Jak długo czeka się w kolejce do lekarza

Czy wiecie ile jest ośrodków świadczących opiekę zdrowotną, w których w kolejce czeka się średnio dłużej niż rok? [średnia liczona z osób, które się doczekały]
Postaramy się na to pytanie dziś odpowiedzieć.

NFZ publikuje szalenie ciekawe dane o długości kolejek w podziale na województwa, ośrodki, typy zabiegów. [Dane do pobrania ze strony http://www.nfz.gov.pl/new/index.php?katnr=2&dzialnr=1&artnr=1156]. Dane są łatwe do obróbki [wielkie brawa za to]. Na tych danych pracuje dwójka moich dyplomantów i jeden wolontariusz Fundacji, jak będą tylko mieć ciekawe wyniki to je tutaj pokażemy. [Nad czym pracują? Czy chcielibyście zobaczyć jak czas czekania na specjalistę zmienia się w odlwgłości od Waszego domu? Może czasem warto przejechać kilka kilkometrów by skrócić czas czekania w kolejce o kilka miesięcy?].

W między czasie, dla obudzenia apetytu, pokażemy rozkłady czasu czekania w kolejkach dla województwa mazowieckiego. Rozkłady pokazujemy wykresami pudełkowymi. Komórki świadczące usługi zostały posortowane zgodnie z medianą średniego czasu oczekiwania. Im szerszy wykres pudełkowy tym więcej jest komórek świadczących tego typu usługi. Niektóre wykresy są jednopunktowe, oznacza to że tylko jedna komórka świadczy takie usługi [w województwie mazowieckim].

Poniższe czasy dotyczą tylko przypadków stabilnych. Ciągła linia oznacza okresy roczne, przerywana półroczne a kropkowana dwumieisęczne. Dane wyglądają na bardzo atrakcyjne, mam nadzieje że są też dobrze oczyszczone [czego jednak nie sposób sprawdzić zza biurka].

Świadczenia specjalistyczne

W zdecydowanej większości ośrodków świadczących świadceznia specjalistyczne okres czekania jest poniżej czterech miesięcy. Niechlubne wyjątki często dotyczą schorzeń endokrynologicznych.

Procedury medyczne

Choć to brzmi niewiarygodnie średni czas oczekiwania w niektórych ośrodkach przekraczał trzy lata!
W przypadku procedur medycznych takie problemy dotyczą głównie stawu biodrowego, kolanowego i zabiegów soczewki oka.

Rehabilitacja lecznicza

W wielu oddziałach na rehabilitację czeka się ponad rok. Z drugiej strony widzimy duży rozrzut, bo poza ośrodkami gdzie na rehabilitacje czeka się nawet ponad dwa lata, są też takie w których okres oczekiwania jest poniżej dwóch miesięcy.

Leczenie stomatologiczne

Ponad dwuletnie kolejki na wizyty u specjalistów stomatologów też brzmi niewiarygodnie. Dotyczy to jednak niewielkiej liczby oddziałów, zdecydowana większość rozkładu znajduje się poniżej 6 miesięcy.

Opieka psychiatryczna i leczenie uzależnień

Leczenie szpitalne

Opieka dlugoterminowa

Programy lekowe

Zbigniew Herbert, Raport ministerstwa a studium przedmiotu.

Dziś wypada 15 rocznica śmierci Zbigniewa Herberta. Z tej okazji Polskie Radio przygotowało specjalny serwis z informacjami o życiu artysty [link tutaj http://herbert.polskieradio.pl/]. Na tej stronie można naleźć wiele ciekawych materiałów, ale my dziś nie o tym.

Od dłuższego czasu chciałem przygotować na tę okazję coś związanego z Jego wierszami. Powstało kilka wizualizacji częstości występowania słów w wierszach, kontekstowych miar podobieństwa, drzewa współwystępowania. Ale wszystkie one jednak były wewnętrznie sprzeczne z pracami Herberta. Nawet jeżeli nawiązywały do literek, których On używał to nic o Nim nie mówiły. Statystyka jest często używana by pokazać trendy, nurty, najczęstsze wzorce, usunąć niepotrzebne szczegóły. A studium przedmiotu uprawiane przez Herberta polegało na czymś zupełnie przeciwnym. By skupić się na szczegółach tak bardzo, by odsłoniły one swoje piękno, uwolniły przyjemność płynącą z ich studiowania.

No dobrze. Może więc zamiast budować wykres, który pokaże 100 wierszy jednocześnie nie pokazując żadnego, spróbujemy poszukać szczegółów i detali w jakimś obiekcie codziennego użytku?

Raport „Szkolnictwo wyższe w Polsce”

Kilka dni temu Ministerstwo upubliczniło drugą [ostateczną?] wersję raportu „Szkolnictwo wyższe w Polsce”. Informację o niej znaleźć można między innymi tutaj. Napiszę kiedyś więcej o tym raporcie [Samo ministerstwo nazwało ten raport ,,Fotografia polskiego szkolnictwa wyższego 2013” co jest bardzo trafną nazwą, fotografię bowiem w przeciwieństwie do obrazu można robić automatycznie i bezrefleksyjnie, ale to temat na inny wpis]. Dziś chciałbym skupić się na jednym z wniosków z tego raportu. Podążyć go i zobaczyć czy uda nam się coś ciekawego odkryć. Czy znajdziemy przyjemność w wertowaniu stosów liczb? Czy spojrzymy na te same liczby w inny sposób, poszerzając naszą wiedzę o przedmiocie?

Przyjrzymy się atrakcyjności Polski dla zagranicznych studentów [wykres 22 ze wspomnianego raportu].

Moją uwagę przykuły dwa zdania: ,,Zwiększającą się atrakcyjność Polski dla zagranicznych studentów potwierdzają dane dotyczące programu Erasmus” i ,,w efekcie w roku akademickim 2011/12 liczba studentów przyjeżdżających na polskie uczelnie stanowiła już niemal 60% liczby studentów wyjeżdżających z Polski”. Pierwsze napisane w bardzo marketingowym stylu, traktujemy zwiększającą się atrakcyjność jako coś oczywistego i szukamy danych do poparcia tezy. To ma być raport czy broszurka marketingowa?

Na początku zastanowiło mnie, czy wzrost liczby zagranicznych studentów jest związany z rosnącą atrakcyjnością studiów w Polsce, czy też z ,,globalnie rosnącą” mobilnością. Przecież może być tak, że liczba studentów chcących wyjechać z innych krajów rośnie szybciej niż liczba studentów przyjeżdżających do naszego kraju, co znaczyłoby, że atrakcyjność maleje a nie rośnie. A może nasza atrakcyjność rośnie szybciej niż innych krajów? W każdym razie widzimy, że aby zrozumieć co oznacza atrakcyjność musimy spojrzeć na to co się dzieje u sąsiadów.

Inne (lepsze?) źródło danych

Zacząłem szukać innych źródeł danych, pozwalających na porównanie liczb studentów pomiędzy krajami. Dopiero wtedy zauważyłem, że wykres z raportu ministerstwa dotyczy liczby studentów Erazmusa, ale wnioski są prezentowane tak, jakby dotyczyły wszystkich studentów. Może studenci Erazmusa to zdecydowana większość obcokrajowców? A może to nie jest reprezentatywna próba? Zobaczymy.

Szperając po Internecie znalazłem informację o liczbie studentów zagranicznych w raporcie ,,Education at a Glance 2012” (przygotowanym nomen omen przez OECD) [tabela z danymi tutaj].

Przyjrzyjmy się tym liczbom bliżej. Z raportu OECD wynika, że do Polski w roku 2010 przyjechało 18 356 studentów z zagranicy, a w roku 2000 przyjechało ich 6 126. Przyjezdni studenci Erazmusa stanowią więc znacznie mniej niż połowę całkowitej liczby zagranicznych studentów. Co więcej zgodnie z raportem OECD liczba studentów z zagranicy zwiększyła się w okresie 2000-2010 trzykrotnie, podczas gdy patrząc na dane z Erazmusa wzrost wyglądał na ponad 10 krotny.

Ok, może i nie jesteśmy 10 razy bardziej atrakcyjni, ale przynajmniej 3 razy!

Drążmy dalej.
Zgodnie z raportem OECD całkowita liczba studentów wyjeżdżających z Polski w roku 2010 to 48 582. Czyli liczba studentów przyjeżdżających do wyjeżdżających jest daleka od stosunku 0.6 / 1 wynikającego z danych Erazmusa, a wymienionego w raporcie ministerstwa, a wynosi 0.38 / 1 zgodnie z danymi OECD. Swoją drogą, to że tak wielu studentów wyjeżdża z Polski to może i powód do zadowolenia. Jeżeli tylko wrócą ze zdobytym doświadczeniem.

Drążmy dalej. Zaczęliśmy od zastanawiania się, jak przyrost liczby zagranicznych studentów w Polsce (prawie 3 razy) ma się do zmian w liczbie zagranicznych studentów w innych krajach. Zgodnie z raportem OECD liczba studentów zagranicznych wzrosła we wszystkich krajach z 2.07 miliona do 4.12 miliona, czyli prawie dwa razy. W takim razie względna atrakcyjność Polski dla studentów z zagranicy wzrosła 1.5 razy a nie 3x [czy 10x jak początkowo myślałem].

Drążmy dalej.

Czy właściwie jest sens porównywać mobilność w Polsce z mobilnością w Korei (tam liczba zagranicznych studentów wzrosła z 3 do prawie 60 tysięcy) czy z Meksykiem (spadła z 2.5 tys do 1.9 tys)? Rozsądniej jest patrzeć na zmiany względem sąsiednich krajów. Jak sytuacja wygląda u naszych sąsiadów?

Atrakcyjność naszych uczelni dla zagranicznych studentów rośnie wolniej niż u południowych sąsiadów, rośnie szybciej niż u zachodniego sąsiada, ale tylko gdy patrzymy na zmianę procentową. Studentów zagranicznych jest tam znacznie więcej niż u nas.

W komentarzach do tego wpisu znajduje się dyskusja dotycząca specyfiki Czech i Słowacji. W tych krajach ponad połowa studentów zagranicznych pochodzi z kraju sąsiedniego.

Mając te dane można by wręcz uzasadniać twierdzenie, że nasza względna atrakcyjność jest coraz mniejsza!

Z raportu ministerstwa wynika, że ponad jedna trzecia studentów zagranicznych pochodzi z Ukrainy i Białorusi (to nie są kraje OECD, więc nie ma informacji o tym ilu studentów przyjeżdża do nich). Co dodatkowo sugeruje, że o naszej atrakcyjności należy myśleć lokalnie. Zresztą gdy spojrzymy gdzie wyjeżdżają studenci z Ukrainy to okaże się, że Polska jest u nich na trzecim miejscu pod względem popularności [po Rosji i Niemczech], w przypadku Białorusi Polska jest na drugim miejscu nieznacznie ustępując Rosji.

Temat ten można oczywiście dalej drążyć, pozostawiam tę przyjemność już czytelnikom.

Moim zdaniem jest coś urzekającego w takich historiach. Gdy pierwszy wykres coś pokazuje, ale im bardziej zagłębiamy się w daną historię, tym bardziej okazuje się, że rzeczywistość jest inna, ,,odwrotna”, bogatsza, ciekawsza.
Poznawszy tę rzeczywistość możemy teraz wrócić do punktu w którym za pomocą wykresu będziemy chcieli ją pokazać taką jaką ona jest.

Pakiet shiny, czyli co nowego w ,,Przewodniku po pakiecie R” wydanie trzecie.

Ostatnio pisałem o tym co nowego znaleźć można w trzecim wydaniu ,,Przewodnika po pakiecie R”, czyli o pakiecie plyr.

Ale nowych rzeczy jest więcej. Jest podrozdział o pakiecie knitr [następca Sweave, super prosty w użyciu, daje fantastyczne wyniki], o pakiecie slidify [jak tworzyć prezentacje w HTML5 używając tylko R i markdown, rewelacyjny pakiet] i jest podrozdział o tym jak tworzyć aplikacje www z użyciem shiny.

I dziś właśnie wklejam poniżej ten podrozdział o shiny.

Czytaj dalej Pakiet shiny, czyli co nowego w ,,Przewodniku po pakiecie R” wydanie trzecie.

Czarna przyszłość… winni dziennikarze

Wczoraj dostałem link do artykułu z gazety.pl ,,Czarna przyszłość czarnej porzeczki. Winna… statystyka”. Zazwyczaj sił mi brakuje na komentowanie takich tytułów.
Jednak po pewnym czasie uświadomiłem sobie jak szkodliwy jest ten tytuł, więc go skomentuję.

Oczywistym absurdem jest zrzucanie winy za cokolwiek na narzędzia, czy to młotek, czy klawiaturę czy statystykę. To tylko narzędzia i nie mogą być niczemu winne. Jeżeli w drodze robią się dziury to nie jest to wina upałów, mrozów czy smoły ale ludzi, którzy gdzieś kiedyś podjeli złą decyzję. Podobnie jest z czarnymi porzeczkami.

Ale tytuł ,,winna… statystyka” kryje też inną smutną prawdę. Zrzucamy winę na rzeczy, których nie rozumiemy, może których się boimy. Dziennikarze straszą ,,statystyką” bo to magiczne słowo zastępuje skomplikowaną strukturę zależności, decyzji, przyczyn.

Jest to szczególnie smutne, ponieważ w rozwiniętych krajach o statystyce mówi się jak o zawodzie przyszłości. W stanach, w zachodniej europie statystycy są rozchwytywani, tak jak kilkanaście lat temu programiści. Młodzi widząc to chętniej się tej statystyki uczą [oczywiście bez przesady, ale chętniej]. A u nas? Dlaczego nastolatek miałby się uczyć statystyki, jeżeli w gazetach piszą, że to przez nią przyszłość jest czarna?

Jeżeli przyszłość jest czarna to przez takie głupie tytuły straszące statystyką. A winę za takie artykuły ponoszą piszący je dziennikarze (w tym przypadku dżek, PAP, choć być może tytuły dodaje ktoś inny).

Czy możemy coś z tym zrobić? Tak! Dodajmy komentarz od siebie, może coś to zmieni.

Howgh.

Pakiet plyr, czyli co nowego w ,,Przewodniku po pakiecie R” wydanie trzecie.

Przygotowuję trzecie wydanie ,,Przewodnika po pakiecie R”. Zmiany w stosunku do wydania drugiego są spore, kilka rzeczy zostało usuniętych, kilka dodanych.

Jedna z dodanych rzeczy to bardziej rozbudowany rozdział o funkcjach z rodziny apply i plyr. Poniżej przeklejam część nowego wydania ,,Przewodnika …” poświęconą pakietowi plyr. Przepraszam też za ewentualne usterki związane z konwersją LaTeXa do HTMLa.

Czytaj dalej Pakiet plyr, czyli co nowego w ,,Przewodniku po pakiecie R” wydanie trzecie.

Big Data, R i useR.

Tydzień temu podczas konferencji use!R miałem przyjemność zapoznać się z treścią szkolenia ,,Programming with Big Data in R”. Materiały dostępne tutaj.

Materiał prezentowane podczas szkolenia są również dostępne w postaci 80-stronicowej winietki/ilustracji ,,Speaking Serial R with a Parallel Accent”.
W skrócie zbiór pakietów pbd* zawiera między innymi:
– pdbMPI [pracujący z MPICH, OpenMPI] kilkukrotnie szybszy niż Rmpi
– pbdNCDF4 [operacje na plikach w zrównoleglonych systemach plików]
– pbdDMAT [operacje na macierzach z użyciem ScaLAPACK (Scalable Linear Algebra PACKage)].

Wiele się dzieje na styku HPC Big Data i R. I dobrze.

Co do wrażeń z samej konferencji. Było kilka bardzo interesujących referatów (z wizualizacji danych o mapach i skali Likerta, z analizy danych o ultraszybkiej alternatywie do MCMC, z inżynierii oprogramowania o pakietach data.table, zmianach w 3.0.1 itp). Część z tych tematów przedstawię w kolejnych wypisach, są bardzo ciekawe i warto o nich napisać trochę więcej. O ile zaproszone referaty były na wysokim poziomie, o tyle widać było, że organizatorzy bardziej postawili na stronę towarzyską konferencji niż na dopracowanie szczegółów organizacyjnych. Poprzednie edycje miały lepiej przygotowane sesje, bardziej zsynchronizowane referaty, trzymające się ustalonej długości i kolejności. Na tej konferencji kolejność referatów potrafiła się zmienić, podczas przerw kawowych było też więcej piwa i wina niż na wszystkich poprzednich konferencjach useR razem wziętych, co w pewnym sensie odzwierciedlało priorytety organizatorów.

Miłym akcentem było spotkanie sporej grupy polaków. Dr Zdzisław Piasta przyjechał z liczną grupą studentów i doktorantów. Było też kilka osób z innych miast. Na materiałach reklamowych Revolution Analitics można było znaleźć odbitki plakatów z konferencji WZUR. To duża zmiana w stosunku do poprzednich edycji useR.

Wciąż useR pozostaje dla mnie najprzyjemniejszą z konferencji, wiele osób o podobnych do moich zainteresowaniach. Konferencji, na której spotkać można i ludzi z przemysłu i akademii, jednak bez pustosłowia (spotykanego na niektórych konferencjach biznesowych) i bez zadęcia (spotykanego na niektórych konferencjach naukowych). Konferencją na którą przyjeżdżają zarówno weterani jak i nowi użytkownicy. Duża liczba nowych użytkowników jest pewnego rodzaju gwarancją, że nie zamienia się to w towarzystwo wzajemnej adoracji.

Za rok Los Angeles.

Formuła 1 i useR

Jakiś czas temu pisałem, o konkursie na najciekawszą wizualizację danych o Formule 1 i hiszpańskiej lidze piłki nożnej. Konkurs organizowany podczas konferencji useR 2013 więc i wizualizacja powinna powstać w programie R.
Ponieważ Formułą 1 czasem się interesuję, pomyślałem że byłoby miło przygotować taką wizualizację, ale jak zwykle brakowało czasu.
Któregoś wieczora czas się jednak znalazł i powstały poniższe wykresy. Wszystkie dotyczą danych o formule 1, sezonów 2010-2012, są wykonane w czystym R. Kod źródłowy można pobrać z tej strony. Swoją drogą ten wieczór wystarczył by poniżej przedstawiana wizualizacja trafiła do finału konkursu useR. Tę i wizualizacje pozostałych finalistów można znaleźć na stronie konferencji.

Kompletna wizualizacja w formacie pdf dostępna jest pod tym linkiem. Poniższe grafiki to wycinki ciekawszych elementów, czasem być może w nienajlepszej rozdzielczości. Wersja pdf wygląda moim zdaniem lepiej.

Jak zmieniała się klasyfikacja kierowców?

Poniższy wykres przedstawia jak zmieniała się liczba punktów uzbieranych przez każdego z kierowców podczas kolejnych wyścigów. Wszystkie sezony wygrał Sebastian Vettel. Ale, jak widać, w sezonie 2011 był on zupełnie poza zasięgiem. Za to w pozostałych sezonach walka z Fernando Alonso była gorąca. [kliknij na obrazek by zobaczyć większą wersję]

Czytaj dalej Formuła 1 i useR

Czy studenci wolą prowadzącego czy przedmiot, który on wykłada? Czyli graficzna analiza wariancji na przykładzie danych USOS

Od czego zacząć? Dzisiejszy wpis powstał przez złożenie się trzech zdarzeń.

– Przygotowuję artykuł popularnonaukowy do Delty przedstawiający co ciekawego dzięki statystyce można dowiedzieć się z danych USOSa [Uniwersytecki System Obsługi Studiów]. Załóżmy, że mamy wszystkie dane z USOSa i co teraz, co ciekawego potrafimy z nimi zrobić? Może macie jakieś pomysły?

– Interesuję się różnymi metodami przedstawiania danych graficznie, niekoniecznie ,,najlepiej” po prostu ,,różnymi”. A na konferencji use!R 2013 usłyszałem o pakietach granova i granovaGG, które pozwalają na graficzne przedstawienie modeli analizy wariancji jedno, dwu kierunkowej, z kontrastami i dla danych zależnych.

– Kolekcjonuję przykłady analizy wariancji, modeli liniowych i mieszanych na poczet trzeciego wydania [uwaga autoreklama] ,,Analizy danych z programem R” (tak, wiem, nie ukazało się jeszcze drugie wydanie ;-), ale zanim to wszystko zbiorę …).

Dziś używając danych z USOSa odpowiemy na jedno z szalenie ciekawych pytań:
Czy studenci bardziej lubią prowadzących, czy bardziej lubią przedmioty prowadzone przez tych prowadzących?

[na wydziale MIMUW w ankietach są dwa pytania ‘Ogólna ocena opiniowanych zajęć’ i ‘Ogólna ocena prowadzącego te zajęcia’].

Czytaj dalej Czy studenci wolą prowadzącego czy przedmiot, który on wykłada? Czyli graficzna analiza wariancji na przykładzie danych USOS

Jak porównać dwie grupy, useR 2013, Propensity Scores a badania obserwacyjne

Jutro zaczyna się useR!2013, czyli coroczna międzynarodowa konferencja użytkowników R [przyjeżdżam na nią od sześciu lat i nie znalazłem jeszcze innej tak wciągającej konferencji]. Tym razem w Albacete w Hiszpanii.

Dziś miejsce mają tutoriale. Zakończyłem właśnie jeden poświęcony Propensity Scores [analizie z uwzględnieniem efektu predyspozycji / skłonności / prawdopodobieństwa nominacji ?] i poniżej mam zamiar o nim napisać. Pytanie na które będziemy chcieli odpowiedzieć, to jak porównać dwie [potencjalnie niejednorodne] grupy.

Ale najpierw wkleję logo tegorocznej konferencji [czyż nie jest rewelacyjne?].

Czytaj dalej Jak porównać dwie grupy, useR 2013, Propensity Scores a badania obserwacyjne

Kto w Sejmie … ciąg dalszy

Kilka tygodni temu pisałem o indeksie czytelności FOG (patrz: ,,Kto w Sejmie mówi w sposób prosty, a kto w złożony”). W komentarzach pod wpisem pojawiły się sugestie, by porównać złożoność języka używanego w Sejmie pomiędzy posłami różnych partii.

Zobaczmy co z tego wyjdzie.

Czytaj dalej Kto w Sejmie … ciąg dalszy