Health impacts of radon in Finland
From Opasnet
Jump to navigation
Jump to search
| Moderator:Jouni (see all) |
|
|
| Upload data
|
Question
What are health impacts of radon in Finland?
Answer
| Type of building | Smoking | Result |
|---|---|---|
| Block of flats | No | 1.25 |
| Detached house | No | 10.83 |
| Block of flats | Yes | 6.42 |
| Detached house | Yes | 55.29 |
Vastaus on alustava, ja malli pitäisi tarkistaa ennen kuin vankkoja päätelmiä tehdään. Kehityskohteita:
- Maakuntien ja kuntien yhdistäminen pitäisi tehdä jotenkin älykkäästi skräpätystä datasta eikä tässä koodissa.
- Itä-Uudenmaan kunnat voisi korjata näin: out$Kunta[out$Kunta %in% c("Mäntsälä", "Pornainen", "Porvoo", "etc", "", "", "")] <- "Itä-Uusimaa"
- Radonpitoisuudet pitää sämplätä maakunnittain, ei kunnittain kuten nyt. Pienillä ännän arvoilla tulee isoja eroja kuntien välille, mutta se on pelkkää harhaa.
- Epävarmuudet voiti ottaa myös annosvasteisiin.
- Pitoisuusjakaumat voisi toteuttaa oikeasti jakaumina olettaen esim. lognormaalijakauman epävarmoilla parametreilla joka maakuntaan. Nyt kuvaajiin tulee harhaisia piikkejä. Jos olisi alkuperäisdata, niin voisi tehdä pikku Bayes-mallin.
- Kartan piirtäminen ja muutamat muut jutut voisi tehdä funktioiksi ja pistää jollekin järkevälle sivulle, josta ne inkludeerataan tähän.
- Miksi yksikköriski näyttää tosi isolta, mutta kun summataan yli koko väestön, talo*tupakointikohtaiset luvut näyttävät tosi pieniltä.
- Pitäisi katsoa, onko puuttuvia arvoja, jotka mergatessa slaissaavat dataa pois.
- Satunnaistaminen pitäisi tehdä sellaisissa vaiheissa, että se olisi nopeaa.
- Miten pitäisi käsitellä asuntojen radonpitoisuuksien vaihtelu vs. epävarmuus syöpäriskistä? Meneekö 2DMC liian raskaaksi ja onko siitä vastaavaa hyötyä? Voiko saman toteuttaa 1DMC:na siten, että haluttu epävarmuus käsitellään vaihteluna eri tavalla kuin muut?
Rationale
Calculations
library(sorvi)
library(OpasnetBaseUtils)
library(OpasnetUtils)
library(xtable)
library(ggplot2)
kunnat <- data.frame(Kunta = c("Akaa", "Alajärvi", "Alavieska", "Alavus", "Asikkala", "Askola", "Aura", "Brändö", "Eckerö",
"Enonkoski", "Enontekiö", "Espoo", "Eura", "Eurajoki", "Evijärvi", "Finström", "Forssa", "Föglö",
"Geta", "Haapajärvi", "Haapavesi", "Hailuoto", "Halsua", "Hamina", "Hammarland", "Hankasalmi",
"Hanko", "Harjavalta", "Hartola", "Hattula", "Haukipudas", "Hausjärvi", "Heinävesi", "Helsinki",
"Vantaa", "Hirvensalmi", "Hollola", "Honkajoki", "Huittinen", "Humppila", "Hyrynsalmi",
"Hyvinkää", "Hämeenkyrö", "Hämeenlinna", "Heinola", "Ii", "Iisalmi", "Iitti", "Ikaalinen",
"Ilmajoki", "Ilomantsi", "Inari", "Inkoo", "Isojoki", "Isokyrö", "Imatra", "Jalasjärvi",
"Janakkala", "Joensuu", "Jokioinen", "Jomala", "Joroinen", "Joutsa", "Juankoski", "Juuka",
"Juupajoki", "Juva", "Jyväskylä", "Jämijärvi", "Jämsä", "Järvenpää", "Kaarina", "Kaavi",
"Kajaani", "Kalajoki", "Kangasala", "Kangasniemi", "Kankaanpää", "Kannonkoski", "Kannus",
"Karijoki", "Karjalohja", "Karkkila", "Karstula", "Karvia", "Kaskinen", "Kauhajoki", "Kauhava",
"Kauniainen", "Kaustinen", "Keitele", "Kemi", "Keminmaa", "Kemiönsaari", "Kempele", "Kerava",
"Kerimäki", "Kesälahti", "Keuruu", "Kihniö", "Kiikoinen", "Kiiminki", "Kinnula", "Kirkkonummi",
"Kitee", "Kittilä", "Kiuruvesi", "Kivijärvi", "Kokemäki", "Kokkola", "Kolari", "Konnevesi",
"Kontiolahti", "Korsnäs", "Hämeenkoski", "Koski Tl", "Kotka", "Kouvola", "Kristiinankaupunki",
"Kruunupyy", "Kuhmo", "Kuhmoinen", "Kumlinge", "Kuopio", "Kuortane", "Kurikka", "Kustavi",
"Kuusamo", "Outokumpu", "Kyyjärvi", "Kärkölä", "Kärsämäki", "Kökar", "Köyliö", "Kemijärvi",
"Lahti", "Laihia", "Laitila", "Lapinlahti", "Lappajärvi", "Lappeenranta", "Lapinjärvi", "Lapua",
"Laukaa", "Lavia", "Lemi", "Lemland", "Lempäälä", "Leppävirta", "Lestijärvi", "Lieksa", "Lieto",
"Liminka", "Liperi", "Loimaa", "Loppi", "Loviisa", "Luhanka", "Lumijoki", "Lumparland", "Larsmo",
"Luumäki", "Luvia", "Lohja", "Länsi-Turunmaa", "Maalahti", "Maaninka", "Mariehamn", "Marttila",
"Masku", "Merijärvi", "Merikarvia", "Miehikkälä", "Mikkeli", "Muhos", "Multia", "Muonio",
"Mustasaari", "Muurame", "Mynämäki", "Myrskylä", "Mäntsälä", "Mänttä-Vilppula", "Mäntyharju",
"Naantali", "Nakkila", "Nastola", "Nilsiä", "Nivala", "Nokia", "Nousiainen", "Nummi-Pusula",
"Nurmes", "Nurmijärvi", "Närpiö", "Orimattila", "Oripää", "Orivesi", "Oulainen", "Oulu",
"Oulunsalo", "Padasjoki", "Paimio", "Paltamo", "Parikkala", "Parkano", "Pelkosenniemi", "Perho",
"Pertunmaa", "Petäjävesi", "Pieksämäki", "Pielavesi", "Pietarsaari", "Pedersören kunta",
"Pihtipudas", "Pirkkala", "Polvijärvi", "Pomarkku", "Pori", "Pornainen", "Posio", "Pudasjärvi",
"Pukkila", "Punkaharju", "Punkalaidun", "Puolanka", "Puumala", "Pyhtää", "Pyhäjoki", "Pyhäjärvi",
"Pyhäntä", "Pyhäranta", "Pälkäne", "Pöytyä", "Porvoo", "Raahe", "Raasepori", "Raisio",
"Rantasalmi", "Ranua", "Rauma", "Rautalampi", "Rautavaara", "Rautjärvi", "Reisjärvi", "Riihimäki",
"Ristiina", "Ristijärvi", "Rovaniemi", "Ruokolahti", "Ruovesi", "Rusko", "Rääkkylä", "Saarijärvi",
"Salla", "Salo", "Saltvik", "Sastamala", "Sauvo", "Savitaipale", "Savonlinna", "Savukoski",
"Seinäjoki", "Sievi", "Siikainen", "Siikajoki", "Siikalatva", "Siilinjärvi", "Simo", "Sipoo",
"Siuntio", "Sodankylä", "Soini", "Somero", "Sonkajärvi", "Sotkamo", "Sottunga", "Sulkava", "Sund",
"Suomenniemi", "Suomussalmi", "Suonenjoki", "Sysmä", "Säkylä", "Vaala", "Taipalsaari",
"Taivalkoski", "Taivassalo", "Tammela", "Tampere", "Tarvasjoki", "Tervo", "Tervola", "Teuva",
"Tohmajärvi", "Toholampi", "Toivakka", "Tornio", "Turku", "Pello", "Tuusniemi", "Tuusula",
"Tyrnävä", "Töysä", "Ulvila", "Urjala", "Utajärvi", "Utsjoki", "Uurainen", "Uusikaarlepyy",
"Uusikaupunki", "Vaasa", "Valkeakoski", "Valtimo", "Varkaus", "Vehmaa", "Vesanto", "Vesilahti",
"Veteli", "Vieremä", "Vihanti", "Vihti", "Viitasaari", "Vimpeli", "Virolahti", "Virrat", "Vårdö",
"Vähäkyrö", "Vöyri", "Yli-Ii", "Ylitornio", "Ylivieska", "Ylöjärvi", "Ypäjä", "Ähtäri",
"Äänekoski"),
Maakunta = c("Pirkanmaa", "Etelä-Pohjanmaa", "Pohjois-Pohjanmaa", "Etelä-Pohjanmaa",
"Päijät-Häme", "Itä-Uusimaa", "Varsinais-Suomi", "Ahvenanmaa", "Ahvenanmaa", "Etelä-Savo",
"Lappi", "Uusimaa", "Satakunta", "Satakunta", "Etelä-Pohjanmaa", "Ahvenanmaa", "Kanta-Häme",
"Ahvenanmaa", "Ahvenanmaa", "Pohjois-Pohjanmaa", "Pohjois-Pohjanmaa", "Pohjois-Pohjanmaa",
"Keski-Pohjanmaa", "Kymenlaakso", "Ahvenanmaa", "Keski-Suomi", "Uusimaa", "Satakunta",
"Päijät-Häme", "Kanta-Häme", "Pohjois-Pohjanmaa", "Kanta-Häme", "Etelä-Savo", "Uusimaa",
"Uusimaa", "Etelä-Savo", "Päijät-Häme", "Satakunta", "Satakunta", "Kanta-Häme", "Kainuu",
"Uusimaa", "Pirkanmaa", "Kanta-Häme", "Päijät-Häme", "Pohjois-Pohjanmaa", "Pohjois-Savo",
"Kymenlaakso", "Pirkanmaa", "Etelä-Pohjanmaa", "Pohjois-Karjala", "Lappi", "Uusimaa",
"Etelä-Pohjanmaa", "Pohjanmaa", "Etelä-Karjala", "Etelä-Pohjanmaa", "Kanta-Häme",
"Pohjois-Karjala", "Kanta-Häme", "Ahvenanmaa", "Etelä-Savo", "Keski-Suomi", "Pohjois-Savo",
"Pohjois-Karjala", "Pirkanmaa", "Etelä-Savo", "Keski-Suomi", "Satakunta", "Keski-Suomi",
"Uusimaa", "Varsinais-Suomi", "Pohjois-Savo", "Kainuu", "Pohjois-Pohjanmaa", "Pirkanmaa",
"Etelä-Savo", "Satakunta", "Keski-Suomi", "Keski-Pohjanmaa", "Etelä-Pohjanmaa", "Uusimaa",
"Uusimaa", "Keski-Suomi", "Satakunta", "Pohjanmaa", "Etelä-Pohjanmaa", "Etelä-Pohjanmaa",
"Uusimaa", "Keski-Pohjanmaa", "Pohjois-Savo", "Lappi", "Lappi", "Varsinais-Suomi",
"Pohjois-Pohjanmaa", "Uusimaa", "Etelä-Savo", "Pohjois-Karjala", "Keski-Suomi", "Pirkanmaa",
"Satakunta", "Pohjois-Pohjanmaa", "Keski-Pohjanmaa", "Uusimaa", "Pohjois-Karjala", "Lappi",
"Pohjois-Savo", "Keski-Suomi", "Satakunta", "Keski-Pohjanmaa", "Lappi", "Keski-Suomi",
"Pohjois-Karjala", "Pohjanmaa", "Päijät-Häme", "Varsinais-Suomi", "Kymenlaakso", "Kymenlaakso",
"Pohjanmaa", "Pohjanmaa", "Kainuu", "Keski-Suomi", "Ahvenanmaa", "Pohjois-Savo",
"Etelä-Pohjanmaa", "Etelä-Pohjanmaa", "Varsinais-Suomi", "Pohjois-Pohjanmaa", "Pohjois-Karjala",
"Keski-Suomi", "Päijät-Häme", "Pohjois-Pohjanmaa", "Ahvenanmaa", "Satakunta", "Lappi",
"Päijät-Häme", "Pohjanmaa", "Varsinais-Suomi", "Pohjois-Savo", "Etelä-Pohjanmaa", "Etelä-Karjala",
"Itä-Uusimaa", "Etelä-Pohjanmaa", "Keski-Suomi", "Satakunta", "Etelä-Karjala", "Ahvenanmaa",
"Pirkanmaa", "Pohjois-Savo", "Keski-Pohjanmaa", "Pohjois-Karjala", "Varsinais-Suomi",
"Pohjois-Pohjanmaa", "Pohjois-Karjala", "Varsinais-Suomi", "Kanta-Häme", "Itä-Uusimaa",
"Keski-Suomi", "Pohjois-Pohjanmaa", "Ahvenanmaa", "Pohjanmaa", "Etelä-Karjala", "Satakunta",
"Uusimaa", "Varsinais-Suomi", "Pohjanmaa", "Pohjois-Savo", "Ahvenanmaa", "Varsinais-Suomi",
"Varsinais-Suomi", "Pohjois-Pohjanmaa", "Satakunta", "Kymenlaakso", "Etelä-Savo",
"Pohjois-Pohjanmaa", "Keski-Suomi", "Lappi", "Pohjanmaa", "Keski-Suomi", "Varsinais-Suomi",
"Itä-Uusimaa", "Itä-Uusimaa", "Pirkanmaa", "Etelä-Savo", "Varsinais-Suomi", "Satakunta",
"Päijät-Häme", "Pohjois-Savo", "Pohjois-Pohjanmaa", "Pirkanmaa", "Varsinais-Suomi", "Uusimaa",
"Pohjois-Karjala", "Uusimaa", "Pohjanmaa", "Päijät-Häme", "Varsinais-Suomi", "Pirkanmaa",
"Pohjois-Pohjanmaa", "Pohjois-Pohjanmaa", "Pohjois-Pohjanmaa", "Päijät-Häme", "Varsinais-Suomi",
"Kainuu", "Etelä-Karjala", "Pirkanmaa", "Lappi", "Keski-Pohjanmaa", "Etelä-Savo", "Keski-Suomi",
"Etelä-Savo", "Pohjois-Savo", "Pohjanmaa", "Pohjanmaa", "Keski-Suomi", "Pirkanmaa",
"Pohjois-Karjala", "Satakunta", "Satakunta", "Itä-Uusimaa", "Lappi", "Pohjois-Pohjanmaa",
"Itä-Uusimaa", "Etelä-Savo", "Pirkanmaa", "Kainuu", "Etelä-Savo", "Kymenlaakso",
"Pohjois-Pohjanmaa", "Pohjois-Pohjanmaa", "Pohjois-Pohjanmaa", "Varsinais-Suomi", "Pirkanmaa",
"Varsinais-Suomi", "Itä-Uusimaa", "Pohjois-Pohjanmaa", "Uusimaa", "Varsinais-Suomi", "Etelä-Savo",
"Lappi", "Satakunta", "Pohjois-Savo", "Pohjois-Savo", "Etelä-Karjala",
"Keski-Pohjanmaa/Pohjois-Pohjanmaa", "Kanta-Häme", "Etelä-Savo", "Kainuu", "Lappi",
"Etelä-Karjala", "Pirkanmaa", "Varsinais-Suomi", "Pohjois-Karjala", "Keski-Suomi", "Lappi",
"Varsinais-Suomi", "Ahvenanmaa", "Pirkanmaa", "Varsinais-Suomi", "Etelä-Karjala", "Etelä-Savo",
"Lappi", "Etelä-Pohjanmaa", "Keski-Pohjanmaa", "Satakunta", "Pohjois-Pohjanmaa",
"Pohjois-Pohjanmaa", "Pohjois-Savo", "Lappi", "Itä-Uusimaa", "Uusimaa", "Lappi",
"Etelä-Pohjanmaa", "Varsinais-Suomi", "Pohjois-Savo", "Kainuu", "Ahvenanmaa", "Etelä-Savo",
"Ahvenanmaa", "Etelä-Karjala", "Kainuu", "Pohjois-Savo", "Päijät-Häme", "Satakunta", "Kainuu",
"Etelä-Karjala", "Pohjois-Pohjanmaa", "Varsinais-Suomi", "Kanta-Häme", "Pirkanmaa",
"Varsinais-Suomi", "Pohjois-Savo", "Lappi", "Etelä-Pohjanmaa", "Pohjois-Karjala",
"Keski-Pohjanmaa", "Keski-Suomi", "Lappi", "Varsinais-Suomi", "Lappi", "Pohjois-Savo", "Uusimaa",
"Pohjois-Pohjanmaa", "Etelä-Pohjanmaa", "Satakunta", "Pirkanmaa", "Pohjois-Pohjanmaa", "Lappi",
"Keski-Suomi", "Pohjanmaa", "Varsinais-Suomi", "Pohjanmaa", "Pirkanmaa", "Pohjois-Karjala",
"Pohjois-Savo", "Varsinais-Suomi", "Pohjois-Savo", "Pirkanmaa", "Keski-Pohjanmaa", "Pohjois-Savo",
"Pohjois-Pohjanmaa", "Uusimaa", "Keski-Suomi", "Etelä-Pohjanmaa", "Kymenlaakso", "Pirkanmaa",
"Ahvenanmaa", "Pohjanmaa", "Pohjanmaa", "Pohjois-Pohjanmaa", "Lappi", "Pohjois-Pohjanmaa",
"Pirkanmaa", "Kanta-Häme", "Etelä-Pohjanmaa", "Keski-Suomi"))
# Luonnos uudemmaksi tavaksi kaivaa data.
rad <- op_baseGetData("opasnet_base", "Op_fi2759")
colnames(rad)[colnames(rad) == "Havainto"] <- "Observation"
rad <- tidy(rad, objname = "radon", direction = "long")
if(intermediates) print(xtable(rad), type = 'html')
radon <- op_baseGetData("opasnet_base", "op_fi2759")[, 3:6]
radon$Result <- ifelse(is.na(radon$Result.Text), radon$Result, as.numeric(as.character(radon$Result.Text)))
radon <- radon[, 1:3]
colnames(radon)[3] <- "r"
radon <- radon[substr(radon$Havainto, 1, 7) != "kaikki.", ] # Leave only detached houses and blocks of flats.
radon <- radon[radon$Maakunta != "Yhteensä", ]
radon$Talo <- ifelse(substr(radon$Havainto, 1, 3) == "pt.", "Pientalo", "Kerrostalo")
radon$P <- substr(radon$Havainto, 4, 10)
radon <- radon[, colnames(radon)!="Havainto"]
radon <- reshape(radon, idvar = c("Maakunta", "Talo"), timevar = "P", direction = "wide")
radon[is.na(radon)] <- 0
if(intermediates) print(xtable(radon), type = 'html')
ka <- 116
medi <- 115
maxi <- 405
y200 <- 15.40
y800 <- 0.00
y400 <- 07.00
N <- 1000
# Divide the real axis into stepwise uniform distributions at cutpoints with data.
conc <- data.frame(
Range = c("y800", "y400", "y200", "ymed", "amed"),
Result = c(
paste("800", pmax(801, maxi), sep = "-"),
paste("400", pmax(401, pmin(800, maxi)), sep = "-"),
paste("200", pmax(201, pmin(400, maxi)), sep = "-"),
paste(medi, pmax(medi + 1, pmin(200, maxi)), sep = "-"),
""
)
)
# Find a probability for each stepwise uniform distribution and sample among them.
stepwise.range <- data.frame(
Itertemp = 1:N,
Range = sample(
x = c("y800", "y400", "y200", "ymed", "amed"),
size = N,
replace = TRUE,
prob = c(
y800,
(y400 - y800),
(y200 - y400),
(50 - y200),
50
) / 100
)
)
# Sample from the stepwise distributions.
out <- merge(stepwise.range, conc)
out <- interpret(out, N = 1, rescol = "Result")
# The values below median are described as a uniform distribution that
# has 0 as the lower end and ka.l as the mean. ka.u is the mean of the upper part (values
# above median) of the whole distribution. (ka.l + ka.u) / 2 = ka.
ka.l <- paste(0, max(1, (2 * ka - mean(out$Result[out$Range != "amed"])) * 2), sep = "-")
ka.l
out$Result[out$Range == "amed"] <- ka.l
out <- interpret(out, N = 1, rescol = "Result")
mean(out$Result)
S = 20
ggplot(out, aes(x = Result, weight = 1 / N)) + geom_density(alpha = 0.2) +
opts(
axis.text.x = theme_text(size = S),
axis.text.y = theme_text(size = S),
axis.title.x = theme_text(size = S),
axis.title.y = theme_text(size = S, angle = 90),
legend.text = theme_text(size = S),
legend.title = theme_text(size = S),
title = "Indoor radon concentrations in Finland",
plot.title = theme_text(size=30)
) +
scale_x_continuous("Radon concentration (Bq /m3)") +
scale_y_continuous("Probability density")
###### From here starts a strange code that should be completely rewritten.
j <- 2/3 # c( rep(2/3, 8), 3/4, rep(2/3, 9), 3/4, rep(2/3, 21))
X2 <- radon$r.max
for(i in 1:nrow(radon)) {X2[i] <- min(radon$r.max[i], (radon$r.med[i] + 201)/2)}
X <- data.frame(P1 = radon$r.med, P2 = X2, P3 = radon$r.max, P4 = 201, P5 = 351, P6 = 401, P7 = 601, P8 = 801)
P <- data.frame(
P1 = 50,
P2 = (50 - radon$r.y200),
P3 = (radon$r.y800)*(1-j),
P4 = (radon$r.y200 - radon$r.y400)*j,
P5 = (radon$r.y200 - radon$r.y400)*(1-j),
P6 = (radon$r.y400 - radon$r.y800)*j,
P7 = (radon$r.y400 - radon$r.y800)*(1-j),
P8 = (radon$r.y800)*j
)/100
if(intermediates) print(xtable(P), type = 'html')
Xsort <- X
for(i in 1:nrow(X)){Xsort[i, ] <- sort.int(t(X[i, ]), index.return=TRUE)[[2]]}
for(i in 1:nrow(X)){X[i, ] <- X[i, t(Xsort[i, ])]}
for(i in 1:nrow(X)){P[i, ] <- P[i, t(Xsort[i, ])]}
X$P1 <- (radon$r.ka - rowSums((X*P)[, -1])) / 0.5
intP <- P
for(i in 2:ncol(P)){intP[, i] <- rowSums(P[, 1:i])}
out <- data.frame()
for(j in 1:n){
radoniter <- intP[, 1]
iter <- rowSums(runif(nrow(intP), 0, 1) > intP)+1
for(i in 1:nrow(intP)){radoniter[i] <- X[i, iter[i]]}
radon2 <- data.frame(Maakunta = radon$Maakunta, Talo = radon$Talo, obs = n, Radon = radoniter)
radon2
out <- rbind(out, radon2)
}
talot <- op_baseGetData("opasnet_base", "Op_fi2761")[, -c(1, 2, 8)]
talot <- talot[talot$Talotyyppi != "Kaikki talotyypit" & talot$Kunta !="KOKO MAA - HELA LANDET" & talot$Asuntokunta != "Kaikki asuntokunnat", ]
talot$Talotyyppi <- ifelse(talot$Talotyyppi=="Asuinkerrostalo", "Kerrostalo", "Pientalo")
väki <- data.frame(Asuntokunta = c("1 henk.", "2 henk.", "3 henk.", "4 henk.", "5 henk.", "6 henk.", "7+ henk."), n = 1:7)
talot <- merge(talot, väki)
talot$Result <- talot$Result * talot$n
talot <- as.data.frame(as.table(tapply(talot$Result, list(talot$Kunta, talot$Talotyyppi), sum)))
colnames(talot) <- c("Kunta", "Talo", "Asukkaita")
if(intermediates) print(xtable(talot), type = 'html')
talot <- merge(talot, kunnat)
out <- merge(out, talot)
rr.radon <- 1.0016
rr.tupakka <- 20
tausta.altistus <- 5
tausta.sairastuvuus <- data.frame( Maakunta = rep(c("Uusimaa", "Itä-Uusimaa", "Varsinais-Suomi", "Satakunta", "Kanta-Häme",
"Pirkanmaa", "Päijät-Häme", "Kymenlaakso", "Etelä-Karjala", "Etelä-Savo", "Itä-Savo", "Pohjois-Karjala", "Pohjois-Savo",
"Keski-Suomi", "Pohjanmaa", "Vaasa", "Keski-Pohjanmaa", "Pohjois-Pohjanmaa", "Kainuu", "Länsi-Pohja", "Lappi", "Ahvenanmaa", "Koko maa"), 2),
Sukupuoli = (rep( c("Miehet", "Naiset"), each = 23)), Sairastuvuus = c(29.5, 29.5, 26.3, 30.2, 30.3, 26.5, 26.9, 26.6, 29.0, 26.1,
28.7, 29.0, 26.7, 24.7, 26.1, 26.1, 29.8, 30.9, 28.3, 33.7, 34.3, 27.9, 28.2, 11.8, 11.8, 9.2, 7.7, 9.0, 7.7, 7.7, 9.5,
7.2, 7.4, 6.6, 5.8, 5.4, 6.0, 5.9, 8.7, 9.3, 8.7, 7.9, 10.1, 11.3, 13.9, 8.8)
)
tupakoivat <- data.frame(Sukupuoli = rep(c("Miehet", "Naiset"), 2), Tupakoivien.osuus = rep(c(0.22, 0.16), 2), Tupakka = rep(c("Kyllä", "Ei"), each = 2))
out <- merge(out, tausta.sairastuvuus)
out <- merge(out, tupakoivat)
out$Asukkaita <- out$Asukkaita/2 * ifelse(out$Tupakka == "Kyllä", out$Tupakoivien.osuus, 1-out$Tupakoivien.osuus)
out$Sairastuvuus <- out$Sairastuvuus * (1 - out$Tupakoivien.osuus * (rr.tupakka - 1) / (out$Tupakoivien.osuus * (rr.tupakka - 1) +1))
out$Kokonaisvaikutus <- exp(log(rr.tupakka)*ifelse(out$Tupakka == "Kyllä", 1,0) + log(rr.radon)*out$Radon)
out$Radonvaikutus <- out$Kokonaisvaikutus - exp(log(rr.tupakka)*ifelse(out$Tupakka == "Kyllä", 1,0))
out$Radonvaikutus <- out$Radonvaikutus * out$Sairastuvuus/100000 * out$Asukkaita
out$Kokonaisvaikutus <- out$Kokonaisvaikutus * out$Sairastuvuus/100000 * out$Asukkaita
if(intermediates) print(xtable(out[1:20, ]), type = 'html', html.table.attributes="border=1 class='sortable'")
if(intermediates) cat("Unit risk: cases per thousand person-years.\n")
temp <- as.data.frame(as.table(tapply(out$Radonvaikutus/out$Asukkaita, list(out$Maakunta, out$Tupakka, out$Talo), sum)/n))
temp <- temp[!is.na(temp$Freq), ]
temp$Freq <- temp$Freq*1000
colnames(temp) <- c("Maakunta", "Tupakka", "Talotyyppi", "Riski")
if(intermediates) print(xtable(temp), type= 'html', html.table.attributes="border=1 class='sortable'")
# Result is divided by n to allow for summing up.
temp2 <- as.data.frame(as.table(((tapply(out$Radonvaikutus, out[c("Talo", "Tupakka")], sum)/n))))
temp2$Talo <- gsub("Kerrostalo", "Block of flats", temp2$Talo)
temp2$Talo <- gsub("Pientalo", "Detached house", temp2$Talo)
temp2$Tupakka <- gsub("Kyllä", "Yes", temp2$Tupakka)
temp2$Tupakka <- gsub("Ei", "No", temp2$Tupakka)
colnames(temp2) <- c("Type of building", "Smoking", "Result")
temp3 <- as.data.frame(as.table(((tapply(out$Radonvaikutus, out[c("Maakunta", "Tupakka")], sum)/n))))
cat("Number of additional lung cancer cases due to radon in Finland (cases /a).\n")
print(xtable(temp2), type = 'html', html.table.attributes="border=1 class='sortable'")
#print(xtable(temp3), type = 'html', html.table.attributes="border=1 class='sortable'")
S <- 20
# print(xtable(out), type = 'html')
out$Radonvaikutus <- out$Radonvaikutus / n
out$Tupakka <- gsub("Kyllä", "Yes", out$Tupakka)
out$Tupakka <- gsub("Ei", "No", out$Tupakka)
colnames(out)[colnames(out) == "Tupakka"] <- "Smoking"
ggplot(out, aes(x = Maakunta, weight = Radonvaikutus, fill = Smoking)) + geom_bar(position = "stack") + # position = "dodge"
opts(
axis.text.x = theme_text(size = S, angle = 90),
axis.text.y = theme_text(size = S),
axis.title.x = theme_text(size = S),
axis.title.y = theme_text(size = S, angle = 90),
legend.text = theme_text(size = S),
legend.title = theme_text(size = S),
title = "Lung cancer cases due to radon by region in Finland",
plot.title = theme_text(size=30)
) +
scale_x_discrete("Region") +
scale_y_continuous("cases /a")
out$Radonvaikutus <- ifelse(out$Radonvaikutus < 0, 0, out$Radonvaikutus)
out$Radonvaikutus <- out$Radonvaikutus * n # We have to get back to original numbers
#out$Radonsata <- round(as.numeric(as.character(out$Radon)), -2)
#ggplot(out, aes(x = Radon, weight = Radonvaikutus)) + geom_density(alpha = 1) +
# opts(
# axis.text.x = theme_text(size = S, angle = 90),
# axis.text.y = theme_text(size = S),
# axis.title.x = theme_text(size = S),
# axis.title.y = theme_text(size = S, angle = 90),
# legend.text = theme_text(size = S),
# legend.title = theme_text(size = S),
# title = "Premature deaths due to fine particle emissions",
# plot.title = theme_text(size=30)
# ) +
# scale_x_continuous("Premature deaths (cases /year") +
# scale_y_continuous("Probability density")
#ggplot(out, aes(x = Radonsata, weight = Radonvaikutus, fill = Talo)) + geom_bar(position = "stack") +
# opts(
# axis.text.x = theme_text(size = S),
# axis.text.y = theme_text(size = S),
# axis.title.x = theme_text(size = S),
# axis.title.y = theme_text(size = S, angle = 90),
# legend.text = theme_text(size = S),
# legend.title = theme_text(size = S),
# title = "Premature deaths due to fine particle emissions",
# plot.title = theme_text(size=30)
# ) +
# scale_x_continuous("Premature deaths (cases /year") +
# scale_y_continuous("Probability density")
###########################################################
# (C) 2011 Leo Lahti <leo.lahti[at]iki.fi> All rights reserved.
# License: FreeBSD, http://en.wikipedia.org/wiki/BSD_licenses
# Tama esimerkki on testattu sorvi-paketin versiolla 0.1.23
# Esimerkki Suomen kuntatason vaestonkasvutilastojen (Tilastokeskus)
# visualisoinnista Maanmittauslaitoksen karttadatalla (vuonna 2010)
###############################################
# Lue Suomen kuntarajat SpatialPolygon-muodossa
# (C) Maanmittauslaitos 2011
# http://www.maanmittauslaitos.fi/aineistot-palvelut/digitaaliset-tuotteet/ilmaiset-aineistot/hankinta
data(MML)
sp <- MML[["1_milj_Shape_etrs_shape"]][["kunta1_p"]]
#################################################
# Lue kuntatason vaestonkasvutiedot tilastokeskuksen StatFin-tietokannasta
# http://www.stat.fi/tup/statfin/index.html
# PC Axis-muodossa
px <- statfin.px("vrm/synt/080_synt_tau_203.px")
# statfin.px-funktio käyttää soRvin read.px-funktiota hakemaan dataa URLista, joka alkaa "http://pxweb2.stat.fi/database/StatFin/"
# URLin loppuosa pitää antaa statfin.px:lle parametrina.
# Poimi taulukosta halutut tiedot
# pxs <- subset(as.data.frame(px), Väestönmuutos.ja.väkiluku == "Luonnollinen väestönlisäys" & Vuosi == year)
# pxs <- subset(as.data.frame(px), Väestönmuutos.ja.väkiluku == parameter & Vuosi == year)
# Putsaa data
# vaestonkasvu <- preprocess.px(pxs)
# head(vaestonkasvu)
################################################
vaestonkasvu <- out[out$Talo == talo & out$Tupakka == tupakka, ]
vaestonkasvu <- as.data.frame(as.table(tapply(vaestonkasvu[, vaste], list(vaestonkasvu$Kunta), sum)/n))
colnames(vaestonkasvu) <- c("Kunta", "Vaste")
# head(vaestonkasvu)
vaestonkasvu[is.na(vaestonkasvu)] <- 0
##############################################
# Lisaa tiedot karttaobjektiin
sp@data$vaestonkasvu <- vaestonkasvu$Vaste[match(sp$Kunta.FI, vaestonkasvu$Kunta)]
# Korvaa puuttuvat arvot nollalla
sp[["vaestonkasvu"]][is.na(sp[["vaestonkasvu"]])] <- 0
#colnames(out)[vaste]
#vaestonkasvu$Vaste
################################################
# Maarittele varipaletti
my.palette <- colorRampPalette(c("white", "red"), space = "rgb") # , "blue"
ncol <- 40 # Number of colors
#################################################
# Piirra kuva
varname <- "vaestonkasvu"
int <- max(abs(vaestonkasvu$Vaste))
# int
q <- spplot(sp, varname,
col.regions = my.palette(ncol),
main = paste(colnames(out)[vaste], talo, "Smoking: ", tupakka, sep = ", "),
colorkey = TRUE,
lwd = .4,
col = "black",
at = seq(0, 0 + int, length = ncol)
)
print(q)
|
- Ikävakioitu (maailman standardiväestöön) syöpäkuolleisuus 100 000 henkilövuotta kohden vuosina 2005-2009 primaaripaikoittain ja sairaanhoitopiireittäin. Keuhkosyöpä miehet [1] naiset [2]
- Päivittäin tupakoivien osuus Suomessa: Tupakoivat [3]
- Tupakan annosvaste: UK: päivittäin tupakoivia 22 % Miehet, 20 % Naiset. Tämä aiheuttaa 88 % ja 84 % keuhkosyövistä vastaavasti. [4] Tämän perusteella voidaan laskea riskisuhde RR = AF / (EF(RR-1)+1), missä AF on attributable fraction eli altisteen aiheuttama osuus koko tautikuormasta ja EF on altistuneiden osuus koko väestöstä. Tämän perusteella päivittäisen tupakoinnin riskisuhteeksi keuhkosyövälle saadaan 20 - 30. (Laskennassa käytetään 20:tä.)
See also
- [5] Tilastokeskuksen data asunnoista talotyypeittäin.
- heande:Radon sisäilma altistus Suomi
- Radon
References
Related files
<mfanonymousfilelist></mfanonymousfilelist>