Mål-værdier og procent-akser

Den hyppigste fejl: 2% bliver til 200%

Før BFHcharts 0.9.0 producerede dette stille en misvisende graf:

bfh_qic(data, ...,
  y_axis_unit = "percent",
  target_value = 2.0,                    # Brugerens hensigt: "2%"
  target_text = "↓ Mål: 2%"
)

bfh_qic() plottede target-linjen ved y = 2.0 — som på en procent-akse renderer som 200%. Klinisk konsekvens: et mål der ser ud som umuligt at nå (eller, værre, som “altid nået”).

Fra v0.9.0 valideres target_value mod skalaen implyeret af multiply:

`multiply`	Forventet `target_value` skala	Eksempel
`1` (default)	Proportion `[0, 1.5]`	`target_value = 0.02` betyder 2%
`100`	Procent `[0, 150]`	`target_value = 2.0` betyder 2%

Validering uden for området kaster en hård fejl med migration-hint.

Kontrakten i praksis

Option A: Proportion (default, `multiply = 1`)

Data er proportioner i [0, 1]. Y-aksen formateres med %-suffix (BFHcharts multiplicerer med 100 ved tegning, men værdier er proportioner internt).

library(BFHcharts)

data <- data.frame(
  month = seq(as.Date("2024-01-01"), by = "month", length.out = 12),
  infections = c(15, 18, 12, 14, 16, 13, 11, 9, 10, 8, 7, 6),
  discharges = rep(100L, 12)
)

# multiply = 1 (default), target som proportion
bfh_qic(data,
  x = month, y = infections, n = discharges,
  chart_type = "p",
  y_axis_unit = "percent",
  target_value = 0.10,      # 10% — proportion
  target_text = "↓ Mål: <10%"
)

Option B: Procent (`multiply = 100`)

Data og target er begge i procent (0-100 skala). Y-aksen formateres uden konvertering.

bfh_qic(data,
  x = month, y = infections, n = discharges,
  chart_type = "p",
  y_axis_unit = "percent",
  multiply = 100,
  target_value = 10,        # 10% — procent
  target_text = "↓ Mål: <10%"
)

Begge giver samme visuelle resultat. Vælg den der matcher hvordan dine data er gemt (proportion vs procent).

Direction-operatorer i `target_text`

target_text understøtter directional indicators der erstatter target-linjen med en pil ved plot-kanten:

Symbol	Betydning
`↑`	Højere er bedre (ingen line, kun pil opad)
`↓`	Lavere er bedre (ingen line, kun pil nedad)
`<`	Mål er øvre grænse
`>`	Mål er nedre grænse

# Pil-target (ingen visible line)
bfh_qic(data,
  x = month, y = infections, n = discharges,
  chart_type = "p",
  y_axis_unit = "percent",
  target_value = 0.10,
  target_text = "↓ Mål: 10%"   # Pil-version
)

Når target_text indeholder ↑, ↓, <, eller >, suppresseres target-linjen i plottet for at undgå dobbelt-visualisering. Pilen placeres ved den right-edge label-pipeline.

Hvornår er target en benchmark vs aspiration?

Tre kategorier af mål, hver med forskellig statistisk fortolkning:

Benchmark (sammenligning)

Mål = ekstern reference (national gennemsnit, regional median). Brug fast linje uden directional pil. Ikke en kontrolgrænse — bare en visualiseringsreference.

bfh_qic(data, ...,
  target_value = 0.12,         # National gennemsnit 12%
  target_text = "Nationalt gns."
)

Aspiration (mål)

Mål = ønsket fremtidig tilstand. Ofte med directional pil (↑/↓). Vis at processen er på vej derhen, eller at fokuseret indsats kræves.

bfh_qic(data, ...,
  target_value = 0.05,
  target_text = "↓ Mål Q4 2025: 5%"
)

Lower-/upper-limit (kontrakt)

Mål = absolut grænse (regulatorisk, etisk). Kombiner med < eller > for at markere retningen. Punkter der overstiger grænsen er akut action-trigger.

bfh_qic(data, ...,
  target_value = 0.15,
  target_text = "< Maks acceptabel: 15%"
)

Sanity-check af din konfiguration

Hvis du er i tvivl, sammenlign target-værdi mod data-skala:

# Hvad er din data-range?
range(data$y)     # Hvis [0, 0.2] → multiply = 1, target i samme skala
range(data$y)     # Hvis [0, 20]  → multiply = 100, target i samme skala

# Validér eksplicit
stopifnot(
  target_value >= 0,
  target_value <= max(data$y) * 2  # Sanity check: target ikke 100x off
)

Migration fra pre-0.9.0

# Gammel kode (silently misvisende):
bfh_qic(data, ...,
  y_axis_unit = "percent",
  target_value = 2.0           # Plottet som 200% på percent-akse
)

# Ny kode — Option A (anbefalet):
bfh_qic(data, ...,
  y_axis_unit = "percent",
  target_value = 0.02          # 2% som proportion
)

# Ny kode — Option B (hvis data allerede i procent):
bfh_qic(data, ...,
  y_axis_unit = "percent",
  multiply = 100,
  target_value = 2.0           # 2% som procent
)

Valideringsfejlen vil identificere problemet med præcis migrationshjælp:

Error: target_value (2.0) ligger uden for forventet område [0, 1.5]
for y_axis_unit = 'percent' med multiply = 1.
Du mente sandsynligvis target_value = 0.02 (2% som proportion)
eller target_value = 2.0 med multiply = 100 (2% som procent).

Target og auto-analyse (v0.12.0+)

Et target sat på chartet via target_text eller target_value flyder automatisk til auto-analysen:

result <- bfh_qic(data, x = month, y = events, n = n,
                  chart_type = "p", y_axis_unit = "percent",
                  target_text = ">= 90%")

# Auto-analyse ser target via fallback-kæden — ingen duplikering nødvendig
bfh_export_pdf(result, "rapport.pdf",
               metadata = list(hospital = "BFH"),  # target uden for metadata
               auto_analysis = TRUE)

Fallback-kæden er: metadata$target → config$target_text → config$target_value. Eksplicit metadata$target overrider stadig chartets target, hvis du ønsker at analysere mod en alternativ benchmark.

Se også

vignette("chart-types") — vælg charttype først
vignette("phases-and-freeze") — håndtér interventioner og baseline
?bfh_qic — @details “Percent Target Contract” sektion
NEWS for v0.9.0 — fuld breaking-change beskrivelse