Newer
Older
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
### Fichier harmonized.R - Module d'indicateurs harmonisés pour l'analyse du paludisme
### à la frontière Brésil-Colombie
# Fonctions réactives pour la gestion des dates
date1 <- reactive({
as.Date(paste0(input$dates[1],"-01-01"))
})
date2 <- reactive({
as.Date(paste0(input$dates[2],"-12-31"))
})
# Filtrage principal des données
HAR_sub <- reactive({
date1 <- as.Date(paste0(input$dates[1],"-01-01"))
date2 <- as.Date(paste0(input$dates[2],"-12-31"))
consultation_har_filter(JSON_cons_har,
new_attack = input$new_attack,
diagn = input$diagn,
sex = input$sex,
minAge = input$age[1],
maxAge = input$age[2]
) %>%
filter(consultation_date >= date1 & consultation_date <= date2)
})
# Séparation des données par pays
HAR_br <- reactive({
HAR_sub() %>% filter(source == "BR")
})
HAR_co <- reactive({
# Vérification au niveau du filtrage initial
initial_data <- HAR_sub() %>% filter(source == "CO")
print("Données colombiennes après filtrage initial :")
print(paste("Nombre de cas :", nrow(initial_data)))
print("Exemple de dates :")
print(head(initial_data$consultation_date))
return(initial_data)
})
# Création des tableaux temporels pour le Brésil
HAR_br_tab <- reactive({
agg <- as.numeric(input$agg)
date1 <- as.Date(paste0(input$dates[1],"-01-01"))
date2 <- as.Date(paste0(input$dates[2],"-12-31"))
if(agg == 1){
# Agrégation journalière
HAR_br() %>%
group_by(dates = floor_date(consultation_date, "day")) %>%
summarize(counts=n()) %>%
complete(dates = seq.Date(date1, date2, by = "day"),
fill = list(counts = 0))
} else if(agg == 6){
# Agrégation hebdomadaire
as.data.frame(incidence(HAR_br()$consultation_date,
interval = 7,
iso_week = TRUE)) %>%
select(dates, counts)
} else if(agg == 30){
# Agrégation mensuelle
HAR_br() %>%
group_by(dates = floor_date(consultation_date, "month")) %>%
summarize(counts=n()) %>%
complete(dates = seq.Date(date1, date2, by = "month"),
fill = list(counts = 0))
} else if(agg == 90){
# Agrégation trimestrielle
HAR_br() %>%
group_by(dates = floor_date(consultation_date, "quarter")) %>%
summarize(counts=n()) %>%
complete(dates = seq.Date(date1, date2, by = "quarter"),
fill = list(counts = 0))
} else if(agg == 366){
# Agrégation annuelle
HAR_br() %>%
group_by(dates = floor_date(consultation_date, "year")) %>%
summarize(counts=n()) %>%
complete(dates = seq.Date(date1, date2, by = "year"),
fill = list(counts = 0))
}
})
# Création des tableaux temporels pour la Colombie
HAR_co_tab <- reactive({
agg <- as.numeric(input$agg)
date1 <- as.Date(paste0(input$dates[1],"-01-01"))
date2 <- as.Date(paste0(input$dates[2],"-12-31"))
# Création d'une série temporelle complète avec des zéros pour les périodes sans cas
data_co <- HAR_co() %>%
group_by(dates = floor_date(consultation_date, "month")) %>%
summarize(counts = n()) %>%
# Cette ligne est cruciale : elle crée tous les mois, même ceux sans cas
complete(dates = seq.Date(date1, date2, by = "month"),
fill = list(counts = 0))
return(data_co)
})
##################
### Visualisations et compteurs
##################
# Compteur pour la Colombie
output$HAR_count_co <- renderValueBox({
valueBox(
paste(nrow(HAR_co()), tr("cases2")), tr("CO"), color = "purple"
)
})
# Compteur pour le Brésil
output$HAR_count_br <- renderValueBox({
valueBox(
paste(nrow(HAR_br()), tr("cases2")), tr("BR"), color = "purple"
)
})
# Graphique d'incidence
output$HAR_plot_incidence <- renderPlotly({
plot_ly() %>%
add_trace(
data = HAR_br_tab(),
x = ~dates,
y = ~counts,
type = 'scatter',
mode = 'lines',
line = list(color = 'blue', width = 2),
name = paste0("Brazil (", text_recup_donnees_BR, ")")
) %>%
add_trace(
data = HAR_co_tab(),
x = ~dates,
y = ~counts,
type = 'scatter',
mode = 'lines',
line = list(color = 'red', width = 2),
name = paste0("Colombia (", text_recup_donnees_CO, ")")
) %>%
layout(
xaxis = list(title = "Date"),
yaxis = list(
title = "Cases",
type = 'linear', # Échelle linéaire au lieu de logarithmique
tickformat = 'd' # Format entier pour les nombres
),
showlegend = TRUE,
legend = list(x = 0, y = 1.2)
)
})
# Graphique des âges
output$HAR_plot_age <- renderPlotly({
# Préparation des données
HAR_br <- HAR_br() %>% mutate(patient_age = round(patient_age, 0))
HAR_co <- HAR_co() %>% mutate(patient_age = round(patient_age, 0))
# Création du graphique
plot_ly() %>%
add_trace(data = HAR_br,
x = ~patient_age,
type = "histogram",
name = tr("BR")) %>%
add_trace(data = HAR_co,
x = ~patient_age,
type = "histogram",
name = tr("CO")) %>%
layout(xaxis = list(title = tr("age"), domain = c(0,100)),
yaxis = list(title = tr("cases"))) %>%
layout(legend = list(x = 0.8, y = 0.9))
})
# Graphique de la répartition par sexe
output$HAR_plot_sex <- renderPlotly({
# Liste des pays
HAR_loc <- c("CO","BR")
# Filtrage des données par sexe
HAR_br_sex_sub <- subset(HAR_br(), patient_sex == "Male" | patient_sex == "Female")
HAR_co_sex_sub <- subset(HAR_co(), patient_sex == "Male" | patient_sex == "Female")
# Calcul des proportions
HAR_br_sex_tab <- prop.table(table(HAR_br_sex_sub$patient_sex))*100
HAR_co_sex_tab <- prop.table(table(HAR_co_sex_sub$patient_sex))*100
HAR_male <- c(HAR_co_sex_tab["Male"],HAR_br_sex_tab["Male"])
HAR_female <- c(HAR_co_sex_tab["Female"],HAR_br_sex_tab["Female"])
HAR_data <- data.frame(HAR_loc, HAR_male, HAR_female)
# Création du graphique
plot_ly(HAR_data,
x = ~HAR_loc,
y = ~HAR_male,
type = "bar",
name = tr("male")) %>%
add_trace(y = ~HAR_female, name = tr("female")) %>%
layout(xaxis = list(title = ""),
yaxis = list(title = tr("percentage")),
barmode = 'stack')
})
# Graphique de la répartition par type de Plasmodium
output$HAR_plot_plasm <- renderPlotly({
# Liste des pays
HAR_loc <- c("CO","BR")
# Calcul des totaux
HAR_br_any <- nrow(consultation_har_filter(HAR_br(),
diagn = "Any",
new_attack = input$new_attack))
HAR_co_any <- nrow(consultation_har_filter(HAR_co(),
diagn = "Any",
new_attack = input$new_attack))
# Calcul des pourcentages par type
HAR_br_falci <- nrow(consultation_har_filter(HAR_br(),
diagn = "falciparum",
new_attack = input$new_attack))/HAR_br_any*100
HAR_br_mixed <- nrow(consultation_har_filter(HAR_br(),
diagn = "mixed infection with P. falciparum",
new_attack = input$new_attack))/HAR_br_any*100
HAR_br_other <- nrow(consultation_har_filter(HAR_br(),
diagn = "non-falciparum",
new_attack = input$new_attack))/HAR_br_any*100
HAR_br_unspe <- nrow(consultation_har_filter(HAR_br(),
diagn = "unspecified",
new_attack = input$new_attack))/HAR_br_any*100
HAR_co_falci <- nrow(consultation_har_filter(HAR_co(),
diagn = "falciparum",
new_attack = input$new_attack))/HAR_co_any*100
HAR_co_mixed <- nrow(consultation_har_filter(HAR_co(),
diagn = "mixed infection with P. falciparum",
new_attack = input$new_attack))/HAR_co_any*100
HAR_co_other <- nrow(consultation_har_filter(HAR_co(),
diagn = "non-falciparum",
new_attack = input$new_attack))/HAR_co_any*100
HAR_co_unspe <- nrow(consultation_har_filter(HAR_co(),
diagn = "unspecified",
new_attack = input$new_attack))/HAR_co_any*100
# Préparation des données pour le graphique
HAR_falci <- c(HAR_co_falci, HAR_br_falci)
HAR_mixed <- c(HAR_co_mixed, HAR_br_mixed)
HAR_other <- c(HAR_co_other, HAR_br_other)
HAR_unspe <- c(HAR_co_unspe, HAR_br_unspe)
HAR_data <- data.frame(HAR_loc, HAR_falci, HAR_other)
# Création du graphique
plot_ly(HAR_data,
x = ~HAR_loc,
y = ~HAR_falci,
type = "bar",
name = "Falci assoc") %>%
add_trace(y = ~HAR_mixed, name = "Mixed") %>%
add_trace(y = ~HAR_other, name = "Non falci") %>%
add_trace(y = ~HAR_unspe, name = "Unspecified") %>%
layout(xaxis = list(title = ""),
yaxis = list(title = tr("percentage")),
barmode = 'stack')
})