TakeCareApp/app/calculator.R
2021-01-07 14:23:35 +01:00

203 lines
8.1 KiB
R

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"),
uiOutput("calculatorSave")
)
)%>% tagAppendAttributes(id = 'column-content')
) %>% tagAppendAttributes(id = 'row-content'),
fluidRow(
column(12,
tags$span("© Copyright Wszystkie prawa zastrzeżone."))%>% tagAppendAttributes(id = 'column-copyright'),
)%>% tagAppendAttributes(id = 'row-footer')
)
}
calculatorServer <- function(input, output, session) {
calculatorRV <-reactiveValues(value=NULL)
calculatorTV <-reactiveValues(value=NULL)
output$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)
# 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)
calculatorRV$value<-x
if(as.numeric(input$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$update)>0){
if(x>0.1){
paste("Klasa guza: ",strong("złośliwy"))
calculatorTV$value<-paste("Klasa guza: ",strong("złośliwy"))
} else {
paste("Klasa guza: ",strong("łagodny"))
calculatorTV$value <- paste("Klasa guza: ",strong("łagodny"))
}
}
})
output$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)
}
})
output$calculatorSave<-renderUI({
if(as.numeric(input$update)>0){
actionButton("calculatorSubmit","Zapisz")
}
})
observeEvent(input$calculatorSubmit, {
calculatorSave<-data.frame(slider1<-input$slider1,
select1<-input$select1,
select2<-input$select2,
slider2<-input$slider2,
select3<-input$select3,
select4<-input$select4)
calculatorParameterInts = list(list(name="parameter1",value = calculatorSave$slider1),
list(name="parameter2",value = calculatorSave$select1),
list(name="parameter3",value = calculatorSave$select2),
list(name="parameter4",value = calculatorSave$slider2),
list(name="parameter5",value = calculatorSave$select3),
list(name="parameter6",value = calculatorSave$select4))
prediction = list(
name = "IOTA",
parameterInts = calculatorParameterInts,
resultValue = calculatorRV$value,
resultText = calculatorTV$value
)
r<-httr::POST("http://localhost:8080/api/prediction/save/ind",add_headers(Authorization=paste("Bearer",input$token,sep=" ")),body=prediction,encode = 'json')
# SPRAWDZENIE POBIERANIA JEDNEGO I WIELU POMIAROW
# r<-httr::GET("http://localhost:8080/api/prediction/get/13",add_headers(Authorization=paste("Bearer",input$token,sep=" ")),encode = 'json')
# r<-httr::GET("http://localhost:8080/api/prediction/usersPredictions/ind",add_headers(Authorization=paste("Bearer",input$token,sep=" ")),encode = 'json')
if (r$status_code==200){
TRUE
}else{
FALSE
}
print(toJSON(content(r,as = "parsed")))
})
}