# -*- coding: utf-8 -*- """ ObesityRecruitFeas-Kor — Streamlit UI ====================================== 항비만 임상연구 모집 feasibility 계산기의 웹 UI. 실행: streamlit run app.py Streamlit 미설치 시: python3 main.py --demo (CLI 오프라인 시연) 면책: 참고용·연구용 도구. 실제 임상시험 feasibility는 CRO/생물통계 전문가 검토 필수. """ import sys try: import streamlit as st except ImportError: sys.stderr.write( "[오류] streamlit 이 설치되어 있지 않습니다.\n" " 설치: pip install streamlit\n" " 또는 CLI 사용: python3 main.py --demo\n" ) sys.exit(1) import pandas as pd import core st.set_page_config(page_title="ObesityRecruitFeas-Kor", page_icon=":bar_chart:", layout="wide") @st.cache_data def _load(): return core.load_microdata() def main(): st.title("ObesityRecruitFeas-Kor") st.caption("항비만 임상연구 모집 feasibility 계산기 · 합성 KNHANES microdata 기반") st.warning(core.DISCLAIMER) st.info("주의: 본 도구의 적격 모집단 추정치는 **합성 데이터**(실제 KNHANES " "아님 — 공개 유병률 추세 기반)에서 산출됩니다.") try: df = _load() except (FileNotFoundError, ValueError) as e: st.error(f"microdata 로드 실패: {e}") st.stop() # ---------------------------------------------------------------- # 사이드바: 적격성 기준 빌더 + timeline 설정 # ---------------------------------------------------------------- with st.sidebar: st.header("1. 적격성 기준 빌더") st.subheader("포함 기준") bmi_min, bmi_max = st.slider("BMI 범위 (kg/m^2)", 15.0, 47.0, (27.0, 45.0), step=0.5) age_min, age_max = st.slider("연령 범위 (세)", 19, 80, (19, 70)) waist_min = st.number_input("허리둘레 하한 (cm, 0=미적용)", min_value=0.0, max_value=140.0, value=0.0, step=1.0) st.markdown("**동반질환 요구**") comorb_opts = { "t2dm": "제2형 당뇨병", "htn": "고혈압", "dyslipidemia": "이상지질혈증", "masld": "MASLD(대용지표)", "osa": "OSA 고위험", } comorbidities = st.multiselect( "동반질환 후보", list(comorb_opts.keys()), format_func=lambda k: comorb_opts[k]) comorb_count = st.number_input( "후보 중 요구 보유 개수", min_value=0, max_value=max(1, len(comorbidities)), value=min(1, len(comorbidities)) if comorbidities else 0, step=1) st.subheader("제외 기준") exclude_t2dm = st.checkbox("T2DM 보유자 제외", value=False) exclude_glp1ra = st.checkbox("최근 GLP-1RA 사용자 제외", value=True) exclude_smoker = st.checkbox("현재 흡연자 제외", value=False) exclude_severe_htn = st.checkbox("중증 고혈압 제외(SBP>=160/DBP>=100)", value=True) exclude_high_alt = st.checkbox("ALT>3xULN(>120 U/L) 제외", value=True) st.header("2. 모집 timeline 설정") target_n = st.number_input("목표 등록 환자 수", min_value=10, max_value=5000, value=200, step=10) n_sites = st.number_input("참여 사이트 수", min_value=1, max_value=200, value=10, step=1) screening_per_site = st.number_input( "사이트당 월간 스크리닝 capacity", min_value=0.5, max_value=100.0, value=8.0, step=0.5) attrition = st.slider("추가 운영 손실(동의철회 등) 비율", 0.0, 0.5, 0.10, step=0.01) site_activation = st.slider("사이트 가동 평균 소요 (개월)", 0.0, 12.0, 2.0, step=0.5) criteria = { "bmi_min": bmi_min, "bmi_max": bmi_max, "age_min": age_min, "age_max": age_max, "waist_min": waist_min, "comorbidities": comorbidities, "comorbidity_required_count": comorb_count, "exclude_t2dm": exclude_t2dm, "exclude_recent_glp1ra": exclude_glp1ra, "exclude_current_smoker": exclude_smoker, "exclude_severe_htn": exclude_severe_htn, "exclude_high_alt": exclude_high_alt, } # ---------------------------------------------------------------- # 계산 # ---------------------------------------------------------------- pop = core.estimate_population(df, criteria) sens = core.sensitivity_analysis(df, criteria) sf = core.screen_fail_analysis(df, criteria) tl = core.recruitment_timeline( target_n=target_n, n_sites=n_sites, screening_per_site_month=screening_per_site, screen_fail_rate=sf["screen_fail_rate"], extra_attrition=attrition, site_activation_months=site_activation, ) need_screen = core.screened_to_enrolled(target_n, sf["screen_fail_rate"], attrition) # ---------------------------------------------------------------- # 탭 구성 # ---------------------------------------------------------------- tab1, tab2, tab3, tab4, tab5 = st.tabs([ "적격 모집단", "기준 민감도", "screen-fail", "모집 timeline", "feasibility 리포트"]) # --- 1. 적격 모집단 --- with tab1: st.subheader("적격 모집단 추정 (합성 KNHANES 가중 외삽)") c1, c2, c3 = st.columns(3) c1.metric("적격 표본 수", f"{pop['n_sample_eligible']:,} / {pop['n_sample_total']:,}") c2.metric("적격 비율", f"{pop['prevalence']*100:.2f}%", help=(f"95% CI {pop['prevalence_ci'][0]*100:.2f}~" f"{pop['prevalence_ci'][1]*100:.2f}%")) c3.metric("적격 모집단(외삽)", f"{pop['weighted_eligible']:,.0f} 명") st.write(f"**95% 신뢰구간:** {pop['ci_low']:,.0f} ~ " f"{pop['ci_high']:,.0f} 명") st.write(f"설계효과(deff) {pop['design_effect']:.2f}, " f"유효표본 {pop['effective_n']:.0f}") st.markdown("**적용된 적격성 기준**") st.code(core.criteria_summary_text(criteria)) # --- 2. 기준 민감도 (tornado) --- with tab2: st.subheader("기준 민감도 분석 — tornado") st.caption("각 기준을 단독으로 완화했을 때 적격 모집단 증가량. " "막대가 길수록 '비싼' 기준입니다.") if sens: sdf = pd.DataFrame(sens)[["label", "delta", "delta_pct"]] sdf.columns = ["기준 완화", "모집단 증가(명)", "증가율(%)"] chart_df = sdf.set_index("기준 완화")[["모집단 증가(명)"]] st.bar_chart(chart_df, horizontal=True) st.dataframe(sdf, use_container_width=True, hide_index=True) top = sens[0] st.success(f"가장 '비싼' 기준: **{top['label']}** " f"(완화 시 +{top['delta']:,.0f} 명, " f"{top['delta_pct']:+.1f}%)") else: st.info("완화 가능한 기준이 없습니다.") # --- 3. screen-fail --- with tab3: st.subheader("screen-fail 예측") c1, c2, c3 = st.columns(3) c1.metric("포함기준 통과 인구", f"{sf['weighted_inclusion']:,.0f} 명") c2.metric("최종 적격 인구", f"{sf['weighted_eligible']:,.0f} 명") c3.metric("예상 screen-fail율", f"{sf['screen_fail_rate']*100:.1f}%") if sf["per_exclusion"]: st.markdown("**제외기준별 단독 영향** (포함기준 통과자 대비)") edf = pd.DataFrame(sf["per_exclusion"]) edf = edf[["label", "weighted_excluded", "pct_of_inclusion"]] edf.columns = ["제외기준", "제외 인구(명)", "포함자 대비(%)"] st.dataframe(edf, use_container_width=True, hide_index=True) st.info(f"목표 등록 **{target_n}명** 달성에 필요한 스크리닝 수: " f"약 **{need_screen:,.0f}명** " f"(추가 운영 손실 {attrition*100:.0f}% 가정 포함)") # --- 4. 모집 timeline --- with tab4: st.subheader("모집 timeline 시뮬레이터 (Monte-Carlo)") c1, c2, c3 = st.columns(3) c1.metric("P10 (낙관)", f"{tl['p10']:.0f} 개월") c2.metric("P50 (중앙)", f"{tl['p50']:.0f} 개월") c3.metric("P90 (보수)", f"{tl['p90']:.0f} 개월") c4, c5 = st.columns(2) c4.metric("스크리닝→등록 환산율", f"{tl['enroll_yield']*100:.1f}%") c5.metric(f"{tl['max_months']}개월 내 도달 확률", f"{tl['feasible_ratio']*100:.1f}%") st.write(f"전 사이트 가동 시 월 기대 등록: " f"**{tl['monthly_expected_enroll']:.1f}명** " f"(사이트 {n_sites}개 × 월 {screening_per_site:.0f}건 × " f"환산율 {tl['enroll_yield']*100:.0f}%)") st.bar_chart(pd.DataFrame( {"개월": [tl["p10"], tl["p50"], tl["p90"]]}, index=["P10", "P50", "P90"])) # --- 5. feasibility 리포트 --- with tab5: st.subheader("feasibility 리포트 (프로토콜 feasibility 섹션 형식)") report = core.generate_report( df, criteria, target_n=target_n, n_sites=n_sites, screening_per_site_month=screening_per_site, extra_attrition=attrition, site_activation_months=site_activation, ) st.code(report) st.download_button("리포트 텍스트 다운로드", report, file_name="obesity_recruit_feasibility.txt") if __name__ == "__main__": main()