add reporting foundation: multipage nav, auth gate, date-range fetch

First increment of the clinical reporting feature (see
docs/requirements-reporting.md and docs/design-reporting.md): moves the
existing live view to pages/1_Live.py, adds a password gate since the
dashboard URL will be shared with the diabetes team, adds
fetch_entries_range/fetch_treatments_range for multi-day report queries,
and adds reporting.py with the core clinical calculations (GMI, %CV,
5-band time-in-range, hypo/hyper event detection per the Battelino et al.
2019 persistence rule). No report pages wired up yet — that's next.

Co-Authored-By: Claude Sonnet 5 <[email protected]>

nightscout_client.py

@@ -18,7 +18,7 @@ from __future__ import annotations
 
 import hashlib
 import os
-from datetime import datetime, timedelta, timezone
+from datetime import date, datetime, time, timedelta, timezone
 
 import pandas as pd
 import requests
@@ -75,18 +75,14 @@ def _get(path: str, params: dict) -> list:
     return response.json()
 
 
-def fetch_entries(hours: int = 24) -> pd.DataFrame:
-    """Haal glucosemetingen (SGV) op van de laatste `hours` uur, in mmol/L.
+def _entries_since(since: datetime, count: int, until: datetime | None = None) -> pd.DataFrame:
+    """Haal entries op sinds `since` (en optioneel tot `until`), lokaal gefilterd.
 
-    Geeft een DataFrame terug met kolommen 'timestamp' en 'mmol', oplopend
-    gesorteerd op tijd.
+    Nightscout geeft resultaten terug in aflopende volgorde; vraag ruim genoeg
+    entries op (CGM meet doorgaans elke 5 min) en filter lokaal op tijd. Dit is
+    robuuster dan server-side find[]-query's, die niet op elke Nightscout-versie
+    identiek werken.
     """
-    since = datetime.now(timezone.utc) - timedelta(hours=hours)
-    # Nightscout geeft resultaten terug in aflopende volgorde; vraag ruim
-    # genoeg entries op (CGM meet doorgaans elke 5 min) en filter lokaal op
-    # tijd. Dit is robuuster dan server-side find[]-query's, die niet op elke
-    # Nightscout-versie identiek werken.
-    count = max(300, hours * 15)
     data = _get("/api/v1/entries/sgv.json", {"count": count})
 
     if not data:
@@ -96,18 +92,13 @@ def fetch_entries(hours: int = 24) -> pd.DataFrame:
     df["timestamp"] = pd.to_datetime(df["date"], unit="ms", utc=True).dt.tz_localize(None)
     df["mmol"] = df["sgv"].astype(float).apply(mgdl_to_mmol)
     df = df[df["timestamp"] >= since.replace(tzinfo=None)]
+    if until is not None:
+        df = df[df["timestamp"] <= until.replace(tzinfo=None)]
     return df[["timestamp", "mmol"]].sort_values("timestamp").reset_index(drop=True)
 
 
-def fetch_treatments(hours: int = 24) -> pd.DataFrame:
-    """Haal behandelingen op van de laatste `hours` uur: insuline, koolhydraten
-    en pomp-/sensorwissels.
-
-    Geeft een DataFrame terug met kolommen 'timestamp', 'eventType',
-    'insulin' en 'carbs' (de laatste twee NaN waar niet van toepassing).
-    """
-    since = datetime.now(timezone.utc) - timedelta(hours=hours)
-    count = max(200, hours * 10)
+def _treatments_since(since: datetime, count: int, until: datetime | None = None) -> pd.DataFrame:
+    """Haal treatments op sinds `since` (en optioneel tot `until`), lokaal gefilterd."""
     data = _get("/api/v1/treatments.json", {"count": count})
 
     if not data:
@@ -122,8 +113,59 @@ def fetch_treatments(hours: int = 24) -> pd.DataFrame:
     if "eventType" not in df.columns:
         df["eventType"] = ""
     df = df[df["timestamp"] >= since.replace(tzinfo=None)]
+    if until is not None:
+        df = df[df["timestamp"] <= until.replace(tzinfo=None)]
     return (
         df[["timestamp", "eventType", "insulin", "carbs"]]
         .sort_values("timestamp")
         .reset_index(drop=True)
     )
+
+
+def fetch_entries(hours: int = 24) -> pd.DataFrame:
+    """Haal glucosemetingen (SGV) op van de laatste `hours` uur, in mmol/L.
+
+    Geeft een DataFrame terug met kolommen 'timestamp' en 'mmol', oplopend
+    gesorteerd op tijd.
+    """
+    since = datetime.now(timezone.utc) - timedelta(hours=hours)
+    count = max(300, hours * 15)
+    return _entries_since(since, count)
+
+
+def fetch_treatments(hours: int = 24) -> pd.DataFrame:
+    """Haal behandelingen op van de laatste `hours` uur: insuline, koolhydraten
+    en pomp-/sensorwissels.
+
+    Geeft een DataFrame terug met kolommen 'timestamp', 'eventType',
+    'insulin' en 'carbs' (de laatste twee NaN waar niet van toepassing).
+    """
+    since = datetime.now(timezone.utc) - timedelta(hours=hours)
+    count = max(200, hours * 10)
+    return _treatments_since(since, count)
+
+
+def fetch_entries_range(start_date: date, end_date: date) -> pd.DataFrame:
+    """Haal glucosemetingen op tussen start_date en end_date (beide inclusief).
+
+    Bedoeld voor meerdaagse rapportages (bijv. 90 dagen) waarbij het
+    uren-schalende `fetch_entries` niet praktisch is. Zelfde kolommen als
+    `fetch_entries`.
+    """
+    since = datetime.combine(start_date, time.min, tzinfo=timezone.utc)
+    until = datetime.combine(end_date, time.max, tzinfo=timezone.utc)
+    days = (end_date - start_date).days + 1
+    count = min(days * 300, 100_000)  # ruime marge boven 5-min-interval
+    return _entries_since(since, count, until)
+
+
+def fetch_treatments_range(start_date: date, end_date: date) -> pd.DataFrame:
+    """Haal behandelingen op tussen start_date en end_date (beide inclusief).
+
+    Zelfde kolommen als `fetch_treatments`.
+    """
+    since = datetime.combine(start_date, time.min, tzinfo=timezone.utc)
+    until = datetime.combine(end_date, time.max, tzinfo=timezone.utc)
+    days = (end_date - start_date).days + 1
+    count = min(days * 50, 50_000)
+    return _treatments_since(since, count, until)