---
title: "Analyse de l'incidence de la varicelle"
author: "Martin ADECHI"
date: "12/10/2024"
output: html_document
---


```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```
Nous allons charger les données de la source. Mais a cause d"une éventuelle non pérrenité du lien,nous allons aussi publier les données de l'analyse dans le même emplacement

```{r}
data_url = "https://www.sentiweb.fr/datasets/all/inc-7-PAY.csv"
```
Nous téléchargeons les données de la source si les données locales ne sont pas disponibles

```{r}
data_file = "varicelle.csv"
```
```{r}
if(!file.exists(data_file)){
  download.file(data_url,data_file,method = "auto")
}
```
## Lecture des données
```{r}
data_source = read.csv(data_file,skip = 1)
```
Voyons la structure des données

```{r}
str(data_source)
```
la variable inc est bien compris comme une colonne d'entiers. Ce qui exactement ce a quoi on s'attendait

Voyons s'il y a des manquants dans notre jeu de données
```{r}
lignes_na = apply(data_source,1,function(x) any(is.na(x)))
data_source[lignes_na,]
```
Parfait, il n'y a pas de manquants dans notre jeu de données
## Traitement des dates

```{r}
library(parsedate)
```
```{r}
convert_week <- function(weeks){
  w = paste0(weeks)
  year = substr(w,1,4)
  week = substr(w,5,6)
  iso = parse_iso_8601(paste0(year,'-W',week))
  as.character(iso)
}
```
Nous créons une autre colonne date qui va conténir les dates
```{r}
data_source$Date = as.Date(convert_week(data_source$week))
```
```{r}
class(data_source$Date)
```


Nous allons vérifier si l'écart entre les données sont effectivement d'une semaine.Pour cela nous allons ordonner les données pour qu'ils partent des plus anciennes dates aux plus nouvelles.

```{r}
data_source  = data_source[order(data_source$Date),]
```
Maintenant a l'étape de l'état de vérification des données

```{r}
all(diff(data_source$Date) == 7)
```
Toutes nos données sont cohérentes. Donc nous allons passer a une visualisation de nos données

```{r}
plot(data_source$Date,data_source$inc,type = 'l',col = "blue",lwd = 2)
```


Nous allons regarder de près ce qui se passe.
```{r}
with(tail(data_source,400),plot(Date,inc,type = 'l',col = "blue",lwd = 2,main="Incidence de la varicelle en France",ylab='Taux de contamination'))
```
## Incidence annuelle

### Calcul

Nous allons définir comme début de chaque période annuelle le 1er septembre et nous allons compter les incidences annuelles

```{r}
pic_annuelle <- function(annee) {
  debut = paste0(annee-1,'-09-01')
  fin = paste0(annee,'-09-01')
  
  inc = data_source$Date > debut & data_source$Date <= fin
  inc = sum(data_source$inc[inc])
}

```
Cette fonction définit sera appliqué a chaque année. Malheureusement comme le début de notre période annuelle commence le 1er septembre,l'année 1990 servira uniquement a définir la période annuelle de 1991

```{r}
annee = 1991:2024
inc = sapply(annee,pic_annuelle)
```
Nous allons définir la série qui contient les incidences annuelles de chaque année

```{r}
incidence_annuelle <- data.frame(Annee = annee,inc = inc)
incidence_annuelle
```
### Inspection
```{r}
plot(incidence_annuelle,col = 'blue')
```

### Identification des épidémies les plus fortes

Pour pouvoir les épidémies les plus fortes, nous allons ordonner les incidences annuelles

```{r}
incidence_annuelle <- incidence_annuelle[order(-incidence_annuelle$inc),]
head(incidence_annuelle)
```
```{r}
tail(incidence_annuelle)
```

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.
```{r}
hist(incidence_annuelle$inc,breaks = 10,col = 'blue')
```