Slide 22 - Occupancy vs. Arrivals - hospital

gistfile1.txt

###################################################
# Arrivals vs Occupancy -  #####################
# for one month - from 01-03-2015 to 27-04-2015 ###
###################################################

##################################################
# loading the libraries 
##################################################

library(tidyverse)
library(lubridate)
##################################################

#################################################
# reading the data 
#################################################
data <- read.csv("df.csv", header = TRUE)

data$X <- NULL





#######################################################
# Code that converts all the columns names to lowercase 
#######################################################
df_tolower <-  function(x) { 
  colnames(x) <- tolower(colnames(x)) 
  x
  
}

#####################################################
# Applying the lower case function to the data
#####################################################
df <- df_tolower(data )


################################################################################################################
# subseting data set 
################################################################################################################
dt_rmds<- df[c("pat_code","start_datetime", "end_datetime", "spell.type", "spell.number", "episode.order")]



###################################################
# Function that transforms the dates into POSIXct## 
###################################################
colname_ct <- function(df, colname){
  df[,colname] = as.POSIXct(df[,colname])
  df
}

####################################################
# Applying the POSIXct function to the dt_rmds data
####################################################

dt_rmds_ct <- dt_rmds %>%
  colname_ct("start_datetime") %>%
  colname_ct("end_datetime")

str(dt_rmds_ct)


####################################################
# Selecting one month only                ##########
####################################################

dt_month <- subset(dt_rmds_ct, (start_datetime >= "2015-03-01 00:00:00" & start_datetime <= "2015-04-27 23:59:00") | 
                     (end_datetime >= "2015-03-01 00:00:00" & end_datetime <= "2015-04-27 23:59:00"))



#################################################################################
# using gather function to create a new column with dates from both columns; ####
# and filter only by Emergency Department                                    ####
#################################################################################

dt_hrs <- dt_month %>%
  gather(key = Type, Time, 2:3) %>%
  filter(spell.type == "Emergency")


#################################################################################
# extracting year, month, day and hour from Time column and Count = occupancy ###
#################################################################################

dt_sep <- dt_hrs %>%
  mutate( 
    Time = ymd_hms(Time),
    year = year(Time),
    month = month(Time),
    day = day(Time),
    hour = hour(Time)
  ) %>%
  dplyr::count(year, month, day, hour)

############################################################
## find the averages of the Occupancy 
############################################################
tbl_avg_occ <- dt_sep %>%
  group_by(hour) %>%
  dplyr::summarize(Average_occ = mean(n)) %>%
  ungroup()


#tbl_avg_date <- tbl_count %>%
# group_by(Date) %>%
#dplyr::summarize(mean_score = mean(n)) %>%
#ungroup()

##############################################################################
# take out the start-datetime only ->                                   ######
# this will be used later to be added to a plot alongside the occupancy ######
##############################################################################
# count the patients
##############################################################################
dt_sep_arrivals <- dt_month  %>%
  select(pat_code, start_datetime) %>%
  mutate(
    year = year(start_datetime), 
    month = month(start_datetime),
    day = day(start_datetime),
    hour = hour(start_datetime)
  ) %>%
  dplyr::count(year, month, day, hour)

#####################################################################
# Calculating the mean of the arrivals ##############################
#####################################################################
tbl_avg_arrivals <- dt_sep_arrivals %>% 
  group_by(hour) %>%
  dplyr::summarize(Average_arrivals = mean(n)) %>%
  ungroup()


###########################################################
# join the two tables - Averages - arrivals and occupancy #
###########################################################
tbl_occ_arriv <- left_join(tbl_avg_arrivals, tbl_avg_occ, by = "hour")


###############################################################
# Plot Occupancy vs. Arrivals = Averages ######################
###############################################################

plt_occ_percent <- ggplot(tbl_occ_arriv, aes(x = as.numeric(hour), y = Average_occ, group = hour))

plt_occ_percent + geom_bar(stat = "identity", alpha=0.7, width = 0.50, aes(fill = "Occupancy")) +
  scale_x_continuous(breaks = 0:23) +
  scale_y_continuous(expand = c(0, 0), limits = c(0, 30)) +
  geom_point(aes(y = Average_arrivals)) +
  geom_line(aes(y = Average_arrivals, group = 1, color = "Arrivals in A&E")) + 
  scale_fill_manual("",values="yellow4") + 
  scale_color_manual("",values = 1) +
  theme_bw()+ 
  labs(title = "Average Hourly A&E Occupancy vs. Arrivals, 1st of March, 2015 to 27th of April, 2015",
       subtitle = "Averages - Hourly ED Occupancy, % , by Hour of the day.
Note: results are intended for management information only",
       y = "Average occupancy, n", x = "Hour of the day", caption = "Source: CLAHRC NWL") +
  theme(axis.title.y = element_text(margin = margin(t = 0, r = 21, b = 0, l = 0)),
        plot.title = element_text(size = 12, face = "bold"),
        plot.subtitle = element_text(size = 10), 
        legend.position = "bottom", legend.box = "horizontal")