TAK-48 TAK-50 TAK-52 wykresy itd

app/calculator.R

@@ -0,0 +1,91 @@
+library(shiny)
+library(magrittr)
+library(ggplot2)
+library(plotly)
+library(DT)
+
+ui <- 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")
+    ),
+    
+    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")
+    )
+  )
+)
+
+server <- function(input, output, session) {
+
+  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)
+    }
+    
+    
+  })
+}
+
+shinyApp(ui = ui, server = server)