RosAI-27/Neonatal_Mortality

Neonatal mortality remains a major public health challenge in Cameroon, with a rate of 31.8 deaths per 1,000 live births according to the 2018 Demographic and Health Survey (DHS), far from the Sustainable Development Goal 3.2 target of 12‰ by 2030. This study aims to identify the determinants of neonatal mortality in Cameroon by combining weighted # 🏥 Déterminants de la Mortalité Néonatale au Cameroun Application Streamlit d'analyse des données EDS Cameroun 2018 avec comparaison SMOTE vs Sans SMOTE. --- ## 📋 Prérequis - Python 3.9+ - pip ou conda ## 🚀 Installation locale ### 1. Cloner le dépôt ```bash git clone github.com cd neonatal-mortality-cameroon ``` ### 2. Créer un environnement virtuel (recommandé) ```bash # Avec venv python -m venv venv # Activation Linux/Mac source venv/bin/activate # Activation Windows venv\Scripts\activate ``` ### 3. Installer les dépendances ```bash pip install -r requirements.txt ``` **requirements.txt :** ``` streamlit>=1.28.0 pandas>=2.0.0 numpy>=1.24.0 matplotlib>=3.7.0 seaborn>=0.12.0 scikit-learn>=1.3.0 xgboost>=2.0.0 lightgbm>=4.1.0 imbalanced-learn>=0.11.0 joblib>=1.3.0 pyreadstat>=1.2.0 ``` ### 4. Préparer les données Placez le fichier de données dans le dossier `data/` : - `neonatal_mortality_data.csv` (séparateur `;`) Ou utilisez les données de démonstration intégrées. ### 5. Lancer l'application ```bash streamlit run streamlit_app.py ``` L'application sera accessible à l'adresse : `localhost` --- ## 🌐 Déploiement en ligne ### Option A : Streamlit Community Cloud (Gratuit) 1. Poussez votre code sur GitHub (inclure `streamlit_app.py`, `requirements.txt`, et les modèles `.pkl` si disponibles) 2. Connectez-vous sur share.streamlit.io 3. Cliquez sur **"New app"** → Sélectionnez votre dépôt 4. Spécifiez le fichier principal : `streamlit_app.py` 5. Cliquez **Deploy** **Structure du dépôt GitHub recommandée :** ``` neonatal-mortality-cameroon/ ├── streamlit_app.py # Application principale ├── requirements.txt # Dépendances ├── best_xgboost_smote_model.pkl # Modèle (optionnel) ├── preprocessor.pkl # Préprocesseur (optionnel) ├── data/ │ └── neonatal_mortality_data.csv └── README.md ``` ### Option B : Heroku ```bash # Installer Heroku CLI heroku logi …