Commit 9d6e743f authored by Pauline Hardouin's avatar Pauline Hardouin

commit

parent c8c30a44
---
title: "Votre titre"
author: "Votre nom"
date: "La date du jour"
title: "Analyse de l'incidence de la varicelle"
author: "Pauline Hardouin"
date: "27 avril 2020"
output: html_document
---
......@@ -10,24 +10,165 @@ output: html_document
knitr::opts_chunk$set(echo = TRUE)
```
## Quelques explications
## Préparation des données
Ceci est un document R markdown que vous pouvez aisément exporter au format HTML, PDF, et MS Word. Pour plus de détails sur R Markdown consultez <http://rmarkdown.rstudio.com>.
Les données de l'incidence de la varicelle sont disponibles du site Web du [Réseau Sentinelles](http://www.sentiweb.fr/). Nous les récupérons sous forme d'un fichier en format CSV dont chaque ligne correspond à une semaine de la période demandée. Nous téléchargeons toujours le jeu de données complet, qui commence en 1991 et se termine avec une semaine récente. L'URL est:
```{r}
data_url="https://www.sentiweb.fr/datasets/incidence-PAY-7.csv"
```
##Explications de la structure du jeu de données
Voici l'explication des colonnes donnée sur le [sur le site d'origine](https://ns.sentiweb.fr/incidence/csv-schema-v1.json):
| Nom de colonne | Libellé de colonne |
|----------------+-----------------------------------------------------------------------------------------------------------------------------------|
| `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) |
La première ligne du fichier CSV est un commentaire, que nous ignorons en précisant `skip=1`.
## Télécharger le fichier en local
```{r}
data_file = "incidence-PAY-7.csv"
if (!file.exists(data_file)) {
download.file(data_url, data_file, method="auto")
}
```
## Lecture du fichier téléchargé
```{r}
data = read.csv(data_file, skip=1)
head(data)
```
Regardons ce que nous avons obtenu:
```{r}
head(data)
```
```{r}
tail(data)
```
Y a-t-il des points manquants dans nos données ?
```{r}
na_records = apply(data, 1, function (x) any(is.na(x)))
data[na_records,]
```
Ce jeu de données ne contient aucune donnée manquante.
Les deux colonnes qui nous intéressent sont `week` et `inc`. Vérifions leurs classes:
```{r}
class(data$week)
class(data$inc)
```
Ce sont bien des entiers.
Lorsque vous cliquerez sur le bouton **Knit** ce document sera compilé afin de ré-exécuter le code R et d'inclure les résultats dans un document final. Comme nous vous l'avons montré dans la vidéo, on inclue du code R de la façon suivante:
### Conversion des numéros de semaine
```{r cars}
summary(cars)
La gestion des dates est toujours un sujet délicat. Il y a un grand nombre de conventions différentes qu'il ne faut pas confondre. Notre jeux de données utilise un format que peu de logiciels savent traiter: les semaines en format [ISO-8601](https://en.wikipedia.org/wiki/ISO_8601). En `R`, il est géré par la bibliothèque [parsedate](https://cran.r-project.org/package=parsedate):
```{r}
library(parsedate)
```
Et on peut aussi aisément inclure des figures. Par exemple:
Pour faciliter le traitement suivant, nous remplaçons ces semaines par les dates qui correspondent aux lundis. Voici une petite fonction qui fait la conversion pour une seule valeur:
```{r}
convert_week = function(w) {
ws = paste(w)
iso = paste0(substring(ws, 1, 4), "-W", substring(ws, 5, 6))
as.character(parse_iso_8601(iso))
}
```
```{r pressure, echo=FALSE}
plot(pressure)
Nous appliquons cette fonction à tous les points, créant une nouvelle colonne `date` dans notre jeu de données:
```{r}
data$date = as.Date(convert_week(data$week))
```
Vous remarquerez le paramètre `echo = FALSE` qui indique que le code ne doit pas apparaître dans la version finale du document. Nous vous recommandons dans le cadre de ce MOOC de ne pas utiliser ce paramètre car l'objectif est que vos analyses de données soient parfaitement transparentes pour être reproductibles.
Vérifions qu'elle est de classe `Date`:
```{r}
class(data$date)
```
Comme les résultats ne sont pas stockés dans les fichiers Rmd, pour faciliter la relecture de vos analyses par d'autres personnes, vous aurez donc intérêt à générer un HTML ou un PDF et à le commiter.
Les points sont dans l'ordre chronologique inverse, il est donc nécessaire de les trier:
```{r}
data = data[order(data$date),]
```
Maintenant, à vous de jouer! Vous pouvez effacer toutes ces informations et les remplacer par votre document computationnel.
C'est l'occasion pour faire une vérification: nos dates doivent être séparées d'exactement sept jours:
```{r}
all(diff(data$date) == 7)
```
### Inspection : analyse du jeu de données de l'incidence de la varicelle
```{r}
plot(data$date, data$inc, type="l", col="blue", xlab="Date", ylab="Incidence hebdomadaire")
```
Un zoom sur les dernières années montre mieux la localisation des pics.
```{r}
with(tail(data, 200), plot(date, inc, type="l", xlab="Date", ylab="Incidence hebdomadaire"))
```
## L'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 sptembre de l'année $N$ au 1er spetembre 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 la varicelle est faible en été, cette modification ne risque pas de fausser nos conclusions.
```{r}
pic_annuel = function(annee) {
debut = paste0(annee-1,"-09-01")
fin = paste0(annee,"-09-01")
semaines = data$date > debut & data$date <= fin
sum(data$inc[semaines])
}
```
Nous devons aussi faire attention aux premières et dernières années de notre jeux de données. Les données commencent en décembre 1990 (après le 1er septembre), ce qui ne permet pas de quantifier complètement le pic attribué à 1991. Pour une exécution en avril 2020, les données se terminent avant le 1er septembre 2020, ce qui ne nous permet pas d'inclure cette année. Nous enlevons donc les années 1991 et 2020 de notre analyse.
```{r}
annees = 1992:2019
```
Nous créons un nouveau jeu de données pour l'incidence annuelle, en appliquant la fonction `pic_annuel` à chaque année:
```{r}
inc_annuelle = data.frame(annee = annees,
incidence = sapply(annees, pic_annuel))
head(inc_annuelle)
```
### Inspection
Voici les incidences annuelles en graphique:
```{r}
plot(inc_annuelle, type="p", xlab="Année", ylab="Incidence annuelle")
```
### Identification des épidémies les plus fortes
Une liste triée par ordre décroissant d'incidence annuelle permet de plus facilement repérer les valeurs les plus élevées:
```{r}
head(inc_annuelle[order(-inc_annuelle$incidence),])
```
L'année avec l'épidémie de varicelle la plus forte est 2009.
### Identification des épidémies les plus faibles
Une liste triée par ordre croissant d'incidence annuelle permet de plus facilement repérer les valeurs les plus faibles:
```{r}
head(inc_annuelle[order(+inc_annuelle$incidence),])
```
L'année avec l'épidémie de varicelle la moins forte est 2002.
\ No newline at end of file
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment