kosis 암 발생자수 확인

우리 논문이 2006년부터 2015까지 추적 관찰한 것으로, 2012년의 5세별 암발생자 수를 확인하여 비교하기로함. 사이트는 https://kosis.kr/임. kosis

library(readxl)
library(tidyverse)
library(DT)
library(htmlTable)
kosis = readxl::read_xlsx("data/cancers_kosis.xlsx")
head(kosis) %>% datatable()

데이터를 보기 좋게 가공합니다.

kosis2 = kosis %>%
  fill(type, gender, .direction = "down") %>%
  mutate(type1 = str_replace_all(type, "\\([^)]*\\)", "")) %>%
  mutate(type2 = str_replace_all(type, ".*\\(|\\)", ""))  %>%
  mutate(agegp=str_sub(age, 1, 2)) %>%
  select(type1, type2, gender, agegp, case, crude_rate_per_100th)
head(kosis2) %>% htmlTable()

nhis 데이터 불러오기

base = readxl::read_xlsx("data/base.xlsx", sheet=1)
base %>%
  mutate(sex_type = ifelse(is.na(sex_type), 0, sex_type)) %>%
  filter(disease =="all cancer") %>%
  filter(sex_type ==0) %>%
  pull(pm)%>%sum(.) *1000000/12-> person_year
mean_follow_up_year = person_year /10786000
base_2009 = 10786000

2009년에 1.0786^{7} 명이고, 총 person_year 는 7.356124^{7} 이므로, 평균 추적 관찰년수는 6.8200668 이다. > 위암

위암을 중심으로 비교해 보겠다.

kosis3 = kosis2 %>% 
  rename(cr100 = crude_rate_per_100th) %>%
  filter(type2 =="C16") %>% 
  filter(gender=="계") %>%
  mutate(pyear = as.numeric(case)/as.numeric(cr100)*100000) %>%
  mutate(tpyer = sum(pyear))
kosis3 %>% htmlTable()

이 결과는 우리나라 전체 국민 중에 25세 미만, 65세 이상을 제외한 3000만 명을 1년간 추적했다는 결과이다. 우리는 1000만명을 추적관찰한 것임. 이에 따라 이의 약 1/3인 1000만 명을 평균 6.82년 추적 관찰한다면, 단순 계산으로는 몇몇이 발생하는지 추정해볼 수 있다.

kosis4= kosis3 %>%
  mutate(predic_7years = as.numeric(case)*6.82/3) %>%
  mutate(total_observed_cancer = sum(predic_7years)) 
kosis4 %>% htmlTable()

kosis_obs = kosis4 %>% pull(total_observed_cancer) %>% unique()

예측되는 총 발생수는 3.6232387^{4} 이다.

우리 nhis 데이터 중에 위암을 확인해 보자

base1= base %>%
  mutate(sex_type = ifelse(is.na(sex_type), 0, sex_type)) %>%
  filter(disease =="60") %>%
  filter(sex_type ==0) %>%
  mutate(total_observed_cancer = sum(as.numeric(observed)))
nhis_obs=33410
base1 %>% select(-c(disease,disease,reference_observed_rate))

## # A tibble: 8 × 5
##   sex_type agegp    pm observed total_observed_cancer
##      <dbl> <dbl> <dbl> <chr>                    <dbl>
## 1        0     1 146.  551                      33410
## 2        0     2 153.  1284                     33410
## 3        0     3 156.  2707                     33410
## 4        0     4 139.  4150                     33410
## 5        0     5 122.  6013                     33410
## 6        0     6  93.1 7341                     33410
## 7        0     7  52.9 6251                     33410
## 8        0     8  29.5 5113                     33410

error_cancer = sprintf("%.2f%%",  (nhis_obs -kosis_obs)/kosis_obs *100)
error_cancer

## [1] "-7.79%"

우리 연구에서 2009년부터 2015년 동안 발생한 총 위암의 수는 3.341^{4}이다. 이를 kosis 데이터와 비교하면 -7.79% 차이가 난다. 이는 error일 수도 건강근로자 효과 일 수도 있다.