---
title: "Analyse de l'incidence de la varicelle"
author: "Anjélica Leconte"
date: "13/01/2021"
output:
  pdf_document:
    toc: true
  html_document:
    toc: true
    theme: journal
documentclass: article
classoption: a4paper
header-includes:
- \usepackage[french]{babel}
- \usepackage[upright]{fourier}
- \hypersetup{colorlinks=true,pagebackref=true}
---


```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```

## Préparation des données

Les données de l'incidence de la varicelle sont disponibles du site Web du [Réseau Sentinelles](http://www.sentiweb.fr/). Nous les récupérons sous forme d'un fichier en format CSV dont chaque ligne correspond à une semaine de la période demandée. Nous téléchargeons toujours le jeu de données complet, qui commence en 1991 et se termine avec une semaine récente. 

## Lecture 
```{r}
data_varicelle = read.csv(file = "C:/Users/Anjélica/Documents/mooc-rr/module3/exo2/incidence-PAY-7.csv", skip=1)
```

Regardons ce que nous avons obtenu:
```{r}
head(data_varicelle)
tail(data_varicelle)
```

Y a-t-il des points manquants dans nos données ?
```{r}
na_records = apply(data_varicelle, 1, function (x) any(is.na(x)))
data_varicelle[na_records,]#permet de voir les données manquantes
```
Ici pas de données manquantes dans le tableau il n'y a pas de sous-estimation.
Les données qui nous intéressent sont la date et l'incidence notée inc	"Estimated incidence value for the time step, in the geographic level".

Les deux colonnes qui nous intéressent sont `week` et `inc`. Vérifions leurs classes:
```{r}
class(data_varicelle$week)
class(data_varicelle$inc)
```

Des entiers, c'est ok

### Conversion des numéros de semaine

La gestion des dates est toujours un sujet délicat. Il y a un grand nombre de conventions différentes qu'il ne faut pas confondre. Notre jeux de données utilise un format que peu de logiciels savent traiter: les semaines en format [ISO-8601](https://en.wikipedia.org/wiki/ISO_8601). En `R`, il est géré par la bibliothèque [parsedate](https://cran.r-project.org/package=parsedate):

```{r}
library(parsedate)
```

Pour faciliter le traitement suivant, nous remplaçons ces semaines par les dates qui correspondent aux lundis. Voici une petite fonction qui fait la conversion pour une seule valeur:

```{r}
convert_week = function(w) {
	ws = paste(w)
	iso = paste0(substring(ws, 1, 4), "-W", substring(ws, 5, 6))
	as.character(parse_iso_8601(iso))
}
```

Nous appliquons cette fonction à tous les points, créant une nouvelle colonne `date` dans notre jeu de données:
```{r}
data_varicelle$date = as.Date(convert_week(data_varicelle$week))
```

Vérifions qu'elle est de classe `Date`:
```{r}
class(data_varicelle$date)
```

Les points sont dans l'ordre chronologique inverse, il est donc utile de les trier:
```{r}
data_varicelle = data_varicelle[order(data_varicelle$date),]
```

C'est l'occasion pour faire une vérification: nos dates doivent être séparées d'exactement sept jours:
```{r}
all(diff(data$date) == 7)
```

### Inspection

Regardons enfin à quoi ressemblent nos données !
```{r}
plot(data_varicelle$date, data_varicelle$inc, type="l", xlab="Date", ylab="Incidence hebdomadaire")
with(head(data_varicelle, 300), plot(date, inc, type="l", xlab="Date", ylab="Incidence hebdomadaire"))

```
Pas de pic bien défini, dure toute l'année avec un creux vers août/septembre. On peut enlever fin 1990 car début des données sur la fin de l'année, ce n'est pas l'endroit où le pic est le plus important. Pic le  plus bas fin aout septembre.

```{r}
pic_annuel = function(annee) {
      debut = paste0(annee-1,"-09-01")
      fin = paste0(annee,"-09-01")
      semaines = data_varicelle$date > debut & data_varicelle$date <= fin
      sum(data_varicelle$inc[semaines], na.rm=TRUE)
}
```

Nous devons aussi faire attention aux premières et dernières années de notre jeux de données. Les données commencent en décembre 1990, ce qui ne permet pas de quantifier complètement le pic attribué à 1990. Nous l'enlevons donc de notre analyse. Par contre, pour une exécution en décembre 2020, les données se terminent après le 1er septembre 2020, ce qui nous permet d'inclure cette année.
```{r}
annees = 1992:2019
```
On a enlevé 1990 les analyses commencent en 1990 et finissent en 2009 car il manque des données en fin d'année 2020 qui pourraient sous-estimer l'incidence car c'est en hiver que l'incidence est la plus forte

Nous créons un nouveau jeu de données pour l'incidence annuelle, en applicant la fonction `pic_annuel` à chaque année:
```{r}
inc_annuelle = data.frame(annee = annees,
                          incidence = sapply(annees, pic_annuel))
head(inc_annuelle)

```

### Inspection

Voici les incidences annuelles en graphique:
```{r}
plot(inc_annuelle, type="p", xlab="Année", ylab="Incidence annuelle")
```

### Identification des épidémies les plus fortes

Une liste triée par ordre décroissant d'incidence annuelle permet de plus facilement repérer les valeurs les plus élevées:
```{r}
head(inc_annuelle[order(-inc_annuelle$incidence),])
hist(inc_annuelle$incidence, breaks=10, xlab="Incidence annuelle", ylab="Nb d'observations", main="")
```
Incidences fortes rares