Агуулга руу очих

Суулгах

mongolstats, mongolmaps-ийн нийтлэгдсэн хувилбарыг CRAN-аас суулгана:

install.packages(c("mongolstats", "mongolmaps"))

Анхны шинжилгээ: нялхсын эндэгдэл

Энэ жишээнд хүн амын эрүүл мэнд, эрүүл мэндийн тогтолцооны гүйцэтгэлийн гол үзүүлэлт болох нялхсын эндэгдлийн түвшнийг (НЭТ) ашиглана. Хүснэгт олох, бүтцийг шалгах, өгөгдөл татах, түвшин тооцох, зураглах бүтэн ажлын урсгалыг үзүүлнэ.

Алхам 1: багцуудыг ачаалах

library(mongolstats)
library(mongolmaps)
library(dplyr)
library(ggplot2)

# Жишээний гаралтын нэрийг англиар тохируулах
# Шалгасан сургалтын туслах функцүүд багцад дагалдах бөгөөд кодыг нь үзэж болно.
source(system.file("examples", "analysis-helpers.R", package = "mongolstats"), local = TRUE)
source(system.file("examples", "plot-style.R", package = "mongolstats"), local = TRUE)

Алхам 2: зөв хүснэгт олох

Каталогоос түлхүүр үгээр хайна:

mortality_tables <- nso_search("infant mortality")
mortality_tables |>
  distinct(tbl_id, tbl_eng_nm)
#> # A tibble: 8 × 2
#>   tbl_id            tbl_eng_nm                                                  
#>   <chr>             <chr>                                                       
#> 1 DT_NSO_2100_014V1 NUMBER OF INFANT MORTALITY, aimags and the Capital and by m…
#> 2 DT_NSO_2100_014V2 NUMBER OF INFANT MORTALITY, by soum and discrict, and by ye…
#> 3 DT_NSO_2100_014V4 INFANT MORTALITY, by sex, by soum, and by year              
#> 4 DT_NSO_2100_014V5 INFANT MORTALITY RATE, per 1000 live births, by sex, by sou…
#> 5 DT_NSO_2100_015V1 INFANT MORTALITY RATE, per 1000 live births, aimags and the…
#> 6 DT_NSO_2100_015V2 INFANT MORTALITY, per 1000 live births, by soum, and by year
#> 7 DT_NSO_2100_015V2 INFANT MORTALITY, per 1000 live births, by year             
#> 8 DT_NSO_2800_019V1 INFANT MORTALITY RATE PER 1000 LIVE BIRTHS

ҮСХ түвшин (амьд төрсөн 1,000 хүүхэд тутамд) болон суурь тоо (нялхсын эндэгдэл)-г хоёуланг нь нийтэлдэг. Эхлээд сарын түвшний DT_NSO_2100_015V1 хүснэгтийг авч, дараа нь тоог ашиглан аймгуудыг харьцуулна.

Алхам 3: хүснэгтийн мета өгөгдлийг судлах

Өгөгдөл татахаасаа өмнө хүснэгт ямар хэмжээсүүдтэйг шалгана:

# Хүснэгтийн бүтцийг харах
meta <- nso_table_meta("DT_NSO_2100_015V1")
meta
#> # A tibble: 2 × 5
#>   dim    code  is_time n_values codes             
#>   <chr>  <chr> <lgl>      <int> <list>            
#> 1 Region Бүс   FALSE         28 <tibble [28 × 3]> 
#> 2 Month  Сар   TRUE         128 <tibble [128 × 3]>

# Хамгийн эрт үеэс нь огноотой нь жагсаана. Сарын нэр "YYYY-MM";
# код нь хамгийн сүүлийн сараас ("0") ухарч тоолдог тул үеийг нэрээр сонгоно.
months <- nso_table_periods("DT_NSO_2100_015V1")
head(months)
#> # A tibble: 6 × 4
#>   code  label   date       frequency
#>   <chr> <chr>   <date>     <chr>    
#> 1 13    2016-01 2016-01-01 month    
#> 2 14    2016-02 2016-02-01 month    
#> 3 15    2016-03 2016-03-01 month    
#> 4 16    2016-04 2016-04-01 month    
#> 5 17    2016-05 2016-05-01 month    
#> 6 18    2016-06 2016-06-01 month
range(months$label)
#> [1] "2016-01" "2026-08"

Алхам 4: өгөгдөл татах

ҮСХ-ны нийтэлсэн сар бүрийн улсын түвшнийг авна:

imr_national <- nso_data(
  tbl_id = "DT_NSO_2100_015V1",
  selections = list(
    Region = "0", # улсын нийт дүн
    Month = months$label
  ),
  labels = "en" # Англи нэрийн баганууд нэмэх
)

# Month багана нь утга нь өөрчлөгдөхгүй "2024-03" зэрэг нэрийг агуулна
# ҮСХ шинэ сар нийтлэхэд ч гэсэн
imr_national |>
  arrange(Month) |>
  head(10)
#> # A tibble: 10 × 5
#>    Region Month   value Region_en Month_en
#>    <chr>  <chr>   <dbl> <chr>     <chr>   
#>  1 0      2016-01    12 Total     2016-01 
#>  2 0      2016-02    13 Total     2016-02 
#>  3 0      2016-03    14 Total     2016-03 
#>  4 0      2016-04    15 Total     2016-04 
#>  5 0      2016-05    15 Total     2016-05 
#>  6 0      2016-06    14 Total     2016-06 
#>  7 0      2016-07    14 Total     2016-07 
#>  8 0      2016-08    15 Total     2016-08 
#>  9 0      2016-09    12 Total     2016-09 
#> 10 0      2016-10    12 Total     2016-10

ҮСХ сарын эдгээр түвшнийг бүхэл тоонд тоймлодог. Энэ нь 1,000 тутамд ойролцоогоор 10–20 байдаг хэмжүүрийн хувьд бүдүүн нарийвчлал юм.

Алхам 5: өөрчлөлтийг дүрслэх

imr_national |>
  mutate(date = nso_period_date(Month)) |> # "YYYY-MM"-ийг огноо болгох
  ggplot(aes(x = date, y = value)) +
  geom_line(color = "#183442", linewidth = 1, alpha = 0.3) + # Өөрчлөлт ялгарч харагдахаар түүхий өгөгдлийг бүдэгрүүлэх
  geom_point(color = "#C2623D", size = 2, shape = 21, fill = "white", stroke = 1, alpha = 0.6) +
  # Зөвхөн дүрслэх тэгшитгэл; загварт суурилсан тодорхойгүй байдлын зурвасгүй
  geom_smooth(
    method = "loess", formula = y ~ x, se = FALSE,
    color = "#167D8D", fill = "#167D8D", alpha = 0.2, linewidth = 1.5
  ) +
  scale_x_date(date_breaks = "1 year", date_labels = "%Y") +
  scale_y_continuous(limits = c(0, NA)) +
  labs(
    title = "Infant Mortality Rate in Mongolia (Monthly)",
    subtitle = "Deaths under age 1 per 1,000 live births, national",
    x = NULL,
    y = "IMR (per 1,000)",
    caption = "Source: NSO Mongolia, DT_NSO_2100_015V1"
  ) +
  theme(
    panel.grid.minor = element_blank(),
    panel.grid.major.x = element_blank() # Босоо торон шугам цагийн цувааг хэт дүүргэдэг
  )

2016 оноос хойших Монголын нялхсын эндэгдлийн сарын түвшний шугаман график. LOESS тэгшитгэл ерөнхий чиглэлийг харуулна

Тэгшитгэл нь тоймлосон сарын түвшний хайгуулын хураангуй юм. Төрөлтийн ялгаатай тоо, хөрш саруудын хамаарлыг тооцохгүй.

Бүс нутгийн харьцуулалт

Аймгуудыг жилээр харьцуулахдаа сарын 12 түвшний дунджийг авч болохгүй. Сарын түвшний энгийн дундаж төрөлт цөөн сард олон төрөлттэй сартай ижил жин өгнө. ҮСХ-ны тоймлолт жижиг аймгийн сарын түвшнийг утга хооронд огцом үсрүүлдэг. Оронд нь жилийн нялхсын эндэгдэл, амьд төрөлтийг тус тус нэмж, дараа нь хуваана:

IMR=infant deaths in the yearlive births in the year×1,000\text{IMR} = \frac{\text{infant deaths in the year}}{\text{live births in the year}} \times 1{,}000

Ижил хугацааны хүн амын ердийн хөдөлгөөнөөс тооцдог энэхүү уламжлалт нялхсын эндэгдлийн түвшин нь холбон тогтоосон төрсөн үеийн бүлгийн магадлал биш. Нялхсын эндэгдэлд өмнөх онд төрсөн хүүхэд орж болно. Тоо нь нялхсын эндэгдэл (DT_NSO_2100_014V1), амьд төрөлт (DT_NSO_2100_018V5) гэсэн сарын хоёр хүснэгтээс ирнэ.

# Хүлээгдэж буй тусдаа нэгжүүд: улсын дүн, 21 аймаг, нийслэлийн 5 код.
aimag_codes <- setdiff(mn_aimags()$nso_code, "511")
units <- c("0", aimag_codes, "5")
death_source <- analysis_fetch_counts("DT_NSO_2100_014V1", units)
birth_source <- analysis_fetch_counts("DT_NSO_2100_018V5", units)

# Хүлээгдэж буй бүх нэгжид хоёр хүснэгт хоёулаа тухайн оны бүх сартай байх ёстой.
# Тайлагдаагүй ажиглалтыг дутуу хэвээр хадгалж, тэг гэж үзэхгүй.
latest_year <- analysis_latest(analysis_common_years(death_source$annual, birth_source$annual))
infant_deaths <- filter(death_source$annual, year == latest_year)
live_births <- filter(birth_source$annual, year == latest_year)
imr_regional <- analysis_pair(
  select(infant_deaths, Region, Region_en, deaths = count, missing_deaths = n_missing),
  select(live_births, Region, births = count, missing_births = n_missing),
  by = "Region"
) |>
  mutate(
    Region_en = trimws(Region_en),
    level = case_when(Region == "0" ~ "National", Region == "5" ~ "Capital", .default = "Aimag")
  )
imr_regional <- bind_cols(imr_regional, analysis_poisson(imr_regional$deaths, imr_regional$births)) |>
  rename(imr = rate)

national_imr <- imr_regional$imr[imr_regional$Region == "0"]
stopifnot(length(national_imr) == 1L, is.finite(national_imr))
imr_units <- filter(imr_regional, Region != "0")
stopifnot(nrow(imr_units) == 22L)
imr_units |>
  transmute(
    area = Region_en, deaths, births, imr,
    interval = if_else(is.finite(imr), sprintf("%.1f to %.1f", lower, upper), "Insufficient data")
  ) |>
  knitr::kable(
    col.names = c("Area", "Infant deaths", "Live births", "IMR per 1,000", "95% CI"),
    digits = c(0, 0, 0, 1, 0), format.args = list(big.mark = ",")
  )
Нутаг дэвсгэр Нялхсын эндэгдэл Амьд төрөлт Нялхсын эндэгдэл (1,000 амьд төрөлтөд) 95% итгэх интервал
Дорнод 8 1,251 6.4 2.8–12.6
Сүхбаатар 8 814 9.8 4.2–19.4
Хэнтий 10 980 10.2 4.9–18.8
Төв 12 666 18.0 9.3–31.5
Говьсүмбэр 3 287 10.5 2.2–30.5
Сэлэнгэ 11 991 11.1 5.5–19.9
Дорноговь 13 862 15.1 8.0–25.8
Дархан-Уул 18 1,800 10.0 5.9–15.8
Өмнөговь 15 1,113 13.5 7.5–22.2
Дундговь 4 514 7.8 2.1–19.9
Орхон 15 1,936 7.7 4.3–12.8
Өвөрхангай 28 1,609 17.4 11.6–25.2
Булган 7 460 15.2 6.1–31.4
Баянхонгор 8 1,268 6.3 2.7–12.4
Архангай 16 999 16.0 9.2–26.0
Хөвсгөл 32 1,764 18.1 12.4–25.6
Завхан 9 830 10.8 5.0–20.6
Говь-Алтай 11 813 13.5 6.8–24.2
Баян-Өлгий 41 2,449 16.7 12.0–22.7
Ховд 18 1,694 10.6 6.3–16.8
Увс 28 1,366 20.5 13.6–29.6
Улаанбаатар 423 29,671 14.3 12.9–15.7

2025 онд улсын бүртгэгдсэн нялхсын эндэгдлийн түвшин амьд төрсөн 1,000 хүүхэд тутамд 13.6 байв. 0 газар нутгийн жилийн үнэлгээнд ажиглалт хангалтгүй. Эх объектууд түүхий ажиглалт, тэмдэглэгээ, гарал үүслийг шалгахад зориулж хадгална.

Бүс нутгийн ялгааг дүрслэх

imr_units |>
  filter(is.finite(imr)) |>
  mutate(Region_en = forcats::fct_reorder(Region_en, imr)) |> # Цагаан толгойгоор бус, түвшнээр эрэмбэлэх
  ggplot(aes(x = imr, y = Region_en)) +
  geom_vline(xintercept = national_imr, linetype = "dashed", color = "grey50") +
  geom_errorbar(aes(xmin = lower, xmax = upper), width = 0.3, color = "grey60", orientation = "y") +
  geom_point(aes(color = level), size = 2.5) +
  scale_color_manual(values = c(Aimag = "#167D8D", Capital = "#C2623D"), name = NULL) +
  labs(
    title = paste0("Infant Mortality by Aimag, ", latest_year),
    subtitle = "Per 1,000 live births, with exact 95% CIs; dashed line = national rate",
    x = "Deaths per 1,000 live births",
    y = NULL,
    caption = "Source: NSO Mongolia, DT_NSO_2100_014V1 and DT_NSO_2100_018V5"
  ) +
  theme(
    panel.grid.major.y = element_blank(),
    panel.grid.minor = element_blank(),
    legend.position = "top"
  )

Сонгосон нийтлэг хуанлийн хугацааны аймаг, Улаанбаатарын нялхсын эндэгдлийн түвшний цэгэн график. 95% итгэх интервал, улсын түвшний тасархай шугамтай

Интервал нь бүртгэсэн тоо, төрөлтийн хуваарийг тогтсон гэж үзсэн Пуассоны тооллогын хэлбэлзлийг дүрсэлнэ. Дутуу бүртгэл, засвар, газар нутгийн зөрүүг хамрахгүй. Тооцсон улсын шугамыг давах нь дүрслэх харьцуулалт бөгөөд бие даасан хоёр түүврийн тест биш: улсын нийт дүнд аймаг бүр ордог. Төрөлт, нас баралтыг оршин суугаа газраар бус, болсон газраар хуваарилбал шилжүүлэн эмчлэх хэв шинж газар нутгийн харьцуулалтыг гажуудуулж болно. Ялгааг тайлбарлахаасаа өмнө эдгээр эх хүснэгтийн тодорхойлолтыг баталгаажуулна.

Газар зүйн мэдээлэл нэмэх

mongolmaps нь ҮСХ-ны кодтой хил зааг өгдөг тул Region баганаар нэр тааруулахгүй холбож болно.

# mn_join() takes Ulaanbaatar's figures from region code "5" when the
# Энэ хүснэгтэд ч мөн адил нийслэлийн өөрийн "511" код хоосон байна
imr_map <- imr_units |>
  mn_join(by = "Region", level = "aimag")
stopifnot(nrow(imr_map) == 22L, !anyDuplicated(imr_map$nso_code))

mn_map(
  imr_map,
  fill = imr,
  title = paste0("Infant Mortality Rate, ", latest_year)
) +
  labs(subtitle = "Infant deaths per 1,000 live births. Data: NSO Mongolia", fill = "IMR\n(per 1,000)") +
  guides(fill = guide_colourbar(barwidth = grid::unit(85, "mm"), barheight = grid::unit(3, "mm"))) +
  analysis_map_theme()

Сонгосон нийтлэг хуанлийн хугацааны нялхсын эндэгдлийн түвшнийг Монголын аймаг, Улаанбаатараар харуулсан өнгөт газрын зураг

Саарал газарт өгөгдөл хангалтгүй. Зураг зөвхөн цэгэн үнэлгээ харуулна. Дээрх итгэх интервалтай хамт уншина: жижиг аймагт нялхсын эндэгдэл хэдхэнээр өөрчлөгдөхөд өнгө ихээхэн солигдож болно.

Гол функцүүдийн хураангуй

Функц Зорилго Жишээ
nso_search() Хүснэгтийг түлхүүр үгээр хайх nso_search("mortality")
nso_table_meta() Хүснэгтийн хэмжээсүүдийг авах nso_table_meta("DT_NSO_...")
nso_dim_values() Хэмжээсийн утгуудыг жагсаах nso_dim_values(tbl, "Region")
nso_table_periods() Хугацааны хамралтыг шалгах nso_table_periods(tbl)
nso_latest_periods() Сонголтод хэрэглэх хамгийн сүүлийн үеүүд list(Year = nso_latest_periods(tbl, n = 5))
nso_data() Өгөгдөл татах nso_data(tbl, selections, labels)
nso_period_date() Хугацааны нэрийг огноо болгох nso_period_date(data$Month)
mongolmaps::mn_join() ҮСХ-ны өгөгдлийг хил заагтай кодоор холбох mn_join(data, by = "Region", level = "aimag")
mongolmaps::mn_map() Холбосон өгөгдлийг түргэн зураглах mn_map(joined, fill = value)

Зөвлөмжит дадал

  1. Скриптэд код, дүрслэлд нэр хэрэглэх: сонголт код, нэрийн аль алиныг хүлээн авна. Гэхдээ газар нутгийн зэрэг код илүү тогтвортой. labels = "en" кодын хажууд уншихад хялбар нэрийн багана нэмнэ. Хугацаа бол онцгой: ҮСХ хамгийн сүүлийн үеэс ("0") дугаарладаг тул mongolstats үргэлж нэрээр буцаана. Иймээс хугацааг нэрээр эсвэл nso_latest_periods()-аар сонгоно.
  2. Эхлээд мета өгөгдлийг шалгах: татахаасаа өмнө nso_table_meta(), nso_dim_values()-өөр хэмжээс, кодыг харна.
  3. Түвшнүүдийг тусгаарлах: Region баганад улсын дүн ("0"), бүсүүд ("1"–"4"), нийслэл ("5"), аймгууд холилддог. Нэмэх, эрэмбэлэхээс өмнө нэг түвшнээр шүүхгүй бол нас баралтыг давхар тоолно.
  4. Түвшнийг тооноос байгуулах: хугацааны хүртвэр, хуваарийг тус тус нэмж, дараа нь хуваана. Сарын түвшнүүдийн дунджийг авч болохгүй.
  5. Тодорхойгүй байдлыг харуулах: цөөн хүн амын түвшин тогтворгүй. Итгэх интервал мэдээлэх эсвэл хэд хэдэн жилийг нэгтгэнэ.
  6. Кодоор холбох: нэр тааруулахын оронд Region кодын баганад mongolmaps::mn_join()-г ашиглана.

Түгээмэл ажлын урсгал

Цагийн цувааны шинжилгээ

  1. Хүснэгт хайх → Хугацааг шалгах → Сар эсвэл оноор татах → Өөрчлөлтийг зураглах

Бүс нутгийн харьцуулалт

  1. Хүртвэр, хуваарийн тоо татах → Хугацаагаар нэгтгэх → Түвшин, итгэх интервал тооцох → Улсын түвшинтэй харьцуулах

Орон зайн эпидемиологи

  1. Аймгийн түвшин тооцох → Region кодоор mn_join() → mn_map()

Дараагийн алхам

Түгээмэл эрүүл мэндийн хүснэгтийн товч лавлах

Үзүүлэлт Хүснэгтийн код Хэмжүүр Нарийвчлал
Нялхсын эндэгдлийн түвшин DT_NSO_2100_015V1 Амьд төрсөн 1,000 хүүхэд тутмын түвшин Аймаг, сар
Нялхсын эндэгдэл DT_NSO_2100_014V1 Тоо Аймаг, сар
Амьд төрөлт DT_NSO_2100_018V5 Тоо Аймаг, сар
5 хүртэлх насны хүүхдийн эндэгдлийн түвшин DT_NSO_2100_030V2 Амьд төрсөн 1,000 хүүхэд тутмын түвшин Аймаг, сар
Эхийн эндэгдэл DT_NSO_2100_002V2 Тоо Аймаг, сар
Нас баралт, голлох шалтгаанаар DT_NSO_2100_027V1 Тоо Сум, он
Хорт хавдрын өвчлөл DT_NSO_2100_012V1 Хүн амын 10,000 тутмын түвшин Хавдрын төрөл, он
Халдварт өвчний тохиолдол (сүрьеэг оролцуулсан) DT_NSO_2100_035V1 Тоо Өвчин, сар
Халдварт өвчний тохиолдол DT_NSO_2100_020V2 Тоо Өвчин, сум, он
Жилийн дундах хүн ам DT_NSO_0300_002V1 Тоо Аймаг, он