Estou com uma dúvida sobre a construção de um script em R. Vou fazer uma contextualização para vocês entenderem melhor o questionamento. Basicamente, estou avaliando a completude de preenchimento dos campos de um banco de dados de saúde.
O banco de dados se constitui de 113 colunas e 173137 linhas, das quais eu preciso saber quantas colunas estão em branco (NA) somando as colunas que contém o número “9” e “09” que são códigos referentes à “ignorado”. Portanto, é o somatório dos “NAs” e “Ignorados” por ano de preenchimento.
Cada linha se refere a um caso de doença (intoxicação por contaminante químico), a linha possui o código do município (ID_MUNICIP), ano (NU_ANO), escolaridade (CS_ESCOL_N), sexo (CS_SEXO), idade (NU_IDADE_N) e outras colunas que trazem informação sobre o caso de contaminação. A ideia do script é fazer um agrupamento por município (ID_MUNICIP) e por ano (NU_ANO) que mostrasse em porcentagem (%) a “taxa de completude dos campos por município”.
SCRIPTS que tentei escrever mas não funcionam:
CONT_MUNI <- DADOS_COMPLETO %>%
dplyr::group_by(ID_MUNICIP, NU_ANO) %>%
dplyr::summarise(count(is.na(CS_ESCOL_N)))/length(DADOS_COMPLETO$CS_ESCOL_N) * 100
Para ser mais exato, eu preciso avaliar a completude das seguintes colunas:
Dt_identificacao <- select(NU_IDADE_N, CS_SEXO, CS_RACA, CS_ESCOL_N, NU_ANO)
Dt_complementares <- select(ID_OCUPA_N, LOC_EXPO, ZONA_EXP, AGENTE_TOX, VIA_1, CIRCUNSTAN, NU_ANO)
Dt_acompanhamento <- select(TPEXP, HOSPITAL, TPATENDE, CLASSI_FIN, EVOLUCAO, NU_ANO)
O resultado final seria uma planilha em excel com 3 abas anteriores (identificação, complementares, acompanhamento) que traria a taxa de completude desses campos em porcentagem, por município, somando os “Ignorados”. Cortei o banco de dados para ficar menor
Essa foto abaixo é parte do banco, ela mostra as colunas em amarelo que devem ser avaliados