###
### Dormir08 es tiempo durmiendo segun diario
###  Dormir10 es tiempo durmiendo segun visual
###
### Dormir05 es tiempo en cama segun diario
### Dormir07 es tiempo en cama segun criterio visual

dfInforme=dfActXBin %>% filter(actCodigo=="Dormir10" & actEtiquetas %in% c("EstherC","NM")) %>%
  select( id,dirBin,ficBin,actInicio,actFin) %>% 
  mutate(from=ymd_hms(actInicio,tz = "Europe/Madrid"),to=ymd_hms(actFin,tz = "Europe/Madrid")) %>%
 rename(Nodo=dirBin,fileBIN=ficBin) %>% select(-actInicio,-actFin)



#############
vRadar=c("n_bedNewtime","bedNew_bedNewtime_mean", "INA_B1_awakeNew_mean", 
         "MVPA_B10_daily_mean","bedGGIR_bedGGIRtime_mean")

dfApp=dfInforme %>% group_by(Nodo,fileBIN) %>% tally() %>% ungroup() %>% 
  left_join(dfAcelerometria) %>%
  select(Nodo:Tiempo,vRadar,starts_with("autofecha"))

## Joining, by = c("Nodo", "fileBIN")

dfApp$NUMERO=1:nrow(dfApp)


tablas=1:nrow(dfApp) %>% map( 
  safely(
    function(i)analizaBoutsV2(dfApp,vPrimeraFase,listaDeVariablesElegidas,paleta,variablesANoMostrar,listaCalendarioXIntervalos,modeloHorarios = modeloHorariosBase,parametrosAcelerometria = parametrosAcelerometria,i)
  )
)

##   clasificador :  AnaFernandezTAS1E37150030RAW.csv 
##   clasificador :  CarmenMadridTASS1E37150031RAW.csv 
##   clasificador :  IsabelDiazTAS1E37150041RAW.csv 
##   clasificador :  TAS1E37150032__2019-03-21_RAW.csv 
##   clasificador :  TAS1E37150068__2019-03-21_RAW.csv 
##   clasificador :  TAS1E37150078__2019-03-21_RAW.csv

dfCompleta=dfInforme %>% left_join(dfApp) %>% select(id,NUMERO,Nodo,fileBIN,from,to,everything()) %>% arrange(NUMERO,from) %>%
 mutate(metodoNuevo=NA,metodoGGIR=NA)

## Joining, by = c("Nodo", "fileBIN")

i=1
for(i in 1:nrow(dfCompleta)){
  NUMERO=dfObjetivo=dfCompleta$NUMERO[i]
  dfObjetivo=dfCompleta[i,] %>% select(from,to)

    
#    if(nrow(dfInteres)==0) next
    dfAnalisis=comparaConObjetivo(dfObjetivo,tablas[[NUMERO]]$result$intervaloBouts$bedNew)
    dfAnalisisGGIR=comparaConObjetivo(dfObjetivo,tablas[[NUMERO]]$result$intervaloBouts$bedGGIR)
    dfCompleta[i,"metodoNuevo"]=dfAnalisis%>% filter(Error!="OK") %>% summarise(duracion=sum(duracion,na.rm=T))
    dfCompleta[i,"metodoGGIR"]=dfAnalisisGGIR%>% filter(Error!="OK") %>% summarise(duracion=sum(duracion,na.rm=T))
}
  


dfCompleta=dfCompleta %>% filter(metodoGGIR>0)
dfAnalisis=dfCompleta  %>% select(starts_with("metodo")) %>% gather(key = "Metodo",value="Error")

Gráfico de comparacion de errores cometidos por el nuevo método frente al método de GGIR. La diagonal refleja donde los errores serían iguales. Los puntos por encima de la diagonal reflejan donde el método nuevo comete menos error que el método de GGIR.

ggplot(dfCompleta,aes(x=metodoNuevo,y=metodoGGIR,label=fileBIN))+
  geom_point(size=1,col="red",alpha=0.2)+geom_abline(slope=1,alpha=0.5)+
  xlim(c(0,5))+ylim(c(0,5))+theme_classic()

## Warning: Removed 1 rows containing missing values (geom_point).

Densidad de errores cometidos por ambos métodos. Buscamos errores tan cercanos a cero como sea posible.

library(ggridges)

## 
## Attaching package: 'ggridges'

## The following object is masked from 'package:ggplot2':
## 
##     scale_discrete_manual

ggplot(dfAnalisis ,aes(x=Error,y=Metodo,fill=Metodo,color=Metodo))+
  geom_density_ridges(alpha=0.5,jittered_points = TRUE)+
  coord_cartesian(xlim=c(0,6))+
  theme_classic()

## Picking joint bandwidth of 0.372

Tabla descriptiva de los errores cometidos por cada método

source("../../Dropbox/www/github/tablasDeArticulo/R/tablasDeArticulo_v2.R")

## Loading required package: exactci

## Loading required package: ssanv

generaTablaDescriptivaNumericas(dfCompleta,c("metodoNuevo","metodoGGIR"), c("metodoNuevo","metodoGGIR"),
                                columnas = c("n", "media","dt","min","p25","p50","p75")) %>%
  knitr::kable(booktabs=T)

Variable	n	media	dt	p25	p50	p75
metodoNuevo	15	0.71	1.0	0	0.1	1.2
metodoGGIR	15	2.35	1.3	2	2.4	2.7

En cuanto a datos descriptivos de la actvidad de los pacientes, elegid cualquiera de estas:

variables=c( 
"bedNew_bedNewtime_mean", "INA_B1_awakeNew_mean", "MVPA_B10_daily_mean")

generaTablaDescriptivaNumericas(dfApp,variables, c("Cama","Inactividad(minutos/dia)","Actividad saludable (minutos/dia)"),
                                columnas = c("n", "media","dt","min","p25","p50","p75")) %>%
  knitr::kable(booktabs=T)

Variable	n	media	dt	p25	p50	p75
Cama	6	8.4	1.3	8.4	8.7	9.0
Inactividad(minutos/dia)	6	7.6	1.5	6.5	7.4	8.2
Actividad saludable (minutos/dia)	6	26.6	11.2	24.4	27.7	32.5