In arnaudmilet/medtRucks: Package de préparation et de valorisation des données brutes de mesure d'accès aux soins en France

knitr::opts_chunk$set(
  collapse = TRUE,
  comment = "#>"
)

library(medtRucks)
library(dplyr)

Cette vignette est destinée à détailler l'utilisation des fonctions du package medtRucks du téléchargement des données brutes à leur traitement.

Installation du package medtRucks

Télécharger, préparer et traiter les données brutes

Les données AMELI

Les données de remboursement mensuel (ex: R2017, R2020)

Les données initiales doivent être stockées dans un même répertoire (au choix), avoir un nom du type RAAAAMM et être au format CSV (R202001.csv). Les données téléchargées depuis le site data.gouv.fr ont cette forme:

data(R202001)
R202001 %>% 
  dplyr::slice(1:3) %>% 
  knitr::kable()

Ici, nous utiliserons la fonction mt_split_damir_R dont la seule utilité est de :

1- Lire les fichiers mensuels volumineux mis à disposition par AMELI sur la plateforme data.gouv au format csv 2- Extraire chaque département pour chaque mois 3- Enregistrer les extractions départementales agrégées par année dans le même dossier que les données initial au format rds natif de R.

La fonction mt_split_damir_R a cinq arguments:

chemin: chemin des données initiale(par ex: r system.file("extdata",package = "medtRucks"))
millesime: année du millésime traité (ex: 2020),
variable: nom de la variable contenant les code département (ex: dept),
i: le numéro du mois à extraire (ex:1 pour janvier),
ecriture: TRUE ou FALSE, indique si la fonction doit écrire les fichiers rds générés dans le dossier initial. F sert uniquement dans le cadre des exemples et n'a aucune autre utilité.

Elle affiche en console le numéro de chaque département traité.

chemin_data_init_damir_R = system.file("extdata",package = "medtRucks")
millesime_damir_R = 2020
variable_nom_dep = "dpt"

mt_split_damir_R(chemin=chemin_data_init_damir_R,millesime=millesime_damir_R,variable=variable_nom_dep,i=1,ecriture=F)

Les données extraites du SNIIRAM (ex: A2017, A2020)

Les données initiales doivent être stockées dans un même répertoire (au choix), avoir un nom du type AAAAAMM et être au format CSV (A202001.csv). Les données téléchargées depuis le site data.gouv.fr ont cette forme:

data(A202001)
A202001 %>% 
  dplyr::slice(1:3) %>% 
  knitr::kable()

Ici, nous utiliserons la fonction mt_split_damir_A dont la seule utilité est de :

1- Lire les fichiers mensuels volumineux mis à disposition par AMELI sur la plateforme data.gouv au format csv 2- Extraire chaque région pour chaque mois 3- Enregistrer les extractions régionales agrégées par année dans le même dossier que les données initial au format rds natif de R.

La fonction mt_split_damir_A a cinq arguments:

chemin: chemin des données initiale(par ex: r system.file("extdata",package = "medtRucks"))
millesime: année du millésime traité (ex: 2020),
variable: nom de la variable contenant les code région (ex: BEN_RES_REG),
i: le numéro du mois à extraire (ex:1 pour janvier),
ecriture: TRUE ou FALSE, indique si la fonction doit écrire les fichiers rds générés dans le dossier initial. F sert uniquement dans le cadre des exemples et n'a aucune autre utilité.

Elle affiche en console le numéro de chaque région traitée.

chemin_data_init_damir_A = system.file("extdata",package = "medtRucks")
millesime_damir_A = 2020
variable_nom_reg = "BEN_RES_REG"

mt_split_damir_A(chemin=chemin_data_init_damir_A,millesime=millesime_damir_A,variable=variable_nom_reg,i=1,ecriture=F)

Préparer et traiter les données AMELI pour créer la base nb_actes_par_praticien

Les données initiales doivent être stockées dans un même répertoire (au choix) et être au format xlsx. Les données téléchargées depuis le site AMELI sont stockées sur 3 onglets des fichiers départementaux et régionaux:

Effectifs PS
Patientèle moyenne par PS
Nombre d\'actes par patient

Elles ont le format suivant :

Effectif des medecins APE par departement en 2020

data("Effectifs_des_medecins_APE_par_departement_en_2020")
Effectifs_des_medecins_APE_par_departement_en_2020 %>% 
  dplyr::slice(1:3) %>% 
  knitr::kable()

Patientele moyenne des medecins APE par departement en 2020

data("Patientele_moyenne_des_medecins_APE_par_departement_en_2020")
Patientele_moyenne_des_medecins_APE_par_departement_en_2020 %>% 
  dplyr::slice(1:3) %>% 
  knitr::kable()

Nombre d'actes par patient des medecins APE par departement en 2020

data("Nb_actes_par_patient_des_medecins_APE_par_departement_en_2020")
Nb_actes_par_patient_des_medecins_APE_par_departement_en_2020 %>% 
  dplyr::slice(1:3) %>% 
  knitr::kable()

Ici, nous utiliserons la fonction mt_crea_nb_actes_par_praticien dont la seule utilité est de restituer un fichier de nombre d'actes par praticien, par spécialité et par département.

La fonction mt_crea_nb_actes_par_praticien a quatre arguments:

chemin: chemin des données initiale(par ex: r system.file("extdata",package = "medtRucks"))
nom_fichier_dep: nom du fichier contenant les informations départementales (ex: 2020_patientele-des-medecins-liberaux-ape-par-departement_serie-annuelle.xlsx),
nom_fichier_reg: nom du fichier contenant les informations régionales (ex: 2020_patientele-des-medecins-liberaux-ape-par-region_serie-annuelle.xlsx),
ecriture: TRUE ou FALSE, indique si la fonction doit écrire les fichiers rds générés dans le dossier initial. F sert uniquement dans le cadre des exemples et n'a aucune autre utilité.

Elle n'affiche rien en console et créée le fichier nb_actes_par_praticien.rds à l'emplacement initial.

chemin = system.file("extdata",package = "medtRucks")
nom_fichier_dep = "2020_patientele-des-medecins-liberaux-ape-par-departement_serie-annuelle.xlsx"
nom_fichier_reg = "2020_patientele-des-medecins-liberaux-ape-par-region_serie-annuelle.xlsx"
mt_crea_nb_actes_par_praticien(chemin = chemin,
                       nom_fichier_dep = nom_fichier_dep,
                       nom_fichier_reg=nom_fichier_reg,
                       ecriture = FALSE)