TakeCareApp/app/calculator.R

library(shiny)
library(magrittr)
library(ggplot2)
library(plotly)
library(DT)

calculatorUI <- function(id){
  ns <- NS(id)
  fluidPage(
  titlePanel("Kalkulator wskaźnika ryzyka nowotworu jajnika (IOTA LR2)"),
  sidebarLayout(
    sidebarPanel(
      sliderInput("slider1", strong("Wiek pacjenta:"),min = 14, max = 100, value = 40),
      selectInput("select1",strong("Obecność wodobrzusza:"),choices = list("Nie"=0,"Tak"=1),selected=0),
      selectInput("select2",strong("Obecność przepływu krwi w projekcji brodawkowatej:"),choices = list("Nie"=0,"Tak"=1),selected=0),
      sliderInput("slider2", strong("Największa średnica elementu stałego (w mm):"),min = 0, max = 200, value = 0),
      selectInput("select3",strong("Nieregularna wewnętrzna ściana torbieli:"),choices = list("Nie"=0,"Tak"=1),selected=0),
      selectInput("select4",strong("Obecność cieni akustycznych:"),choices = list("Nie"=0,"Tak"=1),selected=0),
      actionButton("update" ,"Oblicz"),
      downloadButton("report", "Generuj raport")
    ),
    
    mainPanel(
      p("Aplikacja przeznaczona jest dla lekarzy ginekologów i wdraża wskaźnik złośliwości nowotworu jajnika w oparciu o algorytm IOTA LR2. Wizualizuje również wynik regresji logistycznej."),
      p("Szczegółowy opis algorytmu znajduje się w artykule: Timmerman D, Testa AC, Bourne T, [i in.]. Model regresji logistycznej do rozróżniania łagodnych i złośliwych guzów przydatków przed operacją: wieloośrodkowe badanie przeprowadzone przez International Ovarian Tumor Analysis Group. J Clin Oncol. 2005, 23, 8794-8801."),
      p("Ogólnie algorytm LR2 przewiduje, że nowotwór jest łagodny, gdy pacjent jest młody, lity składnik zmiany jest mały i występują cienie akustyczne. Możesz to sprawdzić empirycznie za pomocą różnych kombinacji wartości wejściowych."),
      p("Wypełnij formularz i kliknij",strong("Oblicz")," "),
      
      htmlOutput("selected_var"),
      htmlOutput("var"),
      br(),
      plotlyOutput("wykres")
    )
  )
)
}

calculatorServer <- function(input, output, session) {
  
  
  output$report <- downloadHandler(
    # For PDF output, change this to "report.pdf"
    filename = "raport.pdf",
    content = function(file) {
      # Copy the report file to a temporary directory before processing it, in
      # case we don't have write permissions to the current working dir (which
      # can happen when deployed).
      tempReport <- file.path(tempdir(), "report.Rmd")
      file.copy("report.Rmd", tempReport, overwrite = TRUE)
      
      # Set up parameters to pass to Rmd document
      p=0
      if(as.numeric(input$slider2)>=50){
        p=50
      }
      z=-5.3718+0.0354*as.numeric(input$slider1)+1.6159*as.numeric(input$select1)+1.1768*as.numeric(input$select2)+0.0697*p+0.9586*as.numeric(input$select3)-2.9486*as.numeric(input$select4)
      x=round(1/(1+exp(-z)),3)
      params <- list(n = input$slider1,k=input$slider2,l=input$select1,m=input$select2,p=input$select3,r=input$select4,z=x,y=)
      
      # Knit the document, passing in the `params` list, and eval it in a
      # child of the global environment (this isolates the code in the document
      # from the code in this app).
      rmarkdown::render(tempReport, output_file = file,
                        params = params,
                        envir = new.env(parent = globalenv())
      )
    }
  )

  output$selected_var <- renderText({
    input$update
    p=0
    if(as.numeric(isolate(input$slider2))>=50){
      p=50
    }
    z=-5.3718+0.0354*as.numeric(isolate(input$slider1))+1.6159*as.numeric(isolate(input$select1))+1.1768*as.numeric(isolate(input$select2))+0.0697*p+0.9586*as.numeric(isolate(input$select3))-2.9486*as.numeric(isolate(input$select4))
    x=round(1/(1+exp(-z)),3)
    if(as.numeric(input$update)>0){
      paste("Surowa wartość predyktora (im niższa, tym lepiej): ", strong(x))
    }
  })
  
  output$var <- renderText({
    input$update
    p=0
    if(as.numeric(isolate(input$slider2))>=50){
      p=50
    }
    z=-5.3718+0.0354*as.numeric(isolate(input$slider1))+1.6159*as.numeric(isolate(input$select1))+1.1768*as.numeric(isolate(input$select2))+0.0697*p+0.9586*as.numeric(isolate(input$select3))-2.9486*as.numeric(isolate(input$select4))
    x=round(1/(1+exp(-z)),3)
    if(as.numeric(input$update)>0){
    if(x>0.1){
      paste("Klasa guza: ",strong("złośliwy"))
    } else {
      paste("Klasa guza: ",strong("łagodny"))
    }
    }
  })
  
  output$wykres <- renderPlotly({
    input$update
    p=0
    if(as.numeric(isolate(input$slider2))>=50){
      p=50
    }
    z=-5.3718+0.0354*as.numeric(isolate(input$slider1))+1.6159*as.numeric(isolate(input$select1))+1.1768*as.numeric(isolate(input$select2))+0.0697*p+0.9586*as.numeric(isolate(input$select3))-2.9486*as.numeric(isolate(input$select4))
    x=seq(by=1,-8,8)
    y=round(1/(1+exp(-x)),3)
    d=data.frame(x,y)
    if(as.numeric(input$update)>0){
    g=ggplot(data=d,aes(x=x,y=y))+
      geom_line()+
      geom_point(aes(x=z,y=round(1/(1+exp(-z)),3)),color="red",size=4)+
      geom_hline(aes(yintercept=0.1),linetype = "dashed")+
      geom_text(aes(x=6,y=0.15),label="próg złośliwości: 0.1")+
      labs(x="Realność",y="Prognoza")+
      theme_light()
      ggplotly(g)
    }
    
    
  })
}