views/rci.py

"""
This module contains the code for the 'rci' view of the application.
"""

import plotly.express as px
import streamlit as st
from groq import Groq
from streamlit_extras.add_vertical_space import add_vertical_space
from streamlit_extras.stylable_container import stylable_container
from streamlit_option_menu import option_menu

from data_cleaning import processar_arquivo



#################################
############ BANNER #############
#################################

with stylable_container(
    key="banner",
    css_styles="""
    img {
        width: 1800px;
        height: 400px;
        overflow: hidden;
        position: relative;
        object-fit: cover;
        border-radius: 14px; /* Adiciona bordas arredondadas */
        mask-image: linear-gradient(to bottom, rgba(0, 0, 0, 1), rgba(0, 0, 0, 0));
        -webkit-mask-image: linear-gradient(to bottom, rgba(0, 0, 0, 1), rgba(0, 0, 0, 0)); /* For Safari */
    }
    """,
):
    st.image("25.jpg")

st.title("Análise de microárea")


#################################
############ BANNER #############
#################################


def clear_chat_history():
    """
    Clears the chat history and resets the initial analysis in the session state.
    This function clears the chat history and resets the initial analysis in the session state.
    It sets the value of "groq_chat_history" in the session state to an empty list and the value of "initial_analysis" to an empty string.
    """
    st.session_state["groq_chat_history"] = []
    st.session_state["initial_analysis"] = ""


#################################
############ DATA ###############
#################################

uploaded_file = st.sidebar.file_uploader("Escolha um arquivo CSV", type="csv")
if uploaded_file is not None:
    dataframes = processar_arquivo(uploaded_file)
    DF_DATA = dataframes.get("Data")
    DF_HEAD = dataframes.get("Head")
    DF_IDADE = dataframes.get("Idade")
    DF_GENERO = dataframes.get("genero")
    DF_COR = dataframes.get("cor")
    DF_DEFICIENCIA = dataframes.get("deficiencia")
    DF_DOENCAS = dataframes.get("doencas")
    DF_ESCOLA = dataframes.get("Escola")
    DF_TRANSGEN = dataframes.get("transgen")
    for df in [
        DF_IDADE,
        DF_GENERO,
        DF_COR,
        DF_DEFICIENCIA,
        DF_DOENCAS,
        DF_ESCOLA,
        DF_TRANSGEN,
    ]:
        if df is not None:
            df["Descrição"] = df["Descrição"].str.capitalize()
else:
    st.sidebar.info("Adicione um arquivo .csv.")

if st.sidebar.button("Limpar", type="primary"):
    clear_chat_history()


def gerar_resumo_df():
    """
    Generates a summary of the dataframes.
    This function creates a summary of the dataframes by concatenating the
    string representation of each dataframe.
    The summary includes the name of the dataframe and its content.
    Returns:
        str: The summary of the dataframes.
    """
    resumo = ""
    if DF_DATA is not None:
        resumo += "Resumo DF_DATA:\n"
        resumo += DF_DATA.to_string(index=False) + "\n\n"
    if DF_HEAD is not None:
        resumo += "Resumo DF_HEAD:\n"
        resumo += DF_HEAD.to_string(index=False) + "\n\n"
    if DF_IDADE is not None:
        resumo += "Resumo DF_IDADE:\n"
        resumo += DF_IDADE.to_string(index=False) + "\n\n"
    if DF_GENERO is not None:
        resumo += f"Resumo DF_GENERO:\n{DF_GENERO.to_string(index=False)}\n\n"
    if DF_COR is not None:
        resumo += f"Resumo DF_COR:\n{DF_COR.to_string(index=False)}\n\n"
    if DF_DEFICIENCIA is not None:
        resumo += f"Resumo DF_DEFICIENCIA:\n{DF_DEFICIENCIA.to_string(index=False)}\n\n"
    if DF_DOENCAS is not None:
        resumo += f"Resumo DF_DOENCAS:\n{DF_DOENCAS.to_string(index=False)}\n\n"
    if DF_ESCOLA is not None:
        resumo += f"Resumo DF_ESCOLA:\n{DF_ESCOLA.to_string(index=False)}\n\n"
    if DF_TRANSGEN is not None:
        resumo += f"Resumo DF_TRANSGEN:\n{DF_TRANSGEN.to_string(index=False)}\n\n"
    return resumo


#################################
############ DATA ###############
#################################


###########################################
############### LATERAL ##################
###########################################

st.sidebar.markdown(
    """
    ### Informações:
    - Análise - Relatório de cadastro individual. 
    - Iniciativa - Ubs Flamengo
    - Acesso livre
    ### Links:
    ##
    ##### - [PEC SUS](https://sape.pecsus.com.br/) 📝
    ###
    ##### - [Obsidian - Dr Guilherme](http://dr-guilhermeapolinario.com) 🌎
    ##### - [GitHub - Dr Guilherme](http://dr-guilhermeapolinario.com) 🌎
    """
)
st.markdown(
    """
    #### Instruções:
    ##### - Acesse o site :orange[PEC SUS], na aba esquerda selecione consolidado, :blue[*RELATÓRIO DE CADASTRO INDIVIDUAL*]
    ##### - Selecione a opção :orange[baixar arquivo .csv]. Após baixar o arquivo, selecione o arquivo .csv na aba ao lado, e pronto.
    ##### - Clique no botão de expansão abaixo para iniciar o processo.
    ##### - Utilize o chatbot com a inteligência artificial 🤖 Zé Flamengo para tirar suas dúvidas.
    """
)
st.write("-----")

st.markdown(
    """
    #### Dados de saúde Relatório de cadastro individual.
    """
)

###########################################
############### LATERAL ##################
###########################################


###########################################
############### EXPANDERCOM GRÁFICOS ######
###########################################


def criar_grafico_personalizado(df, x_col, y_col, titulo):
    """
    A function to create a customized bar chart based on the input data, x
    and y columns, and title.
    Parameters:
        df (DataFrame): The input DataFrame containing the data.
        x_col (str): The column name for the x-axis data.
        y_col (str): The column name for the y-axis data.
        titulo (str): The title of the chart.
    Returns:
        fig: The customized bar chart figure.
    """
    fig = px.bar(
        df,
        x=x_col,
        y=y_col,
        title=titulo,
        text=y_col,
        color=x_col,
        color_discrete_sequence=px.colors.qualitative.Bold,
    )
    fig.update_traces(texttemplate="%{text:.2s}", textposition="outside")
    fig.update_layout(
        uniformtext_minsize=8,
        uniformtext_mode="hide",
        xaxis_title=x_col,
        yaxis_title=y_col,
        title_font_size=24,
        title_font_family="Arial",
        title_font_color="white",
        title_x=0.2,
        paper_bgcolor="rgba(0,0,0,0)",
        plot_bgcolor="rgba(0,0,0,0)",
        xaxis_tickangle=-45,
    )
    return fig


if uploaded_file is not None:
    c1, c2 = st.columns(2)
    with c1:
        if DF_DATA is not None:
            st.dataframe(DF_DATA, hide_index=True)
        else:
            st.write("Data não disponível")
    with c2:
        if DF_HEAD is not None:
            st.dataframe(DF_HEAD, hide_index=True)
        else:
            st.write("Informações não disponíveis")

if uploaded_file is not None:
    with st.expander("Visualização", expanded=True):
        selected_tab = option_menu(
            menu_title=None,
            options=[
                "Faixa Etária",
                "Gênero",
                "Cor",
                "Deficiência",
                "Doenças",
                "Escolaridade",
                "Identidade de Gênero",
            ],
            icons=[
                "person",
                "gender-female",
                "person-plus",
                "person-wheelchair",
                "capsule-pill",
                "stars",
                "gender-trans",
            ],
            menu_icon="cast",
            default_index=0,
            orientation="horizontal",
            styles={
                "container": {
                    "padding": "0!important",
                    "background-color": "#262730",
                },
                "icon": {"color": "#4FCBFC", "font-size": "18px"},
                "nav-link": {
                    "font-size": "14px",
                    "text-align": "center",
                    "margin": "0px",
                    "padding": "10px",
                    "--hover-color": "#363940",
                    "color": "#FFFFFF",
                },
                "nav-link-selected": {"background-color": "#0083B8"},
                "separator": {"border-color": "#4B4B4B"},
            },
        )
        if selected_tab == "Faixa Etária" and DF_IDADE is not None:
            st.subheader("Distribuição por Faixa Etária")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_IDADE, hide_index=True)
            with col2:
                DF_IDADE["Masculino"] = DF_IDADE["Masculino"].astype(int) * -1
                DF_IDADE["Feminino"] = DF_IDADE["Feminino"].astype(int)
                fig_idade = px.bar(
                    DF_IDADE,
                    x=["Masculino", "Feminino"],
                    y="Descrição",
                    orientation="h",
                    title="Pirâmide Etária",
                    labels={"value": "População", "Descrição": "Faixa Etária"},
                    color="Descrição",
                    color_discrete_sequence=px.colors.qualitative.Set3,
                )
                fig_idade.update_layout(
                    barmode="relative",
                    xaxis_title="População",
                    yaxis_title="Faixa Etária",
                )
                st.plotly_chart(fig_idade)
            DF_IDADE["Masculino"] = DF_IDADE["Masculino"].abs()

        elif selected_tab == "Gênero" and DF_GENERO is not None:
            st.subheader("Distribuição por Gênero")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_GENERO, hide_index=True)
            with col2:
                fig_genero = px.pie(
                    DF_GENERO,
                    names="Descrição",
                    values="Valor",
                    title="Distribuição por Gênero",
                    color_discrete_sequence=px.colors.qualitative.Pastel,
                )
                st.plotly_chart(fig_genero)

        elif selected_tab == "Cor" and DF_COR is not None:
            st.subheader("Distribuição por Cor")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_COR, hide_index=True)
            with col2:
                fig_cor = px.pie(
                    DF_COR,
                    names="Descrição",
                    values="Valor",
                    title="Distribuição por Cor",
                    color_discrete_sequence=px.colors.qualitative.Vivid,
                )
                st.plotly_chart(fig_cor)

        elif selected_tab == "Deficiência" and DF_DEFICIENCIA is not None:
            st.subheader("Distribuição por Deficiência")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_DEFICIENCIA, hide_index=True)
            with col2:
                fig_deficiencia = criar_grafico_personalizado(
                    DF_DEFICIENCIA,
                    x_col="Descrição",
                    y_col="Valor",
                    titulo="Distribuição por Deficiência",
                )
                st.plotly_chart(fig_deficiencia)

        elif selected_tab == "Doenças" and DF_DOENCAS is not None:
            st.subheader("Distribuição por Doenças")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_DOENCAS, hide_index=True)
            with col2:
                fig_doencas = criar_grafico_personalizado(
                    DF_DOENCAS,
                    x_col="Descrição",
                    y_col="Valor",
                    titulo="Distribuição por Doenças",
                )
                st.plotly_chart(fig_doencas)

        elif selected_tab == "Escolaridade" and DF_ESCOLA is not None:
            st.subheader("Distribuição por Escolaridade")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_ESCOLA, hide_index=True)
            with col2:
                fig_escola = criar_grafico_personalizado(
                    DF_ESCOLA,
                    x_col="Descrição",
                    y_col="Valor",
                    titulo="Distribuição por Escolaridade",
                )
                st.plotly_chart(fig_escola)

        elif selected_tab == "Identidade de Gênero" and DF_TRANSGEN is not None:
            st.subheader("Distribuição por Identidade de Gênero")
            col1, col2 = st.columns(2)
            with col1:
                st.dataframe(DF_TRANSGEN, hide_index=True)
            with col2:
                fig_transgen = criar_grafico_personalizado(
                    DF_TRANSGEN,
                    x_col="Descrição",
                    y_col="Valor",
                    titulo="Distribuição por Identidade de Gênero",
                )
                st.plotly_chart(fig_transgen)


###########################################
############### EXPANDERCOM GRÁFICOS ######
###########################################

add_vertical_space(5)

###########################################
############### FOTO DO BOT ###############
###########################################

with stylable_container(
    key="bot",
    css_styles="""
    img {
        width: 120px;
        height: 100px;
        overflow: hidden;
        position: relative;
        object-fit: cover;
        border-radius: 14px; /* Adiciona bordas arredondadas */
    }
    """,
):
    st.image("b.png")

###########################################
############### FOTO DO BOT ###############
###########################################


###########################################
############### CHATBOT RCI ###############
###########################################

# Configuração inicial do Groq client
client = Groq(api_key=st.secrets["GROQ_API_KEY"])


# Função para gerar a análise inicial
def generate_initial_analysis(resumo_rci):
    """
    Generates an initial analysis report based on the provided resumo_rci.
    Parameters:
        resumo_rci (str): The resumo_rci to be analyzed.
    Returns:
        str: The generated initial analysis report.
    Raises:
        Exception: If there is an error generating the initial analysis.
    Examples:
        >>> generate_initial_analysis("Resumo do RCI")
        "Cabeçalho com informações gerais (data, cidadãos ativos, saída, mudança de território,
        óbito)\n\nAnálise de Faixa Etária (Crianças de 0 a 2 anos, 0 a 4 anos, mulheres na faixa etária
        de preventivo 25 a 64 anos, mulehres na faixa etária de mamomagrafia 50a 69 anos)\n\nComparação
        de Sexo\n\nAnálise de Raça / Cor\n\nAnálise de
        Escolaridade\n\nOrientação Sexual\n\nDeficiências\n\nSituações de Saúde Gerais\n\n\nFormate seu
        relatório usando negrito para títulos de seções e subtítulos. Use listas com marcadores
        quando apropriado para melhorar a legibilidade. Apresente seu relatório final dentro de tags
        <relatorio></relatorio>."
    """
    try:
        initial_analysis = client.chat.completions.create(
            messages=[
                {
                    "role": "system",
                    "content": "Você é um assistente de análise de dados de saúde. Sua tarefa é analisar os dados fornecidos e criar um relatório detalhado seguindo o modelo especificado. O relatório deve ser escrito em português.",
                },
                {
                    "role": "user",
                    "content": f"""
                        Aqui estão os dados para análise:
                        <resumo_rci>
                        {resumo_rci}
                        </resumo_rci>

                        Analise cuidadosamente os dados fornecidos e crie um relatório
                        seguindo o modelo apresentado. O relatório deve incluir as seguintes
                        seções:
                        1. Cabeçalho com informações gerais (data, cidadãos ativos, saída,
                        mudança de território, óbito)
                        2. Análise de Faixa Etária (Crianças de 0 a 2 anos, 0 a 4 anos, mulheres
                        na faixa etária de preventivo 25 a 64 anos, mulehres na faixa etária de
                        mamomagrafia 50a 69 anos)
                        3. Comparação de Sexo
                        4. Análise de Raça / Cor
                        5. Análise de Escolaridade
                        6. Orientação Sexual
                        7. Deficiências
                        8. Situações de Saúde Gerais

                        Para cada seção:
                        - Calcule os totais e percentuais relevantes
                        - Faça comparações quando apropriado (por exemplo, entre masculino
                        e feminino)
                        - Destaque as 3 informações mais significativas

                        Formate seu relatório usando negrito para títulos de seções e subtítulos.
                        Use o título de Análise parcial, use listas com marcadores quando apropriado
                        para melhorar a legibilidade.
                        
                    """,
                },
            ],
            model="llama3-70b-8192",
            temperature=0.2,
            max_tokens=1500,
        )
        return initial_analysis.choices[0].message.content
    except Exception as e:
        st.error(f"Erro ao gerar a análise inicial: {e}")
        return "Não foi possível gerar a análise inicial."


# Carregar arquivo
# uploaded_file = st.file_uploader("Escolha um arquivo CSV", type="csv")

if uploaded_file is not None:
    if (
        "current_file" not in st.session_state
        or st.session_state.current_file != uploaded_file.name
    ):
        st.session_state.current_file = uploaded_file.name
        st.session_state.initial_analysis = None  # Reset da análise anterior
        st.session_state.resumo_rci = None  # Reset do resumo

    # Botão para gerar o resumo
    if st.button("Gerar Resumo"):
        with st.spinner("Gerando resumo..."):
            st.session_state.resumo_rci = (
                gerar_resumo_df()
            )  # Gera o resumo do DataFrame
            st.session_state.initial_analysis = generate_initial_analysis(
                st.session_state.resumo_rci
            )
        st.success("Resumo gerado com sucesso!")

col1, col2 = st.columns(2)

with col1:
    with st.expander("Resumo Inicial", expanded=True):
        if "initial_analysis" in st.session_state:
            st.write("**Panorama Geral dos Dados:**")
            st.text_area(
                "Análise Inicial",
                value=st.session_state.initial_analysis,
                height=300,
                disabled=False,
            )
        else:
            st.write("**Clique em 'Gerar Resumo' para analisar os dados.**")

with col2:
    with st.expander("Converse com o 🤖 Zé Flamengo", expanded=True):
        # Inicialização do histórico do chat
        if "groq_chat_history" not in st.session_state:
            st.session_state.groq_chat_history = []

        # Exibição do histórico do chat
        for message in st.session_state.groq_chat_history:
            with st.chat_message(message["role"]):
                st.markdown(message["content"])

        # Input do usuário e processamento da resposta
        if user_message := st.chat_input(
            "Digite sua pergunta sobre saúde na microárea:"
        ):
            # Adiciona a mensagem do usuário ao histórico
            st.session_state.groq_chat_history.append(
                {"role": "user", "content": user_message}
            )

            try:
                # Usar o resumo já gerado
                if "resumo_rci" not in st.session_state:
                    st.warning("Por favor, gere o resumo antes de fazer perguntas.")
                else:
                    resumo_rci = st.session_state.resumo_rci

                    # Preparação do contexto para a API
                    context = f"""
                    Seu nome é Zé Flamengo, você é um assistente virtual especializado em análise de dados
                    médicos epidemiológicos. Você tem 20 anos de experiência em análise de dados de saúde de
                    microáreas de um PSF (Programa Saúde da Família).
                    Sua função é:
                    1. Analisar dados de uma unidade básica de saúde.
                    2. Os dados que irá analisar são provenientes do Relatório de Cadastro Individual, advindos do PEC SUS.
                    3. Suas respostas devem ser sempre em português.
                    4. Seja conciso e evite conversar sobre outros temas.
                    5. Sempre retome o tema da conversa.
                    6. Realize sempre os cálculos novamente para garantir que os resultados fornecidos sejam precisos e atualizados.
                    Os dataframes que irá analisar são do Relatório de cadastro indiviual.
                    ele foi transformados em texto aqui disponíveis:
                    {resumo_rci}
                    As faixas etárias recomendadas para exames preventivos são:
                    - **Papanicolau (Preventivo):** Mulheres entre 25 e 64 anos, com frequência anual nos primeiros dois exames
                    consecutivos com resultados normais, depois a cada três anos.
                    - **Mamografia:** Mulheres entre 50 e 69 anos, com frequência bienal.
                    Informações sobre o Relatório de Cadastro Individual:
                    - **Objetivo:** Coletar dados sociodemográficos e de saúde dos indivíduos cadastrados em uma unidade básica de saúde.
                    - **Principais Indicadores:** Idade, sexo, condições de saúde (doenças crônicas, gestantes, etc.), status de
                    vacinação, hábitos de vida (tabagismo, alcoolismo, atividade física), entre outros.
                    Exemplos de perguntas esperadas:
                    - Qual a porcentagem de mulheres na faixa etária de preventivo?
                    - Qual a porcentagem de mulheres na faixa etária de mamografia?
                    - Quantas mulheres estão nas faixas etárias de preventivo e mamografia?
                    - Qual a relação masculino/feminino?
                    - Qual a porcentagem das doenças em relação à população total?
                    - Use essas informações para responder às perguntas do usuário.
                    Regras:
                    1. Seja sempre cortês.
                    2. Responda somente assuntos referentes ao resumo.
                    3. Caso seja feita alguma pergunta a você diferente de resumos, responda: "Vamos voltar ao trabalho que interessa?"
                    4. Responda sempre em português.
                    5. Se não souber a resposta, responda: "Desculpe, mas não tenho esta informação."
                    6. Nas suas respostas, não forneça os nomes dos dataframes, apenas responda às perguntas.
                    7. Destaque os principais achados e tendências nos dados sempre que possível.
                    8. Se aplicável, sugira possíveis ações ou recomendações baseadas nos dados analisados.
                    """

                    # Chamada à API Groq
                    chat_rci = client.chat.completions.create(
                        messages=[
                            {"role": "system", "content": context},
                            *st.session_state.groq_chat_history,
                        ],
                        model="llama3-70b-8192",
                        temperature=0.3,
                        max_tokens=2500,
                    )

                    # Processamento da resposta
                    if chat_rci.choices and len(chat_rci.choices) > 0:
                        response_message = chat_rci.choices[0].message.content
                    else:
                        response_message = (
                            "Desculpe, não foi possível gerar uma resposta."
                        )

                    # Adição da resposta ao histórico
                    st.session_state.groq_chat_history.append(
                        {"role": "assistant", "content": response_message}
                    )

                    # Exibição da resposta
                    with st.chat_message("assistant"):
                        st.markdown(response_message)

            except Exception as e:
                st.error(f"Erro ao gerar a resposta: {e}")

        # Botão para limpar o histórico do chat
        if st.button("Limpar histórico do chat"):
            st.session_state.groq_chat_history = []
            st.rerun()