63 lines
2.3 KiB
Python
63 lines
2.3 KiB
Python
"""
|
|
Data processing logic voor het glucose-dashboard.
|
|
|
|
Bewust gescheiden van app.py: Streamlit-UI-code kun je niet zomaar los
|
|
unit-testen (die heeft een draaiende Streamlit-context nodig). Door de
|
|
logica (classificeren, samenvatten) in een los module te zetten, kun je die
|
|
logica wel gewoon met pytest testen, en blijft app.py alleen de UI-laag.
|
|
"""
|
|
|
|
from __future__ import annotations
|
|
|
|
import pandas as pd
|
|
|
|
from nightscout_client import SENSOR_CHANGE_EVENT_TYPES, SITE_CHANGE_EVENT_TYPES
|
|
|
|
# Streefbereik in mmol/L — pas aan naar je eigen behandeldoelen.
|
|
TARGET_LOW = 3.9
|
|
TARGET_HIGH = 10.0
|
|
|
|
|
|
def classify_treatments(treatments: pd.DataFrame) -> dict[str, pd.DataFrame]:
|
|
"""Splits ruwe Nightscout-treatments op in aparte, tijd-gesorteerde subsets.
|
|
|
|
Een insuline- en koolhydraat-registratie kunnen dezelfde treatment zijn
|
|
(bijv. een "Meal Bolus" met zowel insuline als carbs) en verschijnen dan
|
|
in beide subsets.
|
|
"""
|
|
insulin = treatments[treatments["insulin"].fillna(0) > 0]
|
|
carbs = treatments[treatments["carbs"].fillna(0) > 0]
|
|
site_changes = treatments[treatments["eventType"].isin(SITE_CHANGE_EVENT_TYPES)]
|
|
sensor_changes = treatments[treatments["eventType"].isin(SENSOR_CHANGE_EVENT_TYPES)]
|
|
return {
|
|
"insulin": insulin.reset_index(drop=True),
|
|
"carbs": carbs.reset_index(drop=True),
|
|
"site_changes": site_changes.reset_index(drop=True),
|
|
"sensor_changes": sensor_changes.reset_index(drop=True),
|
|
}
|
|
|
|
|
|
def glucose_status(mmol: float, low: float = TARGET_LOW, high: float = TARGET_HIGH) -> str:
|
|
"""Classificeer een glucosewaarde t.o.v. het streefbereik."""
|
|
if mmol < low:
|
|
return "low"
|
|
if mmol > high:
|
|
return "high"
|
|
return "in_range"
|
|
|
|
|
|
def summarize_time_in_range(
|
|
glucose: pd.DataFrame, low: float = TARGET_LOW, high: float = TARGET_HIGH
|
|
) -> dict[str, float]:
|
|
"""Bereken het percentage metingen onder/in/boven het streefbereik."""
|
|
if glucose.empty:
|
|
return {"low": 0.0, "in_range": 0.0, "high": 0.0}
|
|
|
|
statuses = glucose["mmol"].apply(lambda v: glucose_status(v, low, high))
|
|
counts = statuses.value_counts(normalize=True) * 100
|
|
return {
|
|
"low": round(counts.get("low", 0.0), 1),
|
|
"in_range": round(counts.get("in_range", 0.0), 1),
|
|
"high": round(counts.get("high", 0.0), 1),
|
|
}
|