---
title: "Varicelle"
author: "Jerome Riera"
date: "2024-08-31"
output: html_document
---

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

## Import des données

Les données ont été téléchargées en local sur l'ordinateur nous les importons maintenant dans Rstudio

```{r}
dataV<-read.csv("/Users/jeromeriera/Library/Mobile Documents/com~apple~CloudDocs/Thèse/MOOC RR/mooc rr/module3/exo3/inc-7-PAY.csv", header = TRUE)
```

Nous visualisons le tableau de données afin d'observer si il y a des données manquantes
```{r}
View(dataV)
```
Nous supprimons la premiere ligne qui est inutile
```{r}
dataV<-read.csv("/Users/jeromeriera/Library/Mobile Documents/com~apple~CloudDocs/Thèse/MOOC RR/mooc rr/module3/exo3/inc-7-PAY.csv", header = TRUE, skip =1)
```

on vérifie
```{r}
View(dataV)
```

```{r}
head(dataV)
```

```{r}
tail(dataV)
```

Nous allons modifier le  format de date à l'aide de la bibliothèque `parsedate`

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

Création d'une nouvelle colonne avec les dates au bon format

```{r}
dataV$date = as.Date(sapply(dataV$week, convert_week))
```

```{r}
class(dataV$date)
class(dataV$inc)
```

On visualise les données sous forme d'un graphique

```{r}
plot(dataV$date,dataV$inc, type='l')
```

Nous zoomons pour un idée plus précise

```{r}
with(tail(dataV, 200), plot(date, inc, type='l'))
```

Nous voyons que les pic d'épidémie se situent plutôt en milieu d'année.

## Réponses aux questions
### Quelles sont les années où l'incidence est la plus élevée ?

Nous allons modifier nos données pour qu'elles soient basées sur des périodes annuelles commençant au premier Septembre

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

N'ayant pas les données complètes des années 1990 et 2024 nous ne prendrons en compte les données que de 1991 à 2023

```{r}
annees= 1991:2023
```

Nous créons un nouveau tableau 'incidence_annuelle' avec les colonnes 'annee' et 'incidence' en appliquant la fontion pic_annuelcrée juste avant.

```{r}
incidence_annuelle = data.frame(annee=annees,
                                incidence = sapply(annees, pic_annuel))

```

```{r}
head(incidence_annuelle)
```

Visualisons les données

```{r}
plot(incidence_annuelle, type='p')
```

Nous voyons trois années légèrement superieures aux autres. Ordonnons le tablreau d'incidence afin de vérifier cela.

```{r}
head(incidence_annuelle[order(-incidence_annuelle$incidence),])
```

Le tableau nous informe que ce sont les annéees **2009, 1992 et 2010** qui ont les incidences les plus élevées.

```{r}
tail(incidence_annuelle[order(-incidence_annuelle$incidence),])
```
L'incidence la plus basse est enregistrée en **2020**

### Fréquence des épidémies

la réalisation d'un histogramme va nous permettre de visualiser la fréquence des épidémies de varicelle.
```{r}
hist(incidence_annuelle$incidence, breaks = 10)
```