Debian Med Epidemiology packages

Epigrass est un logiciel pour visualiser, analyser et simuler les processus épidémiques sur des réseaux géo-référencés.

EpiGrass peut interagir avec le SIG (Système d'Information Géographique) GRASS à partir duquel il peut obtenir des cartes et autres informations géo-référencées. Cependant, EpiGrass ne requiert pas l'installation du SIG GRASS pour la plupart de ses fonctionnalités.

This package implements generalized SEIRS infectious disease dynamics models with extensions that model the effect of factors including population structure, social distancing, testing, contact tracing, and quarantining detected cases.

Notably, this package includes stochastic implementations of these models on dynamic networks.

PyTorch is a Python package that provides two high-level features:

(1) Tensor computation (like NumPy) with strong GPU acceleration (2) Deep neural networks built on a tape-based autograd system

You can reuse your favorite Python packages such as NumPy, SciPy and Cython to extend PyTorch when needed.

This is the CPU-only version of PyTorch and Caffe2 (Python interface).

TreeTime provides routines for ancestral sequence reconstruction and the maximum likelihoo inference of molecular-clock phylogenies, i.e., a tree where all branches are scaled such that the locations of terminal nodes correspond to their sampling times and internal nodes are placed at the most likely time of divergence.

TreeTime aims at striking a compromise between sophisticated probabilistic models of evolution and fast heuristics. It implements GTR models of ancestral inference and branch length optimization, but takes the tree topology as given. To optimize the likelihood of time-scaled phylogenies, treetime uses an iterative approach that first infers ancestral sequences given the branch length of the tree, then optimizes the positions of unconstraine d nodes on the time axis, and then repeats this cycle. The only topology optimization are (optional) resolution of polytomies in a way that is most (approximately) consistent with the sampling time constraints on the tree. The package is designed to be used as a stand-alone tool or as a library used in larger phylogenetic analysis workflows.

Features

• ancestral sequence reconstruction (marginal and joint maximum likelihood)
• molecular clock tree inference (marginal and joint maximum likelihood)
• inference of GTR models
• rerooting to obtain best root-to-tip regression
• auto-correlated relaxed molecular clock (with normal prior)

This package provides the Python 3 module.

This package provides a GNU R wrapper around the 'COVID Tracking Project API' https://covidtracking.com/api/ providing data on cases of COVID-19 in the US.

DiagnosisMed est un paquet GNU R pour analyser des donnés de santé provenant d'examen de l'état de santé. Il a été conçu pour êtr utilisé par des professionnels de santé. Ce paquet permet de tster la sensibilité et la spécificité à partir de résultats de tests catégoriels et continus et inlcuant des examens aux résultats indéterminés, ou de comparer différents tsts catégoriels pour estimer les limites raisonnables des tests et les afficher de manière exploitable par les professionnels de santé. Il n'y a pas encore d'interface graphique disponible.

Fonctions pour analyses démographiques et épidémiologiques dans le diagramme Lexis, c'est-à-dire des données de suivi de cohorte ou d'enregistrement, ce qui inclut des données censurées par intervalles et des représentations de données de différents états. Ce paquet contient également des fonctions utiles pour la classification et le tracé de courbes. Il contient des séries de données épidémiologiques.

Le paquet Epi se concentre principalement sur l'épidémiologie « classique » des maladies chroniques. Le paquet a grandi hors des cours de pratique statistique en épidémiologie en utilisant R. (pour plus d'info : http://www.pubhealth.ku.dk/~bxc/SPE).

Une introduction rapide à R pour l'épidémiologie est disponible ici : http://staff.pubhealth.ku.dk/%7Ebxc/Epi/R-intro.pdf Attention, les pages 38 à 120 correspondent aux pages de manuels pour le paquet Epi.

Epi n'est pas le seul paquet R pour l'analyse épidémiologique, un paquet ayant plus d'affinité avec l'épidémiologie des maladies infectieuses est le paquet epitools, qui est aussi disponible dans Debian.

Epi est utilisé par de département de biostatistique de l'université de Copenhague.

Il s’agit de fonctions élémentaires d’épidémiologie pour des cours de licence d’épidémiologie et biostatistique.

Ce paquet fournit des outils élémentaires pour l’analyse de problèmes épidémiologiques, allant de l’estimation de taille d’échantillon jusqu’à l’analyse de tableau de contingence 2x2 et de mesures basiques de concordance (kappa, sensibilité/spécificité). La publication appropriée et les énoncés sommaires sont aussi produits pour faciliter l’interprétation partout où cela est possible. Ce paquet est un travail en cours, aussi tout commentaire ou suggestion sera apprécié. Le code source est partout commenté pour faciliter les modifications. L’audience visée est les cours d’épidémiologie et biostatistique pour le cycle d’enseignement supérieur.

Il s’agit de fonctions qui facilitent l’utilisation de R pour des calculs épidémiologiques.

Des ensembles de données de formats Dbase (.dbf), Stata (.dta), SPSS (.sav), EpiInfo (.rec) et valeurs séparées par des virgules (.csv) ainsi que des données orientées cadre de R peuvent être traités pour réaliser plusieurs calculs épidémiologiques.

Tools to quantify transmissibility throughout an epidemic from the analysis of time series of incidence as described in Cori et al. (2013) and Wallinga and Teunis (2004) .

Il s’agit d’un paquet pour l’analyse de données épidémiologiques. Il contient des fonctions pour directement ou indirectement ajuster les fréquences de maladies, quantifier les mesures d’association sur la base d’une ou plusieurs couches de données de comptage présentées dans un tableau de contingence, et calculer l’intervalle de confiance entre le risque d’incidence et le taux d’incidence estimés. Il fournit aussi diverses fonctions pour la méta-analyse, l’interprétation de diagnostics et le calcul de taille d’échantillon.

Il s’agit d’outils de GNU R pour l’épidémiologie de santé publique et l’analyse de données. Epitools fournit des outils numériques et des solutions de programmation qui ont été utilisées et testées, en situation réelle, dans des applications d’épidémiologie.

Beaucoup de problèmes pratiques dans l’analyse de données de santé publique ont besoin de programmation ou des logiciels particuliers, et les chercheurs pourraient faire de la programmation en double. Souvent, des analyses simples, telles que la construction d’intervalles de confiance, ne sont pas calculées et par conséquent compliquent les inférences statistiques appropriées pour de petites aires géographiques. Il existe de nombreux exemples où des outils numériques simples et utiles qui amélioreraient le travail d’épidémiologistes dans des départements locaux ne sont pas facilement disponibles pour le problème à résoudre. La disponibilité de ces outils encouragerait une plus large utilisation des méthodes appropriées et promouvrait les pratiques de santé publique basées sur des éléments probants.

Provides functions and classes to compute, handle and visualise incidence from dated events for a defined time interval. Dates can be provided in various standard formats. The class 'incidence' is used to store computed incidence and can be easily manipulated, subsetted, and plotted. In addition, log-linear models can be fitted to 'incidence' objects using 'fit'. This package is part of the RECON (http://www.repidemicsconsortium.org/) toolkit for outbreak analysis.

An R implementation of the LexRank algorithm implementing stochastic graph-based method for computing relative importance of textual units for Natural Language Processing. The technique on the problem of Text Summarization (TS) is tested. Extractive TS relies on the concept of sentence salience to identify the most important sentences in a document or set of documents. Salience is typically defined in terms of the presence of particular important words or in terms of similarity to a centroid pseudo-sentence.

Les niveaux d'anticorps mesurés dans des échantillons transversaux de population peuvent être traduits en estimations de la fréquence à laquelle les séroconversions (nouvelles infections) se produisent. Afin d'interpréter les niveaux transversaux d'anticorps mesurés, les paramètres qui prédisent la décomposition des anticorps doivent être connus. Dans les articles publiés précédemment (Simonsen et al. 2009 et Versteegh et al. 2005), cette information s'obtenait à partir d'études longitudinales sur des sujets dans lesquels est confirmé par des cultures une infection de Salmonelle ou de Campylobacter. Un modèle de rétrocalcul bayésien était utilisé pour convertir les mesures d'anticorps en estimation de temps depuis l'infection. Cela peut être utilisé pour estimer la séroincidence dans un échantillon transversal de population. Pour des mesures longitudinales et des mesures transversales de concentration d'anticorps, l'ELISA indirecte était utilisé. Les modèles ne sont valables que pour des personnes de plus de 18 ans. Les estimations de séroincidence conviennent pour surveiller l'effet des programmes de contrôle quand des échantillons transversaux représentatifs de sérum sont analysables. Cela fournit des informations plus précises sur le taux d'infection de populations dans les pays.

Support for simple features, a standardized way to encode spatial vector data. Binds to 'GDAL' for reading and writing data, to 'GEOS' for geometrical operations, and to 'PROJ' for projection conversions and datum transformations.

Collection of plotting and table output functions for data visualization. Results of various statistical analyses (that are commonly used in social sciences) can be visualized using this package, including simple and cross tabulated frequencies, histograms, box plots, (generalized) linear models, mixed effects models, principal component analysis and correlation matrices, cluster analyses, scatter plots, stacked scales, effects plots of regression models (including interaction terms) and much more. This package supports labelled data.

Il s’agit de la mise en œuvre de méthodes statistiques pour la modélisation et la supervision de séries temporelles de données de comptage, proportion et catégorie, ainsi que la modélisation de processus ponctuels de phénomènes épidémiques en temps continu.

Les méthodes de surveillance se concentrent sur les aberrations de détection dans les relevés de séries temporelles provenant de surveillance de santé publique de maladies transmissibles, mais les applications peuvent aussi bien se servir de métriques d’environnement, d’ingénierie de fiabilité, d’économie ou de sciences sociales. Le paquet implémente beaucoup de procédure de détection classiques d’épidémies telles que l’algorithme (amélioré) de Farrington ou la méthode binomiale négative GLR-CUSUM de Höhle et Paul (2008) . Une nouvelle approche CUSUM combinant logistique et modélisation multinomiale de logistique est aussi fournie. Le paquet contient plusieurs données du monde réel, la possibilité de simuler des données d’épidémie, de visualiser les résultats de surveillance de manière temporelle, spatiale ou spatio-temporelle. Un aperçu des procédures de surveillance est fourni par Salmon et al. (2016) .

Pour l’analyse rétrospective de la propagation d’épidémie, ce paquet fournit trois cadriciels de modélisation endémique-épidémique avec des outils pour la visualisation, l’inférence de vraisemblance et la simulation. hhh4() estime les modèles pour des séries temporelles selon Paul et Held (2011) et Meyer et Held (2014) . twinSIR() modélise l’historique d’évènements SIR (Susceptible, Infectious, Recovered) d’une population fixe, par exemple, des épidémies dans des fermes ou des réseaux, en tant que processus ponctuels multivariés comme proposé par Höhle (2009) . twinstim() estime les modèles de processus ponctuels auto-excités pour un patron de processus spatio-temporel d’évènements infectieux, par exemple, données temporelles géo-référencées de surveillance comme proposé par Meyer et al. (2012) . Un récent aperçu des cadriciels de modèle spatio-temporel implémentés pour les phénomènes épidémiques a été publié par Meyer et al. (2017) .

This library provides a simple interface to simulate mathematical epidemic models in Python3. It is a precondition for the program epigrass.

This GNU R package supports estimation, testing and regression modeling of subdistribution functions in competing risks, as described in Gray (1988), A class of K-sample tests for comparing the cumulative incidence of a competing risk.

Fonctions pour adapter des modèles de Markov temporels cachés et continus à des données longitudinales. Les taux de transitions de Markov et le processus de sortie de Markov caché peuvent être modélisés en terme de co- variables. Une variété de schémas d'observation sont permis, qui comprennent une surveillance des processus à des temps arbitraires, une observation complète des processus, et des états censurés.

In self-reported or anonymised data the user often encounters heaped data, i.e. data which are rounded (to a possibly different degree of coarseness). While this is mostly a minor problem in parametric density estimation the bias can be very large for non-parametric methods such as kernel density estimation. This package implements a partly Bayesian algorithm treating the true unknown values as additional parameters and estimates the rounding parameters to give a corrected kernel density estimate. It supports various standard bandwidth selection methods. Varying rounding probabilities (depending on the true value) and asymmetric rounding is estimable as well: Gross, M. and Rendtel, U. (2016) (). Additionally, bivariate non- parametric density estimation for rounded data, Gross, M. et al. (2016) (), as well as data aggregated on areas is supported.

Penn Medicine - COVID-19 Hospital Impact Model for Epidemics

This tool was developed by the Predictive Healthcare team at Penn Medicine. For questions and comments please see our contact page. Code can be found on Github. Join our Slack channel if you would like to get involved!

The estimated number of currently infected individuals is 533. The 91 confirmed cases in the region imply a 17% rate of detection. This is based on current inputs for Hospitalizations (4), Hospitalization rate (5%), Region size (4119405), and Hospital market share (15%).

An initial doubling time of 6 days and a recovery time of 14.0 days imply an R_0 of 2.71.

Mitigation: A 0% reduction in social contact after the onset of the outbreak reduces the doubling time to 6.0 days, implying an effective R_t of 2.712.712.71.

EpiFire is a C++ applications programming interface (API) that does two things:

• Model the spread of an infectious disease in a population
• Generate and manipulate networks of nodes and edges

While the network code can be used independently from the epidemiological code and vice versa—they are conceptually and functionally distinct—from the beginning, the libraries were developed to be compatible with each other. What EpiFire excels at is simulating the stochastic spread of disease on contact networks.

NetEpi, which is short for "Network-enabled Epidemiology", is a collaborative project to create a suite of free, open source software tools for epidemiology and public health practice. Anyone with an interest in population health epidemiology or public health informatics is encouraged to examine the prototype tools and to consider contributing to their further development. Contributions which involve formal and/or informal testing of the tools in a wide range of circumstances and environments are particularly welcome, as is assistance with design, programming and documentation tasks.

This is a tool for conducting epidemiological analysis of data sets, both large and small, either through a Web browser interface, or via a programmatic interface. In many respects it is similar to the analysis facilities included in the Epi Info suite, except that NetEpi Analysis is designed to be installed on servers and accessed remotely via Web browsers, although it can also be installed on individual desktop or laptop computers.

The software was developed by New South Wales Department of Health.

NetEpi, which is short for "Network-enabled Epidemiology", is a collaborative project to create a suite of free, open source software tools for epidemiology and public health practice. Anyone with an interest in population health epidemiology or public health informatics is encouraged to examine the prototype tools and to consider contributing to their further development. Contributions which involve formal and/or informal testing of the tools in a wide range of circumstances and environments are particularly welcome, as is assistance with design, programming and documentation tasks.

NetEpi Case Manager is a tool for securely collecting structured information about cases and contacts of communicable (and other) diseases through Web browsers and the Internet. New data collection forms can be designed and deployed quickly by epidemiologists, using a "point-and-click" interface, without the need for knowledge of or training in any programming language. Data can then be collected from users of the system, who can be located anywhere in the world, into a centralised database. All that is needed by users of the system is a relatively recent Web browser and an Internet connection ("NetEpi" is short for "Network-enabled Epidemiology"). In many respects, NetEpi Case Manager is like a Web-enabled version of the data entry facilities in the very popular Epi Info suite of programmes published by the US Centers for Disease Control and Prevention, and in the Danish EpiData project, which is available for several languages. The software was developed by the Centre for Epidemiology and Research of the New South Wales Department of Health, with contributions from Population Health Division of the Australian Government Department of Health and Ageing.

The software was developed by New South Wales Department of Health.

This GNU R package provides pre-processed, ready-to-use, tidy format datasets of the 2019 Novel Coronavirus COVID-19 (2019-nCoV) epidemic. The latest data are downloaded in real-time, processed and merged with demographic indicators from several trusted sources. The package implements advanced data visualization across the space and time dimensions by means of animated mapping. Besides worldwide data, the package includes granular data for Italy, Switzerland and the Diamond Princess.

Shiny Server lets you put shiny web applications and interactive documents online. Take your Shiny apps and share them with your organization or the world.

Shiny Server lets you go beyond static charts, and lets you manipulate the data. Users can sort, filter, or change assumptions in real-time. Shiny server empower your users to customize your analysis for their specific needs and extract more insight from the data.

Ushahidi is a platform that allows information collection, visualization and interactive mapping, allowing anyone to submit information through text messaging using a mobile phone, email or web form.

It can be used to monitor epidemic diseases, measuring the impact of natural disasters, uncovering corruption, and empowering peace makers.

Repast Simphony is a free and open source agent-based modeling toolkit that simplifies model creation and use. Repast Simphony offers users a rich variety of features including the following:

• Fluid model component development using any mixture of Java, Groovy, and flowcharts in each project;
• A pure Java point-and-click model execution environment that includes built-in results logging and graphing tools as well as automated connections to a variety of optional external tools including the R statistics environment, *ORA and Pajek network analysis plugins, A live agent SQL query tool plugin, the VisAD scientific visualization package, the Weka data mining platform, many popular spreadsheets, the MATLAB computational mathematics environment, and the iReport visual report designer;
• An extremely flexible hierarchically nested definition of space including the ability to do point-and-click and modeling and visualization of 2D environments; 3D environments; networks including full integration with the JUNG network modeling library as well as Microsoft Excel spreadsheets and UCINET DL file importing; and geographical spaces including 2D and 3D Geographical Information Systems (GIS) support;
• A range of data storage "freeze dryers" for model check pointing and restoration including XML file storage, text file storage, and database storage;
• A fully concurrent multithreaded discrete event scheduler;
• Libraries for genetic algorithms, neural networks, regression, random number generation, and specialized mathematics;
• An automated Monte Carlo simulation framework which supports multiple modes of model results optimization;
• Built-in tools for integrating external models;
• Distributed computing with Terracotta;
• Full object-orientation;
• Optional end-to-end XML simulation
• A point-and-click model deployment system