# appliedepidata paketinin en son sürümünü kurun
pak::pak("appliedepi/appliedepidata")2 El Kitabı ve verileri indirme
2.1 Çevrimdışı el kitabı indirme
Bu el kitabını indirip internet bağlantısı olmadan okuyabilirsiniz. Her dil, sitenin tamamını içeren bir zip dosyasıdır: her bölüm, her görsel ve gezinme çubuğu.
- Kendi dilinizin zip dosyasını indirin ve arşivden çıkarın.
- Okumaya başlamak için çıkarılan klasördeki
index.htmldosyasını açın. - Bağlantınızı kaybetmeden önce ihtiyacınız olan R paketlerini kurmak için Önerilen paketler sayfasına bakın.
El kitabını indirmek için:
Zip dosyası otomatik olarak yeniden oluşturulur, bu yüzden her zaman el kitabının en son sürümünü izler.
2.2 Örnek bazlı verileri indirme
El kitabının sayfalarını takip etmek için, örnek verileri tamamlayıcı R paketimiz appliedepidata ile doğrudan R’a yükleyebilirsiniz. Paket, bu el kitabında kullanılan bütün örnek veri setlerini içerir.
Paketi kurmak
appliedepidata CRAN’de değildir; pak ile Github deposundan kurun:
Bir veri setini doğrudan yüklemek
Veri setini doğrudan R’a yüklemek için get_data() fonksiyonunu veri setinin name = argümanıyla kullanın — indirme yok, dosya yolu yok, import() adımı yok. Fonksiyon veri setini bir R nesnesi olarak döndürür (veri setine göre bir veri çerçevesi, bir sf nesnesi, bir phylo ağacı vb.).
# temizlenmiş satır listesini doğrudan R'a yükleyin
linelist <- appliedepidata::get_data(name = "linelist_cleaned_rds")Örnek veri kullanan her sayfa, o sayfa için gereken get_data(name = "...") çağrısını verinin ilk kullanıldığı yerde gösterir.
Bir veri setini dosya olarak kaydetmek
Bazı sayfalar bir R nesnesi yerine bir dosyayı (örneğin bir Excel çalışma kitabını veya bir dosya klasörünü) içe aktarmayı öğretir. Bunlar için gerçek dosyaları seçtiğiniz bir klasöre yazmak üzere save_data() fonksiyonunu name = ve path = ile kullanın:
# ham satır listesinin Excel dosyasını çalışma dizinine yazın
appliedepidata::save_data(name = "case_linelists_linelist_raw", path = getwd())Ardından bilgisayarınızdaki herhangi bir dosya gibi import() ile içe aktarabilirsiniz — ayrıntılar için İçe ve dışa aktarma sayfasına bakın. save_data() fonksiyonunun .zip arşivi olarak dağıtılan veri setlerini (örneğin çok dosyalı şekil dosyaları veya dosya klasörleri) otomatik olarak açmadığını unutmayın; kaydedilen .zip için sonrasında utils::unzip() kullanın.
Mevcut verilere göz atmak
-
appliedepidata::search_data()paketteki bütün veri setlerini dile ve anahtar kelimeye göre filtreleyip aramanız için etkileşimli bir Shiny uygulaması başlatır. -
appliedepidata::list_data()betiklerde kullanmak üzere bütün veri seti adlarını listeleyen bir veri çerçevesi döndürür.
# veri setlerine etkileşimli olarak göz atın
appliedepidata::search_data()
# bütün veri seti adlarını listeleyin
appliedepidata::list_data()İsterseniz appliedepidata Github deposundaki “data” klasöründe ham veri dosyalarını da inceleyebilirsiniz.
Sayfaya göre veri seti başvurusu
Aşağıda, bu el kitabının her sayfasında adı geçen örnek veriler için get_data()/save_data() ile kullanılacak ad verilmiştir.
Vaka satır listesi
Bu, outbreaks paketindeki ebola_sim uygulama veri kümesinde yer alan kitabın ekibi tarafından genişletilen kurgusal bir Ebola salgınıdır.
# the "raw" linelist - an Excel spreadsheet with messy data
# use this to follow along with the Cleaning data and core functions page
raw_linelist <- appliedepidata::get_data(name = "case_linelists_linelist_raw")
# the "clean" linelist - an R-specific .rds file that preserves column classes
# use this for all other pages of this handbook that use the linelist
linelist <- appliedepidata::get_data(name = "linelist_cleaned_rds")
# the "clean" linelist, as an Excel file instead
linelist_excel <- appliedepidata::get_data(name = "linelist_cleaned_excel")Temizleme sayfasının bir kısmı bir “temizleme sözlüğü” (.csv dosyası) kullanır. Aşağıdaki komutu çalıştırarak doğrudan R’a yükleyebilirsiniz:
cleaning_dict <- appliedepidata::get_data(name = "case_linelists_cleaning_dict")Tarihlerle çalışma
Tarihlerle çalışma sayfası, ilçeye ve tarihe göre vaka sayılarını kullanır:
counts <- appliedepidata::get_data(name = "example_district_weekly_count_data")Yazma fonksiyonları
Yazma fonksiyonları sayfası, Çin’deki 2013 H7N9 grip salgınının satır listesini kullanır:
flu_china <- appliedepidata::get_data(name = "fluH7N9_China_2013")Yineleme, döngüler ve listeler
Yineleme, döngüler ve listeler sayfası, her hastane için bir sayfa içeren bir Excel çalışma kitabını içe aktarır. Önce onu dosya olarak kaydedin:
appliedepidata::save_data(name = "example_hospital_linelists", path = getwd())İçe ve dışa aktar
İçe ve dışa aktar sayfası, satır listesini Excel dosyalarından içe aktarır. Önce onları dosya olarak kaydedin:
# ham satır listesi
appliedepidata::save_data(name = "linelist_raw", path = getwd())
# temizlenmiş satır listesi
appliedepidata::save_data(name = "linelist_cleaned", path = getwd())Sıtma sayısı verileri
Bu veriler, yaş grubu, tesis ve güne göre sıtma vakalarının kurgusal sayılarıdır. Rds dosyası, sütun sınıflarını koruyan R’a özgü bir dosya türüdür. Bu, verileri R’a aktardıktan sonra temizlik yapma ihtiyacını azaltır.
malaria_data <- appliedepidata::get_data(name = "malaria_facility_count_data")Likert ölçekli veri
Bunlar, Demografik Piramitler ve Likert Ölçekleri sayfasında kullanılan likert tarzı bir anketten alınan kurgusal verilerdir. Aşağıdaki komutları çalıştırarak bu verileri doğrudan R’a yükleyebilirsiniz:
likert_data <- appliedepidata::get_data(name = "likert_data")Esnek pano
Aşağıda R Markdown ile Kontrol Panelleri’ndeki sayfayla ilişkili dosyaya bağlantılar verilmiştir. Bunlar örnek veri setleri değil, R Markdown/HTML kaynak dosyalarıdır; bu nedenle appliedepidata paketinin parçası değildirler. Bunları doğrudan Github’dan indirin:
Temaslı İzleme
Temaslı İzleme sayfası, Go.Data kaynaklı örnek temaslı izleme verilerini analiz eder. Bu veriler appliedepidata paketinin parçasıdır:
# vaka inceleme verileri
cases <- appliedepidata::get_data(name = "cases_clean")
# temaslı kayıt verileri
contacts <- appliedepidata::get_data(name = "contacts_clean")
# temaslı takip verileri
followups <- appliedepidata::get_data(name = "followups_clean")
# vakalar ile temaslılar arasındaki bağlantılar
relationships <- appliedepidata::get_data(name = "relationships_clean")NOT: Diğer yazılımlarda (örn. KoBo, DHIS2 Tracker, CommCare) yapılandırılmış temaslı izleme verileri farklı görünebilir. Bu sayfa için alternatif örnek veri veya içeriğe katkıda bulunmak isterseniz lütfen bize ulaşın.
İPUCU: Go.Data kullanmak istiyorsanız ve örneklerinizin API’sine bağlanmak istiyorsanız, İçe ve Dışa Aktarma sayfasına (API bölümü) ve Go.Data Uygulama Topluluğu’na bakabilirsiniz.
GIS
Şekil dosyaları her biri farklı uzantıya sahip pek çok alt bileşen dosyasından oluşur. Bir dosyanın uzantısı “.shp” olur, diğerlerinin “.dbf”, “.prj” vb. olabilir. appliedepidata her şekil dosyasının alt bileşenlerini tek bir .zip içinde toplar; bu yüzden save_data() kullanıp ardından açın:
# Sierra Leone admin-3 şekil dosyasını doğrudan sf nesnesi olarak yükleyin
sle_adm3 <- appliedepidata::get_data(name = "sle_adm3")
# sağlık tesisi noktalarını sf nesnesi olarak yükleyin
sle_hf <- appliedepidata::get_data(name = "sle_hf")
# ADM3'e göre nüfus tablosunu yükleyin
sle_adm3_pop <- appliedepidata::get_data(name = "sle_admpop_adm3_2020")
# YA DA şekil dosyasının ham alt bileşenlerini bir klasöre kaydedin
shp_dir <- "sle_adm3_files"
dir.create(shp_dir)
appliedepidata::save_data(name = "sle_adm3", path = shp_dir)
utils::unzip(file.path(shp_dir, "sle_adm3.zip"), exdir = shp_dir)GIS temelleri sayfası şu üç veri kümesinin tümünü yükler: admin-3 sınırları sle_adm3, sağlık tesisi noktaları sle_hf ve nüfus tablosu sle_admpop_adm3_2020. Kendi dosya yolunuzdaki bir şekil dosyasını okumak için sf paketindeki read_sf() fonksiyonunu kullanın. Aynı sayfa, başka şekil dosyalarını sıkıştırılmış olarak indirebileceğiniz Humanitarian Data Exchange sitesine de bağlantı verir. Örneğin sağlık tesisi nokta verileri buradadır.
Filogenetik ağaçlar
Filogenetik ağaçlar sayfayasında, 299 Shigella sonnei örneğinin tüm genom dizilimi ve buna karşılık gelen vaka verilerinden (bir metin dosyası halinde) oluşturulan filogenetik ağacı Newick dosyası göreceksiniz. Belçika örneklerinden elde edilen veriler, ECDC EUPHEM asistanı tarafından yürütülen bir proje kapsamında üretilmiştir. Bu veriler, Belçika Salmonella ve Shigella NRC’si tarafından sağlanmaktadır.Bu veriler yayına dönüştürülme aşamasındadır. Kullanılan uluslararası veriler kamuya açık veri tabanlarına (ncbi) kayıtlı ve yayınlanmış verilerden elde edilmiştir.
# the phylogenetic tree, as a "phylo" object (ape package)
tree <- appliedepidata::get_data(name = "Shigella_tree")
# additional information on each sample
sample_data <- appliedepidata::get_data(name = "sample_data_Shigella_tree")
# the subset-tree created later in the page
subtree <- appliedepidata::get_data(name = "Shigella_subtree_2")Standardizasyon
Standartlaştırılmış oranlar ile ilgili sayfaya bakın. Verileri aşağıdaki komutlarla doğrudan yükleyebilirsiniz:
##############
# A Ülkesi
##############
# A ülkesi demografi bilgileri
A_demo <- appliedepidata::get_data(name = "country_demographics")
# A ülkesi ölüm bilgileri
A_deaths <- appliedepidata::get_data(name = "deaths_countryA")
##############
# B Ülkesi
##############
# B ülkesi demografi bilgileri
B_demo <- appliedepidata::get_data(name = "country_demographics_2")
# B ülkesi ölüm bilgileri
B_deaths <- appliedepidata::get_data(name = "deaths_countryB")
# Referans
###############
# standart referans nüfusu
# world standard population, by sex
standard_pop_data <- appliedepidata::get_data(name = "world_standard_population_by_sex")Zaman serileri ve salgın tespiti
Zaman serisi ve salgın tespiti sayfasında Almanya 2002-2011’de rapor edilen Campylobacter vakalarını surveillance R paketinde olduğu gibi kullanıyoruz. (ek bilgi: bu veri seti orijinalinden uyarlanmıştır, 2011’in son 3 aylık verileri demo amacıyla silinmiştir)
counts <- appliedepidata::get_data(name = "campylobacter_germany")Kitapta ayrıca Almanya 2002-2011 iklim verilerini kullanıyoruz (santigrat derece cinsinden sıcaklık ve milimetre cinsinden yağış bilgileri mevcut). Bu veriler, ecmwfr paketi kullanılarak EU Copernicus uydu yeniden analiz veri setinden indirilmiştir. appliedepidata bunları on yıllık .nc dosyasından oluşan tek bir .zip içinde toplar. get_data() bütün paketi doğrudan tek bir stars nesnesi olarak okur; ham .nc dosyalarını kendiniz incelemek veya işlemek isterseniz save_data() bunları verir.
# birleştirilmiş iklim verilerini doğrudan stars nesnesi olarak okuyun
weather_data <- appliedepidata::get_data(name = "germany_weather")
# YA DA ham yıllık .nc dosyalarını bir klasöre kaydedin
weather_dir <- "germany_weather_files"
dir.create(weather_dir)
appliedepidata::save_data(name = "germany_weather", path = weather_dir)
utils::unzip(file.path(weather_dir, "germany_weather.zip"), exdir = weather_dir)Anket analizi
Anket analizi sayfası için MSF OCA anket şablonlarına dayalı kurgusal ölüm anketi verilerini kullandık. Bu kurgusal veriler “R4Epis” projesi kapsamında oluşturulmuştur.
# fictional survey data
survey_data <- appliedepidata::get_data(name = "survey_data")
# fictional survey data dictionary
survey_dict <- appliedepidata::get_data(name = "survey_dict")
# fictional survey population data
population <- appliedepidata::get_data(name = "population")Shiny
Shiny Gösterge Tabloları ile ilgili sayfa, sıtma verilerini görüntülemek için uygulamanın yapısını göstermektedir. Uygulamanın verileri appliedepidata paketinin bir parçasıdır:
malaria_data <- appliedepidata::get_data(name = "malaria_facility_count_data")Uygulamanın R betikleri örnek veri değildir; bu yüzden appliedepidata içinde yer almazlar — doğrudan Github’dan indirin:
Sayfada açıklandığı gibi, uygulama açılmadan önce çalışması gereken global.R dosyasını indirmek için burayı tıklayabilirsiniz. Sayfada açıklandığı gibi, uygulama açılmadan önce çalıştırmayı unutmayın.
global.R tarafından source() ile yüklenen plot_epicurve.R dosyasını indirmek için burayı tıklayabilirsiniz. here() fonksiyonlarının doğru çalışması için onu bir “funcs” klasöründe saklamayı unutmayın.