library(shiny) library(magrittr) library(ggplot2) library(plotly) library(DT) calculatorUI <- function(id){ ns <- NS(id) fluidPage( fluidRow( column(3, tags$div("Panel sterowania") %>% tagAppendAttributes(class="panel-title"), wellPanel( sliderInput("slider1", strong("Wiek pacjenta:"),min = 14, max = 100, value = 40), selectInput("select1",strong("Obecność wodobrzusza:"),choices = list("Nie"=0,"Tak"=1),selected=0), selectInput("select2",strong("Obecność przepływu krwi w projekcji brodawkowatej:"),choices = list("Nie"=0,"Tak"=1),selected=0), sliderInput("slider2", strong("Największa średnica elementu stałego (w mm):"),min = 0, max = 200, value = 0), selectInput("select3",strong("Nieregularna wewnętrzna ściana torbieli:"),choices = list("Nie"=0,"Tak"=1),selected=0), selectInput("select4",strong("Obecność cieni akustycznych:"),choices = list("Nie"=0,"Tak"=1),selected=0), actionButton("update" ,"Oblicz"), downloadButton("report", "Generuj raport")) )%>% tagAppendAttributes(id = 'column-panel'), column(9, tags$div("Kalkulator wskaźnika ryzyka nowotworu jajnika (IOTA LR2)") %>% tagAppendAttributes(class="panel-title"), wellPanel( 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") ) )%>% tagAppendAttributes(id = 'column-content') ) %>% tagAppendAttributes(id = 'row-content'), fluidRow( column(12, tags$span("© Copyright Wszystkie prawa zastrzeżone."))%>% tagAppendAttributes(id = 'column-copyright'), )%>% tagAppendAttributes(id = 'row-footer') ) } calculatorServer <- function(input, output, session) { output$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) } }) }