---
title: "Analyse de l'incidence de la varicelle"
author: "aaaaaaaaa"
date: "2020-06-04"
output: html_document
---


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


## Introduction

Les données de l'incidence de la varicelle sont disponibles du site Web du [Réseau Sentinelles](http://www.sentiweb.fr/).  
Celles-ci sont disponibles au format CSV. Chaque ligne du fichier correspond à une semaine de la période demandée (les premières données datent de la fin de l'année 1990, les dernières sont celles d'une semaine récente).  

L'URL du fichier est la suivante :
```{r}
data_url <- "http://www.sentiweb.fr/datasets/incidence-PAY-7.csv" 
```

Chargement des librairies utilisées dans cette étude :  
```{r message=FALSE}
library(tidyverse)   # Manipulation de données, graphiques, ...
library(knitr)
library(kableExtra)
library(parsedate)
```



## Téléchargement des données

Nous téléchargeons le fichier de données en local (si celui-ci n'existe pas). Ceci afin de nous prémunir contre un éventuel problème de connexion à ce fichier.
```{r}
dest_file <- "./varicelle_incidence.csv"
if(!file.exists(dest_file)) {
  download.file(url = data_url, destfile = dest_file, method = "auto")
}
```

Puis nous chargeons les données depuis le fichier local (a première ligne du fichier étant un commentaire).
```{r}
varicelle <- read_csv(dest_file, skip = 1)
```

Les données obtenues sont de la forme :
```{r}
head(varicelle) %>% 
  kable() %>% 
  kable_styling(bootstrap_options = "striped", full_width = F, position = "left")
```

**Description du format du fichier :**

- `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)

&nbsp;

Dans un premier temps, vérifions s'il y a des données manquantes. 
```{r}
varicelle[rowSums(is.na(varicelle)) > 0, ]
```

Il semble que le fichier soit complet.  


## Formattage des données

### Transformation des données "date"

Le format des dates est particulier dans ce fichier : il est sous une forme numérique 'aaaass' , où 'a' et 's' représentent l'année et la semaine de la mesure respectivement (selon la norme ISO 8601).  
```{r}
head(varicelle$week)
tail(varicelle$week)
```

La librairie `parsedate` permet de gérer ce type de format, en modifiant légérement la valeur de la date sous la forme 'aaaa-Wss'.
```{r}
varicelle <- varicelle %>% 
  # ajout du caractère "W" à la valeur de date, puis extraction en format "date"
  mutate(temp_week = str_replace(string = week, pattern = "(\\d{4})(\\d{2})", replacement = "\\1-W\\2"),
         iso_week = parse_iso_8601(temp_week)) %>% 
  select(-temp_week)

varicelle %>% 
  select(week, iso_week) %>% 
  head()
```

On peut vérifier la classe de cette nouvelle donnée :
```{r}
class(varicelle$iso_week)
```

Enfin, on peut trier les données afin de les avoir en ordre chronologique.  
```{r}
varicelle <- varicelle %>% 
  arrange(iso_week)
```

### Visualisation

Une première analyse de l'incidence de la varicelle peut être faite visuellement.  
```{r}
ggplot(varicelle, aes(x = iso_week, y = inc)) +
  geom_line(col = "blue", alpha = 0.6) +
  labs(title = "Incidence de la varicelle",
       x = "Semaine", y = "Incidence") +
  theme_bw()
```

Il semble y avoir une certaine saisonnalité. On peut zoomer sur les dernières années pour avoir un meilleur aperçu.  
```{r}
varicelle %>% 
  filter(row_number() >= length(week) - 200) %>% 
  ggplot(aes(x = iso_week, y = inc)) +
  geom_line(col = "blue", alpha = 0.6) +
  labs(title = "Incidence de la varicelle",
       x = "Semaine", y = "Incidence") +
  scale_x_datetime(date_breaks = "6 months", date_labels = "%Y-%m") +
  theme_bw()
```

Les pics d'incidence semblent avoir lieu au mois d'avril chaque année, alors que les creux sont plutôt présents vers le mois d'août.  


## Analyse de l'incidence