Tilbage


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]
    )

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]
  ) 

HBSC-undersøgelsen


# Table
hbsc %>% 
  arrange(desc(time)) %>% 
  mutate(time = time %>% factor(levels = unique(time))) %>% 
  spread(time, value) %>% 
  rename(" " = 1) %>% 
  statgl_table() %>% 
  add_footnote(sdg2$figs$fig4$foot[language], notation = "symbol")
2018 2014 2010 2006
Altid + ofte 12 12 13 17
Sommetider 17 17 19 24
Aldrig 71 71 68 59
* Andelen af elever, der går sulten i seng eller i skole fra 2006-2018 (N=1.799 i 2018)