|

knitr::opts_chunk$set(echo = TRUE, message=FALSE, warning=FALSE, echo = FALSE)
library(magrittr)
library(ggplot2)
library(patchwork)

df1_means <- params$results_summary_means
df1_medians <- params$results_summary_medians
df2 <- params$results_by_day

sex <- ifelse(params$sex == "male", "masculin", 
              ifelse(params$sex == "female", "féminin",
                     "non défini"))
position <- ifelse(params$position == "hip", "hanche", 
              ifelse(params$position == "wrist", "poignet",
                     ifelse(params$position == "thigh", "cuisse",
                            ifelse(params$position == "ankle", "cheville", "NA"))))

side <- ifelse(params$side == "right", "droit", 
              ifelse(params$side == "left", "gauche",
                     "non défini"))

axis_weartime <- ifelse(params$axis_weartime == "vertical axis", "l'axe vertical", 
              ifelse(params$axis_weartime == "vector magnitude", "le vecteur magnitude",
                     "non défini"))

axis_mvpa <- ifelse(params$axis_mvpa == "vertical axis", "axe vertical", 
              ifelse(params$axis_mvpa == "vector magnitude", "vecteur magnitude",
                     "non défini"))

axis_mvpa_graph <- ifelse(params$axis_mvpa == "vertical axis", "axis1", 
              ifelse(params$axis_mvpa == "vector magnitude", "vm",
                     "na"))

height_factor1 = nlevels(as.factor(params$df_with_computed_metrics$date)) * 0.8
height_factor1 <- ifelse(height_factor1 <= 6, nlevels(as.factor(params$df_with_computed_metrics$date)) * 0.9, height_factor1)
height_factor2 = params$results_summary_means$valid_days * 0.75
height_factor2 <- ifelse(height_factor2 <= 6, nlevels(as.factor(params$df_with_computed_metrics$date)) * 0.9, height_factor2)
height_factor3 = nlevels(as.factor(params$df_with_computed_metrics$date)) * 1.5

options("scipen"=100, "digits"=4)

Informations


Patient : r params$patient_surname r params$patient_name | Date : r Sys.Date() | Évaluateur : r params$assessor_surname r params$assessor_name

Age : r params$age ans | Sexe : r sex | Masse : r params$weight kg | Période de mesure : r format(params$start_date, "%d/%m/%Y %H:%M:%S") au r format(params$end_date, "%d/%m/%Y %H:%M:%S") | Estimation du métabolisme de base : r format(round(params$bmr_kcal_d, 2), nsmall = 2) kcal/jour (Estimation à partir des équations de Henry [2005, doi: 10.1079/PHN2005801])

Appareil : r params$device | Position : r position | Côté : r side | Fréquence d'échantillonnage : r params$sampling_rate Hz | Filtre : r params$filter

'Epoch' : r params$epoch s | Temps de non-port : Basé sur r axis_weartime, intervalle de r params$frame_size min avec zéro count pour la détection du temps de non-port, intervalle de r params$allowanceFrame_size min avec counts différents de 0 autorisé durant une période de non-port, intervalle de r params$streamFrame_size min avec zéro count autour de la période d'activité détectée pour confirmer le non-port | Équation de prédiction des METs : r params$equation_mets | Axe utilisé pour catégoriser l'intensité d'activité physique : r axis_mvpa | Valeurs seuils : <r params$sed_cutpoint counts/min pour SED, $\geqslant$ r params$mpa_cutpoint counts/min pour MPA, $\geqslant$ r params$vpa_cutpoint counts/min pour VPA

Période journalière considérée pour compter le temps de port : de r params$start_day_analysis à r params$end_day_analysis

Nombre minimum d'heures avec temps de port pour valider un jour : r params$minimum_wear_time_for_analysis heures

Abréviations : SED = sédentaire, LPA = activité physique légère, MPA = activité physique modérée, VPA = activité physique vigoureuse, MVPA = activité physique modérée à vigoureuse, NAP = niveau d'activité physique

Résultats


Indicateurs de volume d'activité

Distribution temporelle de l'intensité

g <- plot_data_with_intensity(
  data = params$df_with_computed_metrics, 
  metric = axis_mvpa_graph,
  valid_wear_time_start = params$start_day_analysis,
  valid_wear_time_end = params$end_day_analysis
  )
g + labs(x = "Temps (hh:mm)", color = "Durée de période (min)", fill = "Durée de période (min)")

if (params$rendered_by_shiny)
  shiny::setProgress(0.25)  # set progress to 25%

Résultats par jour

create_fig_res_by_day(
  df2, 
  params$minimum_wear_time_for_analysis, 
  params$start_day_analysis, 
  params$end_day_analysis, 
  language = "fr",
  metrics = "volume"
  ) + theme(plot.margin = margin(1, 1, 1, 1, "cm"), axis.text.x = element_text(hjust = 1.1))

Moyennes | Médianes calculées à partir des jours valides

create_flextable_summary(
  df1_means, 
  df1_medians, 
    language = "fr",
    metrics = "volume",
    epoch_label = paste0(params$epoch, "s")
  )
if (params$rendered_by_shiny)
  shiny::setProgress(0.5)  # set progress to 50%

Comparaison avec des normes et des recommandations

# PAL
g_pal <- create_fig_pal(score = df1_means[["pal"]], "fr") + theme(plot.margin = margin(2, 1, 0.5, 1, "cm"))

# Steps
g_steps <- create_fig_steps(score = df1_means[["total_steps"]], "fr") + theme(plot.margin = margin(0, 1, 0.5, 1, "cm"))

# MVPA
g_mvpa <- create_fig_mvpa(score = df1_means[["minutes_MVPA"]], "fr") + theme(plot.margin = margin(0, 1, 0, 1, "cm"))

# SED
g_sed <- create_fig_sed(score = df1_means[["minutes_SED"]], "fr") + theme(plot.margin = margin(0, 1, 0, 1, "cm"))

# MVPA/SED ratio
g_ratio <- create_fig_ratio_mvpa_sed(score = df1_means[["ratio_mvpa_sed"]], "fr") + theme(plot.margin = margin(0, 1, 0, 1, "cm"))

# Whole figure
g_pal / g_steps / (g_mvpa | g_sed | g_ratio) + 
    plot_layout(heights = c(0.8, 0.7, 1.5)) & theme(legend.justification = "center")

Commentaires

# Determining physical activity guidelines status
guidelines_status <- get_guidelines_status(df1_means[["mets_hours_mvpa"]], language = "fr")

# Determining PAL status
pal_status <- get_pal_status(df1_means[["pal"]], language = "fr")

Selon la Food and Agriculture Organization of the United Nations (FAO), le NAP du patient pourrait être décrit comme r pal_status. Après avoir fait la conversion des minutes MPA et VPA vers les MET-heures, l'estimation du volume MVPA moyen journalier pour le patient est de r paste0(format(round(df1_means[["mets_hours_mvpa"]], 1), nsmall = 1)) MET-hr, ce qui pourrait correspondre au fait de tomber r guidelines_status (i.e., 7.5-15.0 MET-hr par semaine, ou 1.07-2.14 MET-hr par jour).

Indicateurs d'accumulation des pas

Résultats par jour

create_fig_res_by_day(
  df2, 
  params$minimum_wear_time_for_analysis, 
  params$start_day_analysis, 
  params$end_day_analysis, 
  language = "fr",
  metrics = "step_acc"
  ) + theme(plot.margin = margin(1, 1, 1, 1, "cm"), axis.text.x = element_text(hjust = 1.1))

Moyennes | Médianes calculées à partir des jours valides

create_flextable_summary(
  df1_means, 
  df1_medians, 
    language = "fr",
    metrics = "step_acc",
    epoch_label = paste0(params$epoch, "s")
  )

if (params$rendered_by_shiny)
  shiny::setProgress(0.75)  # set progress to 75%

Indicateurs de distribution de l'intensité

Résultats par jour

create_fig_res_by_day(
  df2, 
  params$minimum_wear_time_for_analysis, 
  params$start_day_analysis, 
  params$end_day_analysis, 
  language = "fr",
  metrics = "int_distri",
  epoch_label = paste0(params$epoch, "s")
  ) + theme(plot.margin = margin(1, 1, 1, 1, "cm"), axis.text.x = element_text(hjust = 1.1))

Moyennes | Médianes calculées à partir des jours valides

create_flextable_summary(
  df1_means, 
  df1_medians, 
    language = "fr",
    metrics = "int_distri",
    epoch_label = paste0(params$epoch, "s")
  )

Vue radar conçue à partir des moyennes des jours valides

cor_factor <- 60 / params$epoch

create_fig_mx_summary(
data = df1_means,
labels = NULL,
mpa_cutpoint = params$mpa_cutpoint / cor_factor, 
vpa_cutpoint = params$vpa_cutpoint / cor_factor
)  + theme(legend.position = c(0.15, 0.08))

\newpage

Indicateurs d'accumulation du comportement sédentaire obtenus à partir des jours valides

Distribution temporelle des périodes de comportement sédentaire

if(length(params$p_breaks_sed) == 1) {
  cat("Aucun résultat. Les résultats ne peuvent être obtenus qu'en utilisant des périodes de 60 s.")
} else {
  params$p_breaks_sed + labs(title = paste("Nombre journalier moyen de 'breaks':", params$mean_breaks_sed), x = "Temps (hh:mm)", color = "Durée de période (min)", fill = "Durée de période (min)")
}

Coefficient alpha, durée médiane des périodes (MBD), durée usuelle des périodes (UBD), et indice Gini

if(length(params$p_breaks_pa) == 1) {
  cat("Aucun résultat. Les résultats ne peuvent être obtenus qu'en utilisant des périodes de 60 s.")
} else {

  p1 <- params$p_alpha_sed + labs(x = "Durée de période (min)", color = "Durée (min)", fill = "Durée (min)") + guides(color = "none", fill = "none")
  p2 <- params$p_MBD_sed  + labs(x = "Durée de période (min)", color = "Durée (min)", fill = "Durée (min)") + guides(color = "none", fill = "none")
  p3 <- params$p_UBD_sed  + labs(x = "Durée de période (min)", y = "Fraction cumulée du temps total sédentaire", color = "Durée (min)", fill = "Durée (min)") 
  p4 <- params$p_gini_sed + labs(x = "Fraction du nombre de périodes de durée > x", y = "Fraction cumulée du temps total sédentaire", color = "Durée (min)", fill = "Durée (min)")

  (p1  | p2 | p3 | p4) + plot_layout(guides = "collect") & 
    theme(legend.position = 'bottom',
          axis.title = element_text(size = 15),
          legend.title = element_text(size = 17),
          legend.text = element_text(size = 15)
          )
}

\newpage

Indicateurs d'accumulation de l'activité physique obtenus à partir des jours valides

Distribution temporelle des périodes d'activité physique

if(length(params$p_breaks_pa) == 1) {
  cat("Aucun résultat. Les résultats ne peuvent être obtenus qu'en utilisant des périodes de 60 s.")
} else {
  params$p_breaks_pa + labs(title = paste("Nombre journalier moyen de 'breaks':", params$mean_breaks_pa), x = "Temps (hh:mm)", color = "Durée de période (min)", fill = "Durée de période (min)")
}
if (params$rendered_by_shiny)
  shiny::setProgress(1)  # set progress to 100%

Coefficient alpha, durée médiane des périodes (MBD), durée usuelle des périodes (UBD), et indice Gini

if(length(params$p_breaks_pa) == 1) {
  cat("Aucun résultat. Les résultats ne peuvent être obtenus qu'en utilisant des périodes de 60 s.")
} else {
  p1 <- params$p_alpha_pa + labs(x = "Durée de période (min)", color = "Durée (min)", fill = "Durée (min)") + guides(color = "none", fill = "none")
  p2 <- params$p_MBD_pa  + labs(x = "Durée de période (min)", color = "Durée (min)", fill = "Durée (min)") + guides(color = "none", fill = "none")
  p3 <- params$p_UBD_pa  + labs(x = "Durée de période (min)", y = "Fraction cumulée du temps total d'activité physique", color = "Durée (min)", fill = "Durée (min)") 
  p4 <- params$p_gini_pa + labs(x = "Fraction du nombre de périodes de durée > x", y = "Fraction cumulée du temps total d'activité physique", color = "Durée (min)", fill = "Durée (min)") 

  (p1  | p2 | p3 | p4) + plot_layout(guides = "collect") & 
    theme(legend.position = 'bottom',
          axis.title = element_text(size = 15),
          legend.title = element_text(size = 17),
          legend.text = element_text(size = 15)
          )
}


Try the activAnalyzer package in your browser

Any scripts or data that you put into this service are public.

activAnalyzer documentation built on May 29, 2024, 10:21 a.m.