Regner ut kvalitetsindikator for rater (antall delt på eksponering), basert på et standard datasett for ratedata/Poisson-data. Gir også ut konfidensintervall for ratene.
Usage
aggreger_ki_rate(
d_ki_ind,
konf_niva = 0.95,
multiplikator = 1,
alfa = lifecycle::deprecated()
)Arguments
- d_ki_ind
Datasett som gitt ut av en standard KI-funksjon for ratedata. Se detaljer nedenfor.
- konf_niva
Konfidensnivå. Standardverdi er 0.95, som tilsvarer et 95 %-konfidensintervall.
- multiplikator
Tallverdi som skal multipliseres med raten (for å vise raten per
multiplikatorenheter i utdatene).- alfa
Utdatert og erstatta av
konf_niva(tilsvarande1 - alfa). Vert fjerna i neste versjon av pakken.
Value
Ugruppert tibble eller data.frame
(avhengig av inndataene)
med følgende kolonner:
- est
Kvalitetsindikatoren, dvs. estimert rate (sum(
ki_antall)/sum(ki_eksponering)*multiplikator).- konfint_nedre
Nedre konfidensgrense for
est.- konfint_ovre
Øvre konfidensgrense for
est.
Details
Inndatasettet må inneholde minst de tre variablene ki_antall,
ki_eksponering og ki_aktuell,
der ki_antall er en numeriske variabel som angir hvor mange hendelser
som er blitt observert
(for eksempel antall ganger pasienten har fått smertelindring
eller antall observerte bakteriekolonier),
ki_eksponering er en numerisk variabel som angir eksponeringen
som var grunnlag for hendelsene i ki_antall
(her for eksempel antall pasientdøgn
eller størrelsen på undersøkt område, målt i kvadratcentimeter),
og ki_aktuell er en logisk variabel
som indikerer om observasjonen/raden
skal inkluderes i beregningen eller ikke.
Funksjonen gir ut aggregert datasett med estimert rate og konfidensintervall for estimatet. Hvis inndataene er gruppert, blir resultatet regnet ut på gruppenivå, med én rad per gruppe.
Om man velger en ikke-standard verdi for multiplikator,
får man ut estimat av rate og tilhørende konfidensintervall
per multiplikator av enheten til eksponeringen.
Dette kan være hendig om man for eksempel ser på sjeldne hendelser
per innbygger i en stor populasjon.
Da kan man sette multiplikator til 1000 eller 100000
for å få ut raten per 1000 eller 100 000 innbyggere.
Note
Konfidensintervallene blir regnet ut under forutsetning at dataene er Poisson-fordelt, og blir da beregnet ved profil-likelihood-metoden.
See also
Om du heller er interessert i andelsdata (teller/nevner),
altså data som følger en binomisk fordeling,
bruk aggreger_ki_prop().
Examples
# Pakke for bruk av tibble-objekt og rør-operatoren
library(dplyr)
# Eksempeldata
helseforetak = c(
"Helse Vest",
"Helse Sør-Øst",
"Helse Midt",
"Helse Nord"
)
populasjon = c(1100000, 3100000, 700000, 480000)
antall_behandlinger = c(650000, 1670000, 450000, 350000)
d = tibble(
helseforetak = helseforetak,
ki_antall = antall_behandlinger,
ki_eksponering = populasjon,
ki_aktuell = c(TRUE, TRUE, FALSE, TRUE)
)
# Utregnet kvalitetsindikator for hele datasettet
aggreger_ki_rate(d)
#> # A tibble: 1 × 3
#> est konfint_nedre konfint_ovre
#> <dbl> <dbl> <dbl>
#> 1 0.571 0.570 0.571
# Eventuelt med 90 %-konfidensintervall
aggreger_ki_rate(d, konf_niva = 0.9)
#> # A tibble: 1 × 3
#> est konfint_nedre konfint_ovre
#> <dbl> <dbl> <dbl>
#> 1 0.571 0.570 0.571
# Gruppert på helseforetak, per 1000
d |>
group_by(helseforetak) |>
aggreger_ki_rate(multiplikator = 1000)
#> # A tibble: 4 × 4
#> helseforetak est konfint_nedre konfint_ovre
#> <chr> <dbl> <dbl> <dbl>
#> 1 Helse Midt NA NA NA
#> 2 Helse Nord 729. 727. 732.
#> 3 Helse Sør-Øst 539. 538. 540.
#> 4 Helse Vest 591. 589. 592.
# Merk at helseforetakene ovenfor blir vist i alfabetisk rekkefølge,
# siden grupperingsvariabelen «helseforetak» var en tekstvariabel.
# Hvis du vil ha en annen rekkefølge, gjør den om til faktor først.
d = mutate(d, helsefortak = factor(helseforetak,
levels = c("Helse Nord", "Helse Midt", "Helse Vest", "Helse Sør-Øst")
))
d |>
group_by(helseforetak) |>
aggreger_ki_rate()
#> # A tibble: 4 × 4
#> helseforetak est konfint_nedre konfint_ovre
#> <chr> <dbl> <dbl> <dbl>
#> 1 Helse Midt NA NA NA
#> 2 Helse Nord 0.729 0.727 0.732
#> 3 Helse Sør-Øst 0.539 0.538 0.540
#> 4 Helse Vest 0.591 0.589 0.592