R Shiny是一种基于Web的交互式数据可视化工具，能够帮助研究人员和临床医生快速构建交互式应用程序，从而进行数据分析和可视化。
在临床决策中，R Shiny可以用于以下方面：
- 数据可视化：医生可以使用R Shiny构建交互式图表和图形，以更好地展示和解释患者的病情和治疗效果。
- 临床预测模型：R Shiny可以帮助医生构建和验证临床预测模型，以便更好地了解患者的风险和预测未来病情的可能性。
- 决策支持系统：R Shiny可以用于构建决策支持系统，帮助医生制定更准确、更个性化的治疗方案。
- 临床试验监管：R Shiny可以用于临床试验监管，帮助研究人员快速掌握数据，监测研究的进展和效果。
那么，结合R强大的数据分析能力，在医学领域Shiny有哪些应用呢？这里给出了介绍。
https://zhuanlan.zhihu.com/p/471281332
模型准备
1.准备数据（测试集/训练集）
2.建立Logistics回归模型
3.预测指标（AUC）
4.个体预测概率
上述模型的准备是关键，其实Shiny只是可视化的展示网页，并进行交互式的操作。详细案例见：OR与RR的计算及可视化展示
Shiny基础
这里不多做介绍，直接看官网链接。
image.png
ChatGPT编写shiny
ChatGPT编程运行的怎么样，我们来看看。
image.png
在这个示例程序中，使用了numericInput和selectInput函数创建输入变量，使用actionButton函数创建计算患病概率的按钮。在Server端，使用reactive函数创建数据框data和逻辑回归模型model。
image.png
一个大致的界面就完成了，而且出现了一些错误，所以ChatGPT也并不是完美的。
接下来我们将对界面这个进行完成
逐步完善shiny
在空白处增加两个数据输出跟图像输出框架，可以借助tabBox完成。
tabBox(title = "Data Result",height = "500px", width = NULL,
tabPanel("Dataview",h4("we can see the inut data"),
textOutput("text1"),
dataTableOutput("data1"), # 展示录入数据
dataTableOutput("data2"),
textOutput("prediction_text")
), # 展示模型输出
tabPanel("Plotfigure", h4("Here output the AUC"),
textOutput("text2"),
verbatimTextOutput("Data_Management_Normal"),
plotOutput("plot1"))
)
这样就可以自由切换。
image.png
Shiny集合
这里贴上，其人网站的优化UI，给大家做扩展，以后可以按照这些来设计。
image.png
image.png
Code
这里附上源代码：
library(shiny)
library(ggplot2)
library(pROC)
library(DT)
library(tidyverse)
library(shinydashboard)
library(shinydashboardPlus)
library(shinyWidgets)
# 产生fake数据
set.seed(123) # for reproducibility
# create a data frame with patient data
patients <- data.frame(
age = round(rnorm(500, 50, 10)), # age (normally distributed, mean=50, sd=10)
sex = sample(c("M", "F"), 500, replace = TRUE), # sex
blood_pressure = round(rnorm(500, 120, 10)), # blood pressure (normally distributed, mean=120, sd=10)
cholesterol = round(rnorm(500, 200, 30)), # cholesterol (normally distributed, mean=200, sd=30)
blood_sugar = round(rnorm(500, 5, 1)), # blood sugar (normally distributed, mean=5, sd=1)
heart_rate = round(rnorm(500, 70, 10)), # heart rate (normally distributed, mean=70, sd=10)
disease = sample(c(0, 1), 500, replace = TRUE, prob = c(0.8, 0.2)) # heart disease (20% of patients have the disease)
)
test_data<- data.frame(
age = round(rnorm(200, 50, 10)), # age (normally distributed, mean=50, sd=10)
sex = sample(c("M", "F"), 200, replace = TRUE), # sex
blood_pressure = round(rnorm(200, 120, 10)), # blood pressure (normally distributed, mean=120, sd=10)
cholesterol = round(rnorm(200, 200, 30)), # cholesterol (normally distributed, mean=200, sd=30)
blood_sugar = round(rnorm(200, 5, 1)), # blood sugar (normally distributed, mean=5, sd=1)
heart_rate = round(rnorm(200, 70, 10)), # heart rate (normally distributed, mean=70, sd=10)
disease = sample(c(0, 1), 200, replace = TRUE, prob = c(0.8, 0.2)) # heart disease (20% of patients have the disease)
)
# create a factor variable for sex
patients$sex <- factor(patients$sex)
# show the first few rows of the dataset
head(patients)
# fit a logistic regression model
modelx <- glm(disease ~ age + sex + blood_pressure + cholesterol + blood_sugar + heart_rate,
data = patients, family = "binomial")
# show the model summary
summary(modelx)
library(broom)
# convert model output to a tidy data frame
model_summary <- tidy(modelx)
## Shiny web
ui <- fluidPage(
titlePanel("临床预测模型"),
sidebarLayout(
sidebarPanel(
numericInput("age", "年龄（岁）：", min = 0, max = 150, value = 50),
selectInput("sex", "性别：", choices = c("F", "M")),
numericInput("blood_pressure", "血压（mmHg）：", min = 0, max = 300, value = 120),
numericInput("cholesterol", "胆固醇（mg/dL）：", min = 0, max = 500, value = 200),
numericInput("blood_sugar", "血糖（mmol/L）：", min = 0, max = 50, value = 5),
numericInput("heart_rate", "心率（次/分）：", min = 0, max = 300, value = 70),
actionButton("calculate", "计算患病概率")
),
mainPanel(
tabBox(title = "Data management",height = "500px", width = NULL,
tabPanel("Dataview",h4("we can see the inut data"),
textOutput("text1"),
dataTableOutput("data1"), # 展示录入数据
dataTableOutput("data2"),
textOutput("prediction_text")
), # 展示模型输出
tabPanel("Plotfigure", h4("Here output the AUC"),
textOutput("text2"),
verbatimTextOutput("Data_Management_Normal"),
plotOutput("plot1"))
),
)
)
)
server <- function(input, output) {
# 定义数据框
datax <- reactive({
data.frame(
age = input$age,
sex = factor(input$sex),
blood_pressure =input$blood_pressure,
cholesterol = input$cholesterol,
blood_sugar = input$blood_sugar,
heart_rate = input$heart_rate)
})
# 输出录入数据
output$data1 <- renderDataTable({
datax()
})
# 输出LR模型结果
output$data2 <- renderDataTable({
model_summary
})
# 计算患病概率
prediction <- eventReactive(input$calculate, {
prob <- predict(modelx,newdata = datax(),type = "response")
prob
})
# 输出患病概率
output$text1 <- renderText({
paste0("该病人的患病概率为：", round(prediction() * 100, 2), "%")
#print(str(datax()))
})
# 绘制AUC图表
output$plot1 <- renderPlot({
ggplot(mtcars)+ geom_point(aes(mpg,hp))
#验证集
test_data$P1<-predict(modelx,newdata = test_data , type = "response")
roc1 <- plot.roc(test_data$disease,test_data$P1,ci=TRUE,print.auc=TRUE,levels = c(0,1),
direction='<')
plot(roc1, print.auc=TRUE,auc.polygon=TRUE, grid=c(0.2, 0.2),
grid.col=c("green", "red"), max.auc.polygon=TRUE,legacy.axes=T,
auc.polygon.col="skyblue", print.thres=F,main="mtDNA-CN")
})
}
shinyApp(ui = ui, server = server)
