Analyse de l'incidence de la varicelle

Table des matières

1 Préface

Pour exécuter le code de cette analyse, il faut disposer des logiciels suivants:

1.1 Emacs 25 ou 26

Une version plus ancienne d'Emacs devrait suffire, mais en ce cas il est prudent d'installer une version récente (9.x) d'org-mode.

1.2 R 3.4

Nous n'utilisons que des fonctionnalités de base du langage R, une version antérieure devrait suffire.

(unless (featurep 'ob-R)
  (print "Veuillez activer R dans org-babel (org-babel-do-languages) !"))

Pour la manipulation des dates au format ISO-8601, nous avons besoin du paquet parsedate.

library(parsedate)

Enfin, nous allons demander à R d'écrire les nombres décimaux en français — c'est-à-dire avec une virgule entre parties entière et décimale — et d'utiliser un nombre de colonnes plus large que celui utilisé par défaut.

options(OutDec=",")
options(width=150)

2 Préparation des données

Les données de l'incidence du syndrome grippal sont disponibles du site Web du Réseau Sentinelles. 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 1984 et se termine avec une semaine récente. L'URL est:

data_url = "https://www.sentiweb.fr/datasets/incidence-PAY-7.csv"

Voici l'explication des colonnes donnée sur le site d'origine:

Nom de colonne Libellé de colonne
week Semaine calendaire (ISO 8601)
indicator Code de l'indicateur de surveillance
inc Estimation de l'incidence de consultations en nombre de cas
inc_low Estimation de la borne inférieure de l'IC95% du nombre de cas de consultation
inc_up Estimation de la borne supérieure de l'IC95% du nombre de cas de consultation
inc100 Estimation du taux d'incidence du nombre de cas de consultation (en cas pour 100,000 habitants)
inc100_low Estimation de la borne inférieure de l'IC95% du taux d'incidence du nombre de cas de consultation (en cas pour 100,000 habitants)
inc100_up Estimation de la borne supérieure de l'IC95% du taux d'incidence du nombre de cas de consultation (en cas pour 100,000 habitants)
geo_insee Code de la zone géographique concernée (Code INSEE) http://www.insee.fr/fr/methodes/nomenclatures/cog/
geo_name Libellé de la zone géographique (ce libellé peut être modifié sans préavis)

2.1 Téléchargement

La première ligne du fichier CSV est un commentaire, que nous ignorons en précisant skip=1.

data_file = "syndrome_varicelle.csv"
if(!file.exists(data_file)){
download.file(data_url, data_file, method = "auto")
}
data = read.csv(data_file, skip=1)

Regardons ce que nous avons obtenu !

head(data)
tail(data)
                                                                            
1 function (..., list = character(), package = NULL, lib.loc = NULL,        
2     verbose = getOption("verbose"), envir = .GlobalEnv, overwrite = TRUE) 
3 {                                                                         
4     fileExt <- function(x) {                                              
5         db <- grepl("\\\\.[^.]+\\\\.(gz|bz2|xz)$", x)                     
6         ans <- sub(".*\\\\.", "", x)                                      
                           
174             }          
175             rm(tmp_env)
176         }              
177     }                  
178     invisible(names)   
179 }                      

2.2 Vérification

Il est toujours prudent de vérifier si les données semblent crédibles. Commençons par regarder s'il y a des points manquants dans ce jeu de données:

na_records = apply(data, 1, function(x) any(is.na(x)))
data[na_records,]

Voyons aussi comment R a interpreté nos données:

class(data$week)
class(data$inc)

Ce sont des entiers, tout va bien !

2.3 Conversions

Pour faciliter les traitements suivants, nous remplaçons les numéros de semaine ISO par les dates qui correspondent aux lundis. D'abord, une petite fonction qui fait le travail:

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

Nous appliquons cette fonction à tous les points, créant une nouvelle colonne `date` dans notre jeu de données:

data$date = as.Date(convert_week(data$week))

Vérifions qu'elle est de classe `Date`:

class(data$date)

Les points sont dans l'ordre chronologique inverse, il est donc utile de les trier:

data = data[order(data$date),]

2.4 Vérification des dates

Nous faisons encore une vérification: nos dates doivent être séparées d'exactement une semaine.

all(diff(data$date) == 7)

2.5 Inspection

Regardons enfin à quoi ressemblent nos données !

plot(data$date, data$inc, type="l", xlab="Date", ylab="Incidence hebdomadaire")

Un zoom sur les dernières années montre mieux la situation des pics en hiver. Le creux des incidences se trouve en été.

with(tail(data, 200), plot(date, inc, type="l", xlab="Date", ylab="Incidence hebdomadaire"))

3 Étude de l'incidence annuelle

3.1 Calcul de l'incidence annuelle

Étant donné que le pic de l'épidémie se situe en hiver, à cheval entre deux années civiles, nous définissons la période de référence entre deux minima de l'incidence, du 1er août de l'année N au 1er août de l'année N+1. Nous mettons l'année N+1 comme étiquette sur cette année décalée, car le pic de l'épidémie est toujours au début de l'année N+1. Comme l'incidence du syndrome grippal est très faible en été, cette modification ne risque pas de fausser nos conclusions.

Voici une fonction qui calcule l'incidence annuelle en appliquant ces conventions.

pic_annuel = function(annee) {
      debut = paste0(annee-1,"-08-01")
      fin = paste0(annee,"-08-01")
      semaines = data$date > debut & data$date <= fin
      sum(data$inc[semaines], na.rm=TRUE)
      }

Nous devons aussi faire attention aux premières et dernières années de notre jeux de données. Les données commencent en octobre 1984, ce qui ne permet pas de quantifier complètement le pic attribué à l'année 1985. Nous le supprimons donc de notre analyse. Par contre, pour une exécution en octobre 2018, les données se terminent après le 1er août 2018, ce qui nous permet d'inclure cette année.

annees <- 1986:2018

Nous créons un nouveau jeu de données pour l'incidence annuelle, en applicant la fonction `picannuel` à chaque année:

inc_annuelle = data.frame(annee = annees,
                          incidence = sapply(annees, pic_annuel))
head(inc_annuelle)

3.2 Inspection

Voici les incidences annuelles en graphique.

plot(inc_annuelle, type="p", xlab="Année", ylab="Incidence annuelle")

3.3 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:

head(inc_annuelle[order(-inc_annuelle$incidence),])

Enfin, un histogramme montre bien que les épidémies fortes, qui touchent environ 10% de la population française, sont assez rares: il y en eu trois au cours des 35 dernières années.

hist(inc_annuelle$incidence, breaks=10, xlab="Incidence annuelle", ylab="Nb d'observations", main="")

Date: Jeudi 2 avril 2020

Auteur: Adam Taheraly

Created: 2020-04-02 jeu. 15:50

Validate