# installer la dernière version du paquet epirhandbook
pacman::p_install_gh("appliedepi/epirhandbook")2 Télécharger le manuel et les données
2.1 Télécharger le manuel hors-ligne
Vous pouvez télécharger la version hors-ligne de ce manuel en tant que fichier HTML afin de pouvoir le visualiser dans votre navigateur Web même si vous n’avez plus accès à Internet. Si vous envisagez d’utiliser le manuel Epi R hors ligne, voici quelques éléments à prendre en compte :
- Lorsque vous ouvrez le fichier, le chargement des images et de la table des matières peut prendre une minute ou deux.
- Le manuel hors ligne a une mise en page légèrement différente : une très longue page avec la table des matières à gauche. Pour rechercher des termes spécifiques, utilisez Ctrl + F (Cmd + F).
- Consultez la page Paquets conseillés pour vous aider à installer les paquets R appropriés avant de perdre votre connexion à Internet.
- Installez notre paquet R epirhandbook qui contient toutes les données utilisées dans les exemples (le processus d’installation est décrit ci-dessous).
Il y a deux façons de télécharger le manuel :
Utiliser le lien de téléchargement
Pour un accès rapide, cliquez à droite ce lien et sélectionnez “Enregistrer le lien sous”.
Si vous êtes sur un Mac, utilisez Cmd + clic. Si vous êtes sur un téléphone portable, appuyez sur le lien et maintenez-le enfoncé, puis sélectionnez “Enregistrer le lien”. Le manuel sera téléchargé sur votre appareil. Si un écran contenant un code HTML brut apparaît, assurez-vous d’avoir suivi les instructions ci-dessus ou essayez l’option 2.
Utiliser notre paquet R
Nous avons développé un paquet R appelé epirhandbook. Il comprend une fonction download_book() qui télécharge le fichier du guide depuis notre dépôt Github sur votre ordinateur.
Ce package contient également une fonction get_data() qui télécharge toutes les données utilisées dans les chapitres sur votre ordinateur.
Exécutez le code suivant pour installer notre paquet R epirhandbook à partir du dépôt Github appliedepi. Ce paquet n’est pas sur le CRAN, donc utilisez la fonction spéciale p_install_gh() du paquet pacman pour l’installer depuis Github.
Maintenant, importer le paquet pour l’utiliser dans votre session R actuelle :
# Importer le paquet pour pouvoir l'utiliser dans la session ouverte
pacman::p_load(epirhandbook)Ensuite, exécutez la fonction du paquet download_book() (avec des parenthèses vides) pour télécharger le manuel sur votre ordinateur. En supposant que vous êtes dans RStudio, une fenêtre apparaîtra pour vous permettre de sélectionner un emplacement de sauvegarde.
# télécharger la version html du manuel localement
download_book()2.2 Télécharger les données
Pour pouvoir reproduire les exemples au fur et à mesure sur votre ordinateur, vous pouvez télécharger les données et les fichiers générés.
Utiliser notre paquet R
Une fois le paquet téléchargé et importé dans votre session R (voir section au-dessus) utilisez la fonction get_data() du paquet pour obtenir les données d’exemple sur votre ordinateur. Exécutez get_data("all") pour obtenir toutes les données d’exemple, ou fournissez un nom de fichier spécifique et une extension entre guillemets pour récupérer un seul fichier.
Techniquement, toutes les données ont déjà été téléchargées avec le paquet, et doivent simplement être transférées dans un dossier de votre ordinateur. Une fenêtre pop-up apparaîtra, vous permettant de sélectionner un emplacement de dossier de sauvegarde. Nous vous suggérons de créer un nouveau dossier “data” car il y a environ 30 fichiers (y compris les données d’exemple et les sorties générées par les exemples).
# enregistrer toutes les données dans un dossier sur votre ordinateur
get_data("all")
# enregistrer les données linelist dans un dossiet sur votre ordinateur
get_data(file = "linelist_cleaned.rds")Une fois que vous avez utilisé get_data() pour enregistrer un fichier sur votre ordinateur, vous devrez encore l’importer dans R. Voir la page Importer et exporter des données pour plus de détails.
Si vous le souhaitez, vous pouvez consulter toutes les données utilisées dans ce manuel dans le “dossier données” de notre dépôt Github.
Téléchargement manuel
Vous pouvez télécharger les données fichier par fichier à partir de notre dépôt Github via un lien ou une commande R spécifique au fichier. Certains types de fichiers ont un bouton de téléchargement, tandis que d’autres peuvent être téléchargés via une commande R.
Liste de cas (linelist)
Il s’agit d’une linelist pour une épidémie d’Ebola fictive, développée par notre équipe à partir du jeu de données d’exemple ebola_sim du paquet outbreaks.
Cliquer pour télécharger les données brutes (.xlsx). La liste de cas “brute” est une feuille de calcul Excel contenant des données désordonnées. Utilisez-la pour suivre la page Nettoyer les données et fonctions essentielles.
Cliquer pour télécharger la linelist nettoyée (.rds). Utilisez ce fichier pour toutes les autres pages de ce manuel qui utilisent la linelist. Un fichier .rds est un type de fichier spécifique à R qui préserve les classes de colonnes. Cela garantit que vous n’aurez qu’un nettoyage minimal à faire après avoir importé les données dans R.
Autres fichiers linelist :
Cliquer pour télécharger la version nettoyée de la linelist sous format Excel
Une partie de la page sur le nettoyage des données utilise un “dictionnaire de nettoyage” (fichier .csv). Vous pouvez le charger directement dans R en exécutant les commandes suivantes :
pacman::p_load(rio) # installer/importer le paquet **rio**
# importer le fichier directement depuis github
cleaning_dict <- import("https://github.com/appliedepi/epiRhandbook_fr/raw/main/data/case_linelists/cleaning_dict.csv")Cas de paludisme
Ces données sont des comptages fictifs de cas de paludisme par groupe d’âge, établissement et jour. Un fichier .rds est un type de fichier spécifique à R qui préserve les classes de colonnes. Cela garantit que vous n’aurez qu’un nettoyage minimal à faire après avoir importé les données dans R.
Click to download les comptages de de cas de paludisme (.rds file)
Données sur l’échelle de Likert
Il s’agit de données fictives issues d’une enquête de type Likert, utilisées dans la page Pyramides démographiques et échelles de Likert. Vous pouvez charger ces données directement dans R en exécutant les commandes suivantes :
pacman::p_load(rio) # installer/importer le paquet **rio**
# importer le fichier directement depuis github
likert_data <- import("https://github.com/appliedepi/epiRhandbook_fr/raw/main/data/likert_data.csv")Flexdashboard
Vous trouverez ci-dessous des liens vers le fichier associé à la page Tableaux de bord avec R Markdown:
- Pour télécharger le fichier RMarkdown (.Rmd) du tableau de bord sur les épidémies, faites un clic droit sur ce lien (Cmd+clic pour Mac) et sélectionnez “Enregistrer le lien sous”.
- Pour télécharger le tableau de bord HTML, cliquez avec le bouton droit de la souris sur ce lien. (Cmd + clic pour Mac) et sélectionnez “Enregistrer le lien sous”.
recherche des contacts
La page Recherche des contacts présente une analyse des données de recherche des contacts, à l’aide d’exemples de données provenant de Go.Data. Les données utilisées dans cette page peuvent être téléchargées sous forme de fichiers .rds en cliquant sur les liens suivants :
Cliquer pour télécharger les données d’investigation des cas (.rds file)
Cliquer pour télécharger les données d’enregistrement des contacts (.rds file)
Cliquer pour télécharger les données de suivi des contacts (.rds file)
NOTE: Les données structurées de recherche des contacts provenant d’autres logiciels (par exemple KoBo, DHIS2 Tracker, CommCare) peuvent être organisées differement. Si vous souhaitez contribuer à l’élaboration d’un échantillon de données ou d’un contenu alternatif pour cette page, veuillez nous contacter.
TIP: Si vous déployez Go.Data et souhaitez vous connecter à l’API de votre instance, consultez la page Importation et exportation, (section API) et la Communauté de pratique Go.Data.
SIG
Les fichiers Shapefiles comportent de nombreux sous-fichiers, chacun avec une extension de fichier différente. Un fichier aura l’extension “.shp”, mais d’autres peuvent avoir “.dbf”, “.prj”, etc.
La page Notions de base sur les SIG fournit des liens vers le site Web Humanitarian Data Exchange où vous pouvez télécharger les fichiers de forme directement sous forme de fichiers zippés.
Par exemple, les données des locations des établissements de santé peuvent être téléchargées ici. Téléchargez “hotosm_sierra_leone_health_facilities_points_shp.zip”. Une fois enregistré sur votre ordinateur, décompressez le dossier. Vous verrez plusieurs fichiers avec des extensions différentes (par exemple, “.shp”, “.prj”, “.shx”); tous ces fichiers doivent être enregistrés dans le même dossier sur votre ordinateur. Ensuite, pour importer dans R, fournissez le chemin et le nom du fichier “.shp” à st_read() du paquet sf (comme décrit dans la page Notions de base sur les SIG).
Si vous suivez l’option 1 pour télécharger toutes les données de l’exemple (via notre paquet R epirhandbook), tous les shapefiles sont inclus.
Vous pouvez également télécharger les fichiers Shapefile à partir du dossier “data” du manuel R sur Github (voir le sous-dossier “gis”). Cependant, sachez que vous devrez télécharger chaque sous-fichier individuellement sur votre ordinateur. Dans Github, cliquez sur chaque fichier et téléchargez-les en cliquant sur le bouton “Télécharger”. Ci-dessous, vous pouvez voir comment le fichier de forme “sle_adm3” se compose de plusieurs fichiers, chacun devant être téléchargé depuis Github.
Arbres phylogénétiques
La page sur les arbres phylogénétiques utilise un fichier Newick pour l’arbre phylogénétique construit à partir du séquençage du génome entier de 299 échantillons de Shigella sonnei et des données d’échantillons correspondantes (converties en fichier texte). Les échantillons belges et les données résultantes sont aimablement fournis par le CNR belge pour Salmonella et Shigella dans le cadre d’un projet mené par un boursier EUPHEM de l’ECDC, et seront également publiés dans un manuscrit. Les données internationales sont disponibles sur des bases de données publiques (ncbi) et ont déjà été publiées.
- Pour télécharger le fichier de l’arbre phylogénétique “Shigella_tree.txt”, cliquez avec le bouton droit de la souris sur ce lien (Cmd+click for Mac) et sélectionnez “Enregistrer le lien sous”.
- Pour télécharger le fichier “sample_data_Shigella_tree.csv” contenant des informations supplémentaires sur chaque échantillon, cliquez avec le bouton droit de la souris sur ce lien (Cmd+clic pour Mac) et sélectionnez “Enregistrer le lien sous”.
- Pour voir le nouveau sous-arbre créé, cliquez avec le bouton droit de la souris sur ce lien (Cmd+clic pour Mac) et sélectionnez “Enregistrer le lien sous”. Le fichier .txt sera téléchargé sur votre ordinateur.
Vous pouvez ensuite importer les fichiers .txt avec read.tree() du paquet ape, comme expliqué dans le chapitre concerné.
ape::read.tree("Shigella_tree.txt")Standardization
Pour la page sur la standardisation des données, vous pouvez charger les données directement depuis notre dépôt Github sur internet dans votre session R avec les commandes suivantes :
# installer/importer le paquet **rio**
pacman::p_load(rio)
##############
# Pays A
##############
# import des données démographiques du pays depuis github
A_demo <- import("https://github.com/appliedepi/epiRhandbook_fr/raw/main/data/standardization/country_demographics.csv")
# import des données de mortalité du pays depuis github
A_deaths <- import("https://github.com/appliedepi/epiRhandbook_fr/raw/main/data/standardization/deaths_countryA.csv")
##############
# Pays B
##############
# import des données démographiques du pays depuis github
B_demo <- import("https://github.com/appliedepi/epiRhandbook_fr/raw/main/data/standardization/country_demographics_2.csv")
# import des données de mortalité du pays depuis github
B_deaths <- import("https://github.com/appliedepi/epiRhandbook_fr/raw/main/data/standardization/deaths_countryB.csv")
###############
# Population de référence
###############
# import depuis Github
standard_pop_data <- import("https://github.com/appliedepi/epiRhandbook_fr/raw/main/data/standardization/world_standard_population_by_sex.csv")Séries temporelles et détection des épidémies
Voir la page sur les séries temporelles et la détection des épidémies. Nous utilisons les cas de campylobacter rapportés en Allemagne de 2002 à 2011, tels que disponibles dans le paquet R surveillance. (note cet ensemble de données a été adapté de l’original, en ce sens que 3 mois de données ont été supprimés à partir de la fin de 2011 à des fins de démonstration).
Cliquer pour télécharger Campylobacter en Allemagne (.xlsx)
Nous utilisons également les données climatiques de l’Allemagne entre 2002 et 2011 (température en degrés Celsius et précipitations en millimètres). Ces données ont été téléchargées à partir d’un jeu de données dérivé des données produites par le satellite Copernicus (UE) à l’aide du paquet ecmwfr. Vous devrez télécharger toutes ces données et les importer avec stars::read_stars() comme expliqué dans la page sur les séries temporelles.
Cliquer pour télécharger Climat Allemagne 2002 (.nc file)
Cliquer pour télécharger Climat Allemagne 2003 (.nc file)
Cliquer pour télécharger Climat Allemagne 2004 (.nc file)
Cliquer pour télécharger Climat Allemagne 2005 (.nc file)
Cliquer pour télécharger Climat Allemagne 2006 (.nc file)
Cliquer pour télécharger Climat Allemagne 2007 (.nc file)
Cliquer pour télécharger Climat Allemagne 2008 (.nc file)
Cliquer pour télécharger Climat Allemagne 2009 (.nc file)
Analyse d’enquêtes
Pour la page analyse d’enquête, nous utilisons des données d’enquêtes de mortalité fictives basées sur les modèles d’enquête MSF OCA. Ces données fictives ont été générées dans le cadre du projet “R4Epis”.
Cliquer pour télécharger Données d’enquête fictives (.xlsx)
Cliquer pour télécharger Données d’enquête fictives (dictionnaire) (.xlsx)
Cliquer pour télécharger Données d’enquête fictives (données de population) (.xlsx)
Shiny
La page sur les tableaux de bord avec Shiny illustre la construction d’une application simple pour afficher les données sur le paludisme.
Pour télécharger les fichiers R qui produisent l’app Shiny :
Vous pouvez cliquer ici pour télécharger le fichier facility_count_data.rds qui contient les données sur le paludisme pour l’application Shiny. Notez que vous devrez peut-être l’enregistrer dans un dossier “data” pour que les chemins de fichier here() fonctionnent correctement.
Vous pouvez cliquer ici pour télécharger le fichier global.R qui doit être exécuté avant l’ouverture de l’app, comme expliqué dans la page.
Vous pouvez cliquer ici pour télécharger le fichier plot_epicurve.R dont l’exécution est lancée par le script global.R. Notez que vous devrez peut-être le stocker dans un dossier “funcs” pour que les chemins de fichier here() fonctionnent correctement.