# 필요한 패키지 불러오기
library(gridExtra)
library(ggplot2)
library(jsonlite)

# 커맨드라인 인자로부터 파일 이름, 종속 변수, 독립 변수, 코딩 값을 가져오기
args <- commandArgs(trailingOnly = TRUE)

# 인자 파싱
args_list <- list()
for (arg in args) {
  split_arg <- strsplit(arg, "=")[[1]]
  args_list[[split_arg[1]]] <- split_arg[2]
}

# 앞서 설정했던 인자들을 다음과 같이 받아옵니다. 
filename <- args_list$filename
dependentVar <- args_list$dependentVar
independentVars <- args_list$independentVars
zerocoding <- args_list$zerocoding
onecoding <- args_list$onecoding

# 범주형 변수와 참조 범주 정보 파싱
categoriesInfo <- fromJSON(args_list$categoriesInfo)

# 데이터 읽기
data <- read.csv(filename)

variableCoding <- list() # 변수의 핫코딩 정보를 저장할 리스트

# 종속 변수가 적절한 값(0 또는 1)을 갖고 있는지 확인하고 변환
if (dependentVar %in% names(data)) {
  # zerocoding 및 onecoding 값을 0과 1로 매핑
  if (any(data[[dependentVar]] == zerocoding) && any(data[[dependentVar]] == onecoding)) {
    data[[dependentVar]][data[[dependentVar]] == zerocoding] <- 0
    data[[dependentVar]][data[[dependentVar]] == onecoding] <- 1
    data[[dependentVar]] <- as.factor(data[[dependentVar]])
    variableCoding[[dependentVar]] <- list(zerocoding = 0, onecoding = 1) # 핫코딩 정보 추가
  } else {
    stop("Dependent variable must contain the specified zero and one coding values.")
  }
} else {
  stop("Dependent variable not found in the dataset.")
}

# 독립 변수 리스트 생성
vars <- unlist(strsplit(independentVars, split = ","))
if (any(!vars %in% names(data))) {
  stop("One or more independent variables are missing in the dataset.")
}

# 범주형 변수의 참조 범주 설정 (공백 및 빈 값 처리 포함)
for (catVar in names(categoriesInfo)) {
  if (catVar %in% names(data)) {
    # 공백 제거 및 빈 값 처리
    data[[catVar]] <- trimws(data[[catVar]])  # 앞뒤 공백 제거
    data[[catVar]][data[[catVar]] == ""] <- NA  # 빈 값을 NA로 변환
    
    # 참조 범주 값에서 공백 제거
    ref_category <- trimws(categoriesInfo[[catVar]])
    
    # 참조 범주가 실제로 데이터에 존재하는지 확인
    if (ref_category %in% levels(factor(data[[catVar]]))) {
      # 참조 범주 설정
      data[[catVar]] <- relevel(factor(data[[catVar]]), ref = ref_category)
    } else {
      stop(paste("Reference category", ref_category, "for variable", catVar, "not found in the dataset."))
    }
  } else {
    stop(paste("Categorical variable", catVar, "not found in the dataset."))
  }
}


# 로지스틱 회귀 모델 핏팅
fit <- glm(formula = as.formula(paste(dependentVar, "~", paste(vars, collapse = " + "))), data = data, family = binomial())

# coefficients 정보 추출 및 변수명 포함
coefficients_info <- as.data.frame(summary(fit)$coefficients)
# 변수명을 row names에서 추출
coefficients_info$Variable <- row.names(coefficients_info)

# (Intercept) 제거
coefficients_info <- coefficients_info[coefficients_info$Variable != "(Intercept)", ]

# OR 및 95% CI 계산
coefficients_info$OR <- exp(coefficients_info$Estimate)
coefficients_info$CI_Lower <- exp(coefficients_info$Estimate - 1.96 * coefficients_info$`Std. Error`)
coefficients_info$CI_Upper <- exp(coefficients_info$Estimate + 1.96 * coefficients_info$`Std. Error`)

# 결과 데이터 프레임 생성
forest_data <- data.frame(
  Variable = coefficients_info$Variable,
  OR = coefficients_info$OR,
  CI_Lower = coefficients_info$CI_Lower,
  CI_Upper = coefficients_info$CI_Upper,
  CI = paste(sprintf("%.2f", coefficients_info$CI_Lower), ", ", sprintf("%.2f", coefficients_info$CI_Upper), sep = "")
)

# 기본 테이블 설정
table_base <- ggplot(forest_data, aes(y = Variable)) +
  ylab(NULL) + xlab("  ") +
  theme(
    plot.title = element_text(hjust = 0.5, size = 12),
    axis.text.x = element_text(color = "white", hjust = -3, size = 25), # 정렬을 위한 설정
    axis.line = element_blank(),
    axis.text.y = element_blank(),
    axis.ticks = element_blank(),
    axis.title.y = element_blank(),
    legend.position = "none",
    panel.background = element_blank(),
    panel.border = element_blank(),
    panel.grid.major = element_blank(),
    panel.grid.minor = element_blank(),
    plot.background = element_blank()
  )

# OR point estimate table
tab1 <- table_base +
  labs(title = " ") +
  geom_text(aes(y = Variable, x = 1, label = sprintf("%.2f", OR)), size = 4) +
  ggtitle("OR")

# 95% CI table
tab2 <- table_base +
  geom_text(aes(y = Variable, x = 1, label = CI), size = 4) +
  ggtitle("95% CI")

# Forest plot
plot1 <- ggplot(forest_data, aes(x = OR, y = Variable)) +
  geom_point(size = 3, shape = 18, color = "royalblue") +
  geom_errorbarh(aes(xmin = CI_Lower, xmax = CI_Upper), height = 0.2, color = "darkblue") +
  geom_vline(xintercept = 1, linetype = "dotted") +
  xlab("Odds Ratio") +
  theme_minimal()

# 테이블과 플롯을 결합하여 저장
lay <- matrix(c(1, 1, 1, 1, 1, 1, 1, 1, 2, 3, 3), nrow = 1)

# PNG 파일로 저장
png(filename = "/home/result.png", width = 1000, height = 700)
grid.arrange(plot1, tab1, tab2, layout_matrix = lay)
dev.off()

				
			

				
					Rscript script.R filename=mydata.csv dependentVar=sex independentVars=height,weight zerocoding=female onecoding=male

				
			

				
					filename <- args_list$filename
dependentVar <- args_list$dependentVar
independentVars <- args_list$independentVars
zerocoding <- args_list$zerocoding
onecoding <- args_list$onecoding