 19, 0,
ifelse(data_set$smb_01z1 >= 20 & data_set$smb_01z1 <= 39, 1,
ifelse(data_set$smb_01z1 >= 40 & data_set$smb_01z1 <= 776, 0, NA)))
### 4-4. 매일흡연자의 하루평균흡연량_40개비 이상
data_set$sm_b0204 <- ifelse(data_set$smb_01z1 >= 1 & data_set$smb_01z1 <= 39, 0,
ifelse(data_set$smb_01z1 >= 40 & data_set$smb_01z1 <= 776, 1, NA))
### 5. 금연시도율
data_set$sm_d0600 <- NA
data_set$sm_d0600[data_set$smd_02z2==1] <- 1
data_set$sm_d0600[data_set$smd_02z2 %in% c(2,3)] <- 0
### 6. 현재흡연자의 1개월 내 금연계획률
data_set$sm_d0500 <- ifelse(data_set$smd_01z2 == 1, 1,
ifelse(data_set$smd_01z2 %in% 2:4, 0, NA))
### 7. 과거흡연자의 금연기간
if (year %in% 2011:2014) {
data_set$sm_d2300 <- NA
data_set$sm_d2601 <- NA
data_set$sm_d2602 <- NA
data_set$sm_d2603 <- NA
data_set$sm_d2604 <- NA
data_set$sm_d2605 <- NA
data_set$sm_d2606 <- NA
}
if (year %in% 2015:2017) {
#### 분모정의
data_set$sm_d2300 <- ifelse(data_set$sma_01z2 == 1,
ifelse(data_set$sma_03z2 == 3, 1,
ifelse(data_set$sma_03z2 %in% c(1,2), 0,NA)),
ifelse(data_set$sma_01z2 == 2, 0, NA))
#### 7-1. 과거흡연자의 금연기간 1년 미만
data_set$sm_d2601 <- ifelse(data_set$smb_09z1 == 1, 1,
ifelse(data_set$smb_09z1 %in% 2:6, 0, NA))
#### 7-2. 과거흡연자의 금연기간_1년~5년 미만
data_set$sm_d2602 <- ifelse(data_set$smb_09z1 == 2, 1,
ifelse(data_set$smb_09z1 %in% c(1,3:6), 0, NA))
#### 7-3. 과거흡연자의 금연기간상_5년~10년 미만
data_set$sm_d2603 <- ifelse(data_set$smb_09z1 == 3, 1,
ifelse(data_set$smb_09z1 %in% c(1,2,4:6), 0, NA))
#### 7-4. 과거흡연자의 금연기간_10년~15년 미만
data_set$sm_d2604 <- ifelse(data_set$smb_09z1 == 4, 1,
ifelse(data_set$smb_09z1 %in% c(1:3,5,6), 0, NA))
#### 7-5. 과거흡연자의 금연기간_15년~20년 미만
data_set$sm_d2605 <- ifelse(data_set$smb_09z1 == 5, 1,
ifelse(data_set$smb_09z1 %in% c(1:4,6), 0, NA))
#### 7-6. 과거흡연자의 금연기간_20년 이상
data_set$sm_d2606 <- ifelse(data_set$smb_09z1 == 6, 1,
ifelse(data_set$smb_09z1 %in% 1:5, 0, NA))
}
### 8. 현재 비흡연자의 가정실내 간접흡연노출률(11,13년도는 설문문항 차이있음)
##### 11,13: 가정의 실내에서 다른 사람이 피우는 담배연기를 맡는 시간은 하루 몇 시간 정도입니까?
##### 14~ : 1. 본인을 제외한 가족 중 가정의 실내에서 일상적으로 담배를 피우는 분이 있습니까?
##### 2. 최근 1주일동안 가정의 실내에서 다른 사람이 피우는 담배연기르 맡은 적이 있습니까?
if (year == 2012) {
data_set$sm_e0100 <- NA
data_set$sm_c0700 <- NA
}
if (year %in% c(2011, 2013)) {
##### 분모정의
data_set$sm_e0100 <- ifelse(data_set$sma_01z2 == 2, 1,
ifelse(data_set$sma_01z2 == 1,
ifelse(data_set$sma_03z2 %in% c(1,2), 0,
ifelse(data_set$sma_03z2 == 3, 1, NA)),
NA))
#### 분자정의
data_set$sm_c0700 <- ifelse(data_set$smc_03z1 ==1, 0,
ifelse(data_set$smc_03z1 %in% c(2,3), 1,NA))
}
if (year %in% 2014:2018) {
##### 분모정의
data_set$sm_e0100 <- ifelse(data_set$sma_01z2 == 2, 1,
ifelse(data_set$sma_01z2 == 1,
ifelse(data_set$sma_03z2 %in% c(1,2), 0,
ifelse(data_set$sma_03z2 == 3, 1, NA)),
NA))
#### 분자정의
data_set$sm_c0700 <- ifelse(data_set$smc_08z1 == 1,
ifelse(data_set$smc_09z1 == 1, 1,
ifelse(data_set$smc_09z1 == 2, 0, NA)),
ifelse(data_set$smc_08z1 == 2, 0, NA))
}
### 9. 현재 비흡연자의 직장실내간접흡연노출률
# 분모: 일을 하고 있는 현재 비흡연자(평생 비흡연자, 과거 흡연자) sm_e0200==1
# 분모
data_set$sm_e0200 <- NA
if (year %in% c(2011, 2013)) {
data_set$sm_e0200[data_set$smc_05z1 %in% c(1,2,3) & data_set$sma_01z2==2] <- 1
data_set$sm_e0200[data_set$smc_05z1 %in% c(1,2,3) & data_set$sma_01z2==1 & data_set$sma_03z2 %in% c(1,2)] <- 0
data_set$sm_e0200[data_set$smc_05z1 %in% c(1,2,3) & data_set$sma_01z2==1 & data_set$sma_03z2 == 3] <- 1
}
if (year %in% 2014:2018){
data_set$sm_e0200[data_set$smc_10z1 %in% c(1,2) & data_set$sma_01z2==2] <- 1
data_set$sm_e0200[data_set$smc_10z1 %in% c(1,2) & data_set$sma_01z2==1 & data_set$sma_03z2 %in% c(1,2)] <- 0
data_set$sm_e0200[data_set$smc_10z1 %in% c(1,2) & data_set$sma_01z2==1 & data_set$sma_03z2 == 3] <- 1
}
data_set$sm_e0200[data_set$soa_06z1 %in% c(11,12,13)] <- NA
# 분자
data_set$sm_c0800 <- NA
if (year %in% c(2011,2013)){
data_set$sm_c0800[data_set$smc_05z1 == 1] <- 0
data_set$sm_c0800[data_set$smc_05z1 %in% c(2,3)] <- 1
}
if (year %in% 2014:2018) {
data_set$sm_c0800[data_set$smc_10z1 == 1] <- 1
data_set$sm_c0800[data_set$smc_10z1 == 2] <- 0
data_set$sm_c0800[data_set$smc_10z1 == 3] <- NA
}
data_set$sm_c0800[data_set$soa_06z1 %in% c(11,12,13)] <- NA
### 10. 현재 비흡연자의 공공장소간접흡연노출률
#### 분자 정의
if (year == 2012) {
data_set$sm_c0500 <- NA
}
if (year %in% c(2011, 2013:2018)) {
data_set$sm_c0500 <- ifelse(data_set$smc_07z1 == 1, 1,
ifelse(data_set$smc_07z1 == 2, 0, NA))
}
### 11. 평생 전자담배 사용경험률
if (year %in% 2011:2013) {
data_set$sm_a0800 <- NA
}
if (year %in% 2014:2018) {
data_set$sm_a0800 <- ifelse(data_set$sma_08z1 == 1, 1,
ifelse(data_set$sma_08z1 == 2, 0, NA))
}
### 12. 현재 전자담배 사용경험률
#### 2014, 2015: 현재 전자담배를 피웁니까?
#### 2016~ : 최근 1달간 전자담배를 피운 적이 있습니까?
if (year %in% 2011:2013) {
data_set$sm_a1000 <- NA
}
if (year %in% 2014:2015) {
data_set$sm_a1000 <- ifelse(data_set$sma_08z1 == 1,
ifelse(data_set$sma_09z1 == 1, 1,
ifelse(data_set$sma_09z1 == 2, 0,NA)),
ifelse(data_set$sma_08z1 == 2, 0, NA))
}
if (year %in% 2016:2017) {
data_set$sm_a1000 <- ifelse(data_set$sma_08z1 == 1,
ifelse(data_set$sma_11z1 == 1, 1,
ifelse(data_set$sma_11z1 == 2, 0,NA)),
ifelse(data_set$sma_08z1 == 2, 0, NA))
}
### 13. 연간 금연캠페인 경험률
if (year %in% c(2014, 2016)) {
data_set$sm_d0900 <- NA
}
if(year %in% c(2011:2013, 2015, 2017)) {
data_set$sm_d0900 <- ifelse(data_set$smd_06z1 == 1, 1,
ifelse(data_set$smd_06z1 == 2, 0, NA))
}
### 14, 15 연간 금연교육 경험률, 현재 흡연자의 금연교육 경험률
if (year %in% 2011:2018) {
data_set$sm_d1000 <- ifelse(data_set$smd_07z1 == 1, 1,
ifelse(data_set$smd_07z1 == 2, 2, NA))
}
### 16. 금연구역 인지율
if(year %in% c(2012, 2014, 2016)) {
data_set$sm_d1100 <- NA
}
if(year %in% c(2011, 2013, 2015, 2017)) {
data_set$sm_d1100 <- ifelse(data_set$smd_08z1 %in% 1:2, 1,
ifelse(data_set$smd_08z1 == 3, 0, NA))
}
### 17. 현재흡연자의 금연구역 내 흡연 경험률
if(year %in% c(2012, 2014, 2016)) {
data_set$sm_d1200 <- NA
data_set$sm_d1300 <- NA
}
if (year %in% c(2011, 2013, 2015, 2017)) {
#### 분모정의(현재흡연자 + 구체적 금연구역 인지자)
data_set$sm_d1200 <- ifelse(data_set$sm_a0100 == 1 & data_set$smd_08z1 == 1, 1, 0)
#### 분자정의
data_set$sm_d1300 <- ifelse(data_set$smd_09z1 %in% 1:2, 1,
ifelse(data_set$smd_09z1 == 3, 0, NA))
}
### 음주
#### 월간음주율
data_set$dr_a0400 <- NA
data_set$dr_a0400[data_set$dra_01z1 ==2 |data_set$drb_02z1==2 | data_set$drb_01z2 ==1] <- 0
data_set$dr_a0400[data_set$dra_01z1==1 & data_set$drb_02z1==1 & data_set$drb_01z2 %in% c(2:5)] <- 1
#### 고위험 음주율
#성별에 따라 기준이 다름
data_set$dr_a0500 <- NA
data_set$dr_a0500[data_set$drb_01z2 %in% c(1:3)] <- 0
data_set$dr_a0500[data_set$sex=="1" & data_set$drb_01z2 %in% c(4:5) & data_set$drb_03z1 %in% c(1:3)] <- 0
data_set$dr_a0500[data_set$sex=="1" & data_set$drb_01z2 %in% c(4:5) & data_set$drb_03z1 %in% c(4:5)] <- 1
data_set$dr_a0500[data_set$sex=="2" & data_set$drb_01z2 %in% c(4:5) & data_set$drb_03z1 %in% c(1:2)] <- 0
data_set$dr_a0500[data_set$sex=="2" & data_set$drb_01z2 %in% c(4:5) & data_set$drb_03z1 %in% c(3:5)] <- 1
### 안전의식
#### 운전시 안전벨트 착용률
#분모 sfa_01z1==1
data_set$sf_a0100 <- NA
data_set$sf_a0100[data_set$sfa_02z2 %in% c(1:4)] <- 0
data_set$sf_a0100[data_set$sfa_02z2 == 5] <- 1
#### 동승차량 앞좌석 안전벨트 착용률
#분모sf_a0300==1
# 분모
data_set$sf_a0300 <- NA
if (year %in% c(2011, 2012, 2013)) {
data_set$sf_a0300[data_set$sfa_03z1 ==1] <- 1
data_set$sf_a0300[data_set$sfa_03z1 ==2] <- 0
} else if (year %in% c(2014, 2015, 2016, 2018)) {
data_set$sf_a0300[data_set$sfa_04z3 %in% c(2:5)] <- 1
data_set$sf_a0300[data_set$sfa_04z3 ==1] <- 0
}
# 분자
data_set$sf_a0400 <- NA
if (year %in% 2011:2013) {
data_set$sf_a0400[data_set$sfa_04z2 ==5] <- 1
data_set$sf_a0400[data_set$sfa_04z2 %in% c(1:4)] <- 0
} else if (year %in% 2014:2018) {
data_set$sf_a0400[data_set$sfa_04z3 %in% c(2:4)] <- 0
data_set$sf_a0400[data_set$sfa_04z3 ==5] <- 1
}
#### 음주운전경험률
#분모 sf_b0400==1
# 분모
data_set$sf_b0400 <- NA
data_set$sf_b0400[data_set$sfa_01z1==1 | data_set$sfa_05z1==1] <- 1
# 분자
data_set$sf_b0500<- 0
data_set$sf_b0500[data_set$sfb_05z2==1 | data_set$sfb_03z2==1] <- 1
### 운동 및 신체활동
data_set$ph_a0500 <- NA
if (year %in% c(2011:2017, 2019)) {
#### 중등도이상 신체활동 실천율
# 격렬한 신체활동
data_set$pha_05z1 <- as.numeric(data_set$pha_05z1)
data_set$pha_06z1 <- as.numeric(data_set$pha_06z1)
data_set$ph_a0100 <- NA
data_set$ph_a0100[is.na(data_set$pha_06z1) & data_set$pha_05z1 %in% c(0:24)] <-
data_set$pha_05z1[is.na(data_set$pha_06z1) & data_set$pha_05z1 %in% c(0:24)]*60
data_set$ph_a0100[data_set$pha_05z1 %in% c(0:24) & data_set$pha_06z1 %in% c(0:60)] <-
data_set$pha_05z1[data_set$pha_05z1 %in% c(0:24) & data_set$pha_06z1 %in% c(0:60)]*60 + data_set$pha_06z1[data_set$pha_05z1 %in% c(0:24) & data_set$pha_06z1 %in% c(0:60)]
data_set$ph_a0100[is.na(data_set$pha_05z1) & (data_set$pha_06z1 %in% c(0:60))] <- data_set$pha_06z1[is.na(data_set$pha_05z1) & (data_set$pha_06z1 %in% c(0:60))]
data_set$ph_a0200 <- NA
data_set$ph_a0200[data_set$pha_04z1 %in% c(0:2) | (data_set$pha_04z1 %in% c(3:7) & data_set$ph_a0100 <=19)] <- 0
data_set$ph_a0200[(data_set$pha_04z1 %in% c(3:7) & data_set$ph_a0100 >= 20)] <- 1
# 중등도 신체활동
data_set$pha_08z1 <- as.numeric(data_set$pha_08z1)
data_set$pha_09z1 <- as.numeric(data_set$pha_09z1)
data_set$ph_a0300 <- NA
data_set$ph_a0300[is.na(data_set$pha_09z1) & (data_set$pha_08z1 %in% c(0:24))] <-
data_set$pha_08z1[is.na(data_set$pha_09z1) & (data_set$pha_08z1 %in% c(0:24))]*60
data_set$ph_a0300[data_set$pha_08z1 %in% c(0:24) & data_set$pha_09z1 %in% c(0:60)] <-
data_set$pha_08z1[data_set$pha_08z1 %in% c(0:24) & data_set$pha_09z1 %in% c(0:60)]*60 + data_set$pha_09z1[data_set$pha_08z1 %in% c(0:24) & data_set$pha_09z1 %in% c(0:60)]
data_set$ph_a0300[is.na(data_set$pha_08z1) & (data_set$pha_09z1 %in% c(0:60))] <- data_set$pha_09z1[is.na(data_set$pha_08z1) & (data_set$pha_09z1 %in% c(0:60))]
data_set$ph_a0400 <- NA
data_set$ph_a0400[data_set$pha_07z1 %in% c(0:4) | (data_set$pha_04z1 %in% c(5:7) & data_set$ph_a0300 <=29)] <- 0
data_set$ph_a0400[(data_set$pha_07z1 %in% c(5:7) & data_set$ph_a0300 >= 30)] <- 1
# 중등도이상 신체활동 실천율
data_set$ph_a0500 <- NA
data_set$ph_a0500[data_set$ph_a0200==1 | data_set$ph_a0400==1] <- 1
data_set$ph_a0500[data_set$ph_a0200==0 & data_set$ph_a0400==0] <- 0
}
data_set$pha_aerobic <- NA
data_set$phc_sedent <- NA
data_set$pha_work <- NA
data_set$pha_walk <- NA
data_set$pha_lei <- NA
if (year %in% 2018) {
## 일과 관련된 고강도 신체활동 시간
data_set$pha_vig_d <- ifelse(data_set$pha_21z1 == 1 & data_set$pha_22z1 %in% 1:7 &
data_set$pha_23z1 %in% 0:24 & data_set$pha_24z1 %in% 0:60,
(data_set$pha_23z1*60 + data_set$pha_24z1*1), NA)
data_set$pha_vig <- data_set$pha_22z1*data_set$pha_vig_d
## 일과 관련된 중강도 신체활동 시간
data_set$pha_mod_d <- ifelse(data_set$pha_25z1 == 1 & data_set$pha_26z1 %in% 1:7 &
data_set$pha_27z1 %in% 0:24 & data_set$pha_28z1 %in% 0:60,
(data_set$pha_27z1*60 + data_set$pha_28z1*1), NA)
data_set$pha_mod <- data_set$pha_26z1*data_set$pha_mod_d
## 이동 중 걷기 및 자전거 이용시간
data_set$pha_walk_d <- ifelse(data_set$pha_29z1 == 1 & data_set$pha_30z1 %in% 1:7 &
data_set$pha_31z1 %in% 0:24 & data_set$pha_32z1 %in% 0:60,
(data_set$pha_31z1*60 + data_set$pha_32z1*1), NA)
data_set$pha_walk <- data_set$pha_30z1*data_set$pha_walk_d
## 여가 관련 고강도 신체활동 시간
data_set$pha_vig2_d <- ifelse(data_set$pha_33z1 == 1 & data_set$pha_34z1 %in% 1:7 &
data_set$pha_35z1 %in% 0:24 & data_set$pha_36z1 %in% 0:60,
(data_set$pha_35z1*60 + data_set$pha_36z1*1), NA)
data_set$pha_vig2 <- data_set$pha_34z1*data_set$pha_vig2_d
## 여가 관련된 중강도 신체활동 시간
data_set$pha_mod2_d <- ifelse(data_set$pha_37z1 == 1 & data_set$pha_38z1 %in% 1:7 &
data_set$pha_39z1 %in% 0:24 & data_set$pha_40z1 %in% 0:60,
(data_set$pha_39z1*60 + data_set$pha_40z1*1), NA)
data_set$pha_mod2 <- data_set$pha_38z1*data_set$pha_mod2_d
## 시간 합산
data_set$pha_vig_t <- ifelse(
!is.na(data_set$pha_vig) & !is.na(data_set$pha_vig2),
data_set$pha_vig + data_set$pha_vig2,
ifelse(!is.na(data_set$pha_vig), data_set$pha_vig,
ifelse(!is.na(data_set$pha_vig2),data_set$pha_vig2, 0))
)
data_set$pha_vig_t2 <- data_set$pha_vig_t*2
data_set$pha_mod_t <- ifelse(
#
!is.na(data_set$pha_mod) & !is.na(data_set$pha_mod2) & !is.na(data_set$pha_walk),
data_set$pha_mod + data_set$pha_mod2 + data_set$pha_walk,
#
ifelse(!is.na(data_set$pha_mod) & !is.na(data_set$pha_mod2),
data_set$pha_mod + data_set$pha_mod2,
ifelse(!is.na(data_set$pha_mod) & !is.na(data_set$pha_walk),
data_set$pha_mod + data_set$pha_walk,
ifelse(!is.na(data_set$pha_mod2) & !is.na(data_set$pha_walk),
data_set$pha_mod2 + data_set$pha_walk,
ifelse(!is.na(data_set$pha_mod), data_set$pha_mod,
ifelse(!is.na(data_set$pha_mod2), data_set$pha_mod2,
ifelse(!is.na(data_set$pha_walk), data_set$pha_walk, 0)))))))
data_set$pha_vig_mod_t <- data_set$pha_vig_t2 + data_set$pha_mod_t
# 유산소 신체활동 실천율
data_set$pha_aerobic <- ifelse(
(data_set$pha_21z1 == 1 & data_set$pha_22z1 %in% 1:7 & !is.na(data_set$pha_vig) |
data_set$pha_21z1 == 2) &
(data_set$pha_25z1 == 1 & data_set$pha_26z1 %in% 1:7 & !is.na(data_set$pha_mod) |
data_set$pha_25z1 == 2) &
(data_set$pha_29z1 == 1 & data_set$pha_30z1 %in% 1:7 & !is.na(data_set$pha_walk) |
data_set$pha_29z1 == 2) &
(data_set$pha_33z1 == 1 & data_set$pha_34z1 %in% 1:7 & !is.na(data_set$pha_vig2) |
data_set$pha_33z1 == 2) &
(data_set$pha_37z1 == 1 & data_set$pha_38z1 %in% 1:7 & !is.na(data_set$pha_mod2) |
data_set$pha_37z1 == 2),
(data_set$pha_mod_t >= 150 | data_set$pha_vig_t >= 75 | data_set$pha_vig_mod_t >= 150),NA)
# 일과 관련된 신체활동 시간
data_set$pha_work <- ifelse(
!is.na(data_set$pha_vig) & !is.na(data_set$pha_mod),
data_set$pha_vig*2 + data_set$pha_mod,
ifelse(!is.na(data_set$pha_vig), data_set$pha_vig*2,
ifelse(!is.na(data_set$pha_mod), data_set$pha_mod,0)))
# 여가 관련 신체활동 시간
data_set$pha_lei <- ifelse(!is.na(data_set$pha_vig2) & !is.na(data_set$pha_mod2),
data_set$pha_vig2*2 + data_set$pha_mod2,
ifelse(!is.na(data_set$pha_vig2), data_set$pha_vig2*2,
ifelse(!is.na(data_set$pha_mod2), data_set$pha_mod2,0)))
# 앉아서 보내는 시간
data_set$phc_sedent <- ifelse(data_set$pha_41z1 %in% 0:24 & data_set$pha_42z1 %in% 0:60,
data_set$pha_41z1 + data_set$pha_42z1/60,NA)
}
#### 걷기실천율
data_set$phb_03z1 <- as.numeric(data_set$phb_03z1)
data_set$phb_02z1 <- as.numeric(data_set$phb_02z1)
data_set$ph_b0100 <- NA
data_set$ph_b0100[is.na(data_set$phb_03z1) & (data_set$phb_02z1 %in% c(0:24))] <-
data_set$phb_02z1[is.na(data_set$phb_03z1) & (data_set$phb_02z1 %in% c(0:24))]*60
data_set$ph_b0100[data_set$phb_02z1 %in% c(0:24) & data_set$phb_03z1 %in% c(0:60)] <-
data_set$phb_02z1[data_set$phb_02z1 %in% c(0:24) & data_set$phb_03z1 %in% c(0:60)]*60 + data_set$phb_03z1[data_set$phb_02z1 %in% c(0:24) & data_set$phb_03z1 %in% c(0:60)]
data_set$ph_b0100[is.na(data_set$phb_02z1) & (data_set$phb_03z1 %in% c(0:60))] <- data_set$phb_03z1[is.na(data_set$phb_02z1) & (data_set$phb_03z1 %in% c(0:60))]
data_set$ph_b0200 <- NA
data_set$ph_b0200[data_set$phb_01z1 %in% c(0:4) | (data_set$phb_01z1 %in% c(5:7) & data_set$ph_b0100 <=29)] <- 0
data_set$ph_b0200[(data_set$phb_01z1 %in% c(5:7) & data_set$ph_b0100 >= 30)] <- 1
data_set$ph_a1001 <- NA
data_set$ph_a1002 <- NA
data_set$ph_a1003 <- NA
data_set$ph_a1004 <- NA
data_set$ph_a1005 <- NA
data_set$ph_a1006 <- NA
data_set$ph_a1009 <- NA
data_set$ph_a1100 <- NA
data_set$ph_a1201 <- NA
data_set$ph_a1202 <- NA
data_set$ph_a1203 <- NA
data_set$ph_a1204 <- NA
data_set$ph_a1205 <- NA
data_set$ph_a1301 <- NA
data_set$ph_a1302 <- NA
data_set$ph_a1303 <- NA
data_set$ph_a1304 <- NA
data_set$ph_a1305 <- NA
data_set$ph_c0100 <- NA
if (year %in% c(2011, 2013, 2015, 2017, 2019)) {
#### 유연성 운동 실천빈도
data_set$ph_a1001 <- ifelse(data_set$pha_10z1 == 1, 1,
ifelse(data_set$pha_10z1 %in% 2:6, 0, NA))
data_set$ph_a1002 <- ifelse(data_set$pha_10z1 == 2, 1,
ifelse(data_set$pha_10z1 %in% c(1,3:6), 0, NA))
data_set$ph_a1003 <- ifelse(data_set$pha_10z1 == 3, 1,
ifelse(data_set$pha_10z1 %in% c(1,2,4:6), 0, NA))
data_set$ph_a1004 <- ifelse(data_set$pha_10z1 == 4, 1,
ifelse(data_set$pha_10z1 %in% c(1:3,5,6), 0, NA))
data_set$ph_a1005 <- ifelse(data_set$pha_10z1 == 5, 1,
ifelse(data_set$pha_10z1 %in% c(1:4,6), 0, NA))
data_set$ph_a1006 <- ifelse(data_set$pha_10z1 == 6, 1,
ifelse(data_set$pha_10z1 %in% 1:5, 0, NA))
data_set$ph_a1009 <- ifelse(data_set$pha_10z1 %in% 2:6, 1,
ifelse(data_set$pha_10z1 == 1, 0, NA))
}
if(year %in% c(2011, 2013, 2015, 2017)) {
#### 근력운동 실천율
data_set$ph_a1100 <- ifelse(data_set$pha_11z1 >= 3, 1,
ifelse(data_set$pha_11z1 %in% 1:2, 0, NA))
#### 주중 여가시간에 앉아서 보내는 시간
data_set$ph_a1201 <- ifelse(data_set$pha_12z1 == 1, 1,
ifelse(data_set$pha_12z1 %in% 2:5, 0, NA))
data_set$ph_a1202 <- ifelse(data_set$pha_12z1 == 2, 1,
ifelse(data_set$pha_12z1 %in% c(1, 3:5), 0, NA))
data_set$ph_a1203 <- ifelse(data_set$pha_12z1 == 3, 1,
ifelse(data_set$pha_12z1 %in% c(1:2, 4:5), 0, NA))
data_set$ph_a1204 <- ifelse(data_set$pha_12z1 == 4, 1,
ifelse(data_set$pha_12z1 %in% c(1:3, 5), 0, NA))
data_set$ph_a1205 <- ifelse(data_set$pha_12z1 == 5, 1,
ifelse(data_set$pha_12z1 %in% 1:4, 0, NA))
#### 주말 여가시간에 앉아서 보내는 시간
data_set$ph_a1301 <- ifelse(data_set$pha_13z1 == 1, 1,
ifelse(data_set$pha_13z1 %in% 2:5, 0, NA))
data_set$ph_a1302 <- ifelse(data_set$pha_13z1 == 2, 1,
ifelse(data_set$pha_13z1 %in% c(1, 3:5), 0, NA))
data_set$ph_a1303 <- ifelse(data_set$pha_13z1 == 3, 1,
ifelse(data_set$pha_13z1 %in% c(1:2, 4:5), 0, NA))
data_set$ph_a1304 <- ifelse(data_set$pha_13z1 == 4, 1,
ifelse(data_set$pha_13z1 %in% c(1:3, 5), 0, NA))
data_set$ph_a1305 <- ifelse(data_set$pha_13z1 == 5, 1,
ifelse(data_set$pha_13z1 %in% 1:4, 0, NA))
}
if (year %in% c(2012, 2014, 2016, 2018)) {
#### 지역내 운동시설 접근
data_set$ph_c0100 <- ifelse(data_set$phc_01z1 %in% 1:2, 1,
ifelse(data_set$phc_01z1 %in% 3:4, 0, NA))
}
### 영양
#### 저염선호율(type1)
data_set$nu_b0100 <- NA
data_set$nu_b0100[data_set$nub_01z1 %in% c(1,2,3)] <- 0
data_set$nu_b0100[data_set$nub_01z1 %in% c(4,5)] <- 1
data_set$nu_b0200 <- NA
data_set$nu_b0200[data_set$nub_02z1 %in% c(1,2,3)] <- 0
data_set$nu_b0200[data_set$nub_02z1 == 4] <- 1
data_set$nu_b0300 <- NA
data_set$nu_b0300[data_set$nub_03z1 %in% c(1,2)] <- 0
data_set$nu_b0300[data_set$nub_03z1 == 3] <- 1
data_set$tmp_nutrition <- data_set$nu_b0100 + data_set$nu_b0200 + data_set$nu_b0300
# 저염선호율(type1)
data_set$nu_b0400 <- NA
data_set$nu_b0400[data_set$tmp_nutrition == 1] <- 1
data_set$nu_b0400[data_set$tmp_nutrition %in% c(0,2,3)] <- 0
# 저염선호율(type2)
data_set$nu_b0500 <- NA
data_set$nu_b0500[data_set$tmp_nutrition == 2] <- 1
data_set$nu_b0500[data_set$tmp_nutrition %in% c(0,1,3)] <- 0
# 저염선호율(type3)
data_set$nu_b0600 <- NA
data_set$nu_b0600[data_set$tmp_nutrition == 3] <- 1
data_set$nu_b0600[data_set$tmp_nutrition %in% c(0,1,2)] <- 0
#분모: josa_year %in% c(2014,2015,2016)
data_set$nu_c0200 <- NA
data_set$nu_c0300 <- NA
data_set$nu_c0400 <- NA
if (year %in% 2014:2018) {
# 영양표시 인지율
data_set$nu_c0200[data_set$nuc_02z1 == 1] <- 1
data_set$nu_c0200[data_set$nuc_02z1 == 2] <- 0
# 영양표시 독해율
data_set$nu_c0300[data_set$nu_c0200 == 1 & data_set$nuc_01z2 == 1] <- 1
data_set$nu_c0300[data_set$nu_c0200 == 1 & data_set$nuc_01z2 == 2] <- 0
data_set$nu_c0300[data_set$nu_c0200 == 0] <- 0
# 영양표시 활용률
data_set$nu_c0400[data_set$nu_c0200 == 1 & data_set$nu_c0300 == 1 & data_set$nuc_03z1 == 1] <- 1
data_set$nu_c0400[data_set$nu_c0200 == 1 & data_set$nu_c0300 == 1 & data_set$nuc_03z1 == 2] <- 0
}
#### 5일 이상 아침식사 실천율
data_set$nu_a0204 <- NA
data_set$nu_a0204[data_set$nua_01z1 %in% c(5,6,7)] <- 1
data_set$nu_a0204[data_set$nua_01z1 %in% c(0,1,2,3,4)] <- 0
### 비만 및 체중조절
# BMI
data_set$ob_a0100 <- NA
normal <- as.numeric(data_set$oba_02z1) >= 50 & as.numeric(data_set$oba_02z1) <= 210 &
as.numeric(data_set$oba_03z1) >= 20 & as.numeric(data_set$oba_03z1) <= 180
data_set$ob_a0100[normal] <- as.numeric(data_set$oba_03z1[normal]) / (as.numeric(data_set$oba_02z1[normal])^2*0.0001)
data_set$ob_a0101 <- NA
normal_2 <- !is.na(data_set$ob_a0100) & data_set$ob_a0100 >= 10 & data_set$ob_a0100 < 50
data_set$ob_a0101[normal_2] <- data_set$ob_a0100[normal_2]
#### 비만율
# 저체중
data_set$ob_a0201 <- NA
data_set$ob_a0201 <- ifelse(data_set$ob_a0101 >= 0 & data_set$ob_a0101 < 10,NA,
ifelse(data_set$ob_a0101 >= 10 & data_set$ob_a0101 <18.5, 1,
ifelse(data_set$ob_a0101 >= 18.5 & data_set$ob_a0101 <50, 0,
ifelse(is.na(data_set$ob_a0101), NA, NA))))
# 정상체중
data_set$ob_a0202 <- NA
data_set$ob_a0202 <- ifelse(data_set$ob_a0101 >= 0 & data_set$ob_a0101 < 10,NA,
ifelse(data_set$ob_a0101 >= 10 & data_set$ob_a0101 <18.5, 0,
ifelse(data_set$ob_a0101 >= 18.5 & data_set$ob_a0101 <25, 1,
ifelse(data_set$ob_a0101 >= 25 & data_set$ob_a0101 <50, 0,
ifelse(is.na(data_set$ob_a0101), NA, NA)))))
# 비만
data_set$ob_a0203 <- NA
data_set$ob_a0203 <- ifelse(data_set$ob_a0101 >= 0 & data_set$ob_a0101 < 10,NA,
ifelse(data_set$ob_a0101 >= 10 & data_set$ob_a0101 <18.5, 0,
ifelse(data_set$ob_a0101 >= 18.5 & data_set$ob_a0101 <25, 0,
ifelse(data_set$ob_a0101 >= 25 & data_set$ob_a0101 <50, 1,
ifelse(is.na(data_set$ob_a0101), NA, NA)))))
#### 주관적 비만인지율
data_set$ob_a0300 <- NA
data_set$ob_a0300[data_set$oba_01z1 %in% c(1,2,3)] <- 0
data_set$ob_a0300[data_set$oba_01z1 %in% c(4,5)] <- 1
#### 체중조절 시도율
data_set$ob_b0100 <- NA
data_set$ob_b0100[data_set$obb_01z1 %in% c(1,2)] <- 0
data_set$ob_b0100[data_set$obb_01z1 %in% c(3,4)] <- 1
### 구강건강
#### 저작불편호소율
#분모: age>= 65
data_set$or_b0100 <- NA
data_set$or_b0100[data_set$orb_01z1 %in% c(1,2)] <- 1
data_set$or_b0100[data_set$orb_01z1 %in% c(3,4,5)] <- 0
#### 구강검진 수진율
data_set$or_e0500 <- NA
data_set$or_e0500[data_set$ore_05z1==1] <-1
data_set$or_e0500[data_set$ore_05z1==2] <-0
#### 점심식사후 칫솔질 실천율
#분모: ord_01d2 %in% c(1,2)
data_set$or_d0050 <- ifelse(data_set$ord_01d2 %in% c(1,2), 1, 0)
data_set$or_d0100 <- NA
data_set$or_d0100[data_set$ord_01d2==1] <-1
data_set$or_d0100[data_set$ord_01d2==2] <-0
### 정신건강
#### 스트레스 인지율
data_set$mt_a0100 <- NA
data_set$mt_a0100[data_set$mta_01z1 %in% c(1,2)] <- 1
data_set$mt_a0100[data_set$mta_01z1 %in% c(3,4)] <- 0
#### 우울감 경험률
data_set$mt_b0100 <- NA
data_set$mt_b0100[data_set$mtb_01z1 == 1] <- 1
data_set$mt_b0100[data_set$mtb_01z1 == 2] <- 0
#### 우울증상 유병률
if (year %in% 2017:2019) {
data_set$tmp_mtb_07a1 <- ifelse(data_set$mtb_07a1 == 1, 0,
ifelse(data_set$mtb_07a1 == 2, 1,
ifelse(data_set$mtb_07a1 == 3, 2,
ifelse(data_set$mtb_07a1 == 4, 3, NA))))
data_set$tmp_mtb_07b1 <- ifelse(data_set$mtb_07b1 == 1, 0,
ifelse(data_set$mtb_07b1 == 2, 1,
ifelse(data_set$mtb_07b1 == 3, 2,
ifelse(data_set$mtb_07b1 == 4, 3, NA))))
data_set$tmp_mtb_07c1 <- ifelse(data_set$mtb_07c1 == 1, 0,
ifelse(data_set$mtb_07c1 == 2, 1,
ifelse(data_set$mtb_07c1 == 3, 2,
ifelse(data_set$mtb_07c1 == 4, 3, NA))))
data_set$tmp_mtb_07d1 <- ifelse(data_set$mtb_07d1 == 1, 0,
ifelse(data_set$mtb_07d1 == 2, 1,
ifelse(data_set$mtb_07d1 == 3, 2,
ifelse(data_set$mtb_07d1 == 4, 3, NA))))
data_set$tmp_mtb_07e1 <- ifelse(data_set$mtb_07e1 == 1, 0,
ifelse(data_set$mtb_07e1 == 2, 1,
ifelse(data_set$mtb_07e1 == 3, 2,
ifelse(data_set$mtb_07e1 == 4, 3, NA))))
data_set$tmp_mtb_07f1 <- ifelse(data_set$mtb_07f1 == 1, 0,
ifelse(data_set$mtb_07f1 == 2, 1,
ifelse(data_set$mtb_07f1 == 3, 2,
ifelse(data_set$mtb_07f1 == 4, 3, NA))))
data_set$tmp_mtb_07g1 <- ifelse(data_set$mtb_07g1 == 1, 0,
ifelse(data_set$mtb_07g1 == 2, 1,
ifelse(data_set$mtb_07g1 == 3, 2,
ifelse(data_set$mtb_07g1 == 4, 3, NA))))
data_set$tmp_mtb_07h1 <- ifelse(data_set$mtb_07h1 == 1, 0,
ifelse(data_set$mtb_07h1 == 2, 1,
ifelse(data_set$mtb_07h1 == 3, 2,
ifelse(data_set$mtb_07h1 == 4, 3, NA))))
data_set$tmp_mtb_07i1 <- ifelse(data_set$mtb_07i1 == 1, 0,
ifelse(data_set$mtb_07i1 == 2, 1,
ifelse(data_set$mtb_07i1 == 3, 2,
ifelse(data_set$mtb_07i1 == 4, 3, NA))))
data_set$tmp_mt_b0500 <- data_set$tmp_mtb_07a1 + data_set$tmp_mtb_07b1 +
data_set$tmp_mtb_07c1 + data_set$tmp_mtb_07d1 + data_set$tmp_mtb_07e1 +
data_set$tmp_mtb_07f1 + data_set$tmp_mtb_07g1 + data_set$tmp_mtb_07h1 + data_set$tmp_mtb_07i1
data_set$mt_b0500 <- ifelse(data_set$tmp_mt_b0500 >= 0 & data_set$tmp_mt_b0500 <= 9, 0,
ifelse(data_set$tmp_mt_b0500 >= 10 & data_set$tmp_mt_b0500 <= 27, 1, NA))
}
#### 자살생각률
if (year == 2019) {
data_set$mt_d0100 <- ifelse(data_set$mtd_01z1 == 1, 1,
ifelse(data_set$mtd_01z1 == 2, 0, 1))
}
### 예방접종
#### 인플루엔자 예방접종률
data_set$sc_a0100 <- NA
data_set$sc_a0100[data_set$sca_01z1==1] <- 1
data_set$sc_a0100[data_set$sca_01z1==2] <- 0
### 이환
#### 혈압인지율
if(year %in% c(2011, 2013:2019)) {
data_set$il_a1900 <- ifelse(data_set$hya_19z1 == 1, 1,
ifelse(data_set$hya_19z1 == 2, 0, NA))
}
if (year == 2012) {
data_set$il_a1900 <- 9
}
#### 혈당인지율
if(year %in% c(2011, 2013:2019)) {
data_set$il_b1900 <- ifelse(data_set$dia_19z1 == 1, 1,
ifelse(data_set$dia_19z1 == 2, 0, NA))
}
if (year == 2012) {
data_set$il_b1900 <- 9
}
#### 고혈압 의사진단 경험률(30세이상)
#분모: age>= 30
data_set$il_a0200 <- NA
data_set$il_a0200[data_set$hya_04z1==1] <- 1
data_set$il_a0200[data_set$hya_04z1==2] <- 0
#### 고혈압 약물치료율
#분모: age>=30 & il_a0200==1
data_set$il_a0500 <- NA
data_set$il_a0500[data_set$hya_06z1==1 & data_set$hya_14a1==1 & data_set$hya_14b1>=20 & data_set$hya_14b1<=31] <- 1
data_set$il_a0500[(data_set$hya_06z1==1 & data_set$hya_14a1==1 & data_set$hya_14b1>=0 & data_set$hya_14b1<=19) |
(data_set$hya_06z1==1 & data_set$hya_14a1==2)| data_set$hya_06z1==2] <- 0
### 고혈압 관리교육 장소(병의원/보건소)
data_set$il_a0701 <- NA
data_set$il_a0702 <- NA
data_set$il_a0703 <- NA
if(year %in% 2011:2017) {
data_set$il_a0701 <- ifelse(data_set$il_a0200 == 1 & data_set$hya_11a1 == 1, 1,
ifelse(data_set$il_a0200 == 1 & data_set$hya_11a1 == 2, 0, NA))
data_set$il_a0702 <- ifelse(data_set$il_a0200 == 1 & data_set$hya_11b1 ==1, 1,
ifelse(data_set$il_a0200 == 1 & data_set$hya_11b1 == 2, 0, NA))
data_set$il_a0703 <- ifelse(data_set$il_a0200 == 1 & data_set$hya_11c1 ==1, 1,
ifelse(data_set$il_a0200 == 1 & data_set$hya_11c1 == 2, 0, NA))
}
if (year == 2018) {
data_set$il_a0701 <- ifelse(data_set$il_a0200 == 1 & data_set$hya_11a1 == 1, 1,
ifelse(data_set$il_a0200 == 1 & data_set$hya_11a1 == 2, 0, NA))
data_set$il_a0703 <- ifelse(data_set$il_a0200 == 1 & data_set$hya_11c1 ==1, 1,
ifelse(data_set$il_a0200 == 1 & data_set$hya_11c1 == 2, 0, NA))
}
if (year == 2019) {
data_set$il_a0701 <- ifelse(data_set$il_a0200 == 1 & data_set$hya_11a2 == 1, 1,
ifelse(data_set$il_a0200 == 1 & data_set$hya_11a2 == 2, 0, NA))
data_set$il_a0703 <- ifelse(data_set$il_a0200 == 1 & data_set$hya_11c2 ==1, 1,
ifelse(data_set$il_a0200 == 1 & data_set$hya_11c2 == 2, 0, NA))
}
### 고혈압 관리교육 이수율
if (year %in% 2011:2017) {
data_set$il_a0800 <- ifelse(data_set$il_a0701 == 1 |
data_set$il_a0702 == 1 |
data_set$il_a0703 == 1, 1,
ifelse(data_set$il_a0701 == 0 &
data_set$il_a0702 == 0 &
data_set$il_a0703 == 0, 0, NA))
}
if (year ==2018) {
data_set$il_a0800 <- ifelse(data_set$il_a0701 == 1 | data_set$il_a0703 == 1, 1,
ifelse(data_set$il_a0701 == 0 & data_set$il_a0703 == 0, 0, NA))
}
if (year == 2019) {
data_set$il_a0800 <- NA
data_set$il_a0800[data_set$il_a0200 == 1] <- 0
data_set$il_a0800[data_set$il_a0701 == 1 | data_set$il_a0703 == 1] <- 1
}
#### 당뇨병 의사진단경험률(30세이상)
#분모: age>= 30
data_set$il_b0200 <- NA
data_set$il_b0200[data_set$dia_04z1==1] <- 1
data_set$il_b0200[data_set$dia_04z1==2] <- 0
#### 당뇨병 치료율
#분모: age>=30 & il_b0200==1
data_set$il_b0600 <- NA
data_set$il_b0600[data_set$dia_06z1==1 & (data_set$dia_13a1 ==1|data_set$dia_13b1==1)] <- 1
data_set$il_b0600[(data_set$dia_06z1==1 & (data_set$dia_13a1 ==2 & data_set$dia_13b1==2)) |
data_set$dia_06z1==2] <- 0
#### 당뇨병 안질환 합병증검사 수진율
#분모: age >=30 & il_b0200==1
data_set$il_b0900 <- NA
data_set$il_b0900[data_set$dia_14z1==1] <- 1
data_set$il_b0900[data_set$dia_14z1==2] <- 0
#### 당뇨병 신장질환 합병증검사 수진율
#분모: age >=30 & il_b0200==1
data_set$il_b1000 <- NA
data_set$il_b1000[data_set$dia_15z1==1] <- 1
data_set$il_b1000[data_set$dia_15z1==2] <- 0
#### 이상지질혈증 평생 의사진단 경험률
#분모: age >= 30
data_set$il_r0100 <- NA
data_set$il_r0100[data_set$dla_01z1==1] <- 1
data_set$il_r0100[data_set$dla_01z1==2] <- 0
#### 관절염 의사진단 경험률(50세이상)
#age >= 50
data_set$il_g0100 <- NA
data_set$il_g0100[data_set$ara_20z1==1] <- 1
data_set$il_g0100[data_set$ara_20z1==2] <- 0
### 의료이용
#### 필요의료서비스 미치료율
#12년부터~(11년 제외) josa_year %in% c(2012,2013,2014,2015,2016)
if ( year == 2011) {
data_set$sr_a0100 <- 9
}
if (year %in% 2012:2018) {
data_set$sr_a0100 <- NA
data_set$sr_a0100[data_set$sra_01z1==1] <- 1
data_set$sr_a0100[data_set$sra_01z1==2] <- 0
}
### 활동제한 및 삶의 질
#### 양호한 주관적 건강 인지율
data_set$ql_a0100 <- NA
data_set$ql_a0100[data_set$qoa_01z1 %in% c(1,2)] <- 1
data_set$ql_a0100[data_set$qoa_01z1 %in% c(3:5)] <- 0
#### 삶의 질(EQ-5D)
## 운동능력
data_set$ql_c0100 <- NA
data_set$ql_c0100[data_set$qoc_01z1 %in% c(1,3)] <- 0
data_set$ql_c0100[data_set$qoc_01z1 == 2] <- 1
data_set$ql_c0200 <- NA
data_set$ql_c0200[data_set$qoc_01z1 %in% c(1,2)] <- 0
data_set$ql_c0200[data_set$qoc_01z1 == 3] <- 1
## 자기관리
data_set$ql_c0300 <- NA
data_set$ql_c0300[data_set$qoc_02z1 %in% c(1,3)] <- 0
data_set$ql_c0300[data_set$qoc_02z1 == 2] <- 1
data_set$ql_c0400 <- NA
data_set$ql_c0400[data_set$qoc_02z1 %in% c(1,2)] <- 0
data_set$ql_c0400[data_set$qoc_02z1 == 3] <- 1
## 일상활동
data_set$ql_c0500 <- NA
data_set$ql_c0500[data_set$qoc_03z1 %in% c(1,3)] <- 0
data_set$ql_c0500[data_set$qoc_03z1 == 2] <- 1
data_set$ql_c0600 <- NA
data_set$ql_c0600[data_set$qoc_03z1 %in% c(1,2)] <- 0
data_set$ql_c0600[data_set$qoc_03z1 == 3] <- 1
## 통증 불편
data_set$ql_c0700 <- NA
data_set$ql_c0700[data_set$qoc_04z1 %in% c(1,3)] <- 0
data_set$ql_c0700[data_set$qoc_04z1 == 2] <- 1
data_set$ql_c0800 <- NA
data_set$ql_c0800[data_set$qoc_04z1 %in% c(1,2)] <- 0
data_set$ql_c0800[data_set$qoc_04z1 == 3] <- 1
## 불안 우울
data_set$ql_c0900 <- NA
data_set$ql_c0900[data_set$qoc_05z1 %in% c(1,3)] <- 0
data_set$ql_c0900[data_set$qoc_05z1 == 2] <- 1
data_set$ql_c1000 <- NA
data_set$ql_c1000[data_set$qoc_05z1 %in% c(1,2)] <- 0
data_set$ql_c1000[data_set$qoc_05z1 == 3] <- 1
## EQ-5D
data_set$ql_c1100 <- NA
data_set$ql_c1100[data_set$qoc_01z1 %in% c(1:3) & data_set$qoc_02z1 %in% c(1:3) & data_set$qoc_03z1 %in% c(1:3) &
data_set$qoc_04z1 %in% c(1:3) & data_set$qoc_05z1 %in% c(1:3)] <- 0
data_set$ql_c1100[data_set$ql_c0200 == 1 |data_set$ql_c0400 ==1 | data_set$ql_c0600==1| data_set$ql_c0800==1 | data_set$ql_c1000==1]<- 1
data_set$ql_c1200 <- 1- (0.05 + 0.096*data_set$ql_c0100 + 0.418*data_set$ql_c0200 + 0.046*data_set$ql_c0300 + 0.136*data_set$ql_c0400 +
0.051*data_set$ql_c0500 + 0.208*data_set$ql_c0600 + 0.037*data_set$ql_c0700 + 0.151*data_set$ql_c0800 +
0.043*data_set$ql_c0900 + 0.158*data_set$ql_c1000 + 0.05*data_set$ql_c1100)
data_set$ql_c1200[data_set$qoc_01z1==1 & data_set$qoc_02z1==1 & data_set$qoc_03z1==1 & data_set$qoc_04z1==1 & data_set$qoc_05z1==1] <- 1
#### EQ-VAS
data_set$ql_c1300 <- NA
data_set$ql_c1300[data_set$qoc_06z1 %in% c(0:100)] <- as.numeric(data_set$qoc_06z1[data_set$qoc_06z1 %in% c(0:100)])
### 보건기관 이용
#### 보건기관 이용률
data_set$ct_a0100 <- NA
if (year %in% 2011:2013) {
data_set$ct_a0100[data_set$hma_01z1 %in% c(2:4)] <- 1
data_set$ct_a0100[data_set$hma_01z1 == 1] <- 0
} else if (year %in% 2014:2017) {
data_set$ct_a0100[data_set$hma_01z2 == 1] <- 1
data_set$ct_a0100[data_set$hma_01z2 == 2] <- 0
}
data_set$en_a0101 <- NA
data_set$en_a0102 <- NA
data_set$en_a0103 <- NA
data_set$en_a0104 <- NA
data_set$en_a0105 <- NA
data_set$en_a0106 <- NA
data_set$en_a0107 <- NA
data_set$en_b0101 <- NA
data_set$en_b0102 <- NA
data_set$en_b0103 <- NA
data_set$en_b0104 <- NA
data_set$en_b0105 <- NA
data_set$en_b0106 <- NA
data_set$en_b0201 <- NA
data_set$en_b0202 <- NA
data_set$en_b0203 <- NA
data_set$en_b0204 <- NA
data_set$en_b0205 <- NA
data_set$en_b0206 <- NA
data_set$en_b0301 <- NA
data_set$en_b0302 <- NA
data_set$en_b0303 <- NA
data_set$en_b0304 <- NA
data_set$en_b0305 <- NA
data_set$en_b0306 <- NA
data_set$en_b0301 <- NA
data_set$en_b0302 <- NA
data_set$en_b0303 <- NA
data_set$en_b0304 <- NA
data_set$en_b0305 <- NA
data_set$en_b0306 <- NA
if (year %in% c(2011, 2013, 2015, 2017)) {
### 사회물리적 환경
#### 지역의 사회 물리적 환경에 대한 긍정적 태도율
data_set$en_a0101 <- ifelse(data_set$ena_01a1 == 1, 1,
ifelse(data_set$ena_01a1 == 2, 0, NA))
data_set$en_a0102 <- ifelse(data_set$ena_01b1 == 1, 1,
ifelse(data_set$ena_01b1 == 2, 0, NA))
data_set$en_a0103 <- ifelse(data_set$ena_01c1 == 1, 1,
ifelse(data_set$ena_01c1 == 2, 0, NA))
data_set$en_a0104 <- ifelse(data_set$ena_01d1 == 1, 1,
ifelse(data_set$ena_01d1 == 2, 0, NA))
data_set$en_a0105 <- ifelse(data_set$ena_01e1 == 1, 1,
ifelse(data_set$ena_01e1 == 2, 0, NA))
data_set$en_a0106 <- ifelse(data_set$ena_01f1 == 1, 1,
ifelse(data_set$ena_01f1 == 2, 0, NA))
data_set$en_a0107 <- ifelse(data_set$ena_01g1 == 1, 1,
ifelse(data_set$ena_01g1 == 2, 0, NA))
#### 사회적 연결망(친척)
data_set$en_b0101 <- ifelse(data_set$enb_01z1 == 1, 1,
ifelse(data_set$enb_01z1 %in% 2:6, 0, NA))
data_set$en_b0102 <- ifelse(data_set$enb_01z1 == 2, 1,
ifelse(data_set$enb_01z1 %in% c(1, 3:6), 0, NA))
data_set$en_b0103 <- ifelse(data_set$enb_01z1 == 3, 1,
ifelse(data_set$enb_01z1 %in% c(1:2, 4:6), 0, NA))
data_set$en_b0104 <- ifelse(data_set$enb_01z1 == 4, 1,
ifelse(data_set$enb_01z1 %in% c(1:3, 5:6), 0, NA))
data_set$en_b0105 <- ifelse(data_set$enb_01z1 == 5, 1,
ifelse(data_set$enb_01z1 %in% c(1:4, 6), 0, NA))
data_set$en_b0106 <- ifelse(data_set$enb_01z1 == 6, 1,
ifelse(data_set$enb_01z1 %in% 1:5, 0, NA))
#### 사회적 연결망(이웃)
data_set$en_b0201 <- ifelse(data_set$enb_02z1 == 1, 1,
ifelse(data_set$enb_02z1 %in% 2:6, 0, NA))
data_set$en_b0202 <- ifelse(data_set$enb_02z1 == 2, 1,
ifelse(data_set$enb_02z1 %in% c(1, 3:6), 0, NA))
data_set$en_b0203 <- ifelse(data_set$enb_02z1 == 3, 1,
ifelse(data_set$enb_02z1 %in% c(1:2, 4:6), 0, NA))
data_set$en_b0204 <- ifelse(data_set$enb_02z1 == 4, 1,
ifelse(data_set$enb_02z1 %in% c(1:3, 5:6), 0, NA))
data_set$en_b0205 <- ifelse(data_set$enb_02z1 == 5, 1,
ifelse(data_set$enb_02z1 %in% c(1:4, 6), 0, NA))
data_set$en_b0206 <- ifelse(data_set$enb_02z1 == 6, 1,
ifelse(data_set$enb_02z1 %in% 1:5, 0, NA))
#### 사회적 연결망(친구)
data_set$en_b0301 <- ifelse(data_set$enb_03z1 == 1, 1,
ifelse(data_set$enb_03z1 %in% 2:6, 0, NA))
data_set$en_b0302 <- ifelse(data_set$enb_03z1 == 2, 1,
ifelse(data_set$enb_03z1 %in% c(1, 3:6), 0, NA))
data_set$en_b0303 <- ifelse(data_set$enb_03z1 == 3, 1,
ifelse(data_set$enb_03z1 %in% c(1:2, 4:6), 0, NA))
data_set$en_b0304 <- ifelse(data_set$enb_03z1 == 4, 1,
ifelse(data_set$enb_03z1 %in% c(1:3, 5:6), 0, NA))
data_set$en_b0305 <- ifelse(data_set$enb_03z1 == 5, 1,
ifelse(data_set$enb_03z1 %in% c(1:4, 6), 0, NA))
data_set$en_b0306 <- ifelse(data_set$enb_03z1 == 6, 1,
ifelse(data_set$enb_03z1 %in% 1:5, 0, NA))
#### 사회적 참여율
data_set$en_b0401 <- ifelse(data_set$enb_04z1 == 1, 1,
ifelse(data_set$enb_04z1 == 2, 0, NA))
data_set$en_b0402 <- ifelse(data_set$enb_05z1 == 1, 1,
ifelse(data_set$enb_05z1 == 2, 0, NA))
data_set$en_b0403 <- ifelse(data_set$enb_06z1 == 1, 1,
ifelse(data_set$enb_06z1 == 2, 0, NA))
data_set$en_b0404 <- ifelse(data_set$enb_07z1 == 1, 1,
ifelse(data_set$enb_07z1 == 2, 0, NA))
}
data_set$dong_p <- gsub("[[:punct:]]+", "_", gsub("[[:punct:]]$", "",
data_set$dong_p))
return(data_set)
}
Sanggeun/chs documentation built on Jan. 7, 2023, 7:46 a.m.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Defines functions data_coding_inspec
Documented in data_coding_inspec
#' coding chs index.
#'
#' data_coding_inspec function will code health indicators using raw data of community health survey.
#'
#' @param year the year investigated.
#' @param data_set raw data of community health survey.
#' @return
#' @examples
#' @export
#' @encoding UTF8
data_coding_inspec <- function(data_set, year) {
data_set$josa_year <- year
if(year == 2011) {
data_set$CITY_CD <- data_set$city_cd
data_set$JIJUM_CD <- data_set$jijum_cd
data_set$BOGUN_CD <- data_set$bogun_cd
data_set$dong_p <- data_set$dong
data_set$sod_02z2 <- data_set$sod_02z1
data_set$dong_p[data_set$dong_p == "논공읍공단출장소"] <- "논공읍"
data_set$dong_p[data_set$dong_p == "다사읍서재출장소"] <- "다사읍"
data_set$dong_p[data_set$dong_p %in% c('대현1동','대현2동')] <- "대현동"
data_set$dong_p[data_set$dong_p %in% c('동인1.2.4가동','동인3가동')] <- "동인동"
}
if(year == 2012) {
data_set$CITY_CD <- data_set$city_cd
data_set$JIJUM_CD <- data_set$jijum_cd
data_set$BOGUN_CD <- data_set$bogun_cd
data_set$dong_p <- data_set$dong
data_set$sod_02z2 <- data_set$sod_02z1
data_set$dong_p[data_set$dong_p == "논공읍공단출장소"] <- "논공읍"
data_set$dong_p[data_set$dong_p == "다사읍서재출장소"] <- "다사읍"
}
if (year == 2013) {
data_set$sod_02z2 <- data_set$sod_02z1
}
if (year %in% 2017:2018) {
data_set$wt_house <- data_set$wt_h
}
if (year == 2019) {
data_set$dong_p <- data_set$DONG_P
data_set$wt_house <- data_set$wt_h
}
### 나이
data_set$age_10 <- NA
data_set$age_10[data_set$age>=19 & data_set$age<=29]<-"19-29"
data_set$age_10[data_set$age>=30 & data_set$age<=39]<-"30-39"
data_set$age_10[data_set$age>=40 & data_set$age<=49]<-"40-49"
data_set$age_10[data_set$age>=50 & data_set$age<=59]<-"50-59"
data_set$age_10[data_set$age>=60 & data_set$age<=69]<-"60-69"
data_set$age_10[data_set$age>=70]<-"70이상"
data_set$age30 <- ifelse(data_set$age >= 30, 1, 0)
data_set$age50 <- ifelse(data_set$age >= 50, 1, 0)
data_set$age65 <- ifelse(data_set$age >= 65, 1, 0)
### 성별
data_set$gender <- ifelse(data_set$sex == 1,"남","여")
data_set$sex_m <- ifelse(data_set$sex == 1, 1, 0)
data_set$sex_f <- ifelse(data_set$sex == 2, 1, 0)
### 교육
data_set$educ <- ifelse(data_set$sob_01z1 %in% c("1","2") |
(data_set$sob_01z1 == "3" & data_set$sob_02z1 %in% c("2","3","4")),"1.무학",
ifelse((data_set$sob_01z1 == "3" & data_set$sob_02z1 == "1") |
(data_set$sob_01z1 == "4" & data_set$sob_02z1 %in% c("2","3","4")),"2.초등학교",
ifelse((data_set$sob_01z1 == "4" & data_set$sob_02z1 == "1") |
(data_set$sob_01z1 == "5" & data_set$sob_02z1 %in% c("2","3","4")), "3.중학교",
ifelse((data_set$sob_01z1 == "5" & data_set$sob_02z1 == "1") |
(data_set$sob_01z1 %in% c("6", "7") & data_set$sob_02z1 %in% c("2","3","4")), "4.고등학교",
ifelse((data_set$sob_01z1 %in% c("6","7") & data_set$sob_02z1 %in% "1") |
(data_set$sob_01z1 =="8" & data_set$sob_02z1 %in% c("1","2","3","4") ),"5.대학교이상",NA ) ))))
### 직업
data_set$job <- ifelse(data_set$soa_06z1 %in% c("1","2"),"1.전문행정관리",
ifelse(data_set$soa_06z1 == "3", "2.사무직",
ifelse(data_set$soa_06z1 %in% c("4","5"), "3.판매서비스직",
ifelse(data_set$soa_06z1 == "6", "4.농림어업",
ifelse(data_set$soa_06z1 %in% c("7","8","9"), "5.기능단순노무직",
ifelse(data_set$soa_06z1 %in% c("10","11","12","13"),"6.기타",NA))))))
### 소득
if (year %in% c(2011:2013, 2018)) {
income_t <- ifelse(data_set$fma_12z1 == 1 & data_set$fma_13z1 >= 0 & data_set$fma_13z1 <= 77776,
round(data_set$fma_13z1/12,1),
ifelse(data_set$fma_12z1 == 2 & data_set$fma_14z1 >= 0 & data_set$fma_14z1 <= 77776,
round(data_set$fma_14z1,1),NA))
data_set$income <- ifelse(income_t >= 0 & income_t < 50, "1.50만원미만",
ifelse(income_t < 100, "2.50-100만원미만",
ifelse(income_t < 200, "3.100-200만원미만",
ifelse(income_t < 300, "4.200-300만원미만",
ifelse(income_t < 400, "5.300-400만원미만",
ifelse(income_t < 500, "6.400-500만원미만",
ifelse(income_t < 600, "7.500-600만원미만",
ifelse(income_t >= 600, "8.600만원이상", NA))))))))
data_set$income_2 <- ifelse(income_t >= 0 & income_t < 100, "1.100만원미만",
ifelse(income_t < 200, "2.100-200만원미만",
ifelse(income_t < 300, "3.200-300만원미만",
ifelse(income_t < 400, "4.300-400만원미만",
ifelse(income_t >= 400, "5.400만원이상", NA)))))
data_set$income_3 <- ifelse(income_t >= 0 & income_t < 200, "200만원미만",
ifelse(income_t < 400, "200-400만원미만",
ifelse(income_t < 600, "400-600만원미만",
ifelse(income_t >= 600, "600만원이상", NA))))
}
if (year %in% 2014:2017) {
data_set$income <- ifelse(data_set$fma_24z1 == 1, "1.50만원미만",
ifelse(data_set$fma_24z1 == 2, "2.50-100만원미만",
ifelse(data_set$fma_24z1 == 3, "3.100-200만원미만",
ifelse(data_set$fma_24z1 == 4, "4.200-300만원미만",
ifelse(data_set$fma_24z1 == 5, "5.300-400만원미만",
ifelse(data_set$fma_24z1 == 6, "6.400-500만원미만",
ifelse(data_set$fma_24z1 == 7, "7.500-600만원미만",
ifelse(data_set$fma_24z1 == 8, "8.600만원이상", NA))))))))
data_set$income_2 <- ifelse(data_set$fma_24z1 %in% 1:2, "1.100만원미만",
ifelse(data_set$fma_24z1 == 3, "2.100-200만원미만",
ifelse(data_set$fma_24z1 == 4, "3.200-300만원미만",
ifelse(data_set$fma_24z1 == 5, "4.300-400만원미만",
ifelse(data_set$fma_24z1 %in% 6:8, "5.400만원이상", NA)))))
data_set$income_3 <- ifelse(data_set$fma_24z1 %in% 1:3, "200만원미만",
ifelse(data_set$fma_24z1 %in% 4:5, "200-400만원미만",
ifelse(data_set$fma_24z1 %in% 6:7, "400-600만원미만",
ifelse(data_set$fma_24z1 == 8, "600만원이상", NA))))
}
### 세대
if (year %in% c(2011,2013)) {
data_set$fma_19z1 <- data_set$fma_19z2 # family type
}
data_set$generation <- ifelse(data_set$fma_19z1 %in% 1:7, "1세대",
ifelse(data_set$fma_19z1 %in% 8:16, "2세대",
ifelse(data_set$fma_19z1 %in% 17:19, "3세대",NA)))
### 동읍면
if (year %in% 2011:2018) {
data_set$town <- ifelse(data_set$dong_type == 1, "1.동",
ifelse(data_set$dong_type == 2, "2.읍면", NA))
}
if (year == 2019) {
data_set$town <- ifelse(data_set$DONG_TYPE == 1, "1.동",
ifelse(data_set$DONG_TYPE == 2, "2.읍면", NA))
}
# 건강행태
## 흡연
###1. 현재 흡연율
data_set$sm_a0100 <- NA
data_set$sm_a0100[data_set$sma_03z2==8] <- NA
data_set$sm_a0100[data_set$sma_03z2 %in% c(1,2)] <- 1 # current smoker
data_set$sm_a0100[data_set$sma_03z2 == 3] <- 0
data_set$sm_a0100[data_set$sma_01z2 == 2] <- 0
###2. 평생 흡연율
if (year %in% 2011:2018) {
data_set$sm_a0200 <- ifelse(data_set$sma_01z2 == 1, 1,
ifelse(data_set$sma_01z2 == 2, 0, NA))
### 3. 흡연시작연령
data_set$sm_a0300 <- ifelse(data_set$sma_01z2 == 1 &
(data_set$sma_02z1>=0 & data_set$sma_02z1<=110) &
(data_set$sma_02z1>=0 & data_set$sma_02z1<=data_set$age),
data_set$sma_02z1, NA)
### 4. 매일 흡연자의 하루 평균 흡연량
#### 분모정의(매일 흡연자)
data_set$sm_a0400 <- ifelse(data_set$sma_01z2 == 1,
ifelse(data_set$sma_03z2 == 1, 1,
ifelse(data_set$sma_03z2 %in% c(2,3),0,NA)),
ifelse(data_set$sma_01z2 == 2, 0, NA))
}
#### 분자정의(흡연량)
data_set$sm_b0100 <- ifelse(data_set$smb_01z1 >= 1 & data_set$smb_01z1 <= 776,
data_set$smb_01z1, NA)
### 4-1. 매일 흡연자의 하루 평균 흡연량_10개비 미만
data_set$sm_b0201 <- ifelse(data_set$smb_01z1 >= 1 & data_set$smb_01z1 <= 9, 1,
ifelse(data_set$smb_01z1 >= 10 & data_set$smb_01z1 <= 776, 0, NA))
### 4-2. 매일흡연자의 하루평균흡연량_10~19개비
data_set$sm_b0202 <- ifelse(data_set$smb_01z1 >= 1 & data_set$smb_01z1 <= 9, 0,
ifelse(data_set$smb_01z1 >= 10 & data_set$smb_01z1 <= 19, 1,
ifelse(data_set$smb_01z1 >= 20 & data_set$smb_01z1 <= 776, 0, NA)))
### 4-3. 매일흡연자의 하루평균흡연량_20~39개비
data_set$sm_b0203 <- ifelse(data_set$smb_01z1 >= 1 & data_set$smb_01z1 <= 19, 0,
ifelse(data_set$smb_01z1 >= 20 & data_set$smb_01z1 <= 39, 1,
ifelse(data_set$smb_01z1 >= 40 & data_set$smb_01z1 <= 776, 0, NA)))
### 4-4. 매일흡연자의 하루평균흡연량_40개비 이상
data_set$sm_b0204 <- ifelse(data_set$smb_01z1 >= 1 & data_set$smb_01z1 <= 39, 0,
ifelse(data_set$smb_01z1 >= 40 & data_set$smb_01z1 <= 776, 1, NA))
### 5. 금연시도율
data_set$sm_d0600 <- NA
data_set$sm_d0600[data_set$smd_02z2==1] <- 1
data_set$sm_d0600[data_set$smd_02z2 %in% c(2,3)] <- 0
### 6. 현재흡연자의 1개월 내 금연계획률
data_set$sm_d0500 <- ifelse(data_set$smd_01z2 == 1, 1,
ifelse(data_set$smd_01z2 %in% 2:4, 0, NA))
### 7. 과거흡연자의 금연기간
if (year %in% 2011:2014) {
data_set$sm_d2300 <- NA
data_set$sm_d2601 <- NA
data_set$sm_d2602 <- NA
data_set$sm_d2603 <- NA
data_set$sm_d2604 <- NA
data_set$sm_d2605 <- NA
data_set$sm_d2606 <- NA
}
if (year %in% 2015:2017) {
#### 분모정의
data_set$sm_d2300 <- ifelse(data_set$sma_01z2 == 1,
ifelse(data_set$sma_03z2 == 3, 1,
ifelse(data_set$sma_03z2 %in% c(1,2), 0,NA)),
ifelse(data_set$sma_01z2 == 2, 0, NA))
#### 7-1. 과거흡연자의 금연기간 1년 미만
data_set$sm_d2601 <- ifelse(data_set$smb_09z1 == 1, 1,
ifelse(data_set$smb_09z1 %in% 2:6, 0, NA))
#### 7-2. 과거흡연자의 금연기간_1년~5년 미만
data_set$sm_d2602 <- ifelse(data_set$smb_09z1 == 2, 1,
ifelse(data_set$smb_09z1 %in% c(1,3:6), 0, NA))
#### 7-3. 과거흡연자의 금연기간상_5년~10년 미만
data_set$sm_d2603 <- ifelse(data_set$smb_09z1 == 3, 1,
ifelse(data_set$smb_09z1 %in% c(1,2,4:6), 0, NA))
#### 7-4. 과거흡연자의 금연기간_10년~15년 미만
data_set$sm_d2604 <- ifelse(data_set$smb_09z1 == 4, 1,
ifelse(data_set$smb_09z1 %in% c(1:3,5,6), 0, NA))
#### 7-5. 과거흡연자의 금연기간_15년~20년 미만
data_set$sm_d2605 <- ifelse(data_set$smb_09z1 == 5, 1,
ifelse(data_set$smb_09z1 %in% c(1:4,6), 0, NA))
#### 7-6. 과거흡연자의 금연기간_20년 이상
data_set$sm_d2606 <- ifelse(data_set$smb_09z1 == 6, 1,
ifelse(data_set$smb_09z1 %in% 1:5, 0, NA))
}
### 8. 현재 비흡연자의 가정실내 간접흡연노출률(11,13년도는 설문문항 차이있음)
##### 11,13: 가정의 실내에서 다른 사람이 피우는 담배연기를 맡는 시간은 하루 몇 시간 정도입니까?
##### 14~ : 1. 본인을 제외한 가족 중 가정의 실내에서 일상적으로 담배를 피우는 분이 있습니까?
##### 2. 최근 1주일동안 가정의 실내에서 다른 사람이 피우는 담배연기르 맡은 적이 있습니까?
if (year == 2012) {
data_set$sm_e0100 <- NA
data_set$sm_c0700 <- NA
}
if (year %in% c(2011, 2013)) {
##### 분모정의
data_set$sm_e0100 <- ifelse(data_set$sma_01z2 == 2, 1,
ifelse(data_set$sma_01z2 == 1,
ifelse(data_set$sma_03z2 %in% c(1,2), 0,
ifelse(data_set$sma_03z2 == 3, 1, NA)),
NA))
#### 분자정의
data_set$sm_c0700 <- ifelse(data_set$smc_03z1 ==1, 0,
ifelse(data_set$smc_03z1 %in% c(2,3), 1,NA))
}
if (year %in% 2014:2018) {
##### 분모정의
data_set$sm_e0100 <- ifelse(data_set$sma_01z2 == 2, 1,
ifelse(data_set$sma_01z2 == 1,
ifelse(data_set$sma_03z2 %in% c(1,2), 0,
ifelse(data_set$sma_03z2 == 3, 1, NA)),
NA))
#### 분자정의
data_set$sm_c0700 <- ifelse(data_set$smc_08z1 == 1,
ifelse(data_set$smc_09z1 == 1, 1,
ifelse(data_set$smc_09z1 == 2, 0, NA)),
ifelse(data_set$smc_08z1 == 2, 0, NA))
}
### 9. 현재 비흡연자의 직장실내간접흡연노출률
# 분모: 일을 하고 있는 현재 비흡연자(평생 비흡연자, 과거 흡연자) sm_e0200==1
# 분모
data_set$sm_e0200 <- NA
if (year %in% c(2011, 2013)) {
data_set$sm_e0200[data_set$smc_05z1 %in% c(1,2,3) & data_set$sma_01z2==2] <- 1
data_set$sm_e0200[data_set$smc_05z1 %in% c(1,2,3) & data_set$sma_01z2==1 & data_set$sma_03z2 %in% c(1,2)] <- 0
data_set$sm_e0200[data_set$smc_05z1 %in% c(1,2,3) & data_set$sma_01z2==1 & data_set$sma_03z2 == 3] <- 1
}
if (year %in% 2014:2018){
data_set$sm_e0200[data_set$smc_10z1 %in% c(1,2) & data_set$sma_01z2==2] <- 1
data_set$sm_e0200[data_set$smc_10z1 %in% c(1,2) & data_set$sma_01z2==1 & data_set$sma_03z2 %in% c(1,2)] <- 0
data_set$sm_e0200[data_set$smc_10z1 %in% c(1,2) & data_set$sma_01z2==1 & data_set$sma_03z2 == 3] <- 1
}
data_set$sm_e0200[data_set$soa_06z1 %in% c(11,12,13)] <- NA
# 분자
data_set$sm_c0800 <- NA
if (year %in% c(2011,2013)){
data_set$sm_c0800[data_set$smc_05z1 == 1] <- 0
data_set$sm_c0800[data_set$smc_05z1 %in% c(2,3)] <- 1
}
if (year %in% 2014:2018) {
data_set$sm_c0800[data_set$smc_10z1 == 1] <- 1
data_set$sm_c0800[data_set$smc_10z1 == 2] <- 0
data_set$sm_c0800[data_set$smc_10z1 == 3] <- NA
}
data_set$sm_c0800[data_set$soa_06z1 %in% c(11,12,13)] <- NA
### 10. 현재 비흡연자의 공공장소간접흡연노출률
#### 분자 정의
if (year == 2012) {
data_set$sm_c0500 <- NA
}
if (year %in% c(2011, 2013:2018)) {
data_set$sm_c0500 <- ifelse(data_set$smc_07z1 == 1, 1,
ifelse(data_set$smc_07z1 == 2, 0, NA))
}
### 11. 평생 전자담배 사용경험률
if (year %in% 2011:2013) {
data_set$sm_a0800 <- NA
}
if (year %in% 2014:2018) {
data_set$sm_a0800 <- ifelse(data_set$sma_08z1 == 1, 1,
ifelse(data_set$sma_08z1 == 2, 0, NA))
}
### 12. 현재 전자담배 사용경험률
#### 2014, 2015: 현재 전자담배를 피웁니까?
#### 2016~ : 최근 1달간 전자담배를 피운 적이 있습니까?
if (year %in% 2011:2013) {
data_set$sm_a1000 <- NA
}
if (year %in% 2014:2015) {
data_set$sm_a1000 <- ifelse(data_set$sma_08z1 == 1,
ifelse(data_set$sma_09z1 == 1, 1,
ifelse(data_set$sma_09z1 == 2, 0,NA)),
ifelse(data_set$sma_08z1 == 2, 0, NA))
}
if (year %in% 2016:2017) {
data_set$sm_a1000 <- ifelse(data_set$sma_08z1 == 1,
ifelse(data_set$sma_11z1 == 1, 1,
ifelse(data_set$sma_11z1 == 2, 0,NA)),
ifelse(data_set$sma_08z1 == 2, 0, NA))
}
### 13. 연간 금연캠페인 경험률
if (year %in% c(2014, 2016)) {
data_set$sm_d0900 <- NA
}
if(year %in% c(2011:2013, 2015, 2017)) {
data_set$sm_d0900 <- ifelse(data_set$smd_06z1 == 1, 1,
ifelse(data_set$smd_06z1 == 2, 0, NA))
}
### 14, 15 연간 금연교육 경험률, 현재 흡연자의 금연교육 경험률
if (year %in% 2011:2018) {
data_set$sm_d1000 <- ifelse(data_set$smd_07z1 == 1, 1,
ifelse(data_set$smd_07z1 == 2, 2, NA))
}
### 16. 금연구역 인지율
if(year %in% c(2012, 2014, 2016)) {
data_set$sm_d1100 <- NA
}
if(year %in% c(2011, 2013, 2015, 2017)) {
data_set$sm_d1100 <- ifelse(data_set$smd_08z1 %in% 1:2, 1,
ifelse(data_set$smd_08z1 == 3, 0, NA))
}
### 17. 현재흡연자의 금연구역 내 흡연 경험률
if(year %in% c(2012, 2014, 2016)) {
data_set$sm_d1200 <- NA
data_set$sm_d1300 <- NA
}
if (year %in% c(2011, 2013, 2015, 2017)) {
#### 분모정의(현재흡연자 + 구체적 금연구역 인지자)
data_set$sm_d1200 <- ifelse(data_set$sm_a0100 == 1 & data_set$smd_08z1 == 1, 1, 0)
#### 분자정의
data_set$sm_d1300 <- ifelse(data_set$smd_09z1 %in% 1:2, 1,
ifelse(data_set$smd_09z1 == 3, 0, NA))
}
### 음주
#### 월간음주율
data_set$dr_a0400 <- NA
data_set$dr_a0400[data_set$dra_01z1 ==2 |data_set$drb_02z1==2 | data_set$drb_01z2 ==1] <- 0
data_set$dr_a0400[data_set$dra_01z1==1 & data_set$drb_02z1==1 & data_set$drb_01z2 %in% c(2:5)] <- 1
#### 고위험 음주율
#성별에 따라 기준이 다름
data_set$dr_a0500 <- NA
data_set$dr_a0500[data_set$drb_01z2 %in% c(1:3)] <- 0
data_set$dr_a0500[data_set$sex=="1" & data_set$drb_01z2 %in% c(4:5) & data_set$drb_03z1 %in% c(1:3)] <- 0
data_set$dr_a0500[data_set$sex=="1" & data_set$drb_01z2 %in% c(4:5) & data_set$drb_03z1 %in% c(4:5)] <- 1
data_set$dr_a0500[data_set$sex=="2" & data_set$drb_01z2 %in% c(4:5) & data_set$drb_03z1 %in% c(1:2)] <- 0
data_set$dr_a0500[data_set$sex=="2" & data_set$drb_01z2 %in% c(4:5) & data_set$drb_03z1 %in% c(3:5)] <- 1
### 안전의식
#### 운전시 안전벨트 착용률
#분모 sfa_01z1==1
data_set$sf_a0100 <- NA
data_set$sf_a0100[data_set$sfa_02z2 %in% c(1:4)] <- 0
data_set$sf_a0100[data_set$sfa_02z2 == 5] <- 1
#### 동승차량 앞좌석 안전벨트 착용률
#분모sf_a0300==1
# 분모
data_set$sf_a0300 <- NA
if (year %in% c(2011, 2012, 2013)) {
data_set$sf_a0300[data_set$sfa_03z1 ==1] <- 1
data_set$sf_a0300[data_set$sfa_03z1 ==2] <- 0
} else if (year %in% c(2014, 2015, 2016, 2018)) {
data_set$sf_a0300[data_set$sfa_04z3 %in% c(2:5)] <- 1
data_set$sf_a0300[data_set$sfa_04z3 ==1] <- 0
}
# 분자
data_set$sf_a0400 <- NA
if (year %in% 2011:2013) {
data_set$sf_a0400[data_set$sfa_04z2 ==5] <- 1
data_set$sf_a0400[data_set$sfa_04z2 %in% c(1:4)] <- 0
} else if (year %in% 2014:2018) {
data_set$sf_a0400[data_set$sfa_04z3 %in% c(2:4)] <- 0
data_set$sf_a0400[data_set$sfa_04z3 ==5] <- 1
}
#### 음주운전경험률
#분모 sf_b0400==1
# 분모
data_set$sf_b0400 <- NA
data_set$sf_b0400[data_set$sfa_01z1==1 | data_set$sfa_05z1==1] <- 1
# 분자
data_set$sf_b0500<- 0
data_set$sf_b0500[data_set$sfb_05z2==1 | data_set$sfb_03z2==1] <- 1
### 운동 및 신체활동
data_set$ph_a0500 <- NA
if (year %in% c(2011:2017, 2019)) {
#### 중등도이상 신체활동 실천율
# 격렬한 신체활동
data_set$pha_05z1 <- as.numeric(data_set$pha_05z1)
data_set$pha_06z1 <- as.numeric(data_set$pha_06z1)
data_set$ph_a0100 <- NA
data_set$ph_a0100[is.na(data_set$pha_06z1) & data_set$pha_05z1 %in% c(0:24)] <-
data_set$pha_05z1[is.na(data_set$pha_06z1) & data_set$pha_05z1 %in% c(0:24)]*60
data_set$ph_a0100[data_set$pha_05z1 %in% c(0:24) & data_set$pha_06z1 %in% c(0:60)] <-
data_set$pha_05z1[data_set$pha_05z1 %in% c(0:24) & data_set$pha_06z1 %in% c(0:60)]*60 + data_set$pha_06z1[data_set$pha_05z1 %in% c(0:24) & data_set$pha_06z1 %in% c(0:60)]
data_set$ph_a0100[is.na(data_set$pha_05z1) & (data_set$pha_06z1 %in% c(0:60))] <- data_set$pha_06z1[is.na(data_set$pha_05z1) & (data_set$pha_06z1 %in% c(0:60))]
data_set$ph_a0200 <- NA
data_set$ph_a0200[data_set$pha_04z1 %in% c(0:2) | (data_set$pha_04z1 %in% c(3:7) & data_set$ph_a0100 <=19)] <- 0
data_set$ph_a0200[(data_set$pha_04z1 %in% c(3:7) & data_set$ph_a0100 >= 20)] <- 1
# 중등도 신체활동
data_set$pha_08z1 <- as.numeric(data_set$pha_08z1)
data_set$pha_09z1 <- as.numeric(data_set$pha_09z1)
data_set$ph_a0300 <- NA
data_set$ph_a0300[is.na(data_set$pha_09z1) & (data_set$pha_08z1 %in% c(0:24))] <-
data_set$pha_08z1[is.na(data_set$pha_09z1) & (data_set$pha_08z1 %in% c(0:24))]*60
data_set$ph_a0300[data_set$pha_08z1 %in% c(0:24) & data_set$pha_09z1 %in% c(0:60)] <-
data_set$pha_08z1[data_set$pha_08z1 %in% c(0:24) & data_set$pha_09z1 %in% c(0:60)]*60 + data_set$pha_09z1[data_set$pha_08z1 %in% c(0:24) & data_set$pha_09z1 %in% c(0:60)]
data_set$ph_a0300[is.na(data_set$pha_08z1) & (data_set$pha_09z1 %in% c(0:60))] <- data_set$pha_09z1[is.na(data_set$pha_08z1) & (data_set$pha_09z1 %in% c(0:60))]
data_set$ph_a0400 <- NA
data_set$ph_a0400[data_set$pha_07z1 %in% c(0:4) | (data_set$pha_04z1 %in% c(5:7) & data_set$ph_a0300 <=29)] <- 0
data_set$ph_a0400[(data_set$pha_07z1 %in% c(5:7) & data_set$ph_a0300 >= 30)] <- 1
# 중등도이상 신체활동 실천율
data_set$ph_a0500 <- NA
data_set$ph_a0500[data_set$ph_a0200==1 | data_set$ph_a0400==1] <- 1
data_set$ph_a0500[data_set$ph_a0200==0 & data_set$ph_a0400==0] <- 0
}
data_set$pha_aerobic <- NA
data_set$phc_sedent <- NA
data_set$pha_work <- NA
data_set$pha_walk <- NA
data_set$pha_lei <- NA
if (year %in% 2018) {
## 일과 관련된 고강도 신체활동 시간
data_set$pha_vig_d <- ifelse(data_set$pha_21z1 == 1 & data_set$pha_22z1 %in% 1:7 &
data_set$pha_23z1 %in% 0:24 & data_set$pha_24z1 %in% 0:60,
(data_set$pha_23z1*60 + data_set$pha_24z1*1), NA)
data_set$pha_vig <- data_set$pha_22z1*data_set$pha_vig_d
## 일과 관련된 중강도 신체활동 시간
data_set$pha_mod_d <- ifelse(data_set$pha_25z1 == 1 & data_set$pha_26z1 %in% 1:7 &
data_set$pha_27z1 %in% 0:24 & data_set$pha_28z1 %in% 0:60,
(data_set$pha_27z1*60 + data_set$pha_28z1*1), NA)
data_set$pha_mod <- data_set$pha_26z1*data_set$pha_mod_d
## 이동 중 걷기 및 자전거 이용시간
data_set$pha_walk_d <- ifelse(data_set$pha_29z1 == 1 & data_set$pha_30z1 %in% 1:7 &
data_set$pha_31z1 %in% 0:24 & data_set$pha_32z1 %in% 0:60,
(data_set$pha_31z1*60 + data_set$pha_32z1*1), NA)
data_set$pha_walk <- data_set$pha_30z1*data_set$pha_walk_d
## 여가 관련 고강도 신체활동 시간
data_set$pha_vig2_d <- ifelse(data_set$pha_33z1 == 1 & data_set$pha_34z1 %in% 1:7 &
data_set$pha_35z1 %in% 0:24 & data_set$pha_36z1 %in% 0:60,
(data_set$pha_35z1*60 + data_set$pha_36z1*1), NA)
data_set$pha_vig2 <- data_set$pha_34z1*data_set$pha_vig2_d
## 여가 관련된 중강도 신체활동 시간
data_set$pha_mod2_d <- ifelse(data_set$pha_37z1 == 1 & data_set$pha_38z1 %in% 1:7 &
data_set$pha_39z1 %in% 0:24 & data_set$pha_40z1 %in% 0:60,
(data_set$pha_39z1*60 + data_set$pha_40z1*1), NA)
data_set$pha_mod2 <- data_set$pha_38z1*data_set$pha_mod2_d
## 시간 합산
data_set$pha_vig_t <- ifelse(
!is.na(data_set$pha_vig) & !is.na(data_set$pha_vig2),
data_set$pha_vig + data_set$pha_vig2,
ifelse(!is.na(data_set$pha_vig), data_set$pha_vig,
ifelse(!is.na(data_set$pha_vig2),data_set$pha_vig2, 0))
)
data_set$pha_vig_t2 <- data_set$pha_vig_t*2
data_set$pha_mod_t <- ifelse(
#
!is.na(data_set$pha_mod) & !is.na(data_set$pha_mod2) & !is.na(data_set$pha_walk),
data_set$pha_mod + data_set$pha_mod2 + data_set$pha_walk,
#
ifelse(!is.na(data_set$pha_mod) & !is.na(data_set$pha_mod2),
data_set$pha_mod + data_set$pha_mod2,
ifelse(!is.na(data_set$pha_mod) & !is.na(data_set$pha_walk),
data_set$pha_mod + data_set$pha_walk,
ifelse(!is.na(data_set$pha_mod2) & !is.na(data_set$pha_walk),
data_set$pha_mod2 + data_set$pha_walk,
ifelse(!is.na(data_set$pha_mod), data_set$pha_mod,
ifelse(!is.na(data_set$pha_mod2), data_set$pha_mod2,
ifelse(!is.na(data_set$pha_walk), data_set$pha_walk, 0)))))))
data_set$pha_vig_mod_t <- data_set$pha_vig_t2 + data_set$pha_mod_t
# 유산소 신체활동 실천율
data_set$pha_aerobic <- ifelse(
(data_set$pha_21z1 == 1 & data_set$pha_22z1 %in% 1:7 & !is.na(data_set$pha_vig) |
data_set$pha_21z1 == 2) &
(data_set$pha_25z1 == 1 & data_set$pha_26z1 %in% 1:7 & !is.na(data_set$pha_mod) |
data_set$pha_25z1 == 2) &
(data_set$pha_29z1 == 1 & data_set$pha_30z1 %in% 1:7 & !is.na(data_set$pha_walk) |
data_set$pha_29z1 == 2) &
(data_set$pha_33z1 == 1 & data_set$pha_34z1 %in% 1:7 & !is.na(data_set$pha_vig2) |
data_set$pha_33z1 == 2) &
(data_set$pha_37z1 == 1 & data_set$pha_38z1 %in% 1:7 & !is.na(data_set$pha_mod2) |
data_set$pha_37z1 == 2),
(data_set$pha_mod_t >= 150 | data_set$pha_vig_t >= 75 | data_set$pha_vig_mod_t >= 150),NA)
# 일과 관련된 신체활동 시간
data_set$pha_work <- ifelse(
!is.na(data_set$pha_vig) & !is.na(data_set$pha_mod),
data_set$pha_vig*2 + data_set$pha_mod,
ifelse(!is.na(data_set$pha_vig), data_set$pha_vig*2,
ifelse(!is.na(data_set$pha_mod), data_set$pha_mod,0)))
# 여가 관련 신체활동 시간
data_set$pha_lei <- ifelse(!is.na(data_set$pha_vig2) & !is.na(data_set$pha_mod2),
data_set$pha_vig2*2 + data_set$pha_mod2,
ifelse(!is.na(data_set$pha_vig2), data_set$pha_vig2*2,
ifelse(!is.na(data_set$pha_mod2), data_set$pha_mod2,0)))
# 앉아서 보내는 시간
data_set$phc_sedent <- ifelse(data_set$pha_41z1 %in% 0:24 & data_set$pha_42z1 %in% 0:60,
data_set$pha_41z1 + data_set$pha_42z1/60,NA)
}
#### 걷기실천율
data_set$phb_03z1 <- as.numeric(data_set$phb_03z1)
data_set$phb_02z1 <- as.numeric(data_set$phb_02z1)
data_set$ph_b0100 <- NA
data_set$ph_b0100[is.na(data_set$phb_03z1) & (data_set$phb_02z1 %in% c(0:24))] <-
data_set$phb_02z1[is.na(data_set$phb_03z1) & (data_set$phb_02z1 %in% c(0:24))]*60
data_set$ph_b0100[data_set$phb_02z1 %in% c(0:24) & data_set$phb_03z1 %in% c(0:60)] <-
data_set$phb_02z1[data_set$phb_02z1 %in% c(0:24) & data_set$phb_03z1 %in% c(0:60)]*60 + data_set$phb_03z1[data_set$phb_02z1 %in% c(0:24) & data_set$phb_03z1 %in% c(0:60)]
data_set$ph_b0100[is.na(data_set$phb_02z1) & (data_set$phb_03z1 %in% c(0:60))] <- data_set$phb_03z1[is.na(data_set$phb_02z1) & (data_set$phb_03z1 %in% c(0:60))]
data_set$ph_b0200 <- NA
data_set$ph_b0200[data_set$phb_01z1 %in% c(0:4) | (data_set$phb_01z1 %in% c(5:7) & data_set$ph_b0100 <=29)] <- 0
data_set$ph_b0200[(data_set$phb_01z1 %in% c(5:7) & data_set$ph_b0100 >= 30)] <- 1
data_set$ph_a1001 <- NA
data_set$ph_a1002 <- NA
data_set$ph_a1003 <- NA
data_set$ph_a1004 <- NA
data_set$ph_a1005 <- NA
data_set$ph_a1006 <- NA
data_set$ph_a1009 <- NA
data_set$ph_a1100 <- NA
data_set$ph_a1201 <- NA
data_set$ph_a1202 <- NA
data_set$ph_a1203 <- NA
data_set$ph_a1204 <- NA
data_set$ph_a1205 <- NA
data_set$ph_a1301 <- NA
data_set$ph_a1302 <- NA
data_set$ph_a1303 <- NA
data_set$ph_a1304 <- NA
data_set$ph_a1305 <- NA
data_set$ph_c0100 <- NA
if (year %in% c(2011, 2013, 2015, 2017, 2019)) {
#### 유연성 운동 실천빈도
data_set$ph_a1001 <- ifelse(data_set$pha_10z1 == 1, 1,
ifelse(data_set$pha_10z1 %in% 2:6, 0, NA))
data_set$ph_a1002 <- ifelse(data_set$pha_10z1 == 2, 1,
ifelse(data_set$pha_10z1 %in% c(1,3:6), 0, NA))
data_set$ph_a1003 <- ifelse(data_set$pha_10z1 == 3, 1,
ifelse(data_set$pha_10z1 %in% c(1,2,4:6), 0, NA))
data_set$ph_a1004 <- ifelse(data_set$pha_10z1 == 4, 1,
ifelse(data_set$pha_10z1 %in% c(1:3,5,6), 0, NA))
data_set$ph_a1005 <- ifelse(data_set$pha_10z1 == 5, 1,
ifelse(data_set$pha_10z1 %in% c(1:4,6), 0, NA))
data_set$ph_a1006 <- ifelse(data_set$pha_10z1 == 6, 1,
ifelse(data_set$pha_10z1 %in% 1:5, 0, NA))
data_set$ph_a1009 <- ifelse(data_set$pha_10z1 %in% 2:6, 1,
ifelse(data_set$pha_10z1 == 1, 0, NA))
}
if(year %in% c(2011, 2013, 2015, 2017)) {
#### 근력운동 실천율
data_set$ph_a1100 <- ifelse(data_set$pha_11z1 >= 3, 1,
ifelse(data_set$pha_11z1 %in% 1:2, 0, NA))
#### 주중 여가시간에 앉아서 보내는 시간
data_set$ph_a1201 <- ifelse(data_set$pha_12z1 == 1, 1,
ifelse(data_set$pha_12z1 %in% 2:5, 0, NA))
data_set$ph_a1202 <- ifelse(data_set$pha_12z1 == 2, 1,
ifelse(data_set$pha_12z1 %in% c(1, 3:5), 0, NA))
data_set$ph_a1203 <- ifelse(data_set$pha_12z1 == 3, 1,
ifelse(data_set$pha_12z1 %in% c(1:2, 4:5), 0, NA))
data_set$ph_a1204 <- ifelse(data_set$pha_12z1 == 4, 1,
ifelse(data_set$pha_12z1 %in% c(1:3, 5), 0, NA))
data_set$ph_a1205 <- ifelse(data_set$pha_12z1 == 5, 1,
ifelse(data_set$pha_12z1 %in% 1:4, 0, NA))
#### 주말 여가시간에 앉아서 보내는 시간
data_set$ph_a1301 <- ifelse(data_set$pha_13z1 == 1, 1,
ifelse(data_set$pha_13z1 %in% 2:5, 0, NA))
data_set$ph_a1302 <- ifelse(data_set$pha_13z1 == 2, 1,
ifelse(data_set$pha_13z1 %in% c(1, 3:5), 0, NA))
data_set$ph_a1303 <- ifelse(data_set$pha_13z1 == 3, 1,
ifelse(data_set$pha_13z1 %in% c(1:2, 4:5), 0, NA))
data_set$ph_a1304 <- ifelse(data_set$pha_13z1 == 4, 1,
ifelse(data_set$pha_13z1 %in% c(1:3, 5), 0, NA))
data_set$ph_a1305 <- ifelse(data_set$pha_13z1 == 5, 1,
ifelse(data_set$pha_13z1 %in% 1:4, 0, NA))
}
if (year %in% c(2012, 2014, 2016, 2018)) {
#### 지역내 운동시설 접근
data_set$ph_c0100 <- ifelse(data_set$phc_01z1 %in% 1:2, 1,
ifelse(data_set$phc_01z1 %in% 3:4, 0, NA))
}
### 영양
#### 저염선호율(type1)
data_set$nu_b0100 <- NA
data_set$nu_b0100[data_set$nub_01z1 %in% c(1,2,3)] <- 0
data_set$nu_b0100[data_set$nub_01z1 %in% c(4,5)] <- 1
data_set$nu_b0200 <- NA
data_set$nu_b0200[data_set$nub_02z1 %in% c(1,2,3)] <- 0
data_set$nu_b0200[data_set$nub_02z1 == 4] <- 1
data_set$nu_b0300 <- NA
data_set$nu_b0300[data_set$nub_03z1 %in% c(1,2)] <- 0
data_set$nu_b0300[data_set$nub_03z1 == 3] <- 1
data_set$tmp_nutrition <- data_set$nu_b0100 + data_set$nu_b0200 + data_set$nu_b0300
# 저염선호율(type1)
data_set$nu_b0400 <- NA
data_set$nu_b0400[data_set$tmp_nutrition == 1] <- 1
data_set$nu_b0400[data_set$tmp_nutrition %in% c(0,2,3)] <- 0
# 저염선호율(type2)
data_set$nu_b0500 <- NA
data_set$nu_b0500[data_set$tmp_nutrition == 2] <- 1
data_set$nu_b0500[data_set$tmp_nutrition %in% c(0,1,3)] <- 0
# 저염선호율(type3)
data_set$nu_b0600 <- NA
data_set$nu_b0600[data_set$tmp_nutrition == 3] <- 1
data_set$nu_b0600[data_set$tmp_nutrition %in% c(0,1,2)] <- 0
#분모: josa_year %in% c(2014,2015,2016)
data_set$nu_c0200 <- NA
data_set$nu_c0300 <- NA
data_set$nu_c0400 <- NA
if (year %in% 2014:2018) {
# 영양표시 인지율
data_set$nu_c0200[data_set$nuc_02z1 == 1] <- 1
data_set$nu_c0200[data_set$nuc_02z1 == 2] <- 0
# 영양표시 독해율
data_set$nu_c0300[data_set$nu_c0200 == 1 & data_set$nuc_01z2 == 1] <- 1
data_set$nu_c0300[data_set$nu_c0200 == 1 & data_set$nuc_01z2 == 2] <- 0
data_set$nu_c0300[data_set$nu_c0200 == 0] <- 0
# 영양표시 활용률
data_set$nu_c0400[data_set$nu_c0200 == 1 & data_set$nu_c0300 == 1 & data_set$nuc_03z1 == 1] <- 1
data_set$nu_c0400[data_set$nu_c0200 == 1 & data_set$nu_c0300 == 1 & data_set$nuc_03z1 == 2] <- 0
}
#### 5일 이상 아침식사 실천율
data_set$nu_a0204 <- NA
data_set$nu_a0204[data_set$nua_01z1 %in% c(5,6,7)] <- 1
data_set$nu_a0204[data_set$nua_01z1 %in% c(0,1,2,3,4)] <- 0
### 비만 및 체중조절
# BMI
data_set$ob_a0100 <- NA
normal <- as.numeric(data_set$oba_02z1) >= 50 & as.numeric(data_set$oba_02z1) <= 210 &
as.numeric(data_set$oba_03z1) >= 20 & as.numeric(data_set$oba_03z1) <= 180
data_set$ob_a0100[normal] <- as.numeric(data_set$oba_03z1[normal]) / (as.numeric(data_set$oba_02z1[normal])^2*0.0001)
data_set$ob_a0101 <- NA
normal_2 <- !is.na(data_set$ob_a0100) & data_set$ob_a0100 >= 10 & data_set$ob_a0100 < 50
data_set$ob_a0101[normal_2] <- data_set$ob_a0100[normal_2]
#### 비만율
# 저체중
data_set$ob_a0201 <- NA
data_set$ob_a0201 <- ifelse(data_set$ob_a0101 >= 0 & data_set$ob_a0101 < 10,NA,
ifelse(data_set$ob_a0101 >= 10 & data_set$ob_a0101 <18.5, 1,
ifelse(data_set$ob_a0101 >= 18.5 & data_set$ob_a0101 <50, 0,
ifelse(is.na(data_set$ob_a0101), NA, NA))))
# 정상체중
data_set$ob_a0202 <- NA
data_set$ob_a0202 <- ifelse(data_set$ob_a0101 >= 0 & data_set$ob_a0101 < 10,NA,
ifelse(data_set$ob_a0101 >= 10 & data_set$ob_a0101 <18.5, 0,
ifelse(data_set$ob_a0101 >= 18.5 & data_set$ob_a0101 <25, 1,
ifelse(data_set$ob_a0101 >= 25 & data_set$ob_a0101 <50, 0,
ifelse(is.na(data_set$ob_a0101), NA, NA)))))
# 비만
data_set$ob_a0203 <- NA
data_set$ob_a0203 <- ifelse(data_set$ob_a0101 >= 0 & data_set$ob_a0101 < 10,NA,
ifelse(data_set$ob_a0101 >= 10 & data_set$ob_a0101 <18.5, 0,
ifelse(data_set$ob_a0101 >= 18.5 & data_set$ob_a0101 <25, 0,
ifelse(data_set$ob_a0101 >= 25 & data_set$ob_a0101 <50, 1,
ifelse(is.na(data_set$ob_a0101), NA, NA)))))
#### 주관적 비만인지율
data_set$ob_a0300 <- NA
data_set$ob_a0300[data_set$oba_01z1 %in% c(1,2,3)] <- 0
data_set$ob_a0300[data_set$oba_01z1 %in% c(4,5)] <- 1
#### 체중조절 시도율
data_set$ob_b0100 <- NA
data_set$ob_b0100[data_set$obb_01z1 %in% c(1,2)] <- 0
data_set$ob_b0100[data_set$obb_01z1 %in% c(3,4)] <- 1
### 구강건강
#### 저작불편호소율
#분모: age>= 65
data_set$or_b0100 <- NA
data_set$or_b0100[data_set$orb_01z1 %in% c(1,2)] <- 1
data_set$or_b0100[data_set$orb_01z1 %in% c(3,4,5)] <- 0
#### 구강검진 수진율
data_set$or_e0500 <- NA
data_set$or_e0500[data_set$ore_05z1==1] <-1
data_set$or_e0500[data_set$ore_05z1==2] <-0
#### 점심식사후 칫솔질 실천율
#분모: ord_01d2 %in% c(1,2)
data_set$or_d0050 <- ifelse(data_set$ord_01d2 %in% c(1,2), 1, 0)
data_set$or_d0100 <- NA
data_set$or_d0100[data_set$ord_01d2==1] <-1
data_set$or_d0100[data_set$ord_01d2==2] <-0
### 정신건강
#### 스트레스 인지율
data_set$mt_a0100 <- NA
data_set$mt_a0100[data_set$mta_01z1 %in% c(1,2)] <- 1
data_set$mt_a0100[data_set$mta_01z1 %in% c(3,4)] <- 0
#### 우울감 경험률
data_set$mt_b0100 <- NA
data_set$mt_b0100[data_set$mtb_01z1 == 1] <- 1
data_set$mt_b0100[data_set$mtb_01z1 == 2] <- 0
#### 우울증상 유병률
if (year %in% 2017:2019) {
data_set$tmp_mtb_07a1 <- ifelse(data_set$mtb_07a1 == 1, 0,
ifelse(data_set$mtb_07a1 == 2, 1,
ifelse(data_set$mtb_07a1 == 3, 2,
ifelse(data_set$mtb_07a1 == 4, 3, NA))))
data_set$tmp_mtb_07b1 <- ifelse(data_set$mtb_07b1 == 1, 0,
ifelse(data_set$mtb_07b1 == 2, 1,
ifelse(data_set$mtb_07b1 == 3, 2,
ifelse(data_set$mtb_07b1 == 4, 3, NA))))
data_set$tmp_mtb_07c1 <- ifelse(data_set$mtb_07c1 == 1, 0,
ifelse(data_set$mtb_07c1 == 2, 1,
ifelse(data_set$mtb_07c1 == 3, 2,
ifelse(data_set$mtb_07c1 == 4, 3, NA))))
data_set$tmp_mtb_07d1 <- ifelse(data_set$mtb_07d1 == 1, 0,
ifelse(data_set$mtb_07d1 == 2, 1,
ifelse(data_set$mtb_07d1 == 3, 2,
ifelse(data_set$mtb_07d1 == 4, 3, NA))))
data_set$tmp_mtb_07e1 <- ifelse(data_set$mtb_07e1 == 1, 0,
ifelse(data_set$mtb_07e1 == 2, 1,
ifelse(data_set$mtb_07e1 == 3, 2,
ifelse(data_set$mtb_07e1 == 4, 3, NA))))
data_set$tmp_mtb_07f1 <- ifelse(data_set$mtb_07f1 == 1, 0,
ifelse(data_set$mtb_07f1 == 2, 1,
ifelse(data_set$mtb_07f1 == 3, 2,
ifelse(data_set$mtb_07f1 == 4, 3, NA))))
data_set$tmp_mtb_07g1 <- ifelse(data_set$mtb_07g1 == 1, 0,
ifelse(data_set$mtb_07g1 == 2, 1,
ifelse(data_set$mtb_07g1 == 3, 2,
ifelse(data_set$mtb_07g1 == 4, 3, NA))))
data_set$tmp_mtb_07h1 <- ifelse(data_set$mtb_07h1 == 1, 0,
ifelse(data_set$mtb_07h1 == 2, 1,
ifelse(data_set$mtb_07h1 == 3, 2,
ifelse(data_set$mtb_07h1 == 4, 3, NA))))
data_set$tmp_mtb_07i1 <- ifelse(data_set$mtb_07i1 == 1, 0,
ifelse(data_set$mtb_07i1 == 2, 1,
ifelse(data_set$mtb_07i1 == 3, 2,
ifelse(data_set$mtb_07i1 == 4, 3, NA))))
data_set$tmp_mt_b0500 <- data_set$tmp_mtb_07a1 + data_set$tmp_mtb_07b1 +
data_set$tmp_mtb_07c1 + data_set$tmp_mtb_07d1 + data_set$tmp_mtb_07e1 +
data_set$tmp_mtb_07f1 + data_set$tmp_mtb_07g1 + data_set$tmp_mtb_07h1 + data_set$tmp_mtb_07i1
data_set$mt_b0500 <- ifelse(data_set$tmp_mt_b0500 >= 0 & data_set$tmp_mt_b0500 <= 9, 0,
ifelse(data_set$tmp_mt_b0500 >= 10 & data_set$tmp_mt_b0500 <= 27, 1, NA))
}
#### 자살생각률
if (year == 2019) {
data_set$mt_d0100 <- ifelse(data_set$mtd_01z1 == 1, 1,
ifelse(data_set$mtd_01z1 == 2, 0, 1))
}
### 예방접종
#### 인플루엔자 예방접종률
data_set$sc_a0100 <- NA
data_set$sc_a0100[data_set$sca_01z1==1] <- 1
data_set$sc_a0100[data_set$sca_01z1==2] <- 0
### 이환
#### 혈압인지율
if(year %in% c(2011, 2013:2019)) {
data_set$il_a1900 <- ifelse(data_set$hya_19z1 == 1, 1,
ifelse(data_set$hya_19z1 == 2, 0, NA))
}
if (year == 2012) {
data_set$il_a1900 <- 9
}
#### 혈당인지율
if(year %in% c(2011, 2013:2019)) {
data_set$il_b1900 <- ifelse(data_set$dia_19z1 == 1, 1,
ifelse(data_set$dia_19z1 == 2, 0, NA))
}
if (year == 2012) {
data_set$il_b1900 <- 9
}
#### 고혈압 의사진단 경험률(30세이상)
#분모: age>= 30
data_set$il_a0200 <- NA
data_set$il_a0200[data_set$hya_04z1==1] <- 1
data_set$il_a0200[data_set$hya_04z1==2] <- 0
#### 고혈압 약물치료율
#분모: age>=30 & il_a0200==1
data_set$il_a0500 <- NA
data_set$il_a0500[data_set$hya_06z1==1 & data_set$hya_14a1==1 & data_set$hya_14b1>=20 & data_set$hya_14b1<=31] <- 1
data_set$il_a0500[(data_set$hya_06z1==1 & data_set$hya_14a1==1 & data_set$hya_14b1>=0 & data_set$hya_14b1<=19) |
(data_set$hya_06z1==1 & data_set$hya_14a1==2)| data_set$hya_06z1==2] <- 0
### 고혈압 관리교육 장소(병의원/보건소)
data_set$il_a0701 <- NA
data_set$il_a0702 <- NA
data_set$il_a0703 <- NA
if(year %in% 2011:2017) {
data_set$il_a0701 <- ifelse(data_set$il_a0200 == 1 & data_set$hya_11a1 == 1, 1,
ifelse(data_set$il_a0200 == 1 & data_set$hya_11a1 == 2, 0, NA))
data_set$il_a0702 <- ifelse(data_set$il_a0200 == 1 & data_set$hya_11b1 ==1, 1,
ifelse(data_set$il_a0200 == 1 & data_set$hya_11b1 == 2, 0, NA))
data_set$il_a0703 <- ifelse(data_set$il_a0200 == 1 & data_set$hya_11c1 ==1, 1,
ifelse(data_set$il_a0200 == 1 & data_set$hya_11c1 == 2, 0, NA))
}
if (year == 2018) {
data_set$il_a0701 <- ifelse(data_set$il_a0200 == 1 & data_set$hya_11a1 == 1, 1,
ifelse(data_set$il_a0200 == 1 & data_set$hya_11a1 == 2, 0, NA))
data_set$il_a0703 <- ifelse(data_set$il_a0200 == 1 & data_set$hya_11c1 ==1, 1,
ifelse(data_set$il_a0200 == 1 & data_set$hya_11c1 == 2, 0, NA))
}
if (year == 2019) {
data_set$il_a0701 <- ifelse(data_set$il_a0200 == 1 & data_set$hya_11a2 == 1, 1,
ifelse(data_set$il_a0200 == 1 & data_set$hya_11a2 == 2, 0, NA))
data_set$il_a0703 <- ifelse(data_set$il_a0200 == 1 & data_set$hya_11c2 ==1, 1,
ifelse(data_set$il_a0200 == 1 & data_set$hya_11c2 == 2, 0, NA))
}
### 고혈압 관리교육 이수율
if (year %in% 2011:2017) {
data_set$il_a0800 <- ifelse(data_set$il_a0701 == 1 |
data_set$il_a0702 == 1 |
data_set$il_a0703 == 1, 1,
ifelse(data_set$il_a0701 == 0 &
data_set$il_a0702 == 0 &
data_set$il_a0703 == 0, 0, NA))
}
if (year ==2018) {
data_set$il_a0800 <- ifelse(data_set$il_a0701 == 1 | data_set$il_a0703 == 1, 1,
ifelse(data_set$il_a0701 == 0 & data_set$il_a0703 == 0, 0, NA))
}
if (year == 2019) {
data_set$il_a0800 <- NA
data_set$il_a0800[data_set$il_a0200 == 1] <- 0
data_set$il_a0800[data_set$il_a0701 == 1 | data_set$il_a0703 == 1] <- 1
}
#### 당뇨병 의사진단경험률(30세이상)
#분모: age>= 30
data_set$il_b0200 <- NA
data_set$il_b0200[data_set$dia_04z1==1] <- 1
data_set$il_b0200[data_set$dia_04z1==2] <- 0
#### 당뇨병 치료율
#분모: age>=30 & il_b0200==1
data_set$il_b0600 <- NA
data_set$il_b0600[data_set$dia_06z1==1 & (data_set$dia_13a1 ==1|data_set$dia_13b1==1)] <- 1
data_set$il_b0600[(data_set$dia_06z1==1 & (data_set$dia_13a1 ==2 & data_set$dia_13b1==2)) |
data_set$dia_06z1==2] <- 0
#### 당뇨병 안질환 합병증검사 수진율
#분모: age >=30 & il_b0200==1
data_set$il_b0900 <- NA
data_set$il_b0900[data_set$dia_14z1==1] <- 1
data_set$il_b0900[data_set$dia_14z1==2] <- 0
#### 당뇨병 신장질환 합병증검사 수진율
#분모: age >=30 & il_b0200==1
data_set$il_b1000 <- NA
data_set$il_b1000[data_set$dia_15z1==1] <- 1
data_set$il_b1000[data_set$dia_15z1==2] <- 0
#### 이상지질혈증 평생 의사진단 경험률
#분모: age >= 30
data_set$il_r0100 <- NA
data_set$il_r0100[data_set$dla_01z1==1] <- 1
data_set$il_r0100[data_set$dla_01z1==2] <- 0
#### 관절염 의사진단 경험률(50세이상)
#age >= 50
data_set$il_g0100 <- NA
data_set$il_g0100[data_set$ara_20z1==1] <- 1
data_set$il_g0100[data_set$ara_20z1==2] <- 0
### 의료이용
#### 필요의료서비스 미치료율
#12년부터~(11년 제외) josa_year %in% c(2012,2013,2014,2015,2016)
if ( year == 2011) {
data_set$sr_a0100 <- 9
}
if (year %in% 2012:2018) {
data_set$sr_a0100 <- NA
data_set$sr_a0100[data_set$sra_01z1==1] <- 1
data_set$sr_a0100[data_set$sra_01z1==2] <- 0
}
### 활동제한 및 삶의 질
#### 양호한 주관적 건강 인지율
data_set$ql_a0100 <- NA
data_set$ql_a0100[data_set$qoa_01z1 %in% c(1,2)] <- 1
data_set$ql_a0100[data_set$qoa_01z1 %in% c(3:5)] <- 0
#### 삶의 질(EQ-5D)
## 운동능력
data_set$ql_c0100 <- NA
data_set$ql_c0100[data_set$qoc_01z1 %in% c(1,3)] <- 0
data_set$ql_c0100[data_set$qoc_01z1 == 2] <- 1
data_set$ql_c0200 <- NA
data_set$ql_c0200[data_set$qoc_01z1 %in% c(1,2)] <- 0
data_set$ql_c0200[data_set$qoc_01z1 == 3] <- 1
## 자기관리
data_set$ql_c0300 <- NA
data_set$ql_c0300[data_set$qoc_02z1 %in% c(1,3)] <- 0
data_set$ql_c0300[data_set$qoc_02z1 == 2] <- 1
data_set$ql_c0400 <- NA
data_set$ql_c0400[data_set$qoc_02z1 %in% c(1,2)] <- 0
data_set$ql_c0400[data_set$qoc_02z1 == 3] <- 1
## 일상활동
data_set$ql_c0500 <- NA
data_set$ql_c0500[data_set$qoc_03z1 %in% c(1,3)] <- 0
data_set$ql_c0500[data_set$qoc_03z1 == 2] <- 1
data_set$ql_c0600 <- NA
data_set$ql_c0600[data_set$qoc_03z1 %in% c(1,2)] <- 0
data_set$ql_c0600[data_set$qoc_03z1 == 3] <- 1
## 통증 불편
data_set$ql_c0700 <- NA
data_set$ql_c0700[data_set$qoc_04z1 %in% c(1,3)] <- 0
data_set$ql_c0700[data_set$qoc_04z1 == 2] <- 1
data_set$ql_c0800 <- NA
data_set$ql_c0800[data_set$qoc_04z1 %in% c(1,2)] <- 0
data_set$ql_c0800[data_set$qoc_04z1 == 3] <- 1
## 불안 우울
data_set$ql_c0900 <- NA
data_set$ql_c0900[data_set$qoc_05z1 %in% c(1,3)] <- 0
data_set$ql_c0900[data_set$qoc_05z1 == 2] <- 1
data_set$ql_c1000 <- NA
data_set$ql_c1000[data_set$qoc_05z1 %in% c(1,2)] <- 0
data_set$ql_c1000[data_set$qoc_05z1 == 3] <- 1
## EQ-5D
data_set$ql_c1100 <- NA
data_set$ql_c1100[data_set$qoc_01z1 %in% c(1:3) & data_set$qoc_02z1 %in% c(1:3) & data_set$qoc_03z1 %in% c(1:3) &
data_set$qoc_04z1 %in% c(1:3) & data_set$qoc_05z1 %in% c(1:3)] <- 0
data_set$ql_c1100[data_set$ql_c0200 == 1 |data_set$ql_c0400 ==1 | data_set$ql_c0600==1| data_set$ql_c0800==1 | data_set$ql_c1000==1]<- 1
data_set$ql_c1200 <- 1- (0.05 + 0.096*data_set$ql_c0100 + 0.418*data_set$ql_c0200 + 0.046*data_set$ql_c0300 + 0.136*data_set$ql_c0400 +
0.051*data_set$ql_c0500 + 0.208*data_set$ql_c0600 + 0.037*data_set$ql_c0700 + 0.151*data_set$ql_c0800 +
0.043*data_set$ql_c0900 + 0.158*data_set$ql_c1000 + 0.05*data_set$ql_c1100)
data_set$ql_c1200[data_set$qoc_01z1==1 & data_set$qoc_02z1==1 & data_set$qoc_03z1==1 & data_set$qoc_04z1==1 & data_set$qoc_05z1==1] <- 1
#### EQ-VAS
data_set$ql_c1300 <- NA
data_set$ql_c1300[data_set$qoc_06z1 %in% c(0:100)] <- as.numeric(data_set$qoc_06z1[data_set$qoc_06z1 %in% c(0:100)])
### 보건기관 이용
#### 보건기관 이용률
data_set$ct_a0100 <- NA
if (year %in% 2011:2013) {
data_set$ct_a0100[data_set$hma_01z1 %in% c(2:4)] <- 1
data_set$ct_a0100[data_set$hma_01z1 == 1] <- 0
} else if (year %in% 2014:2017) {
data_set$ct_a0100[data_set$hma_01z2 == 1] <- 1
data_set$ct_a0100[data_set$hma_01z2 == 2] <- 0
}
data_set$en_a0101 <- NA
data_set$en_a0102 <- NA
data_set$en_a0103 <- NA
data_set$en_a0104 <- NA
data_set$en_a0105 <- NA
data_set$en_a0106 <- NA
data_set$en_a0107 <- NA
data_set$en_b0101 <- NA
data_set$en_b0102 <- NA
data_set$en_b0103 <- NA
data_set$en_b0104 <- NA
data_set$en_b0105 <- NA
data_set$en_b0106 <- NA
data_set$en_b0201 <- NA
data_set$en_b0202 <- NA
data_set$en_b0203 <- NA
data_set$en_b0204 <- NA
data_set$en_b0205 <- NA
data_set$en_b0206 <- NA
data_set$en_b0301 <- NA
data_set$en_b0302 <- NA
data_set$en_b0303 <- NA
data_set$en_b0304 <- NA
data_set$en_b0305 <- NA
data_set$en_b0306 <- NA
data_set$en_b0301 <- NA
data_set$en_b0302 <- NA
data_set$en_b0303 <- NA
data_set$en_b0304 <- NA
data_set$en_b0305 <- NA
data_set$en_b0306 <- NA
if (year %in% c(2011, 2013, 2015, 2017)) {
### 사회물리적 환경
#### 지역의 사회 물리적 환경에 대한 긍정적 태도율
data_set$en_a0101 <- ifelse(data_set$ena_01a1 == 1, 1,
ifelse(data_set$ena_01a1 == 2, 0, NA))
data_set$en_a0102 <- ifelse(data_set$ena_01b1 == 1, 1,
ifelse(data_set$ena_01b1 == 2, 0, NA))
data_set$en_a0103 <- ifelse(data_set$ena_01c1 == 1, 1,
ifelse(data_set$ena_01c1 == 2, 0, NA))
data_set$en_a0104 <- ifelse(data_set$ena_01d1 == 1, 1,
ifelse(data_set$ena_01d1 == 2, 0, NA))
data_set$en_a0105 <- ifelse(data_set$ena_01e1 == 1, 1,
ifelse(data_set$ena_01e1 == 2, 0, NA))
data_set$en_a0106 <- ifelse(data_set$ena_01f1 == 1, 1,
ifelse(data_set$ena_01f1 == 2, 0, NA))
data_set$en_a0107 <- ifelse(data_set$ena_01g1 == 1, 1,
ifelse(data_set$ena_01g1 == 2, 0, NA))
#### 사회적 연결망(친척)
data_set$en_b0101 <- ifelse(data_set$enb_01z1 == 1, 1,
ifelse(data_set$enb_01z1 %in% 2:6, 0, NA))
data_set$en_b0102 <- ifelse(data_set$enb_01z1 == 2, 1,
ifelse(data_set$enb_01z1 %in% c(1, 3:6), 0, NA))
data_set$en_b0103 <- ifelse(data_set$enb_01z1 == 3, 1,
ifelse(data_set$enb_01z1 %in% c(1:2, 4:6), 0, NA))
data_set$en_b0104 <- ifelse(data_set$enb_01z1 == 4, 1,
ifelse(data_set$enb_01z1 %in% c(1:3, 5:6), 0, NA))
data_set$en_b0105 <- ifelse(data_set$enb_01z1 == 5, 1,
ifelse(data_set$enb_01z1 %in% c(1:4, 6), 0, NA))
data_set$en_b0106 <- ifelse(data_set$enb_01z1 == 6, 1,
ifelse(data_set$enb_01z1 %in% 1:5, 0, NA))
#### 사회적 연결망(이웃)
data_set$en_b0201 <- ifelse(data_set$enb_02z1 == 1, 1,
ifelse(data_set$enb_02z1 %in% 2:6, 0, NA))
data_set$en_b0202 <- ifelse(data_set$enb_02z1 == 2, 1,
ifelse(data_set$enb_02z1 %in% c(1, 3:6), 0, NA))
data_set$en_b0203 <- ifelse(data_set$enb_02z1 == 3, 1,
ifelse(data_set$enb_02z1 %in% c(1:2, 4:6), 0, NA))
data_set$en_b0204 <- ifelse(data_set$enb_02z1 == 4, 1,
ifelse(data_set$enb_02z1 %in% c(1:3, 5:6), 0, NA))
data_set$en_b0205 <- ifelse(data_set$enb_02z1 == 5, 1,
ifelse(data_set$enb_02z1 %in% c(1:4, 6), 0, NA))
data_set$en_b0206 <- ifelse(data_set$enb_02z1 == 6, 1,
ifelse(data_set$enb_02z1 %in% 1:5, 0, NA))
#### 사회적 연결망(친구)
data_set$en_b0301 <- ifelse(data_set$enb_03z1 == 1, 1,
ifelse(data_set$enb_03z1 %in% 2:6, 0, NA))
data_set$en_b0302 <- ifelse(data_set$enb_03z1 == 2, 1,
ifelse(data_set$enb_03z1 %in% c(1, 3:6), 0, NA))
data_set$en_b0303 <- ifelse(data_set$enb_03z1 == 3, 1,
ifelse(data_set$enb_03z1 %in% c(1:2, 4:6), 0, NA))
data_set$en_b0304 <- ifelse(data_set$enb_03z1 == 4, 1,
ifelse(data_set$enb_03z1 %in% c(1:3, 5:6), 0, NA))
data_set$en_b0305 <- ifelse(data_set$enb_03z1 == 5, 1,
ifelse(data_set$enb_03z1 %in% c(1:4, 6), 0, NA))
data_set$en_b0306 <- ifelse(data_set$enb_03z1 == 6, 1,
ifelse(data_set$enb_03z1 %in% 1:5, 0, NA))
#### 사회적 참여율
data_set$en_b0401 <- ifelse(data_set$enb_04z1 == 1, 1,
ifelse(data_set$enb_04z1 == 2, 0, NA))
data_set$en_b0402 <- ifelse(data_set$enb_05z1 == 1, 1,
ifelse(data_set$enb_05z1 == 2, 0, NA))
data_set$en_b0403 <- ifelse(data_set$enb_06z1 == 1, 1,
ifelse(data_set$enb_06z1 == 2, 0, NA))
data_set$en_b0404 <- ifelse(data_set$enb_07z1 == 1, 1,
ifelse(data_set$enb_07z1 == 2, 0, NA))
}
data_set$dong_p <- gsub("[[:punct:]]+", "_", gsub("[[:punct:]]$", "",
data_set$dong_p))
return(data_set)
}
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.