Adds daily_gmi() and gmi_trend(): per-day GMI as scatter points, a 7-day rolling average line, and a linear regression trend line with a 95% confidence band (normal approximation, no scipy dependency, consistent with the existing preference for a lean container image). Recomputed from the already-fetched period data on each page load; the existing 1-hour Streamlit cache on load_range_data() already avoids repeated Nightscout calls for the same period, so no separate storage layer is needed at the current max. 90-day report window. Closes gitea #19.
glucose-dashboard
Dashboard van glucosedata, live opgehaald uit een Nightscout-instantie.
Meerdere pagina's (zie zijbalk): een rollend live-overzicht en een set
klinische rapportagepagina's (zie docs/requirements-reporting.md en
docs/design-reporting.md).
Instellen
-
Zorg voor een draaiende Nightscout-instantie en een API-token (Admin Tools
Manage Tokens in Nightscout — geef het token minimaal
readable-rechten) of het klassieke API secret. -
Kopieer
.env.examplenaar.enven vulNIGHTSCOUT_URL, één van de twee auth-opties, enDASHBOARD_PASSWORD_HASHin (zie het voorbeeldbestand voor hoe je die hash genereert — de dashboard-URL wordt gedeeld met het diabetesteam, dus elke pagina zit achter een wachtwoord).app.pylaadt.envzelf in (viapython-dotenv), dus dit werkt hetzelfde onder PowerShell, cmd of bash — je hoeft de variabelen niet zelf in je shell te zetten. -
Lokaal draaien:
uv venv uv pip install -r requirements.txt --python .venv .venv\Scripts\streamlit run app.py -
Met Docker Compose:
docker compose up -ddocker-compose.ymlleest.envviaenv_file— dat bestand wordt niet meegecommit (zie.gitignore).
Tests en lint
pytest tests/ -v
ruff check .