-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathapp.R
791 lines (789 loc) · 42.1 KB
/
app.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
# R-Shiny-App für Labormedizinische Estimationen
library(shiny)
# Formeln
CG <- function(Krea, Alter, Gewicht, female = FALSE, Konv = TRUE){
if (Konv == TRUE){
if (female == FALSE){
x <- (((140-Alter)*Gewicht)/(Krea*72))
} else {
x <- (((140-Alter)*Gewicht)/(Krea*72))*0.85
}
} else {
if (female == FALSE){
x <- (((140-Alter)*Gewicht)/((Krea/88.4)*72))
} else {
x <- (((140-Alter)*Gewicht)/((Krea/88.4)*72))*0.85
}
}
return(round(x,0))
}
MDRD <- function(Krea, Alter, female = FALSE, Konv = TRUE){
if (Konv == TRUE){
if (female == FALSE){
x <- 186.3*(Krea^-1.154)*(Alter^-0.203)
} else {
x <- 186.3*(Krea^-1.154)*(Alter^-0.203)*0.742
}
} else {
if (female == FALSE){
x <- 186.3*((Krea/88.4)^-1.154)*(Alter^-0.203)
} else {
x <- 186.3*((Krea/88.4)^-1.154)*(Alter^-0.203)*0.742
}
}
return(round(x,0))
}
CKD.EPI <- function(Krea, Alter, female = FALSE, Konv = TRUE){
if (Konv == TRUE){
if (female == FALSE){
if (Krea <= 0.9){
x <- 141*((Krea/0.9)^-0.411)*(0.993^Alter)
} else {
x <- 141*((Krea/0.9)^-1.209)*(0.993^Alter)
}
} else {
if (Krea <= 0.7){
x <- 144*((Krea/0.7)^-0.329)*(0.993^Alter)
} else {
x <- 144*((Krea/0.7)^-1.209)*(0.993^Alter)
}
}
} else {
if (female == FALSE){
if (Krea <= 80){
x <- 141*(((Krea/88.4)/0.9)^-0.411)*(0.993^Alter)
} else {
x <- 141*(((Krea/88.4)/0.9)^-1.209)*(0.993^Alter)
}
} else {
if (Krea <= 62){
x <- 144*(((Krea/88.4)/0.7)^-0.329)*(0.993^Alter)
} else {
x <- 144*(((Krea/88.4)/0.7)^-1.209)*(0.993^Alter)
}
}
}
return(round(x,2))
}
BIS1 <- function(Krea, Alter, female = FALSE, Konv = TRUE){
if (Konv == TRUE){
if (female == FALSE){
x <- 3736*(Krea^-0.87)*(Alter^-0.95)
} else {
x <- 3736*(Krea^-0.87)*(Alter^-0.95)*0.82
}
} else {
if (female == FALSE){
x <- 3736*((Krea/88.4)^-0.87)*(Alter^-0.95)
} else {
x <- 3736*((Krea/88.4)^-0.87)*(Alter^-0.95)*0.82
}
}
return(round(x,0))
}
# User-Interface
ui <- fluidPage(
navbarPage(title = "Adler Medical Data Science Web Helper",
# zlog-Transformation
tabPanel("Laborvergleich",
# Intro Text
"Hoffmann et al. haben 2017 (J Lab Med 2017; 41: 23 - 32) mit dem", tags$strong("zlog-Wert"), "eine Methode zur",
tags$strong("Standardisierung von Laborwerten"), "sowie der", tags$strong("Übertragung von Messergebnissen
zwischen Laboren"), "vorgestellt.",
tags$br(),
tags$br(),
"Mit dieser WebApp können Sie die zlog-Werte Ihrer Messergebnisse berechnen, sowie Ihr Messergebnis ins
Verhältnis zu den Referenzintervallgrenzen eines anderen Labores setzen.",
tags$br(),
tags$br(),
"Die voreingestellten Werte zeigen ein Beispiel für eine Messung des Vitamin-B12-Spiegels.",
tags$br(),
tags$br(),
# Inputs
fluidRow(
column(2, numericInput("UG1", "Untere RI-Grenze Labor 1:", 197)),
column(2, numericInput("UG2", "Untere RI-Grenze Labor 2:", 145), offset = 0.5),
),
fluidRow(
column(2, numericInput("OG1", "Obere RI-Grenze Labor 1:", 771)),
column(2, numericInput("OG2", "Obere RI-Grenze Labor 2:", 569), offset = 0.5),
),
fluidRow(
column(2, numericInput("Wert", "Messwert:", 424)),
# Outputs
column(2, tags$strong("Messwert umgerechnet:"), verbatimTextOutput("Wertneu"), offset = 0.5)
),
tags$strong("zlog-Wert:"),
fluidRow(
column(1, verbatimTextOutput("zlog")),
),
tags$br(),
"Made by Jakob Adler"
),
# eGFR-Vergleich
tabPanel("eGFR",
# Intro Text
"Ziel dieser WebApp ist der", tags$strong("Vergleich"), "der estimierten GFR-Werte je nach genutzter
Formel sowie der Berechnung des", tags$strong("tatsächlichen Intervalles"), "in dem die", tags$em("wahre"),
"GFR zu erwarten ist.",
tags$br(),
tags$br(),
# Inputs
fluidRow(
column(2, numericInput("Alter", "Alter des Patienten in Jahren:", 70)),
column(2, numericInput("Krea", "Kreatinin in µmol/l:", 100), offset = 0.5),
column(1, radioButtons("Sex", "Geschlecht:", c("Mann" = "M", "Frau" = "Fr")), offset = 0.5),
column(2, numericInput("Gew", "Gewicht in Kg:", 90), offset = 0.5)
),
# Outputs
fluidRow(
column(2, tags$strong("eGFR nach Cockcroft-Gault:"), verbatimTextOutput("CG")),
column(2, tags$strong("eGFR nach MDRD:"), verbatimTextOutput("MDRD"), offset = 0.5),
column(2, tags$strong("eGFR nach CKD-EPI (KDIGO):"), verbatimTextOutput("CKD"), offset = 0.5),
column(3, tags$strong("eGFR nach Berlin-Initative-Studie-1 (BIS-1, kreatininbasiert):"), verbatimTextOutput("BIS1"), offset = 0.5)
),
tags$br(),
"Die Präzision der eGFR-Formeln wird mit dem", tags$strong("P30-Wert"), "angegeben.",
"Dieser Wert gibt an, wieviel Prozent der estimierten eGFR-Werte mit maximal +30% bzw. -30% von
der", tags$em("wahren"), "GFR abweichen.",
tags$br(),
"Die meisten Formeln besitzen einen P30-Wert von über 90%.",
"Geht man von einer Abweichung von +/- 30% aus, so liegt die", tags$em("wahre"), "eGFR in den folgenden Bereichen.",
tags$br(),
tags$br(),
fluidRow(
column(2, tags$strong("eGFR-Bereich Cockcroft-Gault:"), verbatimTextOutput("CG.Ber")),
column(2, tags$strong("eGFR-Bereich MDRD:"), verbatimTextOutput("MDRD.Ber"), offset = 0.5),
column(2, tags$strong("eGFR-Bereich CKD-EPI:"), verbatimTextOutput("CKD.Ber"), offset = 0.5),
column(2, tags$strong("eGFR-Bereich BIS-1 (kreatininbasiert):"), verbatimTextOutput("BIS.Ber"), offset = 0.5)
),
tags$br(),
"Made by Jakob Adler"
),
# kinetische eGFR
tabPanel("kinetische eGFR (ANV/AKI)",
# Intro Text
"Zu", tags$strong("Beginn"), "eines akuten Nierenversagens wird die GFR", tags$strong("meist überschätzt"),
"sodass es bei eGFR-gesteuerter Medikamentendosierung zu", tags$strong("Überdosierungen"), "kommt.",
tags$br(),
"Im Falle einer", tags$strong("Restitutio"), "der Nierenfunktion", tags$strong("steigt die eGFR nur
unzureichend schnell"), "an, sodass es eher zu", tags$strong("Unterdosierungen"), "kommt.",
tags$br(),
"Um die kinetische Komponente der GFR-Veränderung im Rahmen eines ANV zu erfassen,
hat Chen 2013 eine Formel für die kinetische GFR eingefuehrt (J Am Soc Nephrol 2013; 24: 877 - 888).",
tags$br(),
"Diese Formel ist aber für den klinischen Alltag aufgrund ihrer Komplexität leider nicht
zielführend einzusetzen.",
tags$br(),
tags$br(),
"Hierfür wurde von Keller et al. eine vereinfachte Zweipunkt-Formel vorgeschlagen (Trillium
Diagnostik 2020; 18: 44 - 47)",
tags$br(),
tags$br(),
"Mit der hier vorgestellten WebApp kann diese kinetische GFR berechnet werden.",
tags$br(),
tags$br(),
# Inputs
fluidRow(
column(2, numericInput("GFR1", "1. GFR-Messung in ml/min:", 100)),
column(2, numericInput("GFR2", "2. GFR-Messung in ml/min:", 50), offset = 0.5),
column(8, numericInput("Zeit", "Zeitdifferenz der Messungen in Stunden:", 48), offset = 0.5)
),
# Outputs
tags$strong("Korrigierte kinetische Zweipunkt-GFR des 2. Messwertes:"),
fluidRow(
column(4, verbatimTextOutput("GFRkin"))
),
"Made by Jakob Adler"
),
# NT-proBNP Korrektur
tabPanel("NT-proBNP-Korrektur",
# Intro Text
"Luchner et al. haben 2010 (Clin Chem Lab Med 2010; 48: 121 - 128)
eine Formel zur", tags$strong("eGFR-basierten Korrektur von NT-proBNP Werten vorgestellt."),
tags$br(),
tags$br(),
"Aufgrund des starken Einflusses der Nierenfunktion auf die Höhe des
NT-proBNP-Wertes empfiehlt sich eine eGFR-basierte Korrektur des gemessenen NT-proBNPs.",
tags$br(),
tags$br(),
tags$strong("Anmerkung:"), "Eine Korrektur macht aufgrund der zugrundeliegenden
Exponentialfunktion erst", tags$strong("ab einer eGFR von < 75 ml/min Sinn."),
"Verwendete eGFR-Formel:", tags$strong("Cockcroft-Gault."),
tags$br(),
tags$br(),
# Inputs
fluidRow(
column(2, numericInput("NTist", "NT-proBNP in pg/ml:", 1000, 100, 30000)),
column(2, numericInput("GFRist", "eGFR in ml/min:", 60, 0, 75), offset = 0.5),
column(2, tags$strong("korrigierter NT-proBNP-Wert:"), tags$br(),
verbatimTextOutput("NTsoll"), offset = 0.5)
),
tags$br(),
"Made by Jakob Adler"
),
# LDL-Korrektur
tabPanel("LDL-Korrektur",
# Intro Text
"Die Messung als auch die Berechnung des LDL-Cholesterins enthält die Cholesterin-
Fraktion des Lipoprotein A (Lp(a)).",
tags$br(),
"So kommt es bei Patienten mit", tags$strong("hohen Lp(a)-Spiegeln"),"zu einer",
tags$strong("Überschätzung des LDL."),
tags$br(),
"Zur Korrektur dieses Effektes haben Langlois et al. die Lp(a)-basierte LDL-Korrektur publiziert
(Clin Chem Lab Med 2020; 58: 496 - 517).",
tags$br(),
tags$br(),
"Mit dieser WebApp können Sie das Lp(a)-korrigierte LDL berechnen.",
# Umrechnung
tags$br(),
tags$br(),
tags$strong("Umrechnung des Lp(a):"),
tags$br(),
tags$br(),
fluidRow(
column(2, numericInput("Lpa.nmol", "Lp(a) in nmol/l:", 100.00)),
column(2, tags$strong("Lp(a) in mg/dl:"), tags$br(), verbatimTextOutput("Lpa.mgdl"), offset = 0.5)
),
tags$br(),
"Genau genommen ist für Lp(a) die Umrechnung von nmol/l in mg/dl und gegenläufig fachlich nicht
richtig. Mol spiegelt die Anzahl von Teilchen wieder, während Gramm das Gewicht angibt.",
tags$br(),
"Aufgrund der Physiologie des Lp(a) besteht keine lineare Beziehung der Messung in mg/dl bzw. in nmol/l",
tags$br(),
tags$br(),
# Inputs
fluidRow(
column(2, numericInput("LDL", "LDL in mmol/l:", 6.6)),
column(2, numericInput("Lpa", "Lp(a) in mg/dl:", 42.0), offset = 0.5),
# Output
column(2, tags$strong("Lp(a)-korrigiertes LDL in mmol/l:"), tags$br(), verbatimTextOutput("LDLkor"))
),
tags$br(),
"Made by Jakob Adler"
),
# Natrium-Korrektur
tabPanel("Pseudohyponatriämie",
# Intro Text
"Hohe Konzentrationen von",tags$strong("Triglyceriden, Glucose sowie Gesamtprotein"),"können zu einer",
tags$strong("falsch niedrigen Messung des Serum-Natriums"),"führen.",
tags$br(),
tags$br(),
"Cho et al (J Lab Med 2020; 44: 17 - 22) haben daraufhin zwei Korrekturformeln entwickelt.",
tags$br(),
tags$br(),
"Mit dieser WebApp können Sie die Natriumkonzentration bei Hyperglykämie sowie bei Hypertriglyceridämie korrigieren.",
tags$br(),
tags$br(),
# Inputs 1
fluidRow(
column(2, numericInput("GlucNa", "Glucose in mmol/l:", 10.5)),
column(2, numericInput("Naist", "Natrium in mmol/l:", 125), offset = 0.5),
# Output 1
column(3, tags$strong("korrigierte Natriumkonzentration in mmol/l:"), tags$br(), verbatimTextOutput("NaKor1"))
),
tags$br(),
# Inputs 2
fluidRow(
column(2, numericInput("TriNa", "Triglyceride in mmol/l:", 1.7)),
column(2, numericInput("ProtNa", "Gesamtprotein in g/l:", 70), offset = 0.5),
column(2, numericInput("Naist2", "Natrium in mmol/l:", 125), offset = 0.5),
# Output2
column(3, tags$strong("korrigierte Natriumkonzentration in mmol/l:"), tags$br(), verbatimTextOutput("NaKor2"))
),
tags$br(),
"Made by Jakob Adler"
),
# TRP
tabPanel("tubuläre Phosphatreabsorption (TRP)",
# Intro Text
"Hier können Sie die", tags$strong("tubuläre Phosphatreabsorption (TRP)"), "sowie deren", tags$strong("Korrektur anhand der GFR (TmP/GFR)"), "berechnen.",
tags$br(),
tags$br(),
"Grundlage dieser Berechnung ist die Arbeit von Bart, Jones und Payne von 2000 (Ann Clin Biochem 2000; 37: 79-81).",
tags$br(),
tags$br(),
fluidRow(
column(2, numericInput("P.Serum", "Phosphat im Serum in mmol/l:", 0.88)),
column(2, numericInput("Krea.Serum", "Kreatinin im Serum in µmol/l:", 75)),
column(2, numericInput("P.Urin", "Phosphat im Urin in mmol/l:", 30.93)),
column(2, numericInput("Krea.Urin", "Kreatinin im Urin in mmol/l:", 10.24))
),
fluidRow(
column(3, tags$strong("tubuläre Reabsorption von Phosphat (TRP):"), tags$br(), verbatimTextOutput("PTub")),
column(3, tags$strong("tubuläre Phosphatreabsorption mit eGFR-Korrektur (TmP/GFR):"), tags$br(), verbatimTextOutput("PTubGFR"))
),
tags$br(),
tags$strong("Interpretation:"),
tags$br(),
tags$br(),
"Normbereiche TmP/GFR Männer:",
tags$br(),
"0,90 - 1,35",
tags$br(),
tags$br(),
"Normbereiche TmP/GFR Frauen:",
tags$br(),
"0,88 - 1,42",
tags$br(),
tags$br(),
"Made by Jakob Adler"
),
# QT-Zeit-Korrektur
tabPanel("QT-Zeit-Korrektur",
"Mit dieser WebApp können Sie die QT-Zeit nach der Herzfrequenz korrigieren.",
tags$br(),
tags$br(),
# Inputs
fluidRow(
column(2, numericInput("QT", "QT-Zeit in ms:", 180)),
column(2, numericInput("HR", "Herzfrequenz in Schläge/Minute:", 100), offset = 0.5),
# Output
column(2, tags$strong("korrigierte QT-Zeit in ms:"), tags$br(), verbatimTextOutput("QTKor"))
),
tags$br(),
"Made by Jakob Adler"
),
# CHA2DS2-VAsc-Score
tabPanel("CHA2DS2-VAsc-Score",
"Der CHA2DS2-VAsc-Score wird zur Einschätzung des", tags$strong("Schlaganfallrisikos"), "genutzt",
tags$br(),
tags$br(),
# Inputs
fluidRow(
column(2, radioButtons("HI", "Herzinsuffizienz (C):", c("Ja" = "HIja", "Nein" = "HInein"), selected = "HInein")),
column(2, radioButtons("AHT", "Hypertonie (H):", c("Ja" = "AHTja", "Nein" = "AHTnein"), selected = "AHTnein"), offset = 0.5),
column(2, radioButtons("Alter2", "Alter (A2 & A):", c("75 Jahre oder älter" = "Alter2", "65 - 75 Jahre" = "Alter2", "< 65 Jahre" = "Alter0")), offset = 0.5),
column(2, radioButtons("Diab", "Diabetes mellitus (D):", c("Ja" = "Diabja", "Nein" = "Diabnein"), selected = "Diabnein"), offset = 0.5)
),
tags$br(),
fluidRow(
column(2, radioButtons("Stroke", "TIA oder Schlaganfall (S2):", c("Ja" = "Strokeja", "Nein" = "Strokenein"), selected = "Strokenein")),
column(2, radioButtons("Frau", "Geschlecht (Sc):", c("Frau" = "Frauja", "Mann" = "Fraunein")), offset = 0.5),
column(2, radioButtons("Vasc", "MI, KHK, pAVK, Thrombose (V):", c("Ja" = "Vascja", "Nein" = "Vascnein"), selected = "Vascnein"), offset = 0.5)
),
tags$br(),
# Outputs
fluidRow(
column(2, tags$strong("CHA2DS2-VAsc-Score:"), tags$br(), verbatimTextOutput("Chad")),
),
tags$br(),
"Made by Jakob Adler"
),
# Wells-Score
tabPanel("Wells-Score",
"Mit dieser WebAPp können Sie den", tags$strong("Wells-Score"), "für eine", tags$strong("tiefe Venenthrombose"), "sowie eine",
tags$strong("Lungenarterienembolie"), "berechnen.",
tags$br(),
tags$br(),
tags$strong("Wells-Score zur Bestimmung der klinischen Wahrscheinlichkeit einer tiefen Beinvenenthrombose (TVT):"),
# Inputs 1
fluidRow(
column(2, radioButtons("Mal", "Malignom:", c("Ja" = "Malja", "Nein" = "Malnein"), selected = "Malnein")),
column(2, radioButtons("Imm", "Immobilisation/Lähmung:", c("Ja" = "Immja", "Nein" = "Immnein"), selected = "Immnein"), offset = 0.5),
column(2, radioButtons("Bett", "Bettlägerigkeit (>3d)/große Operation:", c("Ja" = "Bettja", "Nein" = "Bettnein"), selected = "Bettnein"), offset = 0.5),
column(2, radioButtons("Pain", "Schmerz/Verhärtung der Venen:", c("Ja" = "Painja", "Nein" = "Painnein"), selected = "Painnein"), offset = 0.5),
column(2, radioButtons("Schwell", "Beinschwellung:", c("Ja" = "Schwellja", "Nein" = "Schwellnein"), selected = "Schwellnein"), offset = 0.5)
),
fluidRow(
column(2, radioButtons("Umfang", "US-Umfagsdifferenz > 3cm:", c("Ja" = "Umfangja", "Nein" = "Umfangnein"), selected = "Umfangnein")),
column(2, radioButtons("Ödem", "Eindrückbares Ödem:", c("Ja" = "Ödemja", "Nein" = "Ödemnein"), selected = "Ödemnein"), offset = 0.5),
column(2, radioButtons("Koll", "Sichtbare Kollateralen:", c("Ja" = "Kollja", "Nein" = "Kollnein"), selected = "Kollnein"), offset = 0.5),
column(2, radioButtons("TVT", "dokumentierte TVT-Vorgeschichte:", c("Ja" = "TVTja", "Nein" = "TVTnein"), selected = "TVTnein"), offset = 0.5),
column(2, radioButtons("Alt", "Alternative Diagnose:", c("Ja" = "Altja", "Nein" = "Altnein"), selected = "Altnein"), offset = 0.5)
),
# Output 1
fluidRow(
column(2, tags$strong("Wells-Score:"), tags$br(), verbatimTextOutput("Wells1"))
),
tags$strong("Aus einem Wells-Score von 2 oder mehr Punkten ergibt sich ein hohes TVT-Risiko!"),
tags$br(),
tags$br(),
tags$strong("Wells-Score zur Bestimmung der klinischen Wahrscheinlichkeit einer Lungenarterienembolie (LAE):"),
# Inputs 2
fluidRow(
column(2, radioButtons("TVTSymp", "Symptome einer TVT:", c("Ja" = "TVTSympja", "Nein" = "TVTSympnein"), selected = "TVTSympnein")),
column(2, radioButtons("LAE", "LAE wahrscheinlich:", c("Ja" = "LAEja", "Nein" = "LAEnein"), selected = "LAEnein"), offset = 0.5),
column(2, radioButtons("HF", "Herzfrequenz > 100/min:", c("Ja" = "HFja", "Nein" = "HFnein"), selected = "HFnein"), offset = 0.5),
column(2, radioButtons("OP", "Operation/Immobilisation (letzte 4 Wochen):", c("Ja" = "OPja", "Nein" = "OPnein"), selected = "OPnein"), offset = 0.5)
),
fluidRow(
column(2, radioButtons("TVTalt", "frühere TVT oder LAE:", c("Ja" = "TVTaltja", "Nein" = "TVTaltnein"), selected = "TVTaltnein")),
column(2, radioButtons("Häm", "Hämoptysen:", c("Ja" = "Hämja", "Nein" = "Hämnein"), selected = "Hämnein"), offset = 0.5),
column(2, radioButtons("Tumor", "Tumor/Tumortherapie (letzte 6 Monate):", c("Ja" = "Tumorja", "Nein" = "Tumornein"), selected = "Tumornein"), offset = 0.5)
),
# Output 2
fluidRow(
column(2, tags$strong("Wells-Score:"), tags$br(), verbatimTextOutput("Wells2"))
),
tags$strong("Bewertung:"),
tags$br(),
"Geringe Wahrscheinlichkeit einer LAE: < 2 Punkte", tags$br(),
"Mittlere Wahrscheinlichkeit einer LAE: 2 - 6 Punkte", tags$br(),
"Hohe Wahrscheinlichkeit einer LAE: > 6 Punkte", tags$br(),
tags$br(),
"Made by Jakob Adler"
),
# HAS-BLED-Score
tabPanel("HAS-BLED-Score",
"Mit dieser Webapp können Sie den", tags$strong("HAS-BLED-Score"), "zur Beuteilung des", tags$strong("Blutungsrisikos unter Antokoagulantien bei Vorhofflimmern"),
"berechnen.",
tags$br(),
tags$br(),
# Input
fluidRow(
column(2, radioButtons("Hyp", "Hypertonie:", c("Ja" = "Hypja", "Nein" = "Hypnein"), selected = "Hypnein")),
column(2, radioButtons("Niere", "Nierenfunktions-/Leberfunktionsstörung:", c("Keine" = "Keineja", "Niere" = "Niereja", "Leber" = "Leberja", "Beide" = "Beideja"), selected = "Keineja"), offset = 0.5),
column(2, radioButtons("Stroke2", "früherer Schlaganfall:", c("Ja" = "Stroke2ja", "Nein" = "Stroke2nein"), selected = "Stroke2nein"), offset = 0.5),
column(2, radioButtons("Blut", "frühere Blutung:", c("Ja" = "Blutja", "Nein" = "Blutnein"), selected = "Blutnein"), offset = 0.5)
),
fluidRow(
column(2, radioButtons("INR", "INR-EInstellung labil:", c("Ja" = "INRja", "Nein" = "INRnein"), selected = "INRnein")),
column(2, radioButtons("Alter3", "Alter > 65 Jahre:", c("Ja" = "Alter3ja", "Nein" = "Alter3nein"), selected = "Alter3nein"), offset = 0.5),
column(2, radioButtons("Meds", "Medikamente/Alkohol:", c("Keine" = "Keine2ja", "Medikamente" = "Medsja", "Alkohol" = "Alkja", "Beides" = "Beide2ja"), selected = "Keine2ja"), offset = 0.5)
),
# Output
fluidRow(
column(2, tags$strong("HAS-BLED-Score:"), tags$br(), verbatimTextOutput("HAS"))
),
tags$strong("Bewertung:"),
tags$br(),
"Bei 3 oder mehr Punkten ist vor einem erhöhten Blutunsrisiko auszugehen.", tags$strong("Indikation prüfen!"), tags$br(),
tags$br(),
"Quelle: Pisters et al, A Novel User-Friendly Score (HAS-BLED) To Asses 1-Year Risk of Major Bleeding in Patients With Atrial Fibrillation, Chest 2010; 138: 1093 - 1100.",
tags$br(),
tags$br(),
"Made by Jakob Adler"
),
# Child-Pugh-Score
tabPanel("Child-Pugh-Kriterien",
"Mit dieser Webapp können Sie die", tags$strong("Child-Pugh-Stadien"), "anhand der Child-Pugh-Kriterien berechnen.",
tags$br(),
tags$br(),
fluidRow(
column(2, radioButtons("Alb", "Albumin in g/l:", c("> 35" = "Alb1", "28 - 35" = "Alb2", "< 28" = "Alb3"), selected = "Alb1")),
column(2, radioButtons("Bili", "Bilirubin in µmol/l:", c("< 35 (bei PBC/PSC < 70)" = "Bili1", "35 - 50 (bei PBC/PSC 70 - 170)" = "Bili2", "> 50 (bei PBC/PSC > 170)" = "Bili3"), selected = "Bili1"), offset = 0.5),
column(2, radioButtons("Quick", "Quick in %:", c("> 70" = "Quick1", "40 - 70" = "Quick2", "< 40" = "Quick3"), selected = "Quick1"), offset = 0.5)
),
fluidRow(
column(2, radioButtons("Asz", "Aszites (sonographisch):", c("kein Aszites" = "Asz1", "leicht" = "Asz2", "mittelmäßig" = "Asz3"), selected = "Asz1")),
column(2, radioButtons("Enc", "Hepatische Encephalppathie:", c("keine" = "Enc1", "I - II" = "Enc2", "III - IV" = "Enc3"), selected = "Enc1"), offset = 0.5),
),
fluidRow(
column(2, tags$strong("Child-Pugh-Punktzahl:"), tags$br(), verbatimTextOutput("Child"))
),
tags$strong("Bewertung:"),
tags$br(),
"CHILD A = 5 - 6 Punkte", tags$br(),
"CHILD B = 7 - 9 Punkte", tags$br(),
"CHILD C = 10 - 15 Punkte", tags$br(),
tags$br(),
"Made by Jakob Adler"
),
# GRACE-Score
tabPanel("GRACE-Score",
"Mit dieser Webapp können Sie den", tags$strong("GRACE-Score"), "zur Einschätzung der", tags$strong("Wahrscheinlichkeit des Todes während des Krankhausaufenthaltes"), "berechnen.",
tags$br(),
tags$br(),
# Inputs
fluidPage(
column(2, radioButtons("Killip", "Killip-Class:", c("I" = "Killip1", "II" = "Killip2", "III" = "Killip3", "IV" = "Killip4"), selected = "Killip1")),
column(2, radioButtons("Sys", "Systolischer Blutdruck:", c("< 80" = "Sys1", "80 - 99" = "Sys2", "100 - 119" = "Sys3", "120 - 139" = "Sys4", "140 - 159" = "Sys5",
"160 - 199" = "Sys6", "> 200" = "Sys7"), selected = "Sys1"), offset = 0.5),
column(2, radioButtons("HFR", "Herzfrequenz:", c("< 50" = "HFR1", "50 - 69" = "HFR2", "70 - 89" = "HFR3", "90 - 109" = "HFR4", "110 - 149" = "HFR5",
"150 - 199" = "HFR6", "> 200" = "HFR7"), selected = "HFR1"), offset = 0.5),
column(2, radioButtons("Alter4", "Alter:", c("< 30" = "Alter41", "30 - 39" = "Alter42", "40 - 49" = "Alter43", "50 - 59" = "Alter44", "60 - 69" = "Alter45",
"70 - 79" = "Alter46", "80 - 89" = "Alter47", "> 90" = "Alter48"), selected = "Alter41"), offset = 0.5),
),
fluidRow(
column(2, radioButtons("CreaGrace", "Kreatinin in µmol/l:", c("< 35" = "CreaGrace1", "35 - 70" = "CreaGrace2", "71 - 105" = "CreaGrace3", "106 - 141" = "CreaGrace4",
"142 - 176" = "CreaGrace5", "177 - 353" = "CreaGrace6", "> 354" = "CreaGrace7"), selected = "CreaGrace1")),
column(2, radioButtons("Cardiac", "Herzstillstand bei Ankunft:", c("Ja" = "Cardiac1", "Nein" = "Cardiac2"), selected = "Cardiac2"), offset = 0.5),
column(2, radioButtons("ST", "ST-Strecken-Veränderungen:", c("Ja" = "ST1", "Nein" = "ST2"), selected = "ST2"), offset = 0.5),
column(2, radioButtons("Trop", "Erhöhte Herzenzyme:", c("Ja" = "Trop1", "Nein" = "Trop2"), selected = "Trop2"), offset = 0.5)
),
fluidRow(
column(2, tags$strong("GRACE-Score:"), tags$br(), verbatimTextOutput("Grace"))
),
tags$strong("Bewertung:"),
tags$br(),
"Punktzahl -> Wahrscheinlichkeit des Todes", tags$br(),
"< 60 -> <0.2%", tags$br(),
"60 - 70 -> 0.3%", tags$br(),
"70 - 80 -> 0.4%", tags$br(),
"80 - 90 -> 0.6%", tags$br(),
"90 - 100 -> 0.8%", tags$br(),
"100 - 110 -> 1.1%", tags$br(),
"110 - 120 -> 1.6%", tags$br(),
"120 - 130 -> 2.1%", tags$br(),
"130 - 140 -> 2.9%", tags$br(),
"140 - 150 -> 3.9%", tags$br(),
"150 - 160 -> 5.4%", tags$br(),
"160 - 170 -> 7.3%", tags$br(),
"170 - 180 -> 9.8%", tags$br(),
"180 - 190 -> 13.0%", tags$br(),
"190 - 200 -> 18.0%", tags$br(),
"200 - 210 -> 23.0%", tags$br(),
"210 - 220 -> 29.0%", tags$br(),
"220 - 230 -> 36.0%", tags$br(),
"230 - 250 -> 44.0%", tags$br(),
"> 250 -> > 52.0%", tags$br(),
tags$br(),
"Quelle: Granger et al, Predictors of Hospital Mortality in the Global Registry of Acute Coronary Events, Arch Intern Med 2003; 163: 2345 - 2353.",
tags$br(),
tags$br(),
"Made by Jakob Adler"
)
)
)
server <- function(input, output){
# zlog-Transformation
zlog.Wert <- reactive({
round((log(input$Wert)-(log(input$UG1)+log(input$OG1))/2)*3.92/(log(input$OG1)-log(input$UG1)), 2)
})
output$zlog <- renderPrint({
zlog.Wert()
})
output$Wertneu <- renderPrint({
round((input$UG2^(0.5-(zlog.Wert()/3.92)) * input$OG2^(0.5+(zlog.Wert()/3.92))), 2)
})
# eGFR-Vergleich
CG <- reactive({
SEX <- switch(input$Sex, M = 1, Fr = 0.85)
round((((140-input$Alter)*input$Gew)/((input$Krea/88.4)*72))*SEX, 0)
})
MDRD <- reactive({
SEX2 <- switch(input$Sex, M = 1, Fr = 0.742)
round(186.3*((input$Krea/88.4)^-1.154)*(input$Alter^-0.203)*SEX2, 0)
})
CKD <- reactive({
SEX3 <- switch(input$Sex, M = 1, Fr = 2)
CKD.EPI <- function(Crea, Age, sex){
if (sex == 1){
if (Crea <= 80){
x <- 141*(((Crea/88.4)/0.9)^-0.411)*(0.993^Age)
} else {
x <- 141*(((Crea/88.4)/0.9)^-1.209)*(0.993^Age)
}
} else {
if (Crea <= 62){
x <- 144*(((Crea/88.4)/0.7)^-0.329)*(0.993^Age)
} else {
x <- 144*(((Crea/88.4)/0.7)^-1.209)*(0.993^Age)
}
}
return(round(x,0))
}
CKD.EPI(input$Krea, input$Alter, SEX3)
})
BIS <- reactive({
SEX4 <- switch(input$Sex, M = 1, Fr = 0.82)
round(3736*((input$Krea/88.4)^-0.87)*(input$Alter^-0.95)*SEX4, 0)
})
output$CG <- renderPrint({
CG()
})
output$MDRD <- renderPrint({
MDRD()
})
output$CKD <- renderPrint({
CKD()
})
output$BIS1 <- renderPrint({
BIS()
})
output$CG.Ber <- renderPrint({
eGFR.Bereich <- function(eGFR){
# eGFR in ml/min
# P30 als Dezimalzahl (Bsp.: 90% = 0.9)
OG <- (eGFR*100)/70
UG <- (eGFR*100)/130
Range.eGFR <- matrix(nrow = 1, ncol = 2)
a <- c("untere Grenze", "obere Grenze")
colnames(Range.eGFR) <- a
Range.eGFR[1,1] <- UG
Range.eGFR[1,2] <- OG
return(round(Range.eGFR, 0))
}
eGFR.Bereich(CG())
})
output$MDRD.Ber <- renderPrint({
eGFR.Bereich <- function(eGFR){
# eGFR in ml/min
# P30 als Dezimalzahl (Bsp.: 90% = 0.9)
OG <- (eGFR*100)/70
UG <- (eGFR*100)/130
Range.eGFR <- matrix(nrow = 1, ncol = 2)
a <- c("untere Grenze", "obere Grenze")
colnames(Range.eGFR) <- a
Range.eGFR[1,1] <- UG
Range.eGFR[1,2] <- OG
return(round(Range.eGFR, 0))
}
eGFR.Bereich(MDRD())
})
output$CKD.Ber <- renderPrint({
eGFR.Bereich <- function(eGFR){
# eGFR in ml/min
# P30 als Dezimalzahl (Bsp.: 90% = 0.9)
OG <- (eGFR*100)/70
UG <- (eGFR*100)/130
Range.eGFR <- matrix(nrow = 1, ncol = 2)
a <- c("untere Grenze", "obere Grenze")
colnames(Range.eGFR) <- a
Range.eGFR[1,1] <- UG
Range.eGFR[1,2] <- OG
return(round(Range.eGFR, 0))
}
eGFR.Bereich(CKD())
})
output$BIS.Ber <- renderPrint({
eGFR.Bereich <- function(eGFR){
# eGFR in ml/min
# P30 als Dezimalzahl (Bsp.: 90% = 0.9)
OG <- (eGFR*100)/70
UG <- (eGFR*100)/130
Range.eGFR <- matrix(nrow = 1, ncol = 2)
a <- c("untere Grenze", "obere Grenze")
colnames(Range.eGFR) <- a
Range.eGFR[1,1] <- UG
Range.eGFR[1,2] <- OG
return(round(Range.eGFR, 0))
}
eGFR.Bereich(BIS())
})
# kinetische GFR
output$GFRkin <- renderPrint({
GFR.delta <- input$GFR1 - input$GFR2
input$GFR2 - ((24*GFR.delta)/input$Zeit)
})
# NTpro-BNP Korrektur Rechnung
output$NTsoll <- renderPrint({
round(input$NTist/((exp(1))^(1.892-(0.025*input$GFRist))), 2)
})
# LDL-Korrektur
output$Lpa.mgdl <- renderPrint({
round(input$Lpa.nmol*0.4167, 0)
})
output$LDLkor <- renderPrint({
round(input$LDL - (input$Lpa*0.0078), 1)
})
# Na-Korrektur nach Glucose
output$NaKor1 <- renderPrint({
Natrium <- input$Naist
Glucose <- input$GlucNa*18.02
round(Natrium + 1.6*(Glucose-100)/100, 0)
})
# Na-Korrektur nach Triglyceriden und Protein
output$NaKor2 <- renderPrint({
Natrium2 <- input$Naist2
Protein <- input$ProtNa/10
Triglyceride <- input$TriNa/0.0114
round((Natrium2*0.93)/(0.991-(0.001*Triglyceride)-(0.007*Protein)),0)
})
# TRP
# tubuläre Phospatreabsorption normal
output$PTub <- renderPrint({
PSe <- input$P.Serum
KSe <- input$Krea.Serum
PUr <- input$P.Urin
KUr <- input$Krea.Urin
TRP <- 1-((PUr*KSe)/(PSe*(KUr*1000)))
round(TRP,2)
})
# tubuläre Phospatreabsorption mit eGFR-Korrektur
output$PTubGFR <- renderPrint({
PSe <- input$P.Serum
KSe <- input$Krea.Serum
PUr <- input$P.Urin
KUr <- input$Krea.Urin
TRP <- 1-((PUr*KSe)/(PSe*(KUr*1000)))
if (TRP <= 0.86){
TmP.Less <- TRP*PSe
return(round(TmP.Less,2))
} else {
TmP.High <- 0.3*(TRP/(1-(0.8*TRP)))*PSe
return(round(TmP.High),2)
}
})
# QT-Zeit-Korrektur
output$QTKor <- renderPrint({
round(input$QT/sqrt(60/input$HR), 0)
})
# CHA2DS2-VASc-Score
output$Chad <- renderPrint({
HI <- switch(input$HI, HIja = 1, HInein = 0)
AHT <- switch(input$AHT, AHTja = 1, AHTnein = 0)
Alter2 <- switch(input$Alter2, Alter2 = 2, Alter1 = 1, Alter0 = 0)
Diab <- switch(input$Diab, Diabja = 1, Diabnein = 0)
Stroke <- switch(input$Stroke, Strokeja = 2, Strokenein = 0)
Frau <- switch(input$Frau, Frauja = 1, Fraunein = 0)
Vasc <- switch(input$Vasc, Vascja = 1, Vascnein = 0)
Chad <- HI+AHT+Alter2+Diab+Stroke+Frau+Vasc
Chad
})
# Wells-Score TVT
output$Wells1 <- renderPrint({
Mal <- switch(input$Mal, Malja = 1, Malnein = 0)
Imm <- switch(input$Imm, Immja = 1, Immnein = 0)
Bett <- switch(input$Bett, Bettja = 1, Bettnein = 0)
Pain <- switch(input$Pain, Painja = 1, Painnein = 0)
Schwell <- switch(input$Schwell, Schwellja = 1, Schwellnein = 0)
Umfang <- switch(input$Umfang, Umfangja = 1, Umfangnein = 0)
Ödem <- switch(input$Ödem, Ödemja = 1, Ödemnein = 0)
Koll <- switch(input$Koll, Kollja = 1, Kollnein = 0)
TVT <- switch(input$TVT, TVTja = 1, TVTnein = 0)
Alt <- switch(input$Alt, Altja = -2, Altnein = 0)
Wells1 <- Mal+Imm+Bett+Pain+Schwell+Umfang+Ödem+Koll+TVT+Alt
Wells1
})
# Wells-Score LAE
output$Wells2 <- renderPrint({
TVTSymp <- switch(input$TVTSymp, TVTSympja = 3, TVTSympnein = 0)
LAE <- switch(input$LAE, LAEja = 3, LAEnein = 0)
HF <- switch(input$HF, HFja = 1.5, HFnein = 0)
OP <- switch(input$OP, OPja = 1.5, OPnein = 0)
TVTalt <- switch(input$TVTalt, TVTaltja = 1.5, TVTaltnein = 0)
Häm <- switch(input$Häm, Hämja = 1, Hämnein = 0)
Tumor <- switch(input$Tumor, Tumorja = 1, Tumornein = 0)
Wells2 <- TVTSymp+LAE+HF+OP+TVTalt+Häm+Tumor
Wells2
})
# HAS-BLED-Score
output$HAS <- renderPrint({
Hyp <- switch(input$Hyp, Hypja = 1, Hypnein = 0)
Niere <- switch(input$Niere, Keineja = 0, Niereja = 1, Leberja = 1, Beideja = 2)
Stroke2 <- switch(input$Stroke2, Stroke2ja = 1, Stroke2nein = 0)
Blut <- switch(input$Blut, Blutja = 1, Blutnein = 0)
INR <- switch(input$INR, INRja = 1, INRnein = 0)
Alter3 <- switch(input$Alter3, Alter3ja = 1, Alter3nein = 0)
Meds <- switch(input$Meds, Keine2ja = 0, Medsja = 1, Alkja = 1, Beide2ja = 2)
HAS <- Hyp+Niere+Stroke2+Blut+INR+Alter3+Meds
HAS
})
# Child-Pugh-Punktzahl
output$Child <- renderPrint({
Alb <- switch(input$Alb, Alb1 = 1, Alb2 = 2, Alb3 = 3)
Bili <- switch(input$Bili, Bili1 = 1, Bili2 = 2, Bili3 = 3)
Quick <- switch(input$Quick, Quick1 = 1, Quick2 = 2, Quick3 = 3)
Asz <- switch(input$Asz, Asz1 = 1, Asz2 = 2, Asz3 = 3)
Enc <- switch(input$Enc, Enc1 = 1, Enc2 = 2, Enc3 = 3)
Child <- Alb+Bili+Quick+Asz+Enc
Child
})
# Grace-Score
output$Grace <- renderPrint({
Killip <- switch(input$Killip, Killip1 = 0, Killip2 = 20, Killip3 = 39, Killip4 = 59)
Sys <- switch(input$Sys, Sys1 = 58, Sys2 = 53, Sys3 = 43, Sys4 = 34, Sys5 = 24, Sys6 = 10, Sys7 = 0)
HFR <- switch(input$HFR, HFR1 = 0, HFR2 = 3, HFR3 = 9, HFR4 = 15, HFR5 = 24, HFR6 = 38, HFR7 = 46)
Alter4 <- switch(input$Alter4, Alter41 = 0, Alter42 = 8, Alter43 = 25, Alter44 = 41, Alter45 = 58, Alter46 = 75, Alter47 = 91, Alter48 = 100)
CreaGrace <- switch(input$CreaGrace, CreaGrace1 = 1, CreaGrace2 = 4, CreaGrace3 = 7, CreaGrace4 = 10, CreaGrace5 = 13, CreaGrace6 = 21, CreaGrace7 = 28)
Cardiac <- switch(input$Cardiac, Cardiac1 = 39, Cardiac2 = 0)
ST <- switch(input$ST, ST1 = 28, ST2 = 0)
Trop <- switch(input$Trop, Trop1 = 14, Trop2 = 0)
Grace <- Killip+Sys+HFR+Alter4+CreaGrace+Cardiac+ST+Trop
Grace
})
}
shinyApp(ui = ui, server = server)