158 看護記録もどきの加工3

library(tidyverse)

{

  kiroku  <- readxl::read_excel("data/看護記録もどき.xlsx")
  kiroku7 <- kiroku %>% 
    mutate(name = 
            if_else(
              str_detect(`患者名`,"^\\s"), 
              NA_character_,
              `患者名`)) %>%
    fill(name) %>% 
    select(name, sokutei = `患者名`, everything()) %>% 
    mutate(sokutei = if_else(
      str_detect(sokutei,"^\\s"),
      sokutei, "admission"
    )) %>% 
    mutate(sokutei = str_trim(sokutei)) %>% 
    pivot_longer(cols = !c(name,sokutei),
                names_to = "date",
                values_to = "val") %>%
    filter(!is.na(val))

  wide <- kiroku7 %>% 
    pivot_wider(
      id_cols = c(name, date),
      names_from = sokutei,
      values_from = val
    ) %>% 
    arrange(name, date)

  wide2 <- wide %>% 
    rename(bp = `血圧`, pulse = `脈拍`, rr = `呼吸回数`, meal = `食事`)

  
}

まとめて処理をしていきましょう。、

wide3 <- wide2 %>% 
  #血圧
  separate(bp,c("am","pm"),sep="-") %>% 
  separate(am,c("am_sbp","am_dbp"), sep="/") %>% 
  separate(pm,c("pm_sbp","pm_dbp"), sep="/") %>%
  mutate(
    am_sbp = str_trim(am_sbp) %>% na_if(""),
    pm_sbp = na_if(pm_sbp,""),
  ) %>% 
  
  #脈拍
  separate(pulse,c("am_pulse","pm_pulse")) %>% 
  mutate(pm_pulse = na_if(pm_pulse,"")) %>% 
  
  #呼吸回数
  separate(rr,c("am_rr","pm_rr"),sep="-") %>% 
  mutate(
    am_rr = str_replace(am_rr,"回",""),
    pm_rr = 
      str_replace(pm_rr,"回","") %>% 
      str_trim() %>% 
      na_if("")
  ) %>% 

  #食事
  separate(meal, c("morning_meal","lunch_meal","dinner_meal"),
           sep="-") %>% 
  mutate(
    morning_meal = 
      str_remove(morning_meal,"割") %>% 
      str_trim() %>% 
      na_if("")
  ) %>% 
  mutate(
    lunch_meal = str_remove(lunch_meal,"割") %>% 
      str_trim() %>% 
      na_if("")
  ) %>% 
  mutate(
    dinner_meal = str_remove(dinner_meal,"割") %>% 
      str_trim() %>% 
      na_if("")
  )

View(wide3)

これで全部わけることができました。

ただし、amとpmがデータなので、これは縦にしておきましょう

long <- wide3 %>% 
  pivot_longer(cols=!c(name,date,admission),
               names_to = c("timing","sokutei"),
               values_to = "val",
               names_sep = "_") 

valの値、数値型にしておきましょうただし、

long$val
as.numeric(long$val)

何か、おかしい変換が起こっているみたいなので、

convert <- long %>% 
  select(val) %>% 
  mutate(val2 = as.numeric(val)) 

ng <- convert %>% filter(!is.na(val) & is.na(val2))
ng

valは欠損していないのに、val2は欠損しているものを眺めると、こんな感じです。これだけだとなぜかわからないので、

ng$val

こうすると、スペースが入っているように見えます。

long %>% 
  select(val) %>% 
  mutate(val2 = str_trim(val) %>% as.numeric()) 

str_trimを変換前に挟むと警告はでてきませんでした

as.numeric("　16") #全角スペース

が入っているとうまく変換できないみたいです。

ということで、

long

long2 <- long %>% 
  mutate(val = str_trim(val) %>% as.numeric())

long2

後は、

wide <- long2 %>% 
  pivot_wider(
    id_cols = c(name,date,admission, timing),
    names_from = sokutei,
    values_from = val
  )

View(wide)

meal_data <- wide %>% 
  select(name,date,admission,timing,meal) %>% 
  filter(!is.na(meal))

sokutei_data <- wide %>% 
  select(name, date, admission, timing, sbp, 
         dbp, pulse, rr) %>% 
  filter( str_detect(timing, "am|pm"))

できました。

とりあえず、こんな感じで加工できればセクション5の関数群は使いこなせていると思います！

ここまでで、こんなデータが、

View(kiroku)

こうなりました!

View(sokutei_data)
View(meal_data)

いかがでしょうか?

次は実際の厚生労働省のデータを加工してみましょう。