FoxMonitoring_Temperature_Activity/04_Descriptive_analyses_activity.R at main · jtshapiro/FoxMonitoring_Temperature_Activity · GitHub

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
####################################################################################################################
# Analysis of implant data from foxes for:
# Shapiro et al.
# Potential for real-time health and welfare monitoring in experimental rabies infection in red fox (Vulpes vulpes)
# using implants
#
# Script 4: For each fox, calculates summary statistics for activity and performs t-tests to compare
#           calibration and  monitoring periods
#
#
# Uses the following data frames created in Script 01_Load_data.R :
#      df_0fae_act2, df_0faf_act2, df_0fb1_act2, df_0fb0_act2
#
# Script tested for R version 4.1.2
####################################################################################################################


####################################################################################################################
# Load packages ####
####################################################################################################################
# Load packages (install if necessary)

library(tidyverse)
####################################################################################################################


####################################################################################################################
# Fox 0fae ####
####################################################################################################################

#  Daily (24h) ####
df.0fae.act.descr <- df_0fae_act2 %>%
  mutate(timePeriod = floor_date(date_time_min, "15minutes")) %>%
  group_by(timePeriod) %>%
  # Note : data collected by implant for some days after death, need to filter out
  # Note : probably due to timezone issue in R or tidyverse must specifiy 19:00 to keep data points up to 17h on 18-08
  filter(timePeriod <= "2022-08-18 19:00:00") %>%
  summarise(Activity = sum(Activity)) %>%
  mutate(timePeriod = floor_date(timePeriod, "24hours")) %>%
  group_by(timePeriod) %>%
  summarise(Activity = mean(Activity))

# Summary overall :
summary(df.0fae.act.descr)

# Split data into calibration and monitoring periods :
avant_0fae.act.descr <- df.0fae.act.descr %>%
  filter(timePeriod >= "2022-07-9") %>%
  filter(timePeriod <= "2022-07-19")

apres_0fae.act.descr <- df.0fae.act.descr %>%
  filter(timePeriod > "2022-07-19")

# Summaries for each
summary(avant_0fae.act.descr)

summary(apres_0fae.act.descr)

# t-test
t.test(avant_0fae.act.descr$Activity, apres_0fae.act.descr$Activity)
####################################################################################################################


####################################################################################################################
# Fox 0fae ####
####################################################################################################################

#  Daily (24h) ####
df.0fb0.act.descr <- df_0fb0_act2 %>%
  mutate(timePeriod = floor_date(date_time_min, "15minutes")) %>%
  group_by(timePeriod) %>%
  summarise(Activity = sum(Activity)) %>%
  mutate(timePeriod = floor_date(timePeriod, "24hours")) %>%
  group_by(timePeriod) %>%
  summarise(Activity = mean(Activity))

# Summary overall
summary(df.0fb0.act.descr)

# Split data into calibration and monitoring periods :
avant_0fb0.act.descr <- df.0fb0.act.descr %>%
  filter(timePeriod >= "2022-07-9") %>%
  filter(timePeriod <= "2022-07-19")

apres_0fb0.act.descr <- df.0fb0.act.descr %>%
  filter(timePeriod > "2022-07-19")

# Summaries for each :
summary(avant_0fb0.act.descr)

summary(apres_0fb0.act.descr)

# t-test
t.test(avant_0fb0.act.descr$Activity, apres_0fb0.act.descr$Activity)
####################################################################################################################


####################################################################################################################
# Fox 0faf ####
####################################################################################################################

#  Daily (24h) ####
df.0faf.act.descr <- df_0faf_act2 %>%
  mutate(timePeriod = floor_date(date_time_min, "15minutes")) %>%
  group_by(timePeriod) %>%
  summarise(Activity = sum(Activity)) %>%
  mutate(timePeriod = floor_date(timePeriod, "24hours")) %>%
  group_by(timePeriod) %>%
  summarise(Activity = mean(Activity))

# Summary overall
summary(df.0faf.act.descr)

# Split data into calibration and monitoring periods :
avant_0faf.act.descr <- df.0faf.act.descr %>%
  filter(timePeriod >= "2022-07-9") %>%
  filter(timePeriod <= "2022-07-19")

apres_0faf.act.descr <- df.0faf.act.descr %>%
  filter(timePeriod > "2022-07-19")

# Summaries of each :
summary(avant_0faf.act.descr)

summary(apres_0faf.act.descr)

# t-test
t.test(avant_0faf.act.descr$Activity, apres_0faf.act.descr$Activity)
####################################################################################################################


####################################################################################################################
# Fox 0fb1 ####
####################################################################################################################

#  Daily (24h) ####
df.0fb1.act.descr <- df_0fb1_act2 %>%
  mutate(timePeriod = floor_date(date_time_min, "15minutes")) %>%
  group_by(timePeriod) %>%
  summarise(Activity = sum(Activity)) %>%
  mutate(timePeriod = floor_date(timePeriod, "24hours")) %>%
  group_by(timePeriod) %>%
  summarise(Activity = mean(Activity))

# Summary overall
summary(df.0fb1.act.descr)

# Split data into calibration and monitoring periods :
avant_0fb1.act.descr <- df.0fb1.act.descr %>%
  filter(timePeriod >= "2022-07-9") %>%
  filter(timePeriod <= "2022-07-19")

apres_0fb1.act.descr <- df.0fb1.act.descr %>%
  filter(timePeriod > "2022-07-19")

# Summaries for each :
summary(avant_0fb1.act.descr)

summary(apres_0fb1.act.descr)


# t-test
t.test(avant_0fb1.act.descr$Activity, apres_0fb1.act.descr$Activity)
####################################################################################################################