CGMPy es una librería de Python potente y modular diseñada para el análisis de datos de Monitoreo Continuo de Glucosa (CGM). Facilita la carga, el procesamiento y la visualización de datos, proporcionando métricas clínicas estándar y avanzadas de forma sencilla.

El proyecto ha sido refactorizado recientemente siguiendo principios de diseño modular para mejorar la mantenibilidad y escalabilidad.

cgmpy/
├── cgmpy/                  # 📦 Código fuente del paquete
│   ├── analysis/           # 🧠 Orquestación (Todo-en-uno: datos + métricas + plots)
│   │   └── core.py         # Clase GlucoseAnalysis (La forma más fácil de usarlo)
│   ├── data/               # 📥 Gestión de Datos (Módulo Central)
│   │   ├── core.py         # Clase ModularGlucoseData (corazón técnico)
│   │   ├── loader.py       # Cargadores (CSV, Parquet, DF)
│   │   ├── processor.py    # Limpieza y validación
│   │   └── specialized.py  # Dexcom, Libreview, etc.
│   ├── metrics/            # 📊 Lógica Clínica (Cálculos puros)
│   │   ├── basic.py        # Media, GMI, Mediana...
│   │   ├── time_in_range.py# TIR, TAR, TBR
│   │   └── variability.py  # CV, MAGE, MODD, CONGA...
│   ├── plotting/           # 📈 Visualizaciones Premium
│   │   ├── agp.py          # Perfil Ambulatorio (AGP)
│   │   └── daily_plots.py  # Tendencias diarias
│   ├── agata/              # 🤖 Integración con AGATA 
│   └── __init__.py         # 🚪 Fachada (API limpia)
├── examples/               # 💡 Proyectos de ejemplo
├── pyproject.toml          # ⚙️ Configuración (uv/pip)
└── README.md               # 📖 Esta guía

CGMPy expone una "Fachada" (Facade) en su raíz para que no tengas que preocuparte por la estructura interna si solo quieres analizar tus datos rápidamente.

from cgmpy import GlucoseAnalysis

# 1. Análisis completo con una sola clase
analysis = GlucoseAnalysis("datos_cgm.csv")

# 2. Obtener un reporte completo (JSON/Dict)
report = analysis.get_comprehensive_report()
print(f"TIR: {report['estadisticas_tiempo']['TIR']}%")

# 3. Generar un Dashboard visual
analysis.plot_comprehensive_dashboard()

• Métricas Estándar: Media, Mediana, Desviación Estándar y GMI.
• Variabilidad Glucémica: Índices avanzados como CV, CONGA, MODD, MAGE, J-Index, LBGI, HBGI.
• Tiempo en Rango (TIR): Cálculo preciso de TIR, TAR (hiper) y TBR (hipo) según guías internacionales.

• Multi-dispositivo: Soporte nativo y detección automática para Dexcom Clarity, FreeStyle Libre (Libreview), Tandem y Medtronic.
• Rendimiento: Optimizado mediante el uso de Apache Parquet para el manejo eficiente de grandes volúmenes de datos.

• Generación de AGP (Ambulatory Glucose Profile) estándar profesional.
• Gráficos diarios interactivos y análisis estadístico profundo.

# Instalación local en modo desarrollo
pip install -e .

El proyecto utiliza pyproject.toml como única fuente de verdad para dependencias y configuración de herramientas como Ruff (linting) y Pytest (testing).

En la carpeta examples/ encontrarás datos reales (anonimizados) para probar el paquete:

• dm.csv: Datos de paciente con Diabetes Tipo 1.
• nodm.csv: Datos de sujeto sano (normoglucémico).
• pregnancy.csv: Análisis específico de diabetes gestacional.

Javier Peñate Arrieta 📧 javierpenatearrieta@gmail.com

Este proyecto está bajo la licencia MIT. Consulta el archivo LICENSE para más detalles.