R programming dalam dunia kedokteran

R programming mempermudah dunia kedokteran

Dari yang paling sederhana seperti perhitungan BMI(Body Mass Index) sampai tindakan medis yang menggunakan lengan robot. Semua itu berangkat dari analisa dataset yang hanya terdiri dari beberapa variable sampai tidak terbatas jumlahnya. 

Contoh script BMI dengan R programming:

ui:

ui <- shinyUI(fluidPage(

    title = "BMI Calculator",

     
      fluidRow(
        
        column(10, 
               h1("BMI Calculator",
                  style = "color: red")), #ff3f34
       column(1, 
               img(height = 70, 
                   width = 100, 
      src = "https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEh1rBxwKNviPCjWPAEfI_6AjZQHpQ3nld_xNo6S_HKzsBUDaZ1XViFDyff3KB0L-VMv5ZTD-YX6s9Dz1k3wsGOL-iBXPa9yhwwmDJcJ34MjzNkcIeIZ1q4DwRI_iopvwMg5AugB9p1OXnLf/s1600/realr.jpg")
        ) #logo
        
      ),

    hr(),
    
column(12, div(h4("Aplikasi ini menggunakan rumus dasar Indeks Massa Tubuh (BMI) dengan variabel 
tinggi badan dalam inci dan berat dalam pound 
Untuk  formula yang lebih maju akan memperhitungkan faktor-faktor seperti jenis kelamin, lingkar dada dan pinggang
      "), style = "color:green", align = "left")),

column(12, div(h4("Baris pertama akan berubah dinamis mengkonversi inci ke meter. Baris kedua akan mengkonversi 
berat ke kg. Hasil BMI akan tertulis di bawahnya"), style = "color:green",align = "left")),

 hr(),

    fluidRow(
        column(4, offset = 1,
               wellPanel(sliderInput("ht", "Tinggi badan dlm inci:", min = 1,
                                     max = 108, value = 65)),
               wellPanel(sliderInput("wt", "Berat badan dlm pound:", min = 1,
                                      max = 700, value = 150))
        ),

        column(6, offset = 1,
               div(textOutput("htText"), style = "color:blue;font-size:16pt"),
               div(textOutput("wtText"), style = "color:blue;font-size:16pt"),
               br(),
               div(strong("BMI: ", style = "color:blue;font-size:17pt")),
               div(strong(textOutput("bmi"),
                          style = "color:red; font-size:40pt")),
               div(strong(textOutput("bmi.class"), style = "font-size:20pt"))
        )
    ),

 hr(),

    h4("Cara penggunaan BMI:"),
    column(12, div(h4("1.Geser panel masukkan tinggi badan dlm inci"), style = "color:green")),
    column(12, div(h4("2.Masukkan berat badan dalam pound"), style = "color:green"))
))

server:

server <- shinyServer(function(input, output) {

    htInput <- reactive({input$ht})

    wtInput <- reactive({input$wt})

   calcBMI <- reactive({round(703 * (wtInput() / htInput() ^ 2), 2)})

    classBMI <- reactive({
        if (calcBMI() < 18.5) {
            return("Underweight")
        } else {
            if (calcBMI() < 25) {
                return("Healthy Weight")
            } else {
                if (calcBMI() < 30) {
                    return("Overweight")
                } else {
                    return("Obese")
                }
            }
        }
    })

    output$htText <- renderText({
        # Print the height from the slider input in feet and inches (meters)
        paste0("Height: ", floor(htInput() / 12), "'", htInput() %% 12, "\"",
               " (", round(htInput() * 0.0254, 2), "m)")
    })

    output$wtText <- renderText({
        # Print the weight from the numeric input in pounds (kilograms)
        paste0("Weight: ", wtInput(), "lbs (", round(wtInput() * 0.453592, 2),
               "kg)")
    })

    output$bmi <- renderText({
        # Calculate BMI and print it
        calcBMI()
    })

    output$bmi.class <- renderText({
        classBMI()
    })

})

Sekarang dokter bisa dengan cepat bisa menyimpulkan apakah embrio dalam kandungan akan mengalami kecacatan atau tidak, sehingga dokter akan secara intens melakukan konsultasi dengan si empunya embrio tsb, untuk mementukan tindakan medis sebelum terlambat waktunya.Contoh aplikasi trisomy akan di muat dalam posting berikutnya.

Contoh lainnya seorang dokter ahli jantung konvensional akan kesulitan dan makan waktu lama jika harus memilah puluhan bahkan ratusan variable yang mempengaruhi kondisi jantung pasien. Variable mana yang paling berpengaruh? Bagaimana ranking dari variable tsb?. Keputusan dokter yang cepat akurat tentu sangat ditunggu sang pasien, karena waktu sangat berbanding linier dengan resiko otomatis juga biaya. Dapat dilihat aplikasi Deteksi Jantung yang dibuat dengan R programming

Referensi:

http://rpubs.com/bambangpe/521380
https://bambangpe.shinyapps.io/detect-vhd/
https://bambangpe.shinyapps.io/kursus-r2/