denisGustin

library(dplyr)

# smr = .rds via PMSISoft SMR accès Standard
sejour_dependance_maximale <- smr$rhs$rhs %>% 
    dplyr::select(nas,no_semaine,annee_semaine,ordre_rhs,no_um,annee_import,type_hospitalisation,
                  date_fin_sejour,gme,
                  starts_with("dependance_")) %>% 
    # filtrage HC, séjours terminés et une année (2023 par ex)
    dplyr::filter(type_hospitalisation == "1", !is.na(date_fin_sejour), annee_import == "2023") %>% 
    dplyr::group_by(nas) %>% 

denisGustin

library(dplyr)
library(refpmsi)

spe_pharma_ssr <- refpmsi::refpmsi("spe_pharma_ssr")

spe_pharma_ssr_lib <- spe_pharma_ssr %>% 
    dplyr::mutate(date_fin = as.Date(date_fin)) %>% 
    dplyr::group_by(ucd_13) %>% 
    dplyr::filter(date_fin == max(date_fin))

denisGustin

# base_ccam = import écran "Base des actes CCAM" et sélection des 5 variables (nas, no_rum, code_ccam, activite_ccam, ext_doc_ccam)
# (nas, no_rum) = clé pour retrouver les rum concernés

liste_C170 <- base_ccam %>% 
    dplyr::filter(activite_ccam  == "4", is.na(ext_doc_ccam))

# liste_C170 = liste des actes CCAM d'anesthésie sans extension documentaire codée

# Exemple de 1ere ligne de liste_C170 correspondant à un codage repéré C170
liste_C170[1,]

denisGustin

# Liste des variables RUM issues de l'export JSON de l'écran "Base des RUM" (accès Standard)
Columns: 37
$ nas                                        <chr> 
$ no_rum                                     <chr> 
$ no_rss                                     <chr> 
$ code_retour                                <chr> 
$ ghm                                        <chr> 
$ date_naissance                             <date> 
$ sexe                                       <chr> 
$ no_um                                      <chr> 

denisGustin

library(refpmsi)
library(dplyr)

# version cim_lib minimale avec code et libellé CIM-10
cim <- refpmsi::refpmsi("cim")
cim_lib <- cim %>% 
    dplyr::select(cim_code,cim_lib,annee_pmsi) %>%
    dplyr::group_by(cim_code) %>%
    dplyr::arrange(desc(annee_pmsi), by_groups = TRUE) %>% 
    dplyr::filter(dplyr::row_number() == 1) %>%

denisGustin

# Variables du référentiel gme_public en 2021
Rows: 3,742
Columns: 20
$ gmt               <chr> "0001", "0002", "0003", "0004", "0005", "0006", "0007", "0008", "0009", "0010", "0011", "0012", "0013", "0014", "0015~
$ gme               <chr> "0103A1", "0103A2", "0106A0", "0106A1", "0106A2", "0106B0", "0106B1", "0106B2", "0109A0", "0109A1", "0109A2", "0109B0~
$ gme_lib           <chr> "Etats végétatifs chroniques \u0096 Etats pauci-relationnels - niveau 1", "Etats végétatifs chroniques \u0096 Etats p~
$ gme_dzf           <int> 1, 1, NA, 1, 1, NA, 1, 1, NA, 1, 1, NA, 1, 1, NA, 1, 1, NA, 36, 50, NA, 64, 127, 57, 92, 15, 36, 36, 57, NA, 1, 1, NA~
$ gme_fzf           <int> 1, 1, NA, 21, 21, NA, 21, 21, NA, 21, 21, NA, 21, 21, NA, 21, 21, NA, 42, 56, NA, 70, 133, 63, 98, 35, 42, 42, 63, NA~
$ gme_tzb           <dbl> 318.74, 364.57, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, 365.40, 382.33, NA, 301.98, 344.85, 3~
$ gme_tzf           <dbl> 318.74, 364.57, 258.30, 2413.55, 2914.03, 268.95, 3472.11,