In avallecam/incidenceflow: What the Package Does (One Line, Title Case)

# para instalar todos los paquetes
if(!require("learnr")) install.packages("learnr")
if(!require("remotes")) install.packages("remotes")
if(!require("tidyverse")) install.packages("tidyverse")
if(!require("tibble")) install.packages("tibble")
if(!require("lubridate")) install.packages("lubridate")
if(!require("outbreaks")) install.packages("outbreaks")
if(!require("incidence")) install.packages("incidence")
if(!require("EpiEstim")) install.packages("EpiEstim")
if(!require("skimr")) install.packages("skimr")
if(!require("furrr")) install.packages("furrr")
if(!require("tictoc")) install.packages("tictoc")
if(!require("janitor")) install.packages("janitor")
if(!require("patchwork")) install.packages("patchwork")
if(!require("incidenceflow")) remotes::install_github("avallecam/incidenceflow")
if(!require("survey")) install.packages("survey")
if(!require("srvyr")) install.packages("srvyr")
# if(!require("serosurvey")) remotes::install_github("avallecam/serosurvey")

library(learnr)

knitr::opts_chunk$set(
  collapse = TRUE,
  comment = "#>",
  echo = FALSE,
  message = FALSE,
  warning = FALSE
)

# knitr::opts_chunk$set(fig.width=10, fig.height=4)

options(tidyverse.quiet = TRUE)

Taller 1

Taller 1.1

mantén copiado en el portapapeles al pipe: %>%

Más detalles de este flujo aquí.

library(tidyverse) #magrittr and purrr packages
library(lubridate) #ymd
library(outbreaks) #sample data
library(incidence) #core functions
library(tibble)
#workflow specific functions
library(incidenceflow) 

Accede a la base con pluck()

Contexto:

• Referir al paquete incidence
• ebola_sim es una lista de varios elementos
• El objeto linelist posee la base de datos de casos

Indicaciones:

• Explora la base dentro de ebola_sim$linelist con glimpse()
• Extraer el contenido de la variable date_of_onset con $
• Cambiar el uso de $ por pluck() y pull()

ebola_sim$linelist

# ebola_sim$linelist$_nombre_de_variable_aqui_ # ---- conciso pero poco legible
# ebola_sim %>% pluck("_linelist_aqui_") # ----  _debe_ ir con comas
# ebola_sim %>% pluck("_______________") %>% pull(_nombre_de_variable_aqui_) # ----  _puede_ ir sin comas

# ebola_sim$linelist$date_of_onset # ---- conciso pero poco legible
# ebola_sim %>% pluck("linelist") # ----  _debe_ ir con comas
# ebola_sim %>% pluck("linelist") %>% pull(date_of_onset) # ----  _puede_ ir sin comas

Taller 1.2

copiar: %>%

Configurar datos con incidence()

Indicaciones:

• inspeccionar salida
• usar plot() para ver output
• restringir para solo analizar el crecimiento de la curva (del 1 al 20)
• graficar este resultado

dat <- ebola_sim %>% pluck("linelist") %>% pull(date_of_onset)
i.7 <- incidence(dat, interval=7)

i.7

# plot(___)
# i.7[1:__]
# plot(___[1:__])

# plot(i.7)
# i.7[1:20]
# plot(i.7[1:20])

Taller 1.3

copiar: %>%

Ajusta datos a curva con fit()

Indicaciones:

• ¿Qué clase de objeto es f1?

f1 <- fit(i.7[1:20])

f1

# class(___)

# class(f1)

Taller 1.4

copiar: %>%

Usa tidy() y glance() para ver los resultados

• Referir al paquete broom

# tidy
f1 %>% tidy_incidence()

# glance
f1 %>% glance_incidence()

Taller 1.5

copiar: %>%

Usa purrr::nest() para anidar por grupos

Indicaciones:

• Filtra las fechas de interés con filter()
• Agrupa según la categoría bajo la cual se estratificará el análisis con group_by()
• Anida la información de estos grupos con nest()
• Ver transformación paso a paso

ebola_sim %>% 

  # extrae base
  pluck("linelist") %>% 

  # filtro explícito
  filter(date_of_onset<lubridate::ymd(20141007)) %>% 

  # estratifica por grupos
  group_by(gender) %>%

  # bases anidadas --- aquí se transforma la base!
  nest()

# copia aquí el flujo por partes
# para ver cómo cambia el output

Taller 1.6

copiar: %>%

Usa purrr::map() para aplicar una función a múltiples grupos

Indicaciones:

• Los proceso anteriores han sido asignados al objeto incidence_nest
• Usar map() para aplicar la función enunciada en .f al objeto .x
• Ver transformación paso a paso

# extrae base
incidence_nest <- ebola_sim %>% 
  # extrae base
  pluck("linelist") %>% 
  # filtro explícito
  filter(date_of_onset<lubridate::ymd(20141007)) %>% 
  # agrupar para estratificar
  group_by(gender) %>%
  # bases anidadas --- aquí se transforma la base!
  nest() %>% 
  ungroup()

incidence_nest %>% 

  # aplicar varias funciones del flujo

  # extraer fechas
  mutate(only_dates = map(.x = data,
                          .f = pull,
                          date_of_onset)) %>% 

  # configurar
  mutate(incidence_strata = map(.x = only_dates,
                                .f = incidence,
                                interval=7)) %>% 

  # ajustar
  mutate(strata_fit = map(.x = incidence_strata,
                          .f = fit)) %>% 

  # generar tabla tidy
  mutate(strata_fit_tidy = map(.x = strata_fit,
                               .f = tidy_incidence)) %>% 

  # generar tabla glance
  mutate(strata_fit_glance = map(.x = strata_fit,
                                 .f = glance_incidence))

# copia aquí el flujo por partes
# para ver cómo cambia el output

Taller 1.7

copiar: %>%

Extrae los resultados con unnest()

Indicaciones:

• Los proceso anteriores han sido asignados al objeto incidence_purrr
• Usar unnest para de-anidar los resultados por grupo dentro de un solo tibble
• Elige una categoría del grupo para extraer resultado con filter() + pull() + pluck()

incidence_purrr <- 
  ebola_sim %>% 
  # extrae base
  pluck("linelist") %>% 
  # filtro explícito
  filter(date_of_onset<lubridate::ymd(20141007)) %>% 
  # estratifica por grupos
  group_by(gender) %>%
  # bases anidadas --- aquí se transforma la base!
  nest() %>% 
  ungroup() %>% 
  # aplicar varias funciones del flujo
  # extraer fechas
  mutate(only_dates = map(.x = data,
                          .f = pull,
                          date_of_onset)) %>% 

  # configurar
  mutate(incidence_strata = map(.x = only_dates,
                                .f = incidence,
                                interval=7)) %>% 
  # ajustar
  mutate(strata_fit = map(.x = incidence_strata,
                          .f = fit)) %>% 
  # generar tabla tidy
  mutate(strata_fit_tidy = map(.x = strata_fit,
                               .f = tidy_incidence)) %>% 
  # generar tabla glance
  mutate(strata_fit_glance = map(.x = strata_fit,
                                 .f = glance_incidence)) %>% 
  # keep only the tibbles
  select(-data,-only_dates,-incidence_strata,-strata_fit)

# tidy_incidence output
incidence_purrr %>% 

  # des-anidamos los resultados de la columna resultado
  unnest(cols = c(strata_fit_tidy))

category <- "_"

incidence_purrr %>% 
  filter(gender==category) %>% 
  pull(strata_fit_tidy) %>% 
  pluck(1)

# incidence_purrr %>% count(gender)

# category <- "f"
# 
# incidence_purrr %>% 
#   filter(gender==category) %>% 
#   pull(strata_fit_tidy) %>% 
#   pluck(1)

Repaso 1

ebola_sim %>% 
  # extrae base
  pluck("linelist") %>% 
  # filtro explícito
  filter(date_of_onset<lubridate::ymd(20141007)) %>% 
  # estratifica por grupos
  group_by(gender) %>%
  # bases anidadas --- aquí se transforma la base!
  nest() %>% 
  # aplicar varias funciones del flujo
  # extraer fechas
  mutate(only_dates = map(.x = data,
                          .f = pull,
                          date_of_onset)) %>% 
  # configurar
  mutate(incidence_strata = map(.x = only_dates,
                                .f = incidence,
                                interval=7)) %>% 
  # ajustar
  mutate(strata_fit = map(.x = incidence_strata,
                          .f = fit)) %>% 
  # generar tabla tidy
  mutate(strata_fit_tidy = map(.x = strata_fit,
                               .f = tidy_incidence)) %>% 
  # generar tabla glance
  mutate(strata_fit_glance = map(.x = strata_fit,
                                 .f = glance_incidence)) %>% 

  # keep only the tibbles
  select(-data,-only_dates,-incidence_strata,-strata_fit) %>% 

  # des-anidamos columna resultado
  unnest(cols = c(strata_fit_tidy))

Extra

Taller 1

copiar: %>%

Indicación:

• ¿Qué es lo que hace la función fit_optim_split()?
• ¿Qué clase de objeto es f2?
• Visualiza el objeto de clase "incidence_fit" con la función tidy_incidence y glance_incidence
• Pista: Extrae el objeto fit con pluck()

f2 <- fit_optim_split(i.7)

f2

# f2 %>% pluck("___") %>% tidy_incidence()
# f2 %>% pluck("___") %>% ______________()

# f2 %>% pluck("fit") %>% tidy_incidence()
# f2 %>% pluck("fit") %>% glance_incidence()

copiar: %>%

avallecam/incidenceflow documentation built on July 9, 2021, 12:04 p.m.