---
title: Bilan de clôture
output:
html_document:
toc: true
toc_float: true
---
```{r init, echo = F, message = F}
library(DT)
library(ggplot2)
library(knitr)
library(tidyr)
library(stringr)
library(dplyr)
library(plotly)
library(lubridate)
opts_chunk$set(echo = F,
message = F,
warning = F,
fig.width = 10,
fig.height = 6)
options(DT.options = list(paging = F,
searching = F,
info = F,
dom = "Bfrtip",
buttons = c("copy", "excel")))
```
```{r data}
load("donnees.Rdata")
mois_label <- c("Janvier",
"Février",
"Mars",
"Avril",
"Mai",
"Juin",
"Juillet",
"Août",
"Septembre",
"Octobre",
"Novembre",
"Décembre")
sprintf("%02.f", mois) %>%
{
previous <<- str_c("M", ., "-", annee - 1)
current <<- str_c("M", ., "-", annee)
periode <<- str_c(previous, " et de ", current)
}
```
# Production
## Nombre total de RUM et de RSS transmis
```{r tab1}
rum %>%
filter(annee_sortie == annee) %>%
tally %>%
bind_rows(rss %>%
filter(annee_sortie == annee) %>%
tally) %>%
datatable(rownames = c("RUM", "RSS"),
extensions = "Buttons",
colnames = c("Type de résumé", "Nombre transmis"))
```
## Nombre de RUM transmis par mois pour les 3 dernières années
```{r tab2a}
rum %>%
count(annee_sortie, mois_sortie) %>%
spread(annee_sortie, n) %>%
bind_rows(filter(., mois_sortie <= mois) %>%
select(-mois_sortie) %>%
summarise_each(funs(sum))) %>%
bind_rows(filter(., mois_sortie <= 12) %>%
select(-mois_sortie) %>%
summarise_each(funs(sum))) %>%
mutate_(.dots = setNames(str_c("(`",annee,"`-`", annee - 2,"`)/`", annee - 2,"`"), str_c(annee, "-", annee - 2))) %>%
mutate_(.dots = setNames(str_c("(`",annee,"`-`", annee - 1,"`)/`", annee - 1,"`"), str_c(annee, "-", annee - 1))) %>%
select(-mois_sortie) %>%
datatable(rownames = c(mois_label, "Total clôture", "Total M12"),
extensions = "Buttons") %>%
formatPercentage(c(4,5), digits = 2)
```
```{r fig2a}
rum %>%
count(annee_sortie, mois_sortie) %>%
ungroup %>%
mutate(annee_sortie = annee_sortie %>% factor) %>%
ggplot(
aes(x = mois_sortie,
y = n,
color = annee_sortie,
shape = annee_sortie)) +
scale_x_discrete(limits = mois_label, expand = c(.05, 0)) +
geom_line() +
geom_point() +
labs(x = NULL,
y = NULL,
title = "RUM") +
theme_bw() +
theme(axis.text.x = element_text(angle = 45, hjust = 1),
legend.title = element_blank(),
plot.title = element_text(hjust = 0)) -> p
ggplotly(p, tooltip = c("x", "y", "colour"))
```
## Nombre de RSS transmis par mois pour les 3 dernières années
```{r tab2b}
rss %>%
count(annee_sortie, mois_sortie) %>%
spread(annee_sortie, n) %>%
bind_rows(filter(., mois_sortie <= mois) %>%
select(-mois_sortie) %>%
summarise_each(funs(sum))) %>%
bind_rows(filter(., mois_sortie <= 12) %>%
select(-mois_sortie) %>%
summarise_each(funs(sum))) %>%
mutate_(.dots = setNames(str_c("(`",annee,"`-`", annee - 2,"`)/`", annee - 2,"`"), str_c(annee, "-", annee - 2))) %>%
mutate_(.dots = setNames(str_c("(`",annee,"`-`", annee - 1,"`)/`", annee - 1,"`"), str_c(annee, "-", annee - 1))) %>%
select(-mois_sortie) %>%
datatable(rownames = c(mois_label, "Total clôture", "Total M12"),
extensions = "Buttons") %>%
formatPercentage(c(4,5), digits = 2)
```
```{r fig2b}
rss %>%
count(annee_sortie, mois_sortie) %>%
ungroup %>%
mutate(annee_sortie = annee_sortie %>% factor) %>%
ggplot(
aes(x = mois_sortie,
y = n,
color = annee_sortie,
shape = annee_sortie)) +
scale_x_discrete(limits = mois_label, expand = c(.05, 0)) +
geom_line() +
geom_point() +
labs(x = NULL,
y = NULL,
title = "RSS") +
theme_bw() +
theme(axis.text.x = element_text(angle = 45, hjust = 1),
legend.title = element_blank(),
plot.title = element_text(hjust = 0)) -> p
ggplotly(p, tooltip = c("x", "y", "colour"))
```
### Nombre de RSS de 1 jour et plus transmis par mois pour les 3 dernières années
```{r tab3a}
rss %>%
filter(duree_rss >= 1) %>%
count(annee_sortie, mois_sortie) %>%
spread(annee_sortie, n) %>%
bind_rows(filter(., mois_sortie <= mois) %>%
select(-mois_sortie) %>%
summarise_each(funs(sum))) %>%
bind_rows(filter(., mois_sortie <= 12) %>%
select(-mois_sortie) %>%
summarise_each(funs(sum))) %>%
mutate_(.dots = setNames(str_c("(`",annee,"`-`", annee - 2,"`)/`", annee - 2,"`"), str_c(annee, "-", annee - 2))) %>%
mutate_(.dots = setNames(str_c("(`",annee,"`-`", annee - 1,"`)/`", annee - 1,"`"), str_c(annee, "-", annee - 1))) %>%
select(-mois_sortie) %>%
datatable(extensions = "Buttons", rownames = c(mois_label, "Total clôture", "Total M12")) %>%
formatPercentage(c(4,5), digits = 2)
```
```{r fig3a}
rss %>%
filter(duree_rss >= 1) %>%
count(annee_sortie, mois_sortie) %>%
ungroup %>%
mutate(annee_sortie = annee_sortie %>% factor) %>%
ggplot(
aes(x = mois_sortie,
y = n,
color = annee_sortie,
shape = annee_sortie)) +
scale_x_discrete(limits = mois_label, expand = c(.05, 0)) +
geom_line() +
geom_point() +
labs(x = NULL,
y = NULL,
title = "RSS de 1 jour et +") +
theme_bw() +
theme(axis.text.x = element_text(angle = 45, hjust = 1),
legend.title = element_blank(),
plot.title = element_text(hjust = 0)) -> p
ggplotly(p, tooltip = c("x", "y", "colour"))
```
### Nombre de RSS de 0 jour (hors séances) transmis par mois pour les 3 dernières années
```{r tab3b}
rss %>%
filter(duree_rss == 0, cmd != 28) %>%
count(annee_sortie, mois_sortie) %>%
spread(annee_sortie, n) %>%
bind_rows(filter(., mois_sortie <= mois) %>%
select(-mois_sortie) %>%
summarise_each(funs(sum))
) %>%
bind_rows(filter(., mois_sortie <= 12) %>%
select(-mois_sortie) %>%
summarise_each(funs(sum))
) %>%
mutate_(.dots = setNames(str_c("(`",annee,"`-`", annee - 2,"`)/`", annee - 2,"`"), str_c(annee, "-", annee - 2))) %>%
mutate_(.dots = setNames(str_c("(`",annee,"`-`", annee - 1,"`)/`", annee - 1,"`"), str_c(annee, "-", annee - 1))) %>%
select(-mois_sortie) %>%
datatable(extensions = "Buttons", rownames = c(mois_label, "Total clôture", "Total M12")) %>%
formatPercentage(c(4,5), digits = 2)
```
```{r fig3b}
rss %>%
filter(duree_rss == 0, cmd != 28) %>%
count(annee_sortie, mois_sortie) %>%
ungroup %>%
mutate(annee_sortie = annee_sortie %>% factor) %>%
ggplot(
aes(x = mois_sortie,
y = n,
color = annee_sortie,
shape = annee_sortie)) +
scale_x_discrete(limits = mois_label, expand = c(.05, 0)) +
geom_line() +
geom_point() +
labs(x = NULL,
y = NULL,
title = "RSS de 0 jour, hors séances") +
theme_bw() +
theme(axis.text.x = element_text(angle = 45, hjust = 1),
legend.title = element_blank(),
plot.title = element_text(hjust = 0)) -> p
ggplotly(p, tooltip = c("x", "y", "colour"))
```
### Nombre de RSS de séance transmis par mois pour les 3 dernières années
```{r tab3c}
rss %>%
filter(duree_rss == 0, cmd == 28) %>%
count(annee_sortie, mois_sortie) %>%
spread(annee_sortie, n) %>%
bind_rows(filter(., mois_sortie <= mois) %>%
select(-mois_sortie) %>%
summarise_each(funs(sum))) %>%
bind_rows(filter(., mois_sortie <= 12) %>%
select(-mois_sortie) %>%
summarise_each(funs(sum))) %>%
mutate_(.dots = setNames(str_c("(`",annee,"`-`", annee - 2,"`)/`", annee - 2,"`"), str_c(annee, "-", annee - 2))) %>%
mutate_(.dots = setNames(str_c("(`",annee,"`-`", annee - 1,"`)/`", annee - 1,"`"), str_c(annee, "-", annee - 1))) %>%
select(-mois_sortie) %>%
datatable(extensions = "Buttons", rownames = c(mois_label, "Total clôture", "Total M12")) %>%
formatPercentage(c(4,5), digits = 2)
```
```{r fig3c}
rss %>%
filter(duree_rss == 0, cmd == 28) %>%
count(annee_sortie, mois_sortie) %>%
ungroup %>%
mutate(annee_sortie = annee_sortie %>% factor) %>%
ggplot(
aes(x = mois_sortie,
y = n,
color = annee_sortie,
shape = annee_sortie)) +
scale_x_discrete(limits = mois_label, expand = c(.05, 0)) +
geom_line() +
geom_point() +
labs(x = NULL,
y = NULL,
title = "RSS de séances") +
theme_bw() +
theme(axis.text.x = element_text(angle = 45, hjust = 1),
legend.title = element_blank(),
plot.title = element_text(hjust = 0)) -> p
ggplotly(p, tooltip = c("x", "y", "colour"))
```
## Nombre de RUM transmis par pôle pour les 3 dernières années
```{r tab4}
rum %>%
filter(mois_sortie <= mois) %>%
filter(! is.na(pole_libelle)) %>%
count(pole_libelle, annee_sortie) %>%
ungroup %>%
mutate(pole_libelle = pole_libelle %>% str_replace("\xc9", "É")) %>%
spread(annee_sortie, n) %>%
bind_rows(select(., -pole_libelle) %>%
summarise_each(funs(sum(., na.rm = T))) %>%
mutate(pole_libelle = "TOTAL")) %>%
mutate_(.dots = setNames(str_c("(`",annee,"`-`", annee - 2,"`)/`", annee - 2,"`"), str_c(annee, "-", annee - 2))) %>%
mutate_(.dots = setNames(str_c("(`",annee,"`-`", annee - 1,"`)/`", annee - 1,"`"), str_c(annee, "-", annee - 1))) %>%
datatable(extensions = "Buttons", colnames = c("Pôle" = 1), rownames = F) %>%
formatPercentage(c(5,6), digits = 2)
```
```{r fig4}
rum %>%
filter(mois_sortie <= mois) %>%
filter(! is.na(pole_libelle)) %>%
count(pole_libelle, annee_sortie) %>%
ungroup %>%
mutate(pole_libelle = pole_libelle %>% str_replace("\xc9", "É")) %>%
ggplot(
aes(x = annee_sortie,
y = n,
color = pole_libelle)) +
scale_x_continuous(breaks = (annee - 2):annee) +
facet_wrap(~ pole_libelle, scales = "free") +
geom_point() +
geom_line() +
labs(x = NULL,
y = NULL,
title = "RUM par pôle") +
theme_bw() +
theme(legend.position = "none",
plot.title = element_text(hjust = 0))
```
# Exhaustivité
## Exhaustivité des RSS en fonction du mois et de l'année de clôture
### Nombre de RSS produits et transmis, et taux d'exhaustivité : historique des clôtures de l'année
```{r tab5}
exhau %>%
mutate(rss_trans = rss - manq,
exh = rss_trans / rss) %>%
select(rss, rss_trans, exh) %>%
datatable(colnames = c("Clôture", "Total RSS produits", "Nombre de RSS transmis", "Taux d'exhaustivité RSS (%)"),
extensions = "Buttons",
rownames = mois_label) %>%
formatPercentage(3, digits = 2)
```
### Taux d'exhaustivité selon le mois clôturé de l'année courante
```{r fig5a}
exhau %>%
mutate(rss_trans = rss - manq,
exh = 100 * rss_trans / rss) %>%
ggplot(
aes(x = mois,
y = exh)) +
geom_point() +
geom_line() +
labs(x = NULL,
y = NULL,
title = NULL) +
scale_x_discrete(limits = mois_label, expand = c(.05, 0)) +
theme_bw() +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) -> p
ggplotly(p)
```
## Exhaustivité mensuelle de la clôture
### Taux d'exhaustivité des RSS pour la clôture actuelle selon le mois de sortie du RSS
```{r fig7}
exhau_pims %>%
mutate(mois_sortie = month(Sortie)) %>%
filter(is.na(DP)) %>%
distinct(RSS, .keep_all = T) %>%
count(mois_sortie) %>%
full_join(exhau_pims %>%
mutate(mois_sortie = month(Sortie)) %>%
distinct(RSS, .keep_all = T) %>%
count(mois_sortie),
by = "mois_sortie") %>%
mutate(n = 100 * (n.y - n.x) / n.y) %>%
complete(mois_sortie = 1:mois, fill = list(n = 100)) %>%
ggplot(
aes(x = mois_sortie,
y = n)) +
scale_x_discrete(limits = mois_label, expand = c(.05, 0)) +
geom_line() +
geom_point() +
labs(x = NULL,
y = NULL,
title = NULL) +
theme_bw() +
theme(axis.text.x = element_text(angle = 45, hjust = 1),
legend.title = element_blank(),
plot.title = element_text(hjust = 0)) -> p
ggplotly(p)
```
### Nombre de RSS manquants pour la clôture actuelle selon le mois de sortie du RSS
```{r fig8}
exhau_pims %>%
mutate(mois_sortie = month(Sortie)) %>%
filter(is.na(DP)) %>%
distinct(RSS, .keep_all = T) %>%
count(mois_sortie) %>%
complete(mois_sortie = 1:mois, fill = list(n = 0)) %>%
ggplot(
aes(x = mois_sortie,
y = n)) +
scale_x_discrete(limits = mois_label, expand = c(.05, 0)) +
geom_line() +
geom_point() +
labs(x = NULL,
y = NULL,
title = NULL) +
theme_bw() +
theme(axis.text.x = element_text(angle = 45, hjust = 1),
legend.title = element_blank(),
plot.title = element_text(hjust = 0)) -> p
ggplotly(p)
```
## Exhaustivité par pôle et par service
```{r tab9}
exhau_pims %>%
group_by(Pole, Service) %>%
summarise(Prod = n()) %>%
full_join(
exhau_pims %>%
filter(is.na(DP)) %>%
group_by(Pole, Service) %>%
summarise(Manquants = n())
) %>%
full_join(
exhau_pims %>%
filter(Erreur == 4) %>%
group_by(Pole, Service) %>%
summarise(Rumrss = n())
) %>%
bind_rows(
exhau_pims %>%
group_by(Pole) %>%
summarise(Prod = n()) %>%
full_join(
exhau_pims %>%
filter(is.na(DP)) %>%
group_by(Pole) %>%
summarise(Manquants = n())
) %>%
full_join(
exhau_pims %>%
filter(Erreur == 4) %>%
group_by(Pole) %>%
summarise(Rumrss = n())
)
) %>%
bind_rows(
exhau_pims %>%
summarise(Prod = n()) %>%
bind_cols(
exhau_pims %>%
filter(is.na(DP)) %>%
summarise(Manquants = n())
) %>%
bind_cols(
exhau_pims %>%
filter(Erreur == 4) %>%
summarise(Rumrss = n())
)
) %>%
ungroup %>%
arrange(Pole, Service) %>%
select(Pole, Service, Manquants, Rumrss, Prod) %>%
mutate(Service = ifelse(is.na(Service), "TOTAL", Service),
Exh_rum = (Prod - Manquants) / Prod,
Exh_rumrss = (Prod - Rumrss) / Prod,
Exh_rum = ifelse(is.na(Exh_rum), 1, Exh_rum),
Pole = Pole %>% factor,
Exh_rumrss = ifelse(is.na(Exh_rumrss), 1, Exh_rumrss)) %>%
datatable(colnames = c("Pôle", "Service", "RUM manquants", "RUM dans RSS manquant", "Production RUM", "Exhaustivité RUM", "Exhaustivité RUM-RSS"),
extensions = "Buttons",
rownames = F,
filter = "top",
options = list(searching = T,
paging = T)) %>%
formatPercentage(c(6,7), digits = 2)
```
# Valorisation
## Nombre et valorisation des RSA transmis, traités et valorisés
```{r tab10}
OvalideP$SVA %>%
full_join(Ovalide$SVA, by = "A") %>%
mutate(D = C.y - C.x,
E = (C.y - C.x) / C.x) %>%
datatable(rownames = F,
extensions = "Buttons",
escape = F,
container = htmltools::withTags(table(class = 'display',
thead(tr(th(rowspan = 2, "RSA"),
th(colspan = 2, previous),
th(colspan = 2, current),
th(colspan = 2, "Évolution")),
tr(th("Effectif"),
th("Montant BR"),
th("Effectif"),
th("Montant BR"),
th("€"),
th("%"))
)
))) %>%
formatCurrency(c(3,5,6), currency = "", interval = 3, mark = " ", digits = 2, dec.mark = ",") %>%
formatPercentage(7, digits = 2)
```
*Données issues des tableaux OVALIDE [1.V.1.SV] A de `r periode`*
## Valorisation des RSA non pris en charge par l'Assurance Maladie
```{r tab11}
OvalideP$VSS %>% select(1:3) %>%
full_join(Ovalide$VSS %>% select(1:3), by = "A") %>%
mutate(D = C.y - C.x,
E = (C.y - C.x) / C.x) %>%
datatable(rownames = F,
extensions = "Buttons",
container = htmltools::withTags(table(class = 'display',
thead(tr(th(rowspan = 2, "Composante"),
th(colspan = 2, previous),
th(colspan = 2, current),
th(colspan = 2, "Évolution")),
tr(th("Effectif"),
th("Montant BR"),
th("Effectif"),
th("Montant BR"),
th("€"),
th("%"))
)
)
)) %>%
formatCurrency(c(3,5,6), currency = "", interval = 3, mark = " ", digits = 2, dec.mark = ",") %>%
formatPercentage(7, digits = 2)
```
*Données issues des tableaux [1.V.1.VSS] A de `r periode`*
## Taux de remboursement des RSA pris en charge par l'Assurance Maladie
```{r tab12}
OvalideP$TXR %>%
full_join(Ovalide$TXR, by = c("A", "B")) %>%
datatable(rownames = F,
extensions = "Buttons",
container = htmltools::withTags(table(class = 'display',
thead(tr(th(rowspan = 2, "Taux de remboursement"),
th(rowspan = 2, "Type"),
th(colspan = 2, previous),
th(colspan = 2, current)),
tr(th("Effectif"),
th("%"),
th("Effectif"),
th("%"))
)
)
)) %>%
formatCurrency(c(4, 6), digits = 2, currency = "", dec.mark = ",")
```
*Données issues des tableaux OVALIDE [1.V.1.TXR] C de `r periode`*
_\* Séjours de NN, radiothérape ou PO_
## Valorisation des RSA pris en charge par l'Assurance Maladie
```{r tab13}
OvalideP$RAV[-(1:2), c(1,4,6)] %>%
full_join(Ovalide$RAV[-(1:2), c(1,4,6)], by = "A") %>%
mutate(D.z = (D.y - D.x) / D.x,
F.z = (F.y - F.x) / F.x) %>%
.[names(.) %>% sort] %>%
datatable(rownames = F,
extensions = "Buttons",
escape = F,
container = htmltools::withTags(table(class = 'display',
thead(tr(th(rowspan = 2, "Composante"),
th(colspan = 2, "Montant BR¹"),
th(rowspan = 2, "Evol. montant BR¹"),
th(colspan = 2, "Montant remboursé AM²"),
th(rowspan = 2, "Evol. montant remboursé AM²")),
tr(rep(c(previous, current), 2) %>%
lapply(th))
)
)
)) %>%
formatPercentage(c(4, 7), digits = 2) %>%
formatCurrency(c(2, 3, 5, 6), currency = "", interval = 3, mark = " ", digits = 2, dec.mark = ",")
```
*Données issues des tableaux OVALIDE [1.V.1.RAV] C de `r periode`*
1 Montant Brut
2 Montant Remboursé par l'Assurance Maladie
## Valorisation des IVG, ATU, SE, actes et consultations
```{r tab14}
data_frame(A = c(OvalideP$VATU[is.na(OvalideP$VATU$A), 3:5] %>% unlist,
OvalideP$VSE[OvalideP$VSE$A == "", 3:5] %>% unlist,
OvalideP$VCCAM[OvalideP$VCCAM$A == "", 2:4] %>% unlist,
OvalideP$VNGAP[OvalideP$VNGAP$A == "", 3:5] %>% unlist),
B = c(Ovalide$VATU[is.na(Ovalide$VATU$A), 3:5] %>% unlist,
Ovalide$VSE[Ovalide$VSE$A == "", 3:5] %>% unlist,
Ovalide$VCCAM[Ovalide$VCCAM$A == "", 2:4] %>% unlist,
Ovalide$VNGAP[Ovalide$VNGAP$A == "", 3:5] %>% unlist)) %>%
mutate(C = B - A,
D = (B - A) / A) %>%
datatable(rownames = str_c(rep(c("Nombre de prestations",
"Valorisation brute",
"Valorisation AM"),4),
rep(c("ATU1",
"SE2",
"CCAM3",
"NGAP4"), each = 3), sep = " "),
colnames = c(previous, current, "Évolution (n ou €)", "Évolution"),
extensions = "Buttons",
escape = F) %>%
formatCurrency(1:3, currency = "", interval = 3, mark = " ", digits = 2, dec.mark = ",") %>%
formatPercentage(4, digits = 2)
```
1*Données issues des tableaux OVALIDE [2.V.VATU] de `r periode`*
2*Données issues des tableaux OVALIDE [2.V.VSE] de `r periode`*
3*Données issues des tableaux OVALIDE [2.V.VCCAM] de `r periode`*
4*Données issues des tableaux OVALIDE [2.V.VNGAP] de `r periode`*
## Nombre de Suppléments valorisés, Performance et Valorisation des séjours non envoyés
```{r tab15}
OvalideP$UMAS %>%
full_join(Ovalide$UMAS, by = "A") %>%
mutate(C = B.y - B.x,
D = (B.y - B.x) / B.x) %>%
datatable(rownames = F,
extensions = "Buttons",
colnames = c(previous, current, "Évolution (n)", "Évolution")) %>%
formatCurrency(2:4, currency = "", interval = 3, mark = " ", digits = 0) %>%
formatPercentage(5, digits = 2)
```
*Données issues des tableaux OVALIDE [1.V.1.UMAS] E de `r periode`*
## Prix Moyen du Cas Traité\* de l'année en cours et de l'année précédente
```{r tab16}
OvalideP$SVB %>%
mutate(B = C/B) %>%
select(-C) %>%
full_join(Ovalide$SVB %>%
mutate(B = C/B) %>%
select(-C),
by = "A") %>%
mutate(C = B.y - B.x,
D = (B.y - B.x) / (B.x)) %>%
datatable(escape = F,
extensions = "Buttons",
rownames = F,
colnames = c("Type de séjours", previous, current, "Évolution (€)", "Évolution")) %>%
formatPercentage(5, digits = 2) %>%
formatCurrency(2:4, currency = "", interval = 3, mark = " ", digits = 2, dec.mark = ",")
```
*Données issues des tableaux OVALIDE [1.V.1.SV] B de `r periode`*
_\* Prix Moyen du Cas Traité = Total valorisation / nombre de RSA valorisés_
## Estimation de la valorisation des séjours non transmis de l'année en cours
```{r tab17}
exhau_pims %>% filter(is.na(DP), Duree == 0) %>% distinct(RSS) %>% nrow -> zero
exhau_pims %>% filter(is.na(DP), Duree > 0) %>% distinct(RSS) %>% nrow -> plus
data.frame(zero = c(zero, Ovalide$SVB$C[3]/Ovalide$SVB$B[3], zero * Ovalide$SVB$C[3]/Ovalide$SVB$B[3]),
plus = c(plus, Ovalide$SVB$C[2]/Ovalide$SVB$B[2], plus * Ovalide$SVB$C[2]/Ovalide$SVB$B[2])) %>%
datatable(escape = F,
extensions = "Buttons",
rownames = c("Nombre", "PMCT*", "Valorisation"),
colnames = c("Indicateur", "0 jour", "Plus de 0 jour")) %>%
formatCurrency(1:2, currency = "", interval = 3, mark = " ", digits = 2, dec.mark = ",")
rm(plus, zero)
```
*Données issues de la requête BO «`r current`» et des tableaux OVALIDE [1.V.1.SV] B de `r periode`*
_\* Prix Moyen du Cas Traité = Total valorisation / nombre de RSA valorisés_
## Indice de performance de la durée moyenne de séjours (IP-DMS) de l'année en cours et de l'année précédente
```{r tab18}
if (nrow(Ovalide$EDMS) == 6)
{
IP_current <- (Ovalide$EDMS[[1, 2]] + Ovalide$EDMS[[4, 2]]) / (Ovalide$EDMS[[2, 2]] + Ovalide$EDMS[[5, 2]])
IP_previous <- (OvalideP$EDMS[[1, 2]] + OvalideP$EDMS[[4, 2]]) / (OvalideP$EDMS[[2, 2]] + OvalideP$EDMS[[5, 2]])
} else {
IP_current <- Ovalide$EDMS[[1, 2]] / Ovalide$EDMS[[2, 2]]
IP_previous <- OvalideP$EDMS[[1, 2]] / OvalideP$EDMS[[2, 2]]
}
data_frame(IP_previous, IP_current) %>%
datatable(rownames = "Indice de performance",
extensions = "Buttons",
colnames = c(previous, current)) %>%
formatCurrency(1:2, currency = "", digits = 3, dec.mark = ",")
rm(IP_previous, IP_current)
```
*Données issues des tableaux OVALIDE [1.D2.EDMS] de `r periode`*
_\* Nb de journées / Nb de journées standardisées sur la DMS théorique_