Delmål 2: Stop sult
Fødevareusikkerhed
FN 2.1.2 Udbredelse af fødevareusikkerhed
# FROM SIF
food_insecurity <-
tibble(
time = c("2014", "2018"),
value = c(0.118, 0.082)
)
food_insecurity |>
ggplot(aes(x = time, y = value)) +
geom_col(fill = statgl:::statgl_cols(1)) +
theme_statgl() +
scale_y_continuous(labels = scales::percent_format(decimal.mark = ",")) +
labs(
x = " ",
y = sdg2$figs$fig1$y_lab[language],
caption = sdg2$figs$fig2$cap[language]
)
Befolkningsundersøgelsen i Grønland
vec <- 1:2
names(vec) <- c(" ", sdg2$figs$fig1$y_lab[language])
food_insecurity |>
mutate(value = value * 100) |>
rename(vec) |>
statgl_table(year_col = " ")| Fødevareusikkerhed (%) | |
|---|---|
| 2014 | 11,8 |
| 2018 | 8,2 |
Forklaring
Fødevaresikkerhed betyder at man har sikker adgang til passende og næringsrige fødevarer. Statens Institut for Folkesundhed står bag en regelmæssig undersøgelse af folkesundheden i Grønland, og måler i denne forbindelse befolkningens fødevareusikkerhed. Denne bliver i undersøgelsen defineret som et bekræftende svar på tre spørgsmål, om mangel på mad og penge til at købe mad for.
Kost
GS Indikatorer vedr. kost
# Import
SIF_raw <-
data.frame(
frugt_daglig = c(37.2, 44.9, 38.8),
grøntsag_daglig = c(23.9, 30.4, 29.6),
fisk_ugen = c(56.0, 50.2, 42.8),
saft_sodavand = c(24.4, 32.1, 43.9),
kød_havpattedyr = c(35.9, 35.7, 33.3),
tid = c("2005-2010", "2014", "2018")
) |>
as_tibble()
vec <- 1:5
names(vec) <-
c(
sdg2$figs$fig2$cols$col1[language],
sdg2$figs$fig2$cols$col2[language],
sdg2$figs$fig2$cols$col3[language],
sdg2$figs$fig2$cols$col4[language],
sdg2$figs$fig2$cols$col5[language]
)
# Transform
SIF <-
SIF_raw |>
rename(vec) |>
gather(indikatorer, værdi, -tid) |>
mutate(indikatorer = indikatorer |> fct_reorder(værdi) |> fct_rev())
# Plot
SIF |>
ggplot(aes(x = tid, y = værdi, fill = indikatorer)) +
geom_col() +
facet_wrap(~ indikatorer, nrow = 2) +
scale_y_continuous(labels = scales::percent_format(scale = 1, big.mark = ".",
decimal.mark = ",")) +
theme_statgl(base_size = 10) +
scale_fill_statgl(reverse = TRUE) +
theme(legend.position = "None") +
labs(
title = sdg2$figs$fig2$title[language],
x = " ",
y = " ",
caption = sdg2$figs$fig2$cap[language]
)
Befolkningsundersøgelsen i Grønland
vec <- 1
names(vec) <- sdg2$figs$fig2$cols$col1_tab[language]
# Table
SIF |>
mutate(værdi = format(værdi, digits = 3, decimal.mark = ",")) |>
spread(tid, værdi) |>
rename(vec) |>
#set_names(str_to_title(names(.))) |>
statgl_table() |>
add_footnote(sdg2$figs$fig2$foot[language], notation = "symbol")| Indikatorer | 2005-2010 | 2014 | 2018 |
|---|---|---|---|
| Spiser fisk mindst 1 gang om ugen | 56,0 | 50,2 | 42,8 |
| Spiser frugt dagligt | 37,2 | 44,9 | 38,8 |
| Spiser kød af havpattedyr 1-3 gange om ugen | 35,9 | 35,7 | 33,3 |
| Drikker saft eller sodavand hver dag | 24,4 | 32,1 | 43,9 |
| Spiser grøntsager dagligt | 23,9 | 30,4 | 29,6 |
| * Procentvis andel |
# Import
SIF_raw <-
data.frame(
BMI_overlig_30 = c(22.9, 27.3, 27.8),
tid = c("2005-2010", "2014", "2018")
) |>
as_tibble()
vec <- 1
names(vec) <- sdg2$figs$fig3$cols$col1[language]
# Transform
SIF <-
SIF_raw |>
rename(vec) |>
gather(indikatorer, værdi,-tid)
# Plot
SIF |>
mutate(tid = as.character(tid)) |>
ggplot(aes(x = tid, y = værdi, fill = indikatorer)) +
geom_col() +
scale_y_continuous(labels = scales::percent_format(scale = 1, big.mark = ".",
decimal.mark = ",")) +
theme_statgl() + scale_fill_statgl(reverse = TRUE) +
theme(legend.position = "None") +
labs(
title = sdg2$figs$fig3$cols$col1[language],
x = " ",
y = " ",
caption = sdg2$figs$fig3$cap[language]
)
Befolkningsundersøgelsen i Grønland
vec <- 1
names(vec) <- sdg2$figs$fig3$cols$col1[language]
# Import
SIF |>
spread(1, 3) |>
rename(vec) |>
statgl_table()| Andel med Body Mass Index større eller lig med 30 | 2005-2010 | 2014 | 2018 |
|---|---|---|---|
| Andel med Body Mass Index større eller lig med 30 | 22,9 | 27,3 | 27,8 |
Sulten i seng
GS Sulten i seng
key1 <- sdg2$figs$fig4$keys$key1[language] |> unlist()
key2 <- sdg2$figs$fig4$keys$key2[language] |> unlist()
key3 <- sdg2$figs$fig4$keys$key3[language] |> unlist()
# Import
a <- c(17,13,12,12,24,19,17,17,59,68,71,71)
b <- c(rep(key1, 4), rep(key2, 4), rep(key3, 4))
c <- rep(c(2006,2010,2014,2018), 3)
# Transform
hbsc <-
data.frame(c, b, a) |>
as_tibble() |>
rename(
"time" = 1,
"key" = 2,
"value" = 3
) |>
mutate(key = key |> factor(levels = unique(key)))
# Plot
hbsc |>
ggplot(aes(
x = time,
y = value,
color = key
)) +
geom_line(size = 2) +
scale_y_continuous(labels = scales::percent_format(
scale = 1,
big.mark = ".",
decimal.mark = ","
)) +
theme_statgl() +
scale_color_statgl() +
coord_cartesian(ylim = c(0, 100)) +
labs(
title = sdg2$figs$fig4$title[language],
y = " ",
x = " ",
color = " ",
caption = sdg2$figs$fig4$cap[language]
) 