From 0f4495a8abd158ee758e627c0c65ebf2932dbfbe Mon Sep 17 00:00:00 2001 From: Konrad Hinsen Date: Mon, 6 Aug 2018 13:43:40 +0200 Subject: [PATCH] OrgMode version with all code in R --- .../analyse-syndrome-grippal-orgmode+R.org | 182 ++++++++++++++++++ 1 file changed, 182 insertions(+) create mode 100644 module3/ressources/analyse-syndrome-grippal-orgmode+R.org diff --git a/module3/ressources/analyse-syndrome-grippal-orgmode+R.org b/module3/ressources/analyse-syndrome-grippal-orgmode+R.org new file mode 100644 index 0000000..a271f6f --- /dev/null +++ b/module3/ressources/analyse-syndrome-grippal-orgmode+R.org @@ -0,0 +1,182 @@ +#+TITLE: Incidence du syndrôme grippal +#+LANGUAGE: fr +#+OPTIONS: *:nil num:1 toc:t + +# #+HTML_HEAD: +#+HTML_HEAD: +#+HTML_HEAD: +#+HTML_HEAD: +#+HTML_HEAD: +#+HTML_HEAD: +#+HTML_HEAD: + +#+PROPERTY: header-args :session :exports both + +* Préface + +Pour exécuter le code de cette analyse, il faut disposer des logiciels suivants: + +** Emacs 25 ou 26 +Une version plus ancienne d'Emacs devrait suffire, mais en ce cas il est prudent d'installer une version récente (9.x) d'org-mode. +** R 3.4 +Nous n'utilisons que des fonctionnalités de base du langage R, une version antérieure devrait suffire. + +#+BEGIN_SRC emacs-lisp :results output +(unless (featurep 'ob-R) + (print "Veuillez activer R dans org-babel (org-babel-do-languages) !")) +#+END_SRC + +Pour la manipulation des dates au format ISO-8601, nous avons besoin du paquet ~parsedate~. +#+BEGIN_SRC R :results output +library(parsedate) +#+END_SRC + +Enfin, nous allons demander à R d'écrire les nombres décimaux en français — c'est-à-dire avec une virgule entre parties entière et décimale — et d'utiliser un nombre de colonnes plus large que celui utilisé par défaut. +#+BEGIN_SRC R :results silent +options(OutDec=",") +options(width=150) +#+END_SRC + +* Préparation des données + +Les données de l'incidence du syndrome grippal sont disponibles du site Web du [[http://www.sentiweb.fr/][Réseau Sentinelles]]. Nous les récupérons en format CSV dont chaque ligne correspond à une semaine de la période demandée. Les dates de départ et de fin sont codées dans l'URL: "wstart=198501" pour semaine 1 de l'année 1985 et "wend=201730" pour semaine 30 de l'année 2017. L'URL complet est: +#+NAME: data-url +http://websenti.u707.jussieu.fr/sentiweb/api/data/rest/getIncidenceFlat?indicator=3&wstart=198501&wend=201730&geo=PAY1&$format=csv + +Voici l'explication des colonnes donnée sur le site d'origine: + +| 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) | + +** Téléchargement +Après avoir téléchargé les données, nous commençons par l'extraction des données qui nous intéressent. D'abord nous découpons le contenu du fichier en lignes, dont nous jetons la première qui ne contient qu'un commentaire. Les autres lignes sont découpées en colonnes. + +#+BEGIN_SRC R :session :results silent :var url=data-url +data = read.csv(trimws(url), skip=1) +#+END_SRC + +#+BEGIN_SRC R :results output +head(data) +tail(data) +#+END_SRC + +** Vérification +Il est toujours prudent de vérifier si les données semblent crédibles. Commençons par regarder s'il y a des points manquants dans ce jeu de données: +#+BEGIN_SRC R :results value +na_records = apply(data, 1, function(x) any(is.na(x))) +data[na_records,] +#+END_SRC + +Voyons aussi comment R a interpreté nos données: +#+BEGIN_SRC R :results output +class(data$week) +class(data$inc) +#+END_SRC + +Les semaines ont été lues comme entiers, il va falloir les interpréter correctement. L'approche la plus facile est de relire les données en expliquant à R que le "-" indique une valeur manquante: +#+BEGIN_SRC R :session :results output :var url=data-url +data = read.csv(trimws(url), skip=1, na.strings="-") +head(data) +#+END_SRC + +Maintenant les deux colonnes `week` et `inc` sont de classe `integer`: +#+BEGIN_SRC R :session :results output :var url=data-url +class(data$week) +class(data$inc) +#+END_SRC + +** Conversions +Pour faciliter les traitements suivants, nous remplaçons les numéros de semaine ISO par les dates qui correspondent aux lundis. D'abord, une petite fonction qui fait le travail: +#+BEGIN_SRC R :results silent +converti_week = function(w) { + ws = paste(w) + iso = paste0(substring(ws,1,4), "-W", substring(ws,5,6)) + as.Date(parse_iso_8601(iso)) + } +#+END_SRC + +Nous appliquons cette fonction à tous les points, créant une nouvelle colonne `date` dans notre jeu de données: +#+BEGIN_SRC R :results output +data$date = as.Date(sapply(data$week, convert_week)) +#+END_SRC + +Vérifions qu'elle est de classe `Date`: +#+BEGIN_SRC R :results output +class(data$date) +#+END_SRC + +Les points sont dans l'ordre chronologique inverse, il est donc utile de les trier: +#+BEGIN_SRC R :results output +data = data[order(data$date),] +#+END_SRC + +** Vérification des dates +Nous faisons encore une vérification: nos dates doivent être séparées d'exactement une semaine. +#+BEGIN_SRC R :results value +all(diff(data$date) == 7) +#+END_SRC + +** Inspection +Regardons enfin à quoi ressemblent nos données ! +#+BEGIN_SRC R :results output graphics :file inc-plot.png +plot(data$date, data$inc, type="l", xlab="Date", ylab="Incidence hebdomadaire") +#+END_SRC + +Un zoom sur les dernières années montre mieux la situation des pics en hiver. Le creux des incidences se trouve en été. +#+BEGIN_SRC R :results output graphics :file inc-plot-zoom.png +with(tail(data, 200), plot(date, inc, type="l", xlab="Date", ylab="Incidence hebdomadaire")) +#+END_SRC + +* Étude de l'incidence annuelle + +** Calcul de l'incidence annuelle +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 du syndrome grippal est très faible en été, cette modification ne risque pas de fausser nos conclusions. + +Voici une fonction qui calcule l'incidence annuelle en appliquant ces conventions. +#+BEGIN_SRC R :results silent +pic_annuel = function(annee) { + debut = paste0(annee-1,"-08-01") + fin = paste0(annee,"-08-01") + semaines = data$date > debut & data$date <= fin + sum(data$inc[semaines], na.rm=TRUE) + } +#+END_SRC + +Nous devons aussi faire attention aux premières et dernières années de notre jeux de données. Les données commencent en janvier 1985, ce qui ne permet pas de quantifier complètement le pic attribué à cette année. Nous le supprimons donc de notre analyse. Par contre, les données se terminent en été 2017, peu avant le 1er août, ce qui nous permet d'inclure cette année dans l'analyse. +#+BEGIN_SRC R :results silent +annees <- 1986:2017 +#+END_SRC + +Nous créons un nouveau jeu de données pour l'incidence annuelle, en applicant la fonction `pic_annuel` à chaque année: +#+BEGIN_SRC R :results value +inc_annuelle = data.frame(annee = annees, + incidence = sapply(annees, pic_annuel)) +head(inc_annuelle) +#+END_SRC + +** Inspection +Voici les incidences annuelles en graphique. +#+BEGIN_SRC R :results output graphics :file annual-inc-plot.png +plot(inc_annuelle, type="p", xlab="Année", ylab="Incidence annuelle") +#+END_SRC + +** Identification des épidémies les plus fortes +Une liste triée par ordre décroissant d'incidence annuelle permet de plus facilement repérer les valeurs les plus élevées: +#+BEGIN_SRC R :results output +head(inc_annuelle[order(-inc_annuelle$incidence),]) +#+END_SRC + +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. +#+BEGIN_SRC R :results output graphics :file annual-inc-hist.png +hist(inc_annuelle$incidence, breaks=10, xlab="Incidence annuelle", ylab="Nb d'observations", main="") +#+END_SRC -- 2.18.1