---
title: "Varicelle"
author: "Jerome E. Dauvergne"
date: "2025-04-28"
output: html_document
---

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

# Préparation des données

Chargement du fichier depuis le réseau Sentinelle

```{r}
data = read.csv("module3/inc-7-PAY.csv", skip = 1)
```

Regardons :
```{r}
head(data)
tail(data)
```

Données manquantes sur inc ?
```{r}
is.na(data$inc)
```
Non

## Conversion des formats de date
```{r}
library(parsedate)

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

Appliquons cette formule en créant une nouvelle variable date
```{r}
data$date = as.Date(convert_week(data$week))
```
Verifions qu'elle soit bien au format date
```{r}
class(data$date)
```
Reordonnons le fichier dans l'ordre chronologique
```{r}
data <- data[order(data$date),]
```
Toutes les dates ont-elles bien 7 jours d'écart ?
```{r}
all(diff(data$date) == 7)
```
Oui !

## Inspection
```{r}
plot(data$date, data$inc, type="l", xlab="Date", ylab="Incidence hebdomadaire")
```

# Question 1 - Année avec la plus forte épidémie - incidence annuelle
Création d'une fonction pour calculer cette incidence annuelle
```{r}
pic_annuel = function(annee) {
      debut = paste0(annee-1,"-01-01")
      fin = paste0(annee,"-01-01")
      semaines = data$date > debut & data$date <= fin
      sum(data$inc[semaines], na.rm=TRUE)
      }

```

Appliquons là aux données
```{r}
annees = 1990:2025
inc_annuelle = data.frame(annee = annees,
                          incidence = sapply(annees, pic_annuel))
head(inc_annuelle)

```
## Inspection visuelle
```{r}
plot(inc_annuelle, type="p", xlab="Année", ylab="Incidence annuelle")
```
Année avec incidence la plus haute
```{r}
inc_annuelle$annee[max(inc_annuelle$incidence)]
```