---
title: "Psychoterapie - Národní registr poskytovatelů zdravotních služeb"
output: 
  flexdashboard::flex_dashboard:
    social: menu
    source_code: embed
    css: ~/Desktop/Git/Personal/datamustflow/public/css/coder.min.a4f332213a21ce8eb521670c614470c58923aaaf385e2a73982c31dd7642decb.css
    theme: bootstrap
---

```{r setup, include=FALSE}
# Load required packages
library(flexdashboard) # dashboard wrapping
library(readxl) # data import
library(stringr) # string manipulation
library(tidyverse) # data wrangling
library(tidygeocoder) # geocoding
library(crosstalk) # interactivity
library(highcharter) # charts
library(broom) #output of built-in functions cleanup
library(jsonlite) # json wrangling
library(geojsonR) # geojson wrangling
library(DT) # Table formatting
library(leaflet) # maps
library(leaflet.extras) # map tweaks
library(htmltools) # widgets
```

```{r, warning=FALSE, message=FALSE}
# Data import

## Uzis (https://nrpzs.uzis.cz/index.php?pg=home--download)
uzis_psychotherapy = read.csv2("uzis.csv", fileEncoding = "windows-1250") %>% # due to the encoding style
                    distinct(NazevCely, DruhZarizeni, Obec, PscSidlo, Ulice, 
                             CisloDomovniOrientacni, Kraj, Okres, 
                             PoskytovatelTelefon, PoskytovatelEmail, 
                             PoskytovatelWeb,DruhPoskytovatele, OborPece, 
                             KrajKod, GPS, FormaPece) %>% #
                    filter(str_detect(OborPece, "psychiatrie|psycholog")) %>%
                    mutate_all(list(~na_if(.,""))) %>%
                    rename("psc" = "PscSidlo",
                           Obor = OborPece,
                           Telefon = PoskytovatelTelefon,
                           Email = PoskytovatelEmail,
                           `LAU 1` = KrajKod)

## Address variable (CisloDomovniOrientacni) cleanup
uzis_psychotherapy$CisloDomovniOrientacni <- stringr::str_replace(uzis_psychotherapy$CisloDomovniOrientacni,
                                                               '\\.0',
                                                               '')

# NUTS (https://www.czso.cz/csu/czso/i_zakladni_uzemni_ciselniky_na_uzemi_cr_a_klasifikace_cz_nuts)
nuts_cz <- read_excel("nuts_cz.xlsx",
                      skip = 1,
                      sheet = "1.1.2020") %>%
            select(c("název...2",
                     "status",
                     "název...9",
                     "název...11",
                     "kód...1"
            )) %>%
            rename("Obec" = "název...2",
                   "Okres" = "název...9",
                   "Kraj" = "název...11",
                   "kodobce" = "kód...1")

## CSU - Inhabitants in the Czech Republic (2020-01-01)
csu_inhab_2020 <-read_excel('csu_obyv_2020.xlsx',
                            skip = 5) %>%
                rename(Obec = `...3`,
                       kodobce = `LAU 2`)

## PSC - connection point between towns/regions/psc
psc <- read_excel('xls_cobce_psc.xls') %>%
        rename("Obec" = "nazobce",
               Okres = nazokresu) %>%
        distinct(psc, Okres, Obec, kodobce)
```

```{r}
# Wrangling

## Concat to address
uzis_psychotherapy <-uzis_psychotherapy %>%
                    unite(adresa,
                          sep = ", ",
                          c("Ulice",
                            "CisloDomovniOrientacni",
                            "psc",
                            "Obec"),
                          remove = FALSE)

## Remove NAs
uzis_psychotherapy$adresa <- str_replace(uzis_psychotherapy$adresa, # String
                                      ", NA,", # Patten
                                      "") # Replacement

## Join with PSC to make a connection point for
uzis_psychotherapy_psc <- uzis_psychotherapy %>%
                        mutate(Obec = case_when(str_detect(Obec, "^Praha") ~ "Praha", # merge city parts into Prague
                                                TRUE ~ uzis_psychotherapy$Obec))  %>%
                        left_join(psc, by = c("Obec", "Okres", "psc")) %>%
                        mutate(kodobce = as.character(kodobce))

## Join with NUTS and CSU data on inhabitants
uzis_psychotherapy_nuts <- uzis_psychotherapy_psc %>%
                          left_join(nuts_cz, by = c('Kraj','Okres', 'Obec')) %>%
                          mutate(psc  = as.character(psc),
                                 kodobce = case_when(!is.na(kodobce.x) ~ kodobce.x,
                                                     Obec == "Praha" ~ "554782",
                                                     Obec == "Slavkov u Brna" ~ "593583",
                                                     TRUE ~ kodobce.y),
                                 Kraj = case_when(Obec == "Praha" ~ "Hlavní město Praha",
                                                  Obec == "Slavkov u Brna" ~ "Jihomoravský kraj",
                                                  TRUE ~ Kraj)) # create "city code" based on both datasets and some manual inputs 

## Final table
uzis_psychotherapy_csu <- uzis_psychotherapy_nuts %>%
                        left_join(csu_inhab_2020, by = c("Obec", "kodobce")) 
```


**Úvod**
=====================================  

Inputs {.sidebar data-width="20%", align=block}
-------------------------------------

#### *Veřejná péče o duševní zdraví*

Tato analýza představuje veřejně dostupná data o kapacitě státem organizované péče o duševní zdraví.

Když je řeč o péči o duševní zdraví, můžeme si představit její různé podoby. Například *krizovou intervenci* nebo *párové poradenství*. V této analýze mám na mysli **psychoterapii**, které se věnují jak psychologové či psychoterapeuti v soukromé praxi, tak psychologové ve zdravotnictví. 

Psychologožky (psychiatričky) a psychologové (psychiatři) ve zdravotnictví zpravidla nevykonávají jen psychoterapii, nicméně právě je můžeme chápat jako "**registrované poskytovatele zdravotní péče**". A tento status je důležitý proto, že umožňuje služby takového poskytovatele [hradit skrze zdravotní pojištění](http://www.psychoterapeuti.cz/pro-klienty-psychoterapie). Na rozdíl od psychologů poskytující psychoterapii *"na soukromo"*, bez smlouvy s některou zdravotní pojišťovnou. Služby psychologů a psychiatrů psychoterapeuticky pracujících ve zdravotnictví tedy představují kapacitu státem garantované péče v tomto smyslu.

Column {data-width="30%"}
-------------------------------------

### **Registrovaných poskytovatelů
 zdravotní péče v oblasti psychologie**

```{r}
articles <- nrow(uzis_psychotherapy_psc)
valueBox(articles, icon = "fas fa-first-aid", color = "info")
```

### **V kolika obcích najdeme
 registrované poskytovatele?**





```{r}
city <- nrow(distinct(uzis_psychotherapy_psc, Obec))
total <- nrow(nuts_cz)
city_percent <- round((city/total)*100,2)
city_figure <- paste(city, "(", city_percent, '% )')


valueBox(city_figure, icon = "far fa-building", color = "info")
``` 

### **Kolik poskytovatelů má uvedený
 telefonní kontakt?**





```{r}
call <- nrow(filter(uzis_psychotherapy_psc, !is.na(Telefon)))
total <- nrow(uzis_psychotherapy_psc)
call_percent <- round((call/total)*100,2)
call_figure <- paste(call, "(", call_percent, '% )')

valueBox(call_figure, icon = "fas fa-phone", color = "info")
``` 

### **Kolik poskytovatelů má uvedený
 emailový kontakt?**

```{r}
email <- nrow(filter(uzis_psychotherapy_psc, !is.na(Email)))
total <- nrow(uzis_psychotherapy_psc)
email_percent <- round((email/total)*100,2)

email_figure <- paste(email, "(", email_percent, '% )')

valueBox(email_figure, icon = "far fa-envelope", color = "info")
``` 

Column {.tabset data-width=1000}
-------------------------------------
   
### **Poskytovatelé zdravotní péče dle oboru**

```{r}
keywords <- uzis_psychotherapy_psc %>%
              select(NazevCely, Obor) %>%
              mutate(name=strsplit(Obor, ", ")) %>% 
              unnest(name) %>%
              count(name) %>%
              filter(str_detect(name, "psychiatrie|psycholog")) %>%
              arrange(desc(n)) %>%
              rename(`Obor` = "name",
                     Počet = n) %>%
              mutate(`%` = round(Počet/sum(Počet) * 100,2)) %>%
              hchart('column', hcaes(x = Obor, y = 'Počet')) %>%
              hc_colorAxis(stops = color_stops()) %>%
              hc_tooltip(pointFormat = "{point.Počet} ({point.%}%)") %>%
              hc_chart(style = list(
                                    fontWeight = "bold",
                                    fontSize = 16)) %>%
              hc_add_theme(hc_theme_ffx()) %>%
              hc_legend(align = "center") %>%
              hc_title(text = "Počet registrovaných poskytovatelů zdravotní péče dle oborů")

keywords
```
 
### **Poskytovatelé zdravotní péče dle formy péče**

```{r}
pece <- uzis_psychotherapy_psc  %>%
              filter(str_detect(Obor, "psychiatrie|psycholog")) %>%
              select(NazevCely, FormaPece) %>%
              mutate(name=strsplit(FormaPece, ", ")) %>%
              unnest(name) %>%
              count(name) %>%
              arrange(desc(n)) %>%
              rename(`Forma péče` = "name",
                     Počet = n) %>%
              mutate(`Forma péče` = case_when(is.na(`Forma péče`) ~ "Neuvedeno",
                                              TRUE ~ `Forma péče`)) %>%
              mutate(`%` = round(Počet/sum(Počet) * 100,2)) %>%
              hchart('bar', hcaes(x = `Forma péče`, y = 'Počet')) %>%
              hc_colorAxis(stops = color_stops()) %>%
              hc_tooltip(pointFormat = "{point.Počet} ({point.%}%)") %>%
              hc_chart(style = list(
                                    fontWeight = "bold",
                                    fontSize = 16)) %>%
              hc_add_theme(hc_theme_ffx()) %>%
              hc_legend(align = "center") %>%
              hc_title(text = "Poskytovatelé zdravotní péče dle formy péče")

pece
```

### **Poskytovatelé zdravotní péče dle druhu zařízení**

```{r}
druh_zarizeni_graf <-  uzis_psychotherapy_psc %>%
              select(NazevCely, DruhZarizeni) %>%
              count(DruhZarizeni) %>%
              arrange(desc(n)) %>%
              rename(`Druh zařízení` = "DruhZarizeni",
                     Počet = n) %>%
              mutate(`Druh zařízení` = case_when(`Druh zařízení` == "" ~ "Neuvedeno",
                                              TRUE ~ `Druh zařízení`)) %>%
              mutate(`%` = round(Počet/sum(Počet) * 100,2)) %>%
              slice_max(`Počet`, n = 15) %>%
              hchart('bar', hcaes(x = `Druh zařízení`, y = 'Počet')) %>%
              hc_colorAxis(stops = color_stops()) %>%
              hc_tooltip(pointFormat = "{point.Počet} ({point.%}%)") %>%
              hc_chart(style = list(
                                    fontWeight = "bold",
                                    fontSize = 16)) %>%
              hc_add_theme(hc_theme_ffx()) %>%
              hc_legend(align = "center") %>%
              hc_title(text = "Poskytovatelé zdravotní péče dle druhu zařízení (15 nejčastějších)")

druh_zarizeni_graf
```

**Prostorově**
=====================================  

Inputs {.sidebar .tabset data-width=600, align=block}
-------------------------------------

```{r, warning=FALSE, message=FALSE}
# Import map of the Czech Republic and store it
url <- "https://code.highcharts.com/mapdata/countries/cz/cz-all.geo.json"
tmpfile <- tempfile(fileext = ".json")
download.file(url, tmpfile, encoding = "ISO 8859-2")

# Read Text Lines from a Connection
cz <- readLines(tmpfile)
cz <- gsub(".* = ", "", cz)

# Turn to a list and 
cz <- jsonlite::fromJSON(cz, simplifyVector = FALSE)
x <- cz$features[[1]]

#
dfcz1 <-  cz$features %>% 
  map_df(function(x){
    tibble(`hc-a2` = x$properties$`hc-a2`, name = x$properties$name)
  }) %>%  # extract the keys
  arrange(name)

# Create an object representing "Regions"
kraj_distinct <- uzis_psychotherapy_nuts %>%
    select(Kraj) %>%
    distinct(Kraj) %>%
    mutate(Kraj = case_when(Kraj == "Hlavní město Praha" ~ "Praha",
                            Kraj == "Kraj Vysočina" ~ "Vysočina",
                            TRUE ~ Kraj)) %>%
    filter(!is.na(Kraj)) %>%
    arrange(Kraj)

# The distribution of therapists in regions
therapist_by_kraj <- uzis_psychotherapy_csu %>%
  select(Kraj) %>%
  filter(!is.na(Kraj)) %>%
  group_by(Kraj) %>%
  summarise(n = n()) %>%
  mutate(percent = round(n / sum(n)*100,2)) %>%
  mutate(Kraj = case_when(Kraj == "Hlavní město Praha" ~ "Praha",
                            Kraj == "Kraj Vysočina" ~ "Vysočina",
                            TRUE ~ Kraj)) %>%
  
  arrange(Kraj) %>%
  rename(Kraj = Kraj)
  
# The distribution of population in regions
population_by_kraj <- uzis_psychotherapy_csu %>%
  distinct(Kraj, Total...4) %>%
  filter(!is.na(Kraj)) %>%
  group_by(Kraj) %>%
  summarise(population = sum(`Total...4`)) %>%
  mutate(percent = round(population / sum(population)*100,2)) %>%
  mutate(Kraj = case_when(Kraj == "Hlavní město Praha" ~ "Praha",
                            Kraj == "Kraj Vysočina" ~ "Vysočina",
                            TRUE ~ Kraj)) %>%
  arrange(Kraj)

# therapists, population, and related metrics
dfcz2 <- tibble(cbind(dfcz1 , kraj_distinct)) %>%
          inner_join(therapist_by_kraj, by = "Kraj") %>%
          inner_join(population_by_kraj, by = "Kraj") %>%
          mutate(psycho_per_1000 = round((n / population) * 100000,1)) %>%
          rename(kraj = Kraj)
  
```

#### *Jak jsou na tom jednotlivé obce a kraje?*

```{r}
# The distribution of therapists in cities/towns
therapist_by_obec <- uzis_psychotherapy_csu %>%
  select(Obec, Kraj) %>%
  group_by(Obec, Kraj) %>%
  count(Obec) %>%
  arrange(Obec) 

# The distribution of population in towns/cities
population_by_obec <- uzis_psychotherapy_csu %>%
  distinct(Obec, Kraj, Total...4) %>%
  group_by(Obec, Kraj) %>%
  summarise(population = sum(`Total...4`)) %>%
  arrange(Obec) 

# Import towns/cities along with the geo-information
mesta <- read.csv("souradnice.csv") %>%
          mutate(Obec = case_when(stringr::str_detect(Obec, "FRÝDEK-MÍSTEK") ~ "Frýdek-Místek",
                                  stringr::str_detect(Obec, "ÚSTÍ NAD LABEM") ~ "Ústí nad Labem",
                                  stringr::str_detect(Obec, "Brandýs nad Labem - Stará Boleslav") ~ "Brandýs nad Labem-Stará Boleslav",
                                  stringr::str_detect(Obec, "Kostelec nad Černými Lesy") ~ "Kostelec nad Černými lesy",
                                  stringr::str_detect(Obec, "^[[:upper:][:space:]]+$") ~ str_to_title(Obec),
                                  TRUE ~ Obec)) # strings wrangling needed for further joins

# Final data frame of towns/cities and their respective geo-information or metrics like the number of therapists
df_obec <- therapist_by_obec %>%
          left_join(population_by_obec, by = c("Obec", "Kraj")) %>%
          left_join(mesta, by = c("Obec", "Kraj")) %>%
          mutate(psycho_per_1000 = round((n / population) * 100000,1)) %>%
          rename("name" = "Obec",
                 lat = Latitude,
                 lon = Longitude) %>%
          filter(!is.na(lat))

# Focus only on the key variables
df_obec_table <- df_obec %>%
  select(name, Okres, Kraj, n, population, psycho_per_1000) %>%
  rename("Obec" = name,
         "Okres" = Okres,
         "Počet poskytovatelů zdravotní péče" = n,
         "Počet obyvatel" = population,
         "Počet poskytovatelů zdravotní péče na 100,000 obyvatel" = psycho_per_1000)

# Metrics for towns having less than 1000 inhabitants
male_obce_poskytovatele <- df_obec_table %>%
        select(Obec, Kraj, `Počet obyvatel`) %>%
        filter(`Počet obyvatel` < 1000) %>%
        group_by(Kraj) %>%
        summarize(count = n()) %>%
        mutate(percent = count / sum(count))
```
Mapová vrstva umožňuje přecházet mezi **hodnotami** na úrovni **kraje** a jednotlivých **obcí**. Týká se to jak absolutního počtu poskytovatelů péče (záložka *Celkový počet registrovaných poskytovatelů zdravotní péče dle krajů*), tak přepočtu na 100,000 obyvatel (*Počet registrovaných poskytovatelů zdravotní péče na 100,000 obyvatel dle krajů*).

#### *Ovládání*

Pro změnu úrovně zobrazení z kraje na obec stačí **změnit pozici**, kde se nachází **kurzor myši**. Pohyb myši lze využít pro **přiblížení** či **oddálení**, například s cílem zaměřit se na jeden vybraný kraj. **Stisk levého tlačítka** na myši po přiblížení v kombinaci s **pohybem libovolným směrem** posune mapu tamtéž.

Některé informace mohou být přehlednější v tabulce. Neváhejte proto využít záložku *Tabulka s hodnotami dle obcí*. V tabulce je možné použít **vyhledávání** v libovolném sloupci. Současně je možné výsledky **seřazovat** kliknutím na daný sloupec - abecedně nebo podle velikosti (od nejmenšího po největšího nebo v obráceném pořadí).

Column {.tabset .tabset-fade data-width=1000}
-------------------------------------

### **Celkový počet registrovaných poskytovatelů zdravotní péče dle krajů**

```{r}
highchart() %>% 
  hc_title(text = "Celkový počet poskytovatelů zdravotní péče") %>% 
  hc_add_series_map(map = cz, df = dfcz2, series = "Kraj", joinBy = c("hc-a2"), name = "Kraj", value = "n",
                    dataLabels = list(enabled = TRUE,
                                      format = '{point.Kraj}')) %>%
  hc_add_series(data = df_obec,
                type = "mappoint",
                name = "Obec",
                tooltip = list(pointFormat = "{point.name}, počet poskytovatelů: {point.n}")) %>%
  hc_colorAxis(min=50) %>%
  hc_legend(valueDecimals = 0, valueSuffix = "%") %>%
  hc_mapNavigation(enabled = TRUE) %>%
  hc_tooltip(pointFormat = "{point.kraj}: {point.value} poskytovatelů") %>%
  hc_add_theme(hc_theme_ffx())
```

### **Počet registrovaných poskytovatelů zdravotní péče na 100,000 obyvatel dle krajů**

```{r}
highchart() %>% 
  hc_title(text = "Počet poskytovatelů zdravotní péče na 100,000 obyvatel") %>% 
  hc_add_series_map(map = cz, df = dfcz2, series = "kraj", joinBy = c("hc-a2"), name = "Kraj", value = "psycho_per_1000", 
                    dataLabels = list(enabled = TRUE,
                                      format = '{point.kraj}')) %>%
  hc_add_series(data = df_obec,
                type = "mappoint",
                name = "Obec",
                tooltip = list(pointFormat = "{point.name}: {point.psycho_per_1000} poskytovatelů na 100,000 obyvatel")) %>%
  hc_colorAxis(min=20) %>%
  hc_legend(valueDecimals = 0, valueSuffix = "%") %>%
  hc_mapNavigation(enabled = TRUE) %>%
  hc_tooltip(pointFormat = "{point.kraj}: {point.value} poskytovatelů na 100,000 obyvatel") %>%
  hc_add_theme(hc_theme_ffx())
```

### **Tabulka s hodnotami dle obcí**

```{r}
df_obec_table <- df_obec %>%
  select(name, Okres, Kraj, n, population, psycho_per_1000) %>%
  rename("Obec" = name,
         "Okres" = Okres,
         "Počet poskytovatelů zdravotní péče" = n,
         "Počet obyvatel" = population,
         "Počet poskytovatelů zdravotní péče na 100,000 obyvatel" = psycho_per_1000)

DT::datatable(df_obec_table, filter = "top",  # allows filtering on each column
    extensions = c(
      "Buttons",  # add download buttons, etc
      "Scroller"  # for scrolling down the rows rather than pagination
    ),
    rownames = FALSE,  # remove rownames
    style = "bootstrap",
    class = 'cell-border display',
    width = "100%",
    options = list(
      pageLength = 50,
      dom = 't',
      # dom = "Blrtip",  # specify content (search box, etc)
      deferRender = TRUE,
      scrollY = 900,
      scroller = TRUE,
        columnDefs = list(list(className = 'dt-center', targets = 0:5))
        )
      ) 
```

**Počet obyvatel a poskytovatelů péče**
===================================== 

Inputs {.sidebar data-width=500}
-------------------------------------

```{r}
nejvetsi_obec_table <- therapist_by_obec %>%
    inner_join(population_by_obec, by = "Obec") %>%
    dplyr::filter(n %in% c(1,2))

nejvetsi_obec <- format(max(nejvetsi_obec_table$population),scientific = FALSE, big.mark = ',')
nejmensi_obec <- format(min(nejvetsi_obec_table$population),scientific = FALSE, big.mark = ',')
```

#### *Souvisí počet obyvatel s počtem poskytovatelů?*

Počet poskytovatelů v určité místě může souviset s více faktory. Tím, který se nabízí hned zkraje, je počet obyvatel v daném místě. 

Rozložení hodnot na vedlejším grafu tento předpoklad potvrzuje, byť s určitými "ale". Jak graf číst?

Na horizontální ose vidíme **počet registrovaných poskytovatelů zdravotní péče**, na vertikální zase **počet obyvatel**. Vzhledem k diametrálně odlišným jednotkám obou proměnných (jednotky až stovky poskytovatelů versus stovky až miliony obyvatel) jsou obě škály, obě osy *logaritmizovány*. 

Každý bod či spíše bublina reprezentuje jednu obec s příslušným počtem poskytovatelů péče a obyvatel. Velikost a barva jednotlivých bublin odpovídá počtu poskytovatelů péče. Zjednodušeně řečeno - čím větší počet poskytovatelů, tím větší bublina světlejší barvy.

Column {.tabset .tabset-fade data-width=600}
-------------------------------------

### **Graficky**

```{r}
population_therapy_obec_data <- therapist_by_obec %>%
    inner_join(population_by_obec, by = "Obec") %>%
    hchart('scatter',hcaes(x = n,y = population, size = n, color = n), maxSize = "10%",  name = "Obec")  %>%   
    hc_yAxis(type = "logarithmic", title = list(text = "Počet obyvatel")) %>%
    hc_xAxis(type = "logarithmic", title = list(text = "Počet registrovaných poskytovatelů zdravotní péče")) %>%
    hc_tooltip(pointFormat = '{point.Obec}: {point.n} poskytovatelů péče, {point.population} obyvatel') %>%
    hc_chart(style = list(
                                    fontWeight = "bold",
                                    fontSize = 16)) %>%
    hc_add_theme(hc_theme_ffx())

population_therapy_obec_data
```

**Mapa poskytovatelů**
===================================== 

Inputs {.sidebar data-width=500}
-------------------------------------

#### *Hledáte psychoterapii hrazenou skrze zdravotní pojištění?*

Mapa na této straně by vám mohla při hledání pomoci. Obsahuje dostupné kontaktní údaje počínaje **názvem poskytovatele**, přes **adresu**, **telefonní číslo** nebo **e-mail**, ale i **obec**, ve které daný poskytovatel působí. 

Případně můžete použít aplikaci [Interaktivní přehled zdravotních služeb v psychiatrii](https://psychiatrie.uzis.cz/browser/health-service?healthServiceType=2&fbclid=IwAR1WgccBBGrqGVc__fIVpKzU7Vq0uXmR6sMZIfgZYT10_2JQH3ABzVby4yY).

#### *Ovládání*

Mapa nabízí celou řadu interaktivních prvků - můžete ji přiblížit, oddálit, posouvat se po ní nebo měnit typ mapy. Na největší úrovni detailu se po kliknutí na barevně odlišený bod otevře karta s informacemi o daném poskytovateli péče.

Column {data-width="80%"}
-----------------------------------------------------------------------

```{r}
therapy_map <- uzis_psychotherapy_csu %>%
        separate(GPS, into = c("lat", "lon"), sep = " ") %>%
        mutate(lon = as.numeric(lon),
               lat = as.numeric(lat)) %>%
        mutate(Obor=strsplit(Obor, ", ")) %>% 
        unnest(Obor) %>% 
        distinct(NazevCely, Obor, DruhZarizeni, adresa, Telefon, Email,
                 PoskytovatelWeb, lon, lat) %>%
        filter(str_detect(Obor, "psychiatrie|psycholog")) %>%
        mutate(Telefon = case_when(is.na(Telefon) ~ "Neuvedeno",
                                   TRUE ~ Telefon),
               Email = case_when(is.na(Email) ~ "Neuvedeno",
                                 TRUE ~ Email),
               PoskytovatelWeb = case_when(is.na(PoskytovatelWeb) ~ "Neuvedeno",
                                           TRUE ~ PoskytovatelWeb))
        
points_fin <- SharedData$new(therapy_map)

map2 <- leaflet(data = points_fin, width = '100%', height = 800) %>%
          addProviderTiles("CartoDB.Positron", group = 'Základní') %>%
          addProviderTiles("Esri.WorldImagery", group = 'Letecká') %>%
          addProviderTiles("OpenStreetMap.Mapnik", group = 'Uliční') %>%
          addProviderTiles("OpenTopoMap", group = 'Zeměpisná') %>%
          addScaleBar('bottomright') %>%
          setView(15.4129318, 49.7559455, zoom = 8.2) %>%
          addCircleMarkers(group = 'Obor', 
                   stroke = FALSE, 
                   opacity = 0.1,
                   fillColor = ~sapply(`Obor`, switch, USE.NAMES = FALSE,
                                    'psychiatrie' = '#a50f15',
                                    'Klinický psycholog' = '#F67820',
                                    'dětská a dorostová psychiatrie' = '#000000',
                                    'gerontopsychiatrie' = '#F6FF33',
                                    'dětský klinický psycholog' = '#55F614'
                                     ),
                   popup = ~paste0('
Detail
 
',
                                   'Adresa: ', adresa, '
',
                                   'Název: ', `NazevCely`, '
',
                                   'Obor: ', `Obor`, '
',
                                   'Telefon: ',`Telefon`, "
",
                                   'Email: ', Email, '
',
                                   'Web: ', PoskytovatelWeb, '
')
                   ,
                   clusterOptions = markerClusterOptions()
                   ) %>%
          leaflet.extras::addResetMapButton() %>%
          addLayersControl(
                baseGroups = c("Základní", "Letecká", "Uliční", "Zeměpisná"),
                overlayGroups = 'Poskytovatelé péče',
                options = layersControlOptions(collapsed = TRUE)
              ) 

tags$div(class="well well-lg",
         tagList(
           map2                    )
         )

```

**Tabulka s poskytovateli**
===================================== 

Inputs {.sidebar data-width=500}
-------------------------------------

#### **Hledáte psychoterapii hrazenou skrze zdravotní pojištění?** 

Vyhledávání pomocí mapy nemusí vždy vyhovovat. Tabulka na této straně je alternativou při hledání pomoci. Obsahuje dostupné kontaktní údaje počínaje **názvem poskytovatele**, přes **adresu**, **telefonní číslo** nebo **e-mail**, ale i **obec**, ve které daný poskytovatel působí. 

Samozřejmě můžete využít přímo webové rozhraní [ÚZIS](https://nrpzs.uzis.cz/index.php?pg=vyhledavani-poskytovatele--pro-verejnost). 

#### *Ovládání*

V tabulce je možné použít **vyhledávání** v libovolném sloupci, například zúžit kraj vyhledávání nebo zadáním telefonního čísla vybrat pouze ty poskytovatele, kteří tuto informaci uvedli. 

Současně je možné výsledky **seřazovat** kliknutím na daný sloupec - v tomto případě výhradně abecedně.

Column {.tabset .tabset-fade data-width=600}
-------------------------------------

```{r}
 uzis_psychotherapy_psc_dt <- uzis_psychotherapy_psc %>%
   select(NazevCely, adresa, Obec, Telefon, Email) %>%
   rename("Název poskytovatele" = NazevCely,
          Adresa = adresa,
          "E-mail" = Email)

 DT::datatable(uzis_psychotherapy_psc_dt, filter = "top",  # allows filtering on each column
     extensions = c(
       "Buttons",  # add download buttons, etc
       "Scroller"  # for scrolling down the rows rather than pagination
     ),
     rownames = FALSE,  # remove rownames
     style = "bootstrap",
     class = 'cell-border display',
     width = "100%",
     options = list(
       pageLength = 50,
       dom = 't',
       deferRender = TRUE,
       scrollY = 900,
       scroller = TRUE,
         columnDefs = list(list(className = 'dt-center', targets = 3:4))
         )
       )
```

**Data a kontakt**
===================================== 

Column {data-width=500}
-------------------------------------

### **Data**

Klíčový zdroj pro analýzu vychází z veřejně přístupného souboru ["Národního registru poskytovatelů zdravotních služeb"](https://nrpzs.uzis.cz/index.php?pg=home--informace-o-nrpzs). Konkrétně se jedná o soubor ["Poskytované zdravotní služby"](https://nrpzs.uzis.cz/index.php?pg=home--download).

Datový soubor o **poskytovatelích zdravotních služeb** obsahuje **`r nrow(uzis_psychotherapy)` záznamů** z oblasti *(klinické) psychologie* a *psychiatrie*. Nalezneme v něm proměnné týkající se *činnosti* poskytovatelů péče (**obor** poskytovatele, **druh zařízení**, **forma péče**), související *prostorové informace* (**adresa** či **GPS souřadnice**) nebo *údaje upřesňující poskytovatele* (kromě **názvu** třeba **právní forma**). 

  * **Jednotkou analýzy** je zde **poskytovatel zdravotní péče**. Například v rámci *Psychiatrické nemocnice Bohnice* nalezneme jak *psychiatrii*, tak *klinickou psychologii*, jak *ambulanci*, tak *denní stacionář*. V případě některých analýz jsou oba případy platné (např. četnost jednotlivých oborů nebo forem péče) a tvoří proto samostatné řádky pro poskytovatele služeb.

[**Data o populaci**](https://www.czso.cz/csu/czso/pocet-obyvatel-v-obcich-k-112019) představují souhrn *demografických údajů* typu **počet obyvatel** nebo podíl mužů a žen na úrovni obcí České republiky. 

  * Jde o počty osob s *trvalým bydlištěm v ČR* bez ohledu na státní občanství, ale také o *osoby jiných státních občanství* splňujících specifické podmínky (např. o "*cizince s přiznaným azylem*" nebo o "*občany zemí EU s přechodným pobytem na území ČR*"). 

Column {data-width=500}
-------------------------------------

### **Kvalita dat**

[Národní registr poskytovatelů zdravotních služeb](https://nrpzs.uzis.cz/index.php?pg=home--informace-o-nrpzs) obsahuje celou řadu údajů o poskytovatelích veřejné zdravotní péče. Současně je ale z dat patrné, že **v desítkách procent případů** **hodnoty** (např. telefon, e-mail či web) **chybí**.

V případě jiných proměnných jsou sice informace zaznamenány, nicméně v poměrně **hrubé podobě**. Například pokud jde o **ordinační hodiny**, uveden je pouze den v týdnu a binární označení ano/ne pro dopolední/odpolední ordinační hodiny. Ordinační hodiny v plném rozsahu by přitom lépe sloužily jako informování zájemcům o terapii, tak pro zjištění reálné kapacity této péče. 

A další deklarované údaje bychom hledali ve veřejně dostupných datech marně. Jde například o **seznam zdravotních pojišťoven**, s nimiž má daný poskytovatel péče uzavřenou smlouvu, ale i **"počet lůžek"** nebo **"přepočtený počet zdavotnických pracovníků"**. V důsledku toho nelze vytvořit realistickou představu o skutečné kapacitě.

Column {data-width=400}
-------------------------------------

### **Vytvořil**












Vít Gabrhel
https://www.data-must-flow.com/

### **Kontakt**


    
   E-mailová adresa:  vitgabrhel@gmail.com.
    
   Pracovní vizitka.
    
   Akademické publikace.
    
   Veřejný repozitář na GitHubu.
   
    
   Napište mi na Twitteru.
    
   Blogové příspěvky na Medium.