# установить последнюю версию пакета appliedepidata
pak::pak("appliedepi/appliedepidata")2 Скачивание руководства и данных
2.1 Скачать руководство для работы офлайн
Вы можете скачать этот справочник и читать его без подключения к интернету. Каждый язык — это zip-архив со всем сайтом: каждая глава, каждое изображение и панель навигации.
- Скачайте zip-архив для своего языка и распакуйте его.
- Откройте
index.htmlв распакованной папке, чтобы начать чтение. - Смотрите страницу Рекомендованные пакеты, чтобы установить нужные пакеты R до потери связи.
Чтобы скачать справочник:
Zip-архив пересобирается автоматически, поэтому он всегда соответствует последней версии справочника.
2.2 Скачивание данных для параллельной работы
Чтобы выполнять шаги на страницах руководства, вы можете загрузить примеры данных прямо в R с помощью нашего пакета-компаньона appliedepidata. Он содержит все наборы данных, используемые в примерах этого руководства.
Установка пакета
appliedepidata отсутствует в CRAN, поэтому установите его из репозитория Github с помощью pak:
Загрузить набор данных напрямую
Используйте get_data() с аргументом name =, чтобы загрузить набор данных прямо в R — без скачивания, без пути к файлу, без шага import(). Функция возвращает набор данных как объект R (таблицу данных, объект sf, дерево phylo и так далее, в зависимости от набора данных).
# загрузить очищенный построчный список прямо в R
linelist <- appliedepidata::get_data(name = "linelist_cleaned_rds")На каждой странице руководства, где используются примеры данных, показан нужный для этой страницы вызов get_data(name = "...") — там, где данные используются впервые.
Сохранить набор данных в файл
Некоторые страницы учат импортировать файл (например, книгу Excel или папку с файлами), а не объект R. Для них используйте save_data() с аргументами name = и path =, чтобы записать реальные файлы в выбранную вами папку:
# записать файл Excel с "сырым" построчным списком в рабочий каталог
appliedepidata::save_data(name = "case_linelists_linelist_raw", path = getwd())Затем вы можете импортировать его с помощью import(), как любой файл на вашем компьютере — подробности см. на странице Импорт и экспорт. Обратите внимание, что save_data() не распаковывает автоматически наборы данных, которые распространяются в виде архива .zip (например, шейп-файлы из нескольких файлов или папки с файлами); после сохранения используйте utils::unzip().
Посмотреть доступные данные
-
appliedepidata::search_data()запускает интерактивное приложение Shiny для фильтрации и поиска всех наборов данных пакета по языку и ключевому слову. -
appliedepidata::list_data()возвращает таблицу со всеми названиями наборов данных — для использования в скриптах.
# интерактивный просмотр наборов данных
appliedepidata::search_data()
# список всех названий наборов данных
appliedepidata::list_data()При желании вы можете просмотреть исходные файлы данных в папке “data” репозитория Github пакета appliedepidata.
Справочник наборов данных, по страницам
Ниже указано название, которое нужно передать в get_data()/save_data() для примеров данных, упомянутых на каждой странице руководства.
Построчный список случаев
Это вымышленная вспышка Эболы, расширенная командой, готовившей руководство, из набора данных для практики ebola_sim в пакете outbreaks.
# the "raw" linelist - an Excel spreadsheet with messy data
# use this to follow along with the Cleaning data and core functions page
raw_linelist <- appliedepidata::get_data(name = "case_linelists_linelist_raw")
# the "clean" linelist - an R-specific .rds file that preserves column classes
# use this for all other pages of this handbook that use the linelist
linelist <- appliedepidata::get_data(name = "linelist_cleaned_rds")
# the "clean" linelist, as an Excel file instead
linelist_excel <- appliedepidata::get_data(name = "linelist_cleaned_excel")Часть страницы вычистки использует “словарь вычистки” (.csv файл). Вы можете загрузить его напрямую в R, выполнив следующие команды:
cleaning_dict <- appliedepidata::get_data(name = "case_linelists_cleaning_dict")Работа с датами
Страница Работа с датами использует число случаев по районам и датам:
counts <- appliedepidata::get_data(name = "example_district_weekly_count_data")Написание функций
Страница Написание функций использует построчный список вспышки гриппа H7N9 в Китае в 2013 году:
flu_china <- appliedepidata::get_data(name = "fluH7N9_China_2013")Итерации, циклы и списки
Страница Итерации, циклы и списки импортирует книгу Excel, в которой один лист на каждую больницу. Сначала сохраните её в файл:
appliedepidata::save_data(name = "example_hospital_linelists", path = getwd())Импорт и экспорт
Страница Импорт и экспорт импортирует построчный список из файлов Excel. Сначала сохраните их в файлы:
# "сырой" построчный список
appliedepidata::save_data(name = "linelist_raw", path = getwd())
# очищенный построчный список
appliedepidata::save_data(name = "linelist_cleaned", path = getwd())Данные о количестве случаев малярии
Эти данные представляют собой фиктивное количество случаев заболевания малярией по возрастным группам, учреждениям и дням. Файл .rds - это специфический для R тип файла, сохраняющий классы столбцов. Благодаря этому после импорта данных в R вам придется выполнить лишь минимальную вычистку.
malaria_data <- appliedepidata::get_data(name = "malaria_facility_count_data")Данные для шкалы Лайкерта
Это вымышленные данные из опроса Лайкерта, используемые на странице Демографические пирамиды и шкалы Лайкерта. Вы можете загрузить эти данные напрямую в R, выполнив следующие команды:
likert_data <- appliedepidata::get_data(name = "likert_data")Flexdashboard
Ниже есть ссылки на файлы для страницы Информационные панели c R Markdown. Это исходные файлы R Markdown/HTML, а не примеры наборов данных, поэтому они не входят в пакет appliedepidata - скачайте их напрямую с Github:
Отслеживание контактов
Страница Отслеживание контактов анализирует пример данных по отслеживанию контактов из Go.Data. Эти данные входят в appliedepidata:
# данные расследования случаев
cases <- appliedepidata::get_data(name = "cases_clean")
# данные регистрации контактов
contacts <- appliedepidata::get_data(name = "contacts_clean")
# данные наблюдения за контактами
followups <- appliedepidata::get_data(name = "followups_clean")
# связи между случаями и контактами
relationships <- appliedepidata::get_data(name = "relationships_clean")ПРИМЕЧАНИЕ: Структурированные данные по отслеживанию контактов из других программ (например, KoBo, DHIS2 Tracker, CommCare) могут выглядеть по-другому. Если вы хотите предложить альтернативные примеры данных или материалы для этой страницы, свяжитесь с нами.
СОВЕТ: Если вы используете данные Go.Data и хотите связать это с вашим API, см. страницу Импорта и экспорта (раздел по API) и Сообщество практиков Go.Data.
ГИС
Шейп-файлы состоят из нескольких файлов-компонентов, каждый со своим расширением. У одного файла расширение “.shp”, у других может быть “.dbf”, “.prj” и так далее. appliedepidata объединяет компоненты каждого шейп-файла в один архив .zip, поэтому используйте save_data(), а затем распакуйте:
# загрузить шейп-файл admin-3 Сьерра-Леоне сразу как объект sf
sle_adm3 <- appliedepidata::get_data(name = "sle_adm3")
# загрузить точки медицинских организаций как объект sf
sle_hf <- appliedepidata::get_data(name = "sle_hf")
# загрузить таблицу населения по ADM3
sle_adm3_pop <- appliedepidata::get_data(name = "sle_admpop_adm3_2020")
# ИЛИ сохранить исходные файлы-компоненты шейп-файла в папку
shp_dir <- "sle_adm3_files"
dir.create(shp_dir)
appliedepidata::save_data(name = "sle_adm3", path = shp_dir)
utils::unzip(file.path(shp_dir, "sle_adm3.zip"), exdir = shp_dir)Страница Основы ГИС загружает все три набора данных: границы admin-3 sle_adm3, точки медицинских организаций sle_hf и таблицу населения sle_admpop_adm3_2020. Чтобы прочитать шейп-файл по своему пути к файлу, используйте read_sf() из пакета sf. На той же странице есть ссылки на сайт Humanitarian Data Exchange, откуда можно скачать другие шейп-файлы в виде архивов. Точечные данные по учреждениям здравоохранения, например, доступны здесь.
Филогенетические деревья
См. страницу Филогенетические деревья. Файл Newick филогенетического дерева, построенного на основе полногеномного секвенирования 299 образцов Shigella sonnei, и соответствующие данные по образцам (преобразованы в текстовый файл). Бельгийские образцы и полученные данные любезно предоставлены Бельгийским центром по изучению сальмонелл и шигелл в рамках проекта, осуществляемого стипендиатом EUPHEM ECDC, и также будут опубликованы в рукописи. Международные данные находятся в открытом доступе в общедоступных базах данных (ncbi) и были опубликованы ранее.
# the phylogenetic tree, as a "phylo" object (ape package)
tree <- appliedepidata::get_data(name = "Shigella_tree")
# additional information on each sample
sample_data <- appliedepidata::get_data(name = "sample_data_Shigella_tree")
# the subset-tree created later in the page
subtree <- appliedepidata::get_data(name = "Shigella_subtree_2")Стандартизация
См. страницу Стандартизированные коэффициенты. Вы можете загрузить данные напрямую с помощью следующих команд:
##############
# Страна A
##############
# демография страны A
A_demo <- appliedepidata::get_data(name = "country_demographics")
# смерти в стране A
A_deaths <- appliedepidata::get_data(name = "deaths_countryA")
##############
# Страна B
##############
# демография страны B
B_demo <- appliedepidata::get_data(name = "country_demographics_2")
# смерти в стране B
B_deaths <- appliedepidata::get_data(name = "deaths_countryB")
# Референтная популяция
###############
# стандартное население
# world standard population, by sex
standard_pop_data <- appliedepidata::get_data(name = "world_standard_population_by_sex")Временные ряды и обнаружение вспышек
См. страницу Временные ряды и обнаружение вспышек. Мы используем случаи кампилобактера, зарегистрированные в Германии в 2002-2011, доступные в пакете R surveillance. (примечание этот набор данных был адаптирован из оригинального в той части, что 3 месяца данных конца 2011 года были удалены в целях демонстрации)
counts <- appliedepidata::get_data(name = "campylobacter_germany")Мы также используем климатические данные по Германии за 2002-2011 гг. (температура в градусах Цельсия и количество осадков в миллиметрах). Они были загружены из набора данных спутникового реанализа ЕС Copernicus с помощью пакета ecmwfr. appliedepidata объединяет их в один архив .zip из десяти годовых файлов .nc. get_data() читает весь набор сразу как единый объект stars; save_data() выдаёт исходные файлы .nc, если вы хотите изучить или обработать их самостоятельно.
# прочитать объединённые климатические данные сразу как объект stars
weather_data <- appliedepidata::get_data(name = "germany_weather")
# ИЛИ сохранить исходные годовые файлы .nc в папку
weather_dir <- "germany_weather_files"
dir.create(weather_dir)
appliedepidata::save_data(name = "germany_weather", path = weather_dir)
utils::unzip(file.path(weather_dir, "germany_weather.zip"), exdir = weather_dir)Анализ опросов
Для страницы Анализ опросов мы используем выдуманные данные исследования смертности на основе шаблонов опросов MSF OCA. Этот выдуманный набор данных был сгенерирован в рамках проекта “R4Epis”.
# fictional survey data
survey_data <- appliedepidata::get_data(name = "survey_data")
# fictional survey data dictionary
survey_dict <- appliedepidata::get_data(name = "survey_dict")
# fictional survey population data
population <- appliedepidata::get_data(name = "population")Shiny
Страница Информационные панели с Shiny демонстрирует создание простого приложения для отображения данных по малярии. Данные приложения входят в состав appliedepidata:
malaria_data <- appliedepidata::get_data(name = "malaria_facility_count_data")Скрипты R этого приложения не являются примерами данных и не входят в appliedepidata — скачайте их напрямую с Github:
Вы можете кликните, чтобы скачать файл global.R, который должен быть выполнен до открытия приложения, как объясняется на странице.
Вы можете кликните, чтобы скачать файл plot_epicurve.R, к которому обращается global.R. Обратите внимание, что его нужно сохранить в папке “funcs”, чтобы работал путь к файлу через here().