---
title: "Analyse de l'incidence du syndrôle grippal"
author : "Clair Ch"
date : "13/04/2020"
output: html_document
---

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

# importer les données

Je télécharge les données du site sentinelles en ignorant la première ligne qui contient les commentaires

```{r}
data_url<-"http://www.sentiweb.fr/datasets/incidence-PAY-3.csv"
data<-read.csv(data_url, skip=1)
head(data)
```
les colonnes qui nous intéressent sont "week" (1ère colonne, attention les données sont dans l'ordre chronologique inverse) et "inc" (3ème colonne, incidence du syndrome grippal)


est-ce qu'il y a des points manquants ?

```{r}
lignes_na<-apply(data,1,function(x) any(is.na(x)))
data[lignes_na,]
```
Il manque les données de l'année 1989 semaine 19

Vérifier le type de données des colonnes qui nous intéressent
```{r}
class(data$week)
class(data$inc)
```
Ce sont bien des entiers, tout va bien

# vérification et inspection des données

## conversion des dates
conversion des dates grâce à la bibliothèque parsedate : 199501 en 1995-01-02 UT (date du lundi)

```{r}
library(parsedate)
convert_week<-function(w){
  ws<-paste(w)#convertir en chaine de caracteres
  iso<-paste0(substring(ws,1,4),"-W",substring(ws,5,6))#1995-W01
  as.character(parse_iso_8601(iso))#1995-01-02 UT
}
```

mettre les dates à la norme iso dans une nouvelle colonne date
```{r}
data$date<-as.Date(convert_week(data$week))
```

on vérifie que c'est bien de classe date

```{r}
class(data$date)
```

mettre les données dans l'ordre chronologique
```{r}
data<-data[order(data$date),]
```

vérification
```{r}
head(data)
```

vérification que les données ont bien été faites toutes les semaines (toutes les 7 jours)

```{r}
all(diff(data$date)==7)
```
## inspection

regardons à quoi ressemblent les données
```{r}
with(data,plot(date,inc,type="l"))
```
zoom sur les 200 derniers points (4 ans)
```{r}
with(tail(data,200),plot(date,inc,type="l"))
```

on voit un pic en début d'année (hiver)


# questions et réponses

Les questions que l'on se pose :
1. dans quelle année y avait-il les épidémies les plus fortes ?
2. quelle est la fréquence d'épidémies faibles, moyennes, et fortes ?

On veut regarder les données par années, mais conserver le pic d'épidémie (qui chevauche une année civile) : on prendra les données du 1er août d'une année au 1er août de l'année d'après

## Incidence annuelle

### Calcul

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 de syndrome grippal est très faible en été, cette modification ne risque pas de fausser nos conclusions. 
L'argument `na.rm=True` dans la sommation précise qu'il faut supprimer les points manquants. Ce choix est raisonnable car il n'y a qu'un seul point manquant, dont l'impact ne peut pas être très fort.

```{r}
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)
}
```
on ne tient pas compte de la première année (1985) car on a les données que à partir d'octobre 1984, on n'aura donc pas le pic correct de 1985. pour la dernière année 2020, on l'enlève aussi puisqu'on a a les données que jusqu'en mars
```{r}
annees<-1986:2019
```

nouveau tableau avec les incidences par année

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

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

### Inspection

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

### Identification des épidémies les plus fortes

trier les données par incidence :

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

les années où il y a eu le plus d'incidence sont 1989, 1990 et 1986

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