-
Notifications
You must be signed in to change notification settings - Fork 10
/
040_deces_francais.R
2369 lines (1870 loc) · 99.9 KB
/
040_deces_francais.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
#------------------------------------------------------------------------------#
#
#### Analyse du registre des décès quotidiens France depuis la date ####
# K_DEBUT_DATES_DECES_A_ANALYSER (2018)
#s
#------------------------------------------------------------------------------#
library(pyramid)
library(maps)
library(eurostat)
library(dplyr)
library(stringr)
library(leaflet)
library(questionr)
library(ggplot2)
library(lubridate)
library(sf)
library(rnaturalearth)
library(rnaturalearthdata)
library(readr)
library(lsr)
library(igraph)
library(dplyr)
library(ggforce)
library(gridExtra)
#------------------------------------------------------------------------------#
#
#### Definitions de fonctions locales ####
#
#------------------------------------------------------------------------------#
#------------------------------------------------------------------------------#
#
#------------------------------------------------------------------------------#
a__f_complete_manquant <- function(x) {
x[is.na(x)] <- as.integer(mean(x, na.rm = TRUE))
x
}
#------------------------------------------------------------------------------#
# Attention pour les dates : certaines sont approximatives. Lorsque c'est le cas
# la partie incertaine (mois ou jour) est à 00. -> remplacer les 00 par 01.
# Pour les années inconnues -> ne rien mettre ?
#------------------------------------------------------------------------------#
a__f_nettoyer_partie_date <- function(
x,
debut,
fin
) {
rez <- x %>%
substr(debut, fin) %>%
as.integer()
rez[rez == 0] <- NA
rez
}
#------------------------------------------------------------------------------#
#
#### Preparer les espaces de telechargement de donnees ####
#
#------------------------------------------------------------------------------#
# Date à partir de laquelle on va faire les analyses (il faut la mettre à jour si on rajoute des données antérieures à 2018)
# Les décès antérieurs à cette date ne seront pas pris en compte
K_DEBUT_DATES_DECES_A_ANALYSER <- "2010-01-01"
K_DIR_EXT_DATA_FR_GOUV_DECES_QUOTIDIENS <- a__f_createDir(file.path(K_DIR_EXT_DATA_FR_GOUV, 'deces'))
# deparse(subsituteregion)) permet d'obtenir lenom (ous forme de string) de la variable
# qui a étépassé dans le parametre region
varName <- deparse(substitute(b__fr_gouv_deces_quotidiens))
if (!shallForceDownload && exists(varName)) {
# La variable existe déjà
message(paste0("(", varName, ") existe déjà. On ne la reconstruit pas. Supprimez-là et relancer si vous voulez la re-construire"))
} else {
# La variable n'existe pas déjà
#
# Telechargement des donnees des décès quotidiens depuis 2018
#
# Import des données de décès
# 'https://www.data.gouv.fr/fr/datasets/fichier-des-personnes-decedees/'
# Liste des URLs des fichiers de patients décédés
urls_listes_deces <- c(
'2024-t1' = 'https://static.data.gouv.fr/resources/fichier-des-personnes-decedees/20240415-085836/deces-2024-t1.txt',
'2023' = 'https://static.data.gouv.fr/resources/fichier-des-personnes-decedees/20240219-094712/deces-2023.txt',
'2022' = 'https://static.data.gouv.fr/resources/fichier-des-personnes-decedees/20230209-094802/deces-2022.txt',
'2021' = 'https://static.data.gouv.fr/resources/fichier-des-personnes-decedees/20220112-114131/deces-2021.txt',
'2020' = 'https://static.data.gouv.fr/resources/fichier-des-personnes-decedees/20210112-143457/deces-2020.txt',
'2019' = 'https://static.data.gouv.fr/resources/fichier-des-personnes-decedees/20200113-173945/deces-2019.txt',
'2018' = 'https://static.data.gouv.fr/resources/fichier-des-personnes-decedees/20191205-191652/deces-2018.txt',
'2017' = 'https://static.data.gouv.fr/resources/fichier-des-personnes-decedees/20191209-192304/deces-2017.txt',
'2016' = 'https://static.data.gouv.fr/resources/fichier-des-personnes-decedees/20191209-192203/deces-2016.txt',
'2015' = 'https://static.data.gouv.fr/resources/fichier-des-personnes-decedees/20191209-192119/deces-2015.txt',
'2014' = 'https://static.data.gouv.fr/resources/fichier-des-personnes-decedees/20191209-192022/deces-2014.txt',
'2013' = 'https://static.data.gouv.fr/resources/fichier-des-personnes-decedees/20191209-191938/deces-2013.txt',
'2012' = 'https://static.data.gouv.fr/resources/fichier-des-personnes-decedees/20191209-191851/deces-2012.txt',
'2011' = 'https://static.data.gouv.fr/resources/fichier-des-personnes-decedees/20191209-191745/deces-2011.txt',
'2010' = 'https://static.data.gouv.fr/resources/fichier-des-personnes-decedees/20191209-191659/deces-2010.txt'
)
chemins_fichiers_deces <- lapply(urls_listes_deces, a__f_downloadFileUrlAndGetFilePath)
if (shallDeleteVars) rm(urls_listes_deces)
#------------------------------------------------------------------------------#
#
#### Importer les fichiers de décès qui ont une structure définie par des champs de largeurs fixe ####
#
#------------------------------------------------------------------------------#
cat("Construction de (b__fr_gouv_deces_quotidiens)...\n")
# Largeur des champs dans le fichier
fields_widths <- c( # Colonne :
nom = 80, # 80
sexe = 1, # 81
naissance_date = 8, # 89
naissance_code_lieu = 5, # 94
naissance_commune = 30, # 124
naissance_pays = 30, # 154
deces_date = 8, # 162
deces_code_lieu = 5, # 167
deces_numero_acte = 9 # 176
)
# Lire tous les fichiers (*.txt) des décès quotidiens et construire une liste avec un df par fichier lu
dbs_raw_deces <- lapply(chemins_fichiers_deces,
read_fwf,
# Calculer les positions de coupure des champs à partir de la largeur de chaque champ
col_positions = fwf_widths(fields_widths,
col_names = names(fields_widths)),
col_types = cols(.default = col_character()))
if (shallDeleteVars) rm(chemins_fichiers_deces)
if (shallDeleteVars) rm(fields_widths)
# Créer la Table des deces en agrégeant les lignes de chaque fichier et en excluant les doublons
# et en triant sur la date de décès pour que ce soit plus facile à lire
a__original_fr_gouv_deces_quotidiens <- bind_rows(dbs_raw_deces) %>%
unique() %>%
arrange(deces_date)
if (shallDeleteVars) rm(dbs_raw_deces)
# Deces nettoyes
b__fr_gouv_deces_quotidiens <- a__original_fr_gouv_deces_quotidiens %>%
mutate(
naissance_annee = a__f_nettoyer_partie_date(naissance_date, 1, 4),
# si absent, prendre l'age moyen
naissance_annee_complete = a__f_complete_manquant(naissance_annee),
naissance_mois = a__f_nettoyer_partie_date(naissance_date, 5, 6),
naissance_mois_complete = a__f_complete_manquant(naissance_mois),
naissance_jour = a__f_nettoyer_partie_date(naissance_date, 7, 8),
naissance_jour_complete = a__f_complete_manquant(naissance_jour),
naissance_date_brute = naissance_date,
naissance_date = as.Date(naissance_date, '%Y%m%d'),
naissance_date_complete = as.Date(paste0(naissance_annee_complete, '-', naissance_mois_complete, '-', naissance_jour_complete)),
deces_annee = a__f_nettoyer_partie_date(deces_date, 1, 4),
# si absent, prendre l'age moyen
deces_annee_complete = a__f_complete_manquant(deces_annee),
deces_mois = a__f_nettoyer_partie_date(deces_date, 5, 6),
deces_mois_complete = a__f_complete_manquant(deces_mois),
deces_jour = a__f_nettoyer_partie_date(deces_date, 7, 8),
deces_jour_complete = a__f_complete_manquant(deces_jour),
deces_date = as.Date(deces_date, '%Y%m%d'),
deces_date_complete = as.Date(paste0(deces_annee_complete, '-', deces_mois_complete, '-', deces_jour_complete))
)
if (shallDeleteVars) rm(a__original_fr_gouv_deces_quotidiens)
# Afficher quelques verifications sur la base nettoyees
sum(is.na(b__fr_gouv_deces_quotidiens$naissance_annee))
sum(is.na(b__fr_gouv_deces_quotidiens$naissance_mois))
sum(is.na(b__fr_gouv_deces_quotidiens$naissance_jour))
any(is.na(b__fr_gouv_deces_quotidiens$naissance_date_complete))
any(is.na(b__fr_gouv_deces_quotidiens$deces_date_complete))
# Afficher le nombre de date de décès antérieures à 2018 (ce qui devrait en principe être 0
# puisque l'on n'utilise que les fichiers depuis 2018. Mais il y a probablement des déclaration
# de décès tardives expliquant des dates de décès pour des années antérieures
# dans certains fichiers du gouvermnement (en particulier le deces-2021-t2.txt)
nbErreurSaisie <- count(b__fr_gouv_deces_quotidiens %>%
filter(deces_date_complete < K_DEBUT_DATES_DECES_A_ANALYSER))
message(paste0("Nombre de dates de décès antérieures à 2018 dans les fichiers depuis 2018 (erreurs de saisie ou enregistrement de régularisation ?) : ", nbErreurSaisie))
#calculer le nombre de jours entre la naissance et le décès
b__fr_gouv_deces_quotidiens <- b__fr_gouv_deces_quotidiens %>%
mutate(nb_jour_vecu = difftime(deces_date_complete, naissance_date_complete, units = "days"))
if (shallDeleteVars) rm(nbErreurSaisie)
#------------------------------------------------------------------------------#
#
#### Identifier le département FR en fonction du code lieu ####
#
#------------------------------------------------------------------------------#
K_DIR_INSEE_GEO <- a__f_createDir(file.path(K_DIR_EXT_DATA_FRANCE, "insee/geo"))
# URL du zip à télécharger
url_insee_nomenclatures <- 'https://www.insee.fr/fr/statistiques/fichier/4316069/cog_ensemble_2020_csv.zip'
# Path du zip téléchargé
insee_nomenclature_zip_path <- file.path(K_DIR_INSEE_GEO, basename(url_insee_nomenclatures))
if (!file.exists(insee_nomenclature_zip_path)) {
# Le fichier zip n'existe pas
# Télécharger avec CURL
downloadedDatas <- a__f_downloadIfNeeded(
sourceType = K_SOURCE_TYPE_CURL,
UrlOrEuroStatNameToDownload = url_insee_nomenclatures,
fileRelPath = insee_nomenclature_zip_path,
var = downloadedDatas)
# Dezziper les fichiers
list_fichiers <- unzip(insee_nomenclature_zip_path, exdir = K_DIR_INSEE_GEO)
# Supprimer le fichier zip
file.remove(insee_nomenclature_zip_path)
if (shallDeleteVars) rm(downloadedDatas)
}
if (shallDeleteVars) rm(list_fichiers)
if (shallDeleteVars) rm(url_insee_nomenclatures)
if (shallDeleteVars) rm(insee_nomenclature_zip_path)
if (shallDeleteVars) rm(K_DIR_EXT_DATA_FR_GOUV_DECES_QUOTIDIENS)
# Lire les fichiers
fr_insee_communes <- read_csv(file.path(K_DIR_INSEE_GEO, 'communes2020.csv'), show_col_types = FALSE)
fr_insee_departements <- read_csv(file.path(K_DIR_INSEE_GEO, 'departement2020.csv'), show_col_types = FALSE)
fr_insee_regions <- read_csv(file.path(K_DIR_INSEE_GEO, 'region2020.csv'), show_col_types = FALSE)
fr_insee_pays <- read_csv(file.path(K_DIR_INSEE_GEO, 'pays2020.csv'), show_col_types = FALSE)
# Verifier s'il y a des doublons
#any(duplicated(communes$com))
# Préparer une base de commune sans doublon sur com (en prenant la première occurence)
communes_deduplique <- fr_insee_communes %>%
filter(!duplicated(com))
#verifier qu'il n'y a plus de doublons
any(duplicated(fr_insee_communes$com[fr_insee_communes$typecom == 'COM']))
if (shallDeleteVars) rm(fr_insee_communes)
# Ajouter les Départements et Régions
dbp <- b__fr_gouv_deces_quotidiens %>%
left_join(
communes_deduplique %>%
transmute(
deces_code_lieu = com,
deces_region = as.character(reg),
deces_dep = dep,
deces_commune_libelle = libelle
)
) %>%
left_join(
fr_insee_departements %>%
select(
deces_dep = dep,
deces_dep_libelle = libelle
)
) %>%
left_join(fr_insee_regions %>%
select(deces_region = reg, deces_region_libelle = libelle)) %>%
left_join(
fr_insee_pays %>%
filter(actual == 1) %>%
select(
deces_code_lieu = cog, deces_pays = libcog))
if (shallDeleteVars) rm(communes_deduplique)
if (shallDeleteVars) rm(fr_insee_regions)
if (shallDeleteVars) rm(fr_insee_pays)
# verifier le nombre de NA
sum(is.na(dbp$deces_code_lieu))
sum(is.na(dbp$deces_dep))
# Afficher le nombre de deces par code_lieu et pays
# dbp %>%
# filter(is.na(deces_dep)) %>%
# select(naissance_commune,
# deces_code_lieu,
# deces_pays) %>%
# group_by(deces_code_lieu,
# deces_pays) %>%
# summarise(n = n()) %>%
# arrange(desc(n))
# Afficher les deces à Tahiti
# dbp %>%
# filter(deces_code_lieu == '98736')
if (shallDeleteVars) rm(dbp)
# Il manque encore les COM
# Ceci devrait suffire pour notre pyramide des ages en france (hors COM)
b__fr_gouv_deces_quotidiens <- b__fr_gouv_deces_quotidiens %>%
mutate(deces_num_dept = case_when(str_sub(deces_code_lieu, 1, 2)==97~str_sub(deces_code_lieu, 1, 3),
TRUE~str_sub(deces_code_lieu, 1, 2)))
# age_deces_millesime = age de la personne au moment de son décès
b__fr_gouv_deces_quotidiens <- b__fr_gouv_deces_quotidiens %>%
mutate(age_deces_millesime = deces_annee_complete - naissance_annee_complete)
# Afficher le nombre de lignes ayant une date de décès erronée (i.e. supérieure à aujourd'hui)
nb_erreurs <- b__fr_gouv_deces_quotidiens %>%
filter(deces_date_complete > now()) %>%
count()
if (nb_erreurs > 0) {
# Il y a des erreurs dans certaines lignes sur les dates de décès
message(paste0("Il y a (", nb_erreurs, ") lignes avec une date de décès erronée. On les supprime"))
# Ne garder que les dates de décès valides
b__fr_gouv_deces_quotidiens <- b__fr_gouv_deces_quotidiens %>%
filter(deces_date_complete <= now())
} else {
# Pas d'erreur dans certaines lignes sur les dates de décès
# RAF
}
if (shallDeleteVars) rm(nb_erreurs)
# Trier par date de décès pour que ce soit plus facile à lire
b__fr_gouv_deces_quotidiens <- b__fr_gouv_deces_quotidiens %>%
arrange(deces_date_complete,
age_deces_millesime,
sexe)
# Réorganiser les colonnes pour que ce soit plus facile à lire
b__fr_gouv_deces_quotidiens <- b__fr_gouv_deces_quotidiens %>%
select(nom:sexe, age_deces_millesime, deces_date, deces_date_complete, deces_num_dept, deces_code_lieu, everything())
# Export pour Excel
#write.table(b__fr_gouv_deces_quotidiens, "gen/csv/fr_gouv_registre_deces_fr.csv", row.names=TRUE, sep=";", dec=".", na=" ")
#saveRDS(b__fr_gouv_deces_quotidiens, file = 'gen/rds/fr_gouv_registre_deces_fr.rds')
cat("(b__fr_gouv_deces_quotidiens) a été construite\n")
}
#------------------------------------------------------------------------------#
#
#### Réalisation des graphiques des Deces par jour et par departement depuis 01/01/2018 ####
#
#------------------------------------------------------------------------------#
# Deces par jour et par departement depuis 01/01/2018
deces_dep_jour <- b__fr_gouv_deces_quotidiens %>%
filter(deces_date_complete >= K_DEBUT_DATES_DECES_A_ANALYSER) %>%
group_by(deces_num_dept,
deces_date_complete) %>%
dplyr::summarise(nbDeces = dplyr::n(), .groups = 'drop')
# calculer la moyenne, le nb min/max et les quartiles des décès par département (depuis 2018)
deces_dep_jour_moyenne_min_max_quartiles <- deces_dep_jour %>%
group_by(deces_num_dept) %>%
summarise(minimum = base::min(nbDeces),
maximum = base::max(nbDeces),
moyenne = mean(nbDeces),
ecart_type = sd(nbDeces),
premier_quartile = quantile(nbDeces,
probs = 0.25),
dernier_quartile = quantile(nbDeces,
probs = 0.75))
# Ajouter la moyenne, le nb min/max et les quartiles des décès par département et trier par département
deces_dep_jour <- deces_dep_jour %>%
left_join(deces_dep_jour_moyenne_min_max_quartiles, by = "deces_num_dept") %>%
arrange(deces_num_dept, deces_date_complete, nbDeces) %>%
select(deces_num_dept, minimum:dernier_quartile,ecart_type, deces_date_complete, everything())
if (shallDeleteVars) rm(deces_dep_jour_moyenne_min_max_quartiles)
# Ajouter la colonne deces_centre_reduit
deces_dep_jour <- deces_dep_jour %>%
mutate(deces_centre_reduit = (nbDeces - moyenne) / ecart_type)
# Ajouter le nom des départements
# Lire le fichier des departements-regions
nom_departement <- read.csv("data/csv/departements-region.csv", fileEncoding="UTF-8" , sep=",", header = TRUE)
# Ajouter les colonnes dep_name et region_name
deces_dep_jour <- deces_dep_jour %>%
left_join(nom_departement,
by=c("deces_num_dept"="num_dep"))
if (shallDeleteVars) rm(nom_departement)
# Ajouter la colonne confinement
deces_dep_jour <- deces_dep_jour %>%
mutate(confinement = if_else(
(deces_date_complete >= "2020-03-17" & deces_date_complete <= "2020-05-11") |
(deces_date_complete >= "2020-10-30" & deces_date_complete <= "2020-12-15"),
"confinement",
"pas de confinement")) %>%
mutate (confinement = case_when(deces_date_complete=="2020-03-17"~ "début premier confinement",
deces_date_complete=="2020-05-11"~ "fin premier confinement",
deces_date_complete=="2020-10-30"~ "début deuxième confinement",
deces_date_complete=="2020-12-15"~ "fin deuxième confinement"))
# Filtrer les deces par region
a__f_plot_fr_deces_quotidiens_par_region(deces_dep_jour,"Bourgogne-Franche-Comté")
a__f_plot_fr_deces_quotidiens_par_region(deces_dep_jour,"Auvergne-Rhône-Alpes")
a__f_plot_fr_deces_quotidiens_par_region(deces_dep_jour, "Île-de-France")
a__f_plot_fr_deces_quotidiens_par_region(deces_dep_jour,"Pays de la Loire")
a__f_plot_fr_deces_quotidiens_par_region(deces_dep_jour,"Normandie")
a__f_plot_fr_deces_quotidiens_par_region(deces_dep_jour,"Nouvelle-Aquitaine")
a__f_plot_fr_deces_quotidiens_par_region(deces_dep_jour,"Hauts-de-France")
a__f_plot_fr_deces_quotidiens_par_region(deces_dep_jour,"Occitanie")
a__f_plot_fr_deces_quotidiens_par_region(deces_dep_jour,"Provence-Alpes-Côte d'Azur")
a__f_plot_fr_deces_quotidiens_par_region(deces_dep_jour,"Grand Est")
a__f_plot_fr_deces_quotidiens_par_region(deces_dep_jour,"Bretagne")
a__f_plot_fr_deces_quotidiens_par_region(deces_dep_jour,"Corse")
a__f_plot_fr_deces_quotidiens_par_region(deces_dep_jour,"Centre-Val de Loire")
a__f_plot_fr_deces_quotidiens_par_region(deces_dep_jour,"La Réunion")
if (shallDeleteVars) rm(deces_dep_jour)
#------------------------------------------------------------------------------#
#
#### Deces Quotidiens depuis la date de début à analyser par age ####
#
#------------------------------------------------------------------------------#
# On va construire une table des deces quotidiens par tranche d'age,
# avec au fur et à mesure des colonnes complémentaires
# b__fr_gouv_deces_quotidiens <- b__fr_gouv_deces_quotidiens %>% filter(deces_num_dept==974)
deces_par_jour_age <- b__fr_gouv_deces_quotidiens %>%
# Depuis la date de début
filter(deces_date_complete >= K_DEBUT_DATES_DECES_A_ANALYSER) %>%
# Grouper
group_by(age_deces_millesime,
deces_date_complete) %>%
# Compter le nombre de décès pour chaque jour et chaque age
summarise(nbDeces = dplyr::n(), .groups = 'drop')
# Pour chaque age de deces, calculer les min, max, moyenne...
nbDeces_moyen_par_age <- deces_par_jour_age %>%
group_by(age_deces_millesime) %>%
summarise(minimum = base::min(nbDeces),
maximum = base::max(nbDeces),
moyenne = mean(nbDeces),
premier_quartile = quantile(nbDeces,
probs = 0.25),
dernier_quartile = quantile(nbDeces,
probs = 0.75))
# Ajouter les colonnes min, max, moyenne... de nombre de décès pour chaque age
deces_par_jour_age <- deces_par_jour_age %>%
left_join(nbDeces_moyen_par_age, by = "age_deces_millesime")
# Ajouter la colonne avec le calcul du nombre de deces_centre_reduit (centrés et réduits au quartile)
deces_par_jour_age <- deces_par_jour_age %>%
mutate(deces_centre_reduit = (nbDeces - moyenne) / base::max(dernier_quartile - moyenne,
moyenne - premier_quartile))
# Ajouter la colonne confinement
deces_par_jour_age <- deces_par_jour_age %>%
mutate(confinement = if_else((deces_date_complete >= "2020-03-17" & deces_date_complete <= "2020-05-11") |
(deces_date_complete >= "2020-10-30" & deces_date_complete <= "2020-12-15"),
"confinement",
"pas de confinement"))
# Recopier l'age de décès dans une colonne age en prévision de l'appel à la méthode d'ajout de tranche d'age
deces_par_jour_age <- deces_par_jour_age %>%
mutate(age = age_deces_millesime)
# Ajouter la colonne tranche d'age compatible VAC-SI
deces_par_jour_age <- a__f_add_tranche_age_vacsi(deces_par_jour_age)
# Réorganiser les colonnes et trier
deces_par_jour_age <- deces_par_jour_age %>%
select(tranche_age, age_deces_millesime, deces_date_complete, confinement, everything()) %>%
arrange(tranche_age, age_deces_millesime)
#------------------------------------------------------------------------------#
#
#### Deces Quotidiens depuis la date spécifiée en début de programme par Tranche d'age ####
#
#------------------------------------------------------------------------------#
# Synthetiser par jour et tranche d'age
deces_par_jour_tranchedage <- deces_par_jour_age %>%
group_by(tranche_age,
deces_date_complete) %>%
summarise(nbDeces = sum(nbDeces), .groups = 'drop')
# Ajouter la colonne confinement
deces_par_jour_tranchedage <- deces_par_jour_tranchedage %>%
mutate(confinement = if_else(
(deces_date_complete >= "2020-03-17" & deces_date_complete <= "2020-05-11") |
(deces_date_complete >= "2020-10-30" & deces_date_complete <= "2020-12-15"),
"confinement",
"pas de confinement"))
#ajout centre
nbDeces_moyen_par_tranchedAge <- deces_par_jour_tranchedage %>%
group_by(tranche_age) %>%
summarise(minimum = base::min(nbDeces),
maximum = base::max(nbDeces),
moyenne = mean(nbDeces),
variance = sd(nbDeces),
premier_quartile = quantile(nbDeces,
probs = 0.25),
dernier_quartile = quantile(nbDeces,
probs = 0.75),
bsup = moyenne + variance,
binf = moyenne - variance
)
# Ajouter la moyenne, min, max
deces_par_jour_tranchedage <- deces_par_jour_tranchedage %>%
left_join(nbDeces_moyen_par_tranchedAge, by = "tranche_age")
# Ajouter la colonne deces_centre_reduit
deces_par_jour_tranchedage <- deces_par_jour_tranchedage %>%
mutate(deces_tranchedage_centre_reduit = (nbDeces - moyenne) / base::max(dernier_quartile - moyenne,
moyenne - premier_quartile))
#write.table(deces_par_jour_tranchedage, "gen/csv/deces_par_jour_tranchedage.csv", row.names=TRUE, sep=";", dec=".", na=" ")
#------------------------------------------------------------------------------#
#
#### Deces par jour et par age depuis 2018 des 0 ans ####
#
#------------------------------------------------------------------------------#
# Deces des 0 an
deces_par_jour_age_des_0an <- deces_par_jour_age %>%
filter(age_deces_millesime == 0)
deces_par_mois_age_des_0an <- deces_par_jour_age_des_0an %>%
mutate(mois_annee = paste0(year(deces_date_complete),"-",substr(deces_date_complete,6,7),"-01")) %>%
filter(deces_date_complete >= "2018-01-01")
deces_par_mois_age_des_0an <- deces_par_mois_age_des_0an %>% group_by(mois_annee) %>%
summarise(nbDeces=sum(nbDeces))
deces_par_mois_age_des_0an <- deces_par_mois_age_des_0an %>%
mutate(mois_annee = as.Date(mois_annee))
###### deces quotidiens #####
print(ggplot(data = deces_par_jour_age_des_0an,
mapping = aes(x = deces_date_complete, y = nbDeces)) +
geom_smooth() +
geom_point() +
theme(legend.position = "top") +
ggtitle("Décès quotidiens des 0 an") +
xlab("date de décès") +
ylab("nombre de décès")+
scale_x_date(limits = c(as.Date("2018-1-1"), NA))
)
#Nom du fichier png à générer
repertoire <- paste0(K_DIR_GEN_IMG_FR_GOUV, "/Registre/Deces_Quotidiens/Tranche_age")
a__f_createDir(repertoire)
pngFileRelPath <- paste0(repertoire, "/deces_par_jour_age_des_0an", ".png")
dev.print(device = png, file = pngFileRelPath, width = 1000)
###### deces mensuels ######
print(ggplot(data = deces_par_mois_age_des_0an,
mapping = aes(x = mois_annee, y = nbDeces)) +
geom_smooth() +
geom_line() +
theme(legend.position = "top") +
ggtitle("Décès mensuels des 0 an") +
xlab("date de décès") +
ylab("nombre de décès")+
scale_x_date(date_labels = "%B %y")+
theme(axis.text.x = element_text(angle=45, hjust = 1))
)
#Nom du fichier png à générer
repertoire <- paste0(K_DIR_GEN_IMG_FR_GOUV, "/Registre/Deces_Quotidiens/Tranche_age")
a__f_createDir(repertoire)
pngFileRelPath <- paste0(repertoire, "/deces_par_mois_age_des_0an", ".png")
dev.print(device = png, file = pngFileRelPath, width = 1000)
write.csv2(deces_par_mois_age_des_0an, file='gen/csv/deces_par_mois_0_an.csv')
#------------------------------------------------------------------------------#
#
#### Deces par mois depuis 2018 des 0 ans selon le mois de naissance ####
#
#------------------------------------------------------------------------------#
# Deces des 0 an
deces_par_mois_naissance_des_0an <- b__fr_gouv_deces_quotidiens %>%
filter(age_deces_millesime == 0) %>% filter(substr(naissance_code_lieu,1,2)<=95)
deces_par_mois_naissance_des_0an <- deces_par_mois_naissance_des_0an %>%
mutate(mois_annee = paste0(year(naissance_date_complete),"-",substr(naissance_date_complete,6,7),"-01")) %>%
filter(deces_date_complete >= "2015-01-01")
deces_par_mois_naissance_des_0an <- deces_par_mois_naissance_des_0an %>% group_by(mois_annee) %>%
summarise(nbDeces=sum(dplyr::n()))
deces_par_mois_naissance_des_0an <- deces_par_mois_naissance_des_0an %>%
mutate(mois_annee = as.Date(mois_annee))
#deces mensuels
print(ggplot(data = deces_par_mois_naissance_des_0an,
mapping = aes(x = mois_annee, y = nbDeces)) +
geom_smooth() +
geom_line() +
theme(legend.position = "top") +
ggtitle("Décès mensuels des 0 an") +
xlab("date de décès") +
ylab("nombre de décès")+
scale_x_date(date_labels = "%B %y")+
theme(axis.text.x = element_text(angle=45, hjust = 1))
)
#Nom du fichier png à générer
repertoire <- paste0(K_DIR_GEN_IMG_FR_GOUV, "/Registre/Deces_Quotidiens/Tranche_age")
a__f_createDir(repertoire)
pngFileRelPath <- paste0(repertoire, "/deces_par_mois_de naissance_des_0an", ".png")
dev.print(device = png, file = pngFileRelPath, width = 1000)
write.csv2(deces_par_mois_naissance_des_0an, file='gen/csv/deces_par_mois_de_naissance_0_an.csv')
if (shallDeleteVars) rm(deces_par_jour_age_des_0an)
#------------------------------------------------------------------------------#
#
#### Deces par jour et par age depuis 2018 des 1 mois ####
#
#------------------------------------------------------------------------------#
# Deces des 1 mois
deces_des_30jours<- b__fr_gouv_deces_quotidiens %>%
filter(nb_jour_vecu <= 30) %>%
filter(deces_annee_complete >=2018)
deces_par_jour_age_des_30jours <- deces_des_30jours %>%
# Grouper
group_by(deces_date_complete) %>%
# Compter le nombre de décès pour chaque jour et chaque age
summarise(nbDeces = dplyr::n(), .groups = 'drop')
print(ggplot(data = deces_par_jour_age_des_30jours,
mapping = aes(x = deces_date_complete,y = nbDeces)) +
geom_smooth() +
geom_point() +
theme(legend.position = "top") +
ggtitle("Décès quotidiens des moins de 30 jours") +
xlab("date de décès") +
ylab("nombre de décès ")
)
#Nom du fichier png à générer
repertoire <- paste0(K_DIR_GEN_IMG_FR_GOUV, "/Registre/Deces_Quotidiens/Tranche_age")
a__f_createDir(repertoire)
pngFileRelPath <- paste0(repertoire, "/deces_par_jour_age_des_30jours", ".png")
dev.print(device = png, file = pngFileRelPath, width = 1000)
if (shallDeleteVars) rm(deces_des_30jours)
if (shallDeleteVars) rm(deces_par_jour_age_des_30jours)
#------------------------------------------------------------------------------#
#
#### Deces par jour et par age depuis 2018 des 1 semaine ####
#
#------------------------------------------------------------------------------#
# Deces des 1 semaine
deces_des_7jours<- b__fr_gouv_deces_quotidiens %>%
filter(nb_jour_vecu <= 7) %>%
filter(deces_annee_complete >=2018) %>%
mutate(naissance_semaine = isoweek(naissance_date_complete))%>%
mutate(deces_semaine = isoweek(deces_date_complete)) %>%
mutate(deces_annee_semaine = case_when(
deces_semaine == 1 & deces_mois_complete == 12 ~ paste0(deces_annee_complete+1,'-01'),
deces_semaine == 52 & deces_mois_complete == 1 ~ paste0(deces_annee_complete-1,'-52'),
deces_semaine == 53 & deces_mois_complete == 1 ~ paste0(deces_annee_complete-1,'-53'),
deces_semaine < 10 ~ paste0(deces_annee_complete,'-0',deces_semaine),
TRUE ~ paste0(deces_annee_complete,'-',deces_semaine)))
deces_par_semaine_age_des_7jours <- deces_des_7jours %>%
# Grouper
group_by(deces_annee_semaine) %>%
# Compter le nombre de décès pour chaque jour et chaque age
summarise(nbDeces = dplyr::n(), .groups = 'drop')
deces_par_semaine_age_des_7jours$numero <- as.numeric(rownames(deces_par_semaine_age_des_7jours))
print(ggplot(data = deces_par_semaine_age_des_7jours,
mapping = aes(x = numero,y = nbDeces)) +
geom_smooth() +
geom_point() +
theme(legend.position = "top") +
ggtitle("Décès hebdomadaires des moins de 7 jours") +
xlab("date de décès") +
ylab("nombre de décès ")
)
#Nom du fichier png à générer
repertoire <- paste0(K_DIR_GEN_IMG_FR_GOUV, "/Registre/Deces_Quotidiens/Tranche_age")
a__f_createDir(repertoire)
pngFileRelPath <- paste0(repertoire, "/deces_par_semaine_age_des_7jours", ".png")
dev.print(device = png, file = pngFileRelPath, width = 1000)
if (shallDeleteVars) rm(nbDeces_moyen_par_age)
#------------------------------------------------------------------------------#
#### Ajout vaccination (Fichier VAC-SI) ####
#------------------------------------------------------------------------------#
vaccination <- read.csv2('https://www.data.gouv.fr/fr/datasets/r/54dd5f8d-1e2e-4ccb-8fb8-eac68245befd')
# Export pour Excel
if (!dir.exists("inst/extdata/world/eu/fr/gouv/vacsi")) dir.create("inst/extdata/world/eu/fr/gouv/vacsi")
write.table(vaccination, "inst/extdata/world/eu/fr/gouv/vacsi/fr_gouv_vacsi.csv", row.names=TRUE, sep=";", dec=".", na=" ")
vaccination <- vaccination %>%
dplyr::rename(tranche_age = clage_vacsi, deces_date_complete = jour) %>%
mutate(deces_date_complete = date(deces_date_complete))
# Ajouter les données de vaccination
deces_par_jour_tranchedage <- deces_par_jour_tranchedage %>%
left_join(vaccination, by=c("tranche_age", "deces_date_complete"))
deces_par_jour_tranchedage <- deces_par_jour_tranchedage %>%
mutate(n_dose1 = ifelse(is.na(n_dose1), 0, n_dose1)) %>%
mutate(n_complet = ifelse(is.na(n_complet), 0, n_complet))%>%
mutate(n_rappel = ifelse(is.na(n_rappel),0,n_rappel))
write.csv2(deces_par_jour_tranchedage, file='gen/csv/deces_par_jour_tranchedage_vacsi.csv')
#------------------------------------------------------------------------------#
#
#### Graphique des Deces Quotidiens depuis 2018 par Tranche d'age VAC-SI ####
#
#------------------------------------------------------------------------------#
data_a_tracer <- deces_par_jour_tranchedage %>%
# Remplacer TRUE par FALSE pour filtrer juste sur 2020 et 2021
filter(TRUE |
(substring(deces_date_complete,1,4) == "2020" |
substring(deces_date_complete,1,4) == "2021"))
# Graphe de chaque tranche d'âge
# Lister les tranches d'age disponibles
tranchesAge <- data_a_tracer %>%
ungroup %>%
select(tranche_age) %>%
distinct()
# Tracer les graphiques pour chaque tranche d'age
for (trancheAge in tranchesAge$tranche_age) {
#cat(paste0("trancheAge = ", trancheAge, "\n" ))
deces_par_jour_a_tracer <- data_a_tracer %>%
filter(tranche_age == trancheAge)
a__f_plot_fr_deces_quotidiens_par_tranche_age(
deces_par_jour_a_tracer,
trancheAge)
}
if (shallDeleteVars) rm(trancheAge)
if (shallDeleteVars) rm(tranchesAge)
#------------------------------------------------------------------------------#
#
##### Graphique Vue d'Ensemble des Deces Quotidiens depuis 2018 par Tranche d'age ####
# adaptée au COVID
#
#------------------------------------------------------------------------------#
data_a_tracer <- deces_par_jour_age %>%
# Remplacer TRUE par FALSE pour filtrer juste sur 2020 et 2021
filter(TRUE |
(substring(deces_date_complete,1,4) == "2020" |
substring(deces_date_complete,1,4) == "2021"))
# Ne garder que les colonnes de données "pures"
data_a_tracer <- data_a_tracer %>%
ungroup %>%
select(deces_date_complete:nbDeces, age)
# Ajouter la colonne tranche d'age (pas les tranches d'âge VAC-SI)
data_a_tracer <- a__f_add_tranche_age(data_a_tracer)
# Calculer le nombre de décès pour chaque tranche d'age et chaque jour
data_a_tracer <- data_a_tracer %>%
group_by(tranche_age,
deces_date_complete) %>%
summarise(nbDeces = sum(nbDeces), .groups = 'drop')
# calculer les données statistiques pour chaque tranche d'age
nbDeces_moyen_par_tranchedAge <- data_a_tracer %>%
group_by(tranche_age) %>%
summarise(minimum = base::min(nbDeces),
maximum = base::max(nbDeces),
moyenne = mean(nbDeces),
ecart_type = sd(nbDeces),
premier_quartile = quantile(nbDeces,
probs = 0.25),
dernier_quartile = quantile(nbDeces,
probs = 0.75),
bsup = moyenne + 2*ecart_type,
binf = moyenne - 2*ecart_type
)
# Ajouter les données statistiques de chaque tranche d'age
data_a_tracer <- data_a_tracer %>%
left_join(nbDeces_moyen_par_tranchedAge,
by = c("tranche_age"))
# Ajouter la colonne confinement
data_a_tracer <- data_a_tracer %>%
mutate(confinement = if_else(
(deces_date_complete >= "2020-03-17" & deces_date_complete <= "2020-05-11") |
(deces_date_complete >= "2020-10-30" & deces_date_complete <= "2020-12-15"),
"confinement",
"pas de confinement"))
write.csv2(data_a_tracer, file='gen/csv/deces_par_jour_tranchedage.csv')
print(ggplot(data = data_a_tracer,
mapping = aes(x = deces_date_complete,
color = confinement)) +
facet_wrap(~tranche_age) +
#scale_colour_brewer(palette = "Set1") +
scale_colour_manual(values = c("red", "black"))+
#scale_linetype_manual(values=c("dotted", "solid")) +
#scale_size_manual(values=c(0.1, 1.5)) +
geom_line(mapping = aes(y = nbDeces),
linetype = "solid") +
# geom_line(mapping = aes(y = moyenne_mobile),
# linetype = "solid",
# size = 1) +
geom_line(mapping = aes(y = moyenne),
linetype = "solid") +
geom_line(mapping = aes(y = binf),
linetype = "dotted") +
geom_line(mapping = aes(y = bsup),
linetype = "dotted") +
theme(legend.position = "top")+
ggtitle(paste0("Décès quotidiens France (fr/gouv/Registre/Deces_Quotidiens => ", max(data_a_tracer$deces_date_complete) ,") par Tranche d'age")) +
xlab("date de décès") +
ylab("nombre de décès quotidiens (+ écart à 95%)")
)
#Nom du fichier png à générer
repertoire <- a__f_createDir(paste0(K_DIR_GEN_IMG_FR_GOUV,"/Registre/Deces_Quotidiens/Tranche_age"))
pngFileRelPath <- paste0(repertoire, "/Deces_quotidiens_par_tranche_age.png")
dev.print(device = png, file = pngFileRelPath, width = 1000)
#------------------------------------------------------------------------------#
#
#### Histogramme par Décès par Tranche age et années ####
#
#------------------------------------------------------------------------------#
data_a_tracer <- deces_par_jour_age %>%
# Remplacer TRUE par FALSE pour filtrer juste sur 2020 et 2021
filter(TRUE |
(substring(deces_date_complete,1,4) == "2020" |
substring(deces_date_complete,1,4) == "2021"))
# Ne garder que les colonnes de données "pures"
data_a_tracer <- data_a_tracer %>%
ungroup %>%
select(deces_date_complete:nbDeces, age) %>%
mutate(deces_annee = str_sub(deces_date_complete,1,4))
date_min <- as.Date("2018-01-01")
# Nombre de mois par période (mettre 1 ou 3 par exemple)
nb_months_by_period = 1
# Ajouter une colonne avec le n° de période correspondante (depuis 2018-01-01)
data_a_tracer <- data_a_tracer %>%
mutate(deces_period = a__f_get_period(deces_date_complete, nb_months_by_period, date_min))
# Ajouter la colonne tranche d'age (pas les tranches d'âge VAC-SI)
data_a_tracer <- a__f_add_tranche_age(data_a_tracer)
# Extraire les dates de début/fin en 2021 afin de pouvoir ensuite faire une estimation sur 365 jours pour l'année en cours
date_max <- base::max(data_a_tracer$deces_date_complete)
# Calculer le nombre de décès pour chaque tranche d'age et chaque jour
data_a_tracer <- data_a_tracer %>%
group_by(tranche_age,
deces_period) %>%
summarise(nbDeces = sum(nbDeces), .groups = 'drop')
# Calculer la date de début des périodes
data_a_tracer <- data_a_tracer %>%
mutate(date_debut_periode = date_min + deces_period * nb_months_by_period * 365 / 12)
# Supprimer la dernière période si "aujoud'hui" en fait partie car alors elle est tronquée
# (sauf si on génère la courbe juste le dernier jour de la période)
# Calculer la période correspondant à aujourd'hui