app.py

"""
ロジスティック回帰モデルとオッズ比 — インタラクティブ解説ダッシュボード
Hansen et al. (2015) BMC Public Health — Young HUNT 研究の統計手法解説

━━ ローカル実行 (VS Code) ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
    pip install -r requirements.txt
    python app.py
    ブラウザで http://localhost:7860 を開く

━━ HuggingFace Spaces ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
    リポジトリに以下を配置:
        app.py
        requirements.txt
        NotoSansJP-Regular.ttf
        NotoSansJP-Bold.ttf
    README.md の YAML ヘッダーに sdk: gradio を記載

    例 README.md:
        ---
        title: Logistic Regression HUNT Study
        sdk: gradio
        sdk_version: "4.44.0"
        app_file: app.py
        pinned: false
        ---
"""

import os
import math
import warnings

import numpy as np
import matplotlib
matplotlib.use("Agg")                   # GUI 不要（サーバー環境用）
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
import matplotlib.lines as mlines
from matplotlib.transforms import blended_transform_factory
import gradio as gr

warnings.filterwarnings("ignore")


# ══════════════════════════════════════════════════════════════════
# §1. フォント登録
# ══════════════════════════════════════════════════════════════════
_HERE = os.path.dirname(os.path.abspath(__file__))

def _register_fonts():
    for fname in ("NotoSansJP-Regular.ttf", "NotoSansJP-Bold.ttf"):
        fpath = os.path.join(_HERE, fname)
        if os.path.exists(fpath):
            fm.fontManager.addfont(fpath)
            print(f"[font] 登録完了: {fname}")
        else:
            print(f"[font] ファイルが見つかりません（スキップ）: {fpath}")

_register_fonts()

def _detect_font() -> str:
    """Noto Sans JP が利用可能か確認し、フォント名を返す"""
    for name in ("Noto Sans JP", "NotoSansJP"):
        try:
            fp = fm.findfont(fm.FontProperties(family=name), fallback_to_default=False)
            if "Noto" in fp or "noto" in fp:
                print(f"[font] 使用フォント: {name}")
                return name
        except Exception:
            pass
    print("[font] Noto Sans JP が見つかりません。DejaVu Sans にフォールバックします。")
    return "DejaVu Sans"

JP_FONT = _detect_font()


# ══════════════════════════════════════════════════════════════════
# §2. カラー定数 / スタイルユーティリティ
# ══════════════════════════════════════════════════════════════════
BG      = "#FAF8F0"   # メイン背景（アイボリー）
BG2     = "#F0EDE0"   # カード背景（やや濃いアイボリー）
C_DARK  = "#2C2C2A"   # 本文テキスト
C_MID   = "#5F5E5A"   # サブテキスト
C_LIGHT = "#888780"   # 補助テキスト
C_LG    = "#D3D1C7"   # グリッド・薄ボーダー
C_BR    = "#B4B2A9"   # 通常ボーダー

C_BLUE  = "#185FA5"
C_BLUE2 = "#378ADD"
C_TEAL  = "#0F6E56"
C_TEAL2 = "#1D9E75"
C_CORAL = "#D85A30"
C_PURP  = "#534AB7"
C_AMBR  = "#BA7517"
C_RED   = "#A32D2D"


def _rc():
    """matplotlib グローバルスタイルを設定（各プロット関数の先頭で呼ぶ）"""
    plt.rcParams.update({
        "font.family":          JP_FONT,
        "figure.facecolor":     BG,
        "axes.facecolor":       BG,
        "axes.edgecolor":       C_BR,
        "axes.linewidth":       0.7,
        "text.color":           C_DARK,
        "axes.labelcolor":      C_DARK,
        "xtick.color":          C_MID,
        "ytick.color":          C_MID,
        "xtick.labelsize":      9,
        "ytick.labelsize":      9,
        "grid.color":           C_LG,
        "grid.linewidth":       0.5,
        "axes.spines.top":      False,
        "axes.spines.right":    False,
        "legend.frameon":       False,
        "legend.fontsize":      8.5,
        "figure.autolayout":    False,
    })


def _notebox(ax, text: str, loc: str = "upper left"):
    """グラフ内テキストボックスを描画するユーティリティ"""
    x  = 0.03 if "left"  in loc else 0.97
    ha = "left" if "left" in loc else "right"
    y  = 0.97   if "upper" in loc else 0.03
    va = "top"  if "upper" in loc else "bottom"
    ax.text(
        x, y, text,
        transform=ax.transAxes, fontsize=8.5, va=va, ha=ha,
        bbox=dict(boxstyle="round,pad=0.45", facecolor=BG2,
                  edgecolor=C_BR, lw=0.7, alpha=0.95),
    )


# ══════════════════════════════════════════════════════════════════
# §3. Tab 1 ─ シグモイド関数
# ══════════════════════════════════════════════════════════════════
def _sig(x, b0: float, b1: float) -> np.ndarray:
    """数値オーバーフローを防いだシグモイド関数"""
    return 1.0 / (1.0 + np.exp(np.clip(-(b0 + b1 * np.asarray(x, float)), -500, 500)))


def plot_sigmoid(b0: float, b1: float, xv: float):
    """
    シグモイド曲線（単一パネル）。
    β 表記には matplotlib mathtext ($\\beta_0$, $\\beta_1$) を使用し、
    フォント依存の Unicode 添字文字化けを回避する。
    """
    plt.close("all")   # 前の Figure を解放してメモリ蓄積を防ぐ
    _rc()

    x     = np.linspace(-5, 5, 400)
    y     = _sig(x, b0, b1)
    p_cur = float(_sig(xv, b0, b1))
    odds  = p_cur / (1.0 - p_cur) if p_cur < 0.9999 else 9999.0
    OR_   = math.exp(b1)

    fig, ax = plt.subplots(figsize=(8, 5), facecolor=BG, constrained_layout=True)
    ax.set_facecolor(BG)

    # ── S 字曲線 ──────────────────────────────────────────
    ax.plot(x, y, color=C_BLUE, lw=2.4, zorder=3)
    ax.axhline(0.5, color=C_LG, lw=0.9, ls="--", zorder=1)

    # ── ドロップライン（オレンジ点線）────────────────────
    ax.plot([xv, xv],  [0, p_cur],     color=C_CORAL, lw=1.0, ls=":", zorder=2)
    ax.plot([-5, xv],  [p_cur, p_cur], color=C_CORAL, lw=1.0, ls=":", zorder=2)
    ax.scatter([xv], [p_cur], color=C_CORAL, s=80, zorder=5)

    # ── 軸・タイトル ──────────────────────────────────────
    ax.set_xlabel("説明変数  X", fontsize=11)
    ax.set_ylabel("確率  P(Y=1)", fontsize=11)
    # タイトルに mathtext を使用 → β₀・β₁ が確実に描画される
    ax.set_title(
        r"シグモイド関数  "
        r"$P(Y\!=\!1)=\dfrac{1}{1+\exp[-(\beta_0+\beta_1 X)]}$",
        fontsize=11, fontweight="bold", pad=14,
    )
    ax.set_xlim(-5, 5)
    ax.set_ylim(-0.03, 1.06)
    ax.grid(True, alpha=0.35)

    # ── 情報ボックス（mathtext でβ添字を描画）────────────
    # $\beta_0$ 記法はフォントに依存せず matplotlib が描画するため文字化けしない
    _notebox(
        ax,
        f"$\\beta_0$ = {b0:.1f}\n"
        f"$\\beta_1$ = {b1:.1f}\n"
        f"OR = exp($\\beta_1$) = {OR_:.3f}\n"
        f"{'─' * 14}\n"
        f"X       = {xv:.1f}\n"
        f"P       = {p_cur:.3f}\n"
        f"オッズ = {odds:.3f}",
        loc="lower right",
    )

    return fig


# ══════════════════════════════════════════════════════════════════
# §4. Tab 2 ─ P → オッズ → ロジット
# ══════════════════════════════════════════════════════════════════
def plot_pol(p_in: float):
    """
    Panel 1: P vs オッズ曲線
    Panel 2: オッズ vs ロジット曲線
    Panel 3: 対応参照テーブル（選択値をハイライト）
    """
    plt.close("all")   # 前の Figure を解放
    _rc()
    p_in     = float(np.clip(p_in, 0.001, 0.999))
    odds_in  = p_in / (1.0 - p_in)
    logit_in = math.log(odds_in)

    # 参照テーブル用データ
    p_tbl   = [0.05, 0.10, 0.25, 0.50, 0.75, 0.90, 0.95]
    o_tbl   = [p / (1 - p) for p in p_tbl]
    l_tbl   = [math.log(o) for o in o_tbl]
    hi_row  = min(range(len(p_tbl)), key=lambda i: abs(p_tbl[i] - p_in))

    fig = plt.figure(figsize=(12, 5.5), facecolor=BG, constrained_layout=True)
    gs  = fig.add_gridspec(1, 3, wspace=0.42)

    # ── Panel 1: P → オッズ ─────────────────────────────────
    ax1 = fig.add_subplot(gs[0])
    ax1.set_facecolor(BG)
    p_lin  = np.linspace(0.001, 0.999, 400)
    ymax1  = min(20.0, max(odds_in * 1.65 + 1.0, 5.0))
    ax1.plot(p_lin, p_lin / (1 - p_lin), color=C_TEAL, lw=2.0)
    ax1.axhline(1.0, color=C_LG, lw=0.9, ls="--")
    ax1.axvline(0.5, color=C_LG, lw=0.9, ls="--")
    odds_plot1 = min(odds_in, ymax1 * 0.95)
    ax1.scatter([p_in], [odds_plot1], color=C_CORAL, s=75, zorder=5)
    ax1.plot([p_in, p_in], [0, odds_plot1],
             color=C_CORAL, lw=0.9, ls=":", zorder=3)
    ax1.plot([0.0, p_in], [odds_plot1, odds_plot1],
             color=C_CORAL, lw=0.9, ls=":", zorder=3)
    ax1.set_xlabel("確率 P", fontsize=10)
    ax1.set_ylabel("オッズ P/(1-P)", fontsize=10)
    ax1.set_title("① 確率 → オッズ", fontsize=10.5, fontweight="bold", pad=8)
    ax1.set_xlim(0.0, 1.0)
    ax1.set_ylim(0.0, ymax1)
    ax1.grid(True, alpha=0.35)
    _notebox(ax1, f"P = {p_in:.3f}\nオッズ = {odds_in:.3f}", "upper left")

    # ── Panel 2: オッズ → ロジット ───────────────────────────
    ax2 = fig.add_subplot(gs[1])
    ax2.set_facecolor(BG)
    xmax2    = min(15.0, max(odds_in * 1.65 + 1.0, 5.0))
    lmax2    = min(4.0, max(abs(logit_in) * 1.4, 2.0))
    o_lin    = np.linspace(0.01, xmax2, 400)
    ax2.plot(o_lin, np.log(o_lin), color=C_BLUE, lw=2.0)
    ax2.axhline(0.0, color=C_LG, lw=0.9, ls="--")
    ax2.axvline(1.0, color=C_LG, lw=0.9, ls="--")
    odds_plot2 = min(odds_in, xmax2 * 0.95)
    logit_plot = np.clip(logit_in, -lmax2, lmax2)
    ax2.scatter([odds_plot2], [logit_plot], color=C_CORAL, s=75, zorder=5)
    ax2.plot([odds_plot2, odds_plot2], [-lmax2, logit_plot],
             color=C_CORAL, lw=0.9, ls=":", zorder=3)
    ax2.set_xlabel("オッズ P/(1-P)", fontsize=10)
    ax2.set_ylabel("ロジット log[P/(1-P)]", fontsize=10)
    ax2.set_title("② オッズ → ロジット", fontsize=10.5, fontweight="bold", pad=8)
    ax2.set_xlim(0.0, xmax2)
    ax2.set_ylim(-lmax2, lmax2)
    ax2.grid(True, alpha=0.35)
    _notebox(ax2, f"オッズ = {odds_in:.3f}\nロジット = {logit_in:+.3f}", "upper left")

    # ── Panel 3: 対応参照テーブル ─────────────────────────
    ax3 = fig.add_subplot(gs[2])
    ax3.set_facecolor(BG)
    ax3.axis("off")
    ax3.set_title("P・オッズ・ロジット 対応表", fontsize=10.5, fontweight="bold", pad=8)

    rows = [[f"{p:.2f}", f"{o:.3f}", f"{l:+.3f}"]
            for p, o, l in zip(p_tbl, o_tbl, l_tbl)]
    tbl = ax3.table(
        cellText=rows,
        colLabels=["確率 P", "オッズ", "ロジット"],
        loc="center", cellLoc="center",
    )
    tbl.auto_set_font_size(False)
    tbl.set_fontsize(9.5)
    tbl.scale(1.15, 1.58)
    for (r, c), cell in tbl.get_celld().items():
        cell.set_edgecolor(C_LG)
        cell.set_linewidth(0.5)
        if r == 0:
            cell.set_facecolor(BG2)
            cell.set_text_props(fontweight="bold", color=C_DARK)
        elif r - 1 == hi_row:
            cell.set_facecolor("#FFE5CC")   # ハイライト行
        else:
            cell.set_facecolor(BG)

    ax3.text(0.5, 0.02,
             f"オレンジ行: P = {p_in:.3f} に最近傍",
             transform=ax3.transAxes, fontsize=8,
             ha="center", va="bottom", color=C_CORAL)

    return fig


# ══════════════════════════════════════════════════════════════════
# §5. Tab 3 ─ OR 計算機（2×2 分割表）
# ══════════════════════════════════════════════════════════════════
def calc_or(a, b, c, d):
    """
    2×2 分割表からオッズ比・95% CI を計算し、グラフと Markdown を返す。
    Returns: (fig, summary_markdown)
    """
    a, b, c, d = max(1, int(a)), max(1, int(b)), max(1, int(c)), max(1, int(d))
    odds1 = a / b
    odds2 = c / d
    OR    = odds1 / odds2
    lnOR  = math.log(OR)
    SE    = math.sqrt(1/a + 1/b + 1/c + 1/d)
    lo    = math.exp(lnOR - 1.96 * SE)
    hi    = math.exp(lnOR + 1.96 * SE)

    if lo > 1:
        sig_txt = "✅ 統計的に有意（正の関連）"
        sig_col = C_TEAL
    elif hi < 1:
        sig_txt = "⚠️ 統計的に有意（負の関連）"
        sig_col = C_RED
    else:
        sig_txt = "❌ 統計的に有意でない（CI が OR=1 をまたぐ）"
        sig_col = C_LIGHT

    # ── Markdown サマリー ──────────────────────────────────
    summary = (
        "## 計算結果\n\n"
        "| 指標 | 値 |\n|---|---|\n"
        f"| オッズ（参加あり） a/b | {odds1:.4f} |\n"
        f"| オッズ（参加なし） c/d | {odds2:.4f} |\n"
        f"| **オッズ比 OR** | **{OR:.4f}** |\n"
        f"| ln(OR) | {lnOR:.4f} |\n"
        f"| 標準誤差 SE | {SE:.4f} |\n"
        f"| 95% CI 下限 | {lo:.4f} |\n"
        f"| 95% CI 上限 | {hi:.4f} |\n\n"
        f"**判定: {sig_txt}**\n\n"
        "```\n"
        f"OR = (a × d) / (b × c)\n"
        f"   = ({a} × {d}) / ({b} × {c})\n"
        f"   = {a*d:,} / {b*c:,}\n"
        f"   = {OR:.4f}\n"
        "```"
    )

    # ── 可視化 ────────────────────────────────────────────
    plt.close("all")   # 前の Figure を解放
    _rc()
    fig, (ax1, ax2) = plt.subplots(
        1, 2, figsize=(11, 5.2), facecolor=BG, constrained_layout=True
    )
    for ax in (ax1, ax2):
        ax.set_facecolor(BG)

    # 左: 2×2 表 -----------------------------------------
    ax1.axis("off")
    ax1.set_title("2×2 分割表", fontsize=10.5, fontweight="bold", pad=10)

    cell_data = [
        [f"{a:,}", f"{b:,}", f"{a+b:,}"],
        [f"{c:,}", f"{d:,}", f"{c+d:,}"],
        [f"{a+c:,}", f"{b+d:,}", f"{a+b+c+d:,}"],
    ]
    col_lbl = ["良好な健康\n(Y=1)", "不良な健康\n(Y=0)", "計"]
    row_lbl = ["参加あり (X=1)", "参加なし (X=0)", "計"]

    tbl = ax1.table(
        cellText=cell_data, colLabels=col_lbl, rowLabels=row_lbl,
        loc="center", cellLoc="center",
    )
    tbl.auto_set_font_size(False)
    tbl.set_fontsize(9.5)
    tbl.scale(1.12, 2.1)

    fc_map = {(1, 0): "#D6E8F7", (1, 1): "#FAE0D4",
              (2, 0): "#FAE0D4", (2, 1): "#EBEBEB"}
    for (r, ci), cell in tbl.get_celld().items():
        cell.set_edgecolor(C_BR)
        cell.set_linewidth(0.6)
        if r == 0 or ci == -1:
            cell.set_facecolor(BG2)
            cell.set_text_props(fontweight="bold", color=C_DARK)
        elif (r, ci) in fc_map:
            cell.set_facecolor(fc_map[(r, ci)])
        else:
            cell.set_facecolor(BG)

    ax1.text(
        0.5, 0.06,
        f"OR = (a×d) / (b×c) = ({a}×{d}) / ({b}×{c}) = {OR:.3f}",
        transform=ax1.transAxes, fontsize=9, ha="center",
        bbox=dict(boxstyle="round,pad=0.4", facecolor=BG2, edgecolor=C_BR, lw=0.7),
    )

    # 右: OR + CI バー ------------------------------------
    log_r = max(abs(math.log(lo)), abs(math.log(hi))) * 1.55
    x_lo  = max(0.08, math.exp(-log_r))
    x_hi  = math.exp(log_r)
    ax2.set_xscale("log")
    ax2.set_xlim(x_lo, x_hi)
    ax2.set_ylim(0.15, 1.85)
    ax2.set_yticks([])
    ax2.axvline(1.0, color=C_CORAL, lw=1.2, ls="--", alpha=0.85, zorder=1)
    ax2.set_xlabel("オッズ比 OR（対数スケール）", fontsize=10)
    ax2.set_title("OR と 95% 信頼区間", fontsize=10.5, fontweight="bold", pad=10)
    ax2.grid(True, which="both", alpha=0.3)
    ax2.text(
        0.5, 0.06, "赤破線: OR=1（帰無仮説）",
        transform=ax2.transAxes, fontsize=8,
        ha="center", color=C_CORAL,
        bbox=dict(boxstyle="round,pad=0.3", facecolor=BG2, edgecolor=C_BR, lw=0.6),
    )

    dot_c = C_TEAL if lo > 1 else (C_RED if hi < 1 else C_LIGHT)
    ax2.plot([lo, hi], [1.0, 1.0], color=dot_c, lw=2.5, solid_capstyle="round", zorder=3)
    ax2.plot([lo, lo], [0.88, 1.12], color=dot_c, lw=1.8, zorder=3)
    ax2.plot([hi, hi], [0.88, 1.12], color=dot_c, lw=1.8, zorder=3)
    ax2.scatter([OR], [1.0], color=dot_c, s=90, zorder=5)
    ax2.text(OR, 1.28, f"OR = {OR:.3f}", ha="center", fontsize=10,
             fontweight="bold", color=dot_c)
    ax2.text(lo, 0.70, f"{lo:.3f}", ha="center", fontsize=8.5, color=C_MID)
    ax2.text(hi, 0.70, f"{hi:.3f}", ha="center", fontsize=8.5, color=C_MID)
    ax2.text(
        0.5, 0.88, sig_txt,
        transform=ax2.transAxes, fontsize=9, ha="center", color=sig_col,
        bbox=dict(boxstyle="round,pad=0.4", facecolor=BG2, edgecolor=C_BR, lw=0.7),
    )

    return fig, summary


# ══════════════════════════════════════════════════════════════════
# §6. Tab 4 ─ Forest Plot（論文 Table 3 の主要 OR）
# ══════════════════════════════════════════════════════════════════
FOREST_DATA: dict[str, list[tuple]] = {
    "自己評価健康": [
        ("女子 13-15歳", 2.70, 2.00, 3.66, C_BLUE),
        ("女子 16-19歳", 2.43, 1.83, 3.24, C_BLUE),
        ("男子 13-15歳", 2.80, 2.02, 3.88, C_TEAL),
        ("男子 16-19歳", 3.07, 2.14, 4.41, C_TEAL),
    ],
    "生活満足度": [
        ("女子 13-15歳", 1.57, 1.30, 1.91, C_BLUE),
        ("女子 16-19歳", 1.66, 1.34, 2.06, C_BLUE),
        ("男子 13-15歳", 1.71, 1.35, 2.17, C_TEAL),
        ("男子 16-19歳", 1.71, 1.29, 2.27, C_TEAL),
    ],
    "自尊感情": [
        ("女子 13-15歳", 1.76, 1.34, 2.30, C_BLUE),
        ("女子 16-19歳", 1.67, 1.22, 2.28, C_BLUE),
        ("男子 13-15歳", 1.61, 0.98, 2.63, C_TEAL),  # CI が 1 をまたぐ→非有意
    ],
    "低い不安・抑うつ": [
        ("女子 16-19歳", 1.40, 1.12, 1.76, C_BLUE),
        ("男子 16-19歳", 1.40, 1.11, 1.77, C_TEAL),
    ],
}


def plot_forest(outcome: str):
    """
    選択されたアウトカム（または全アウトカム）の Forest Plot を描画する。
    ★: CI が OR=1 をまたがない（統計的有意）
    """
    _rc()

    # データ収集
    if outcome == "全アウトカム":
        items = []
        for oc, rows in FOREST_DATA.items():
            for lbl, OR, lo, hi, col in rows:
                items.append((f"[{oc}]  {lbl}", OR, lo, hi, col, lo > 1))
    else:
        items = [
            (lbl, OR, lo, hi, col, lo > 1)
            for lbl, OR, lo, hi, col in FOREST_DATA[outcome]
        ]

    plt.close("all")   # 前の Figure を解放
    n = len(items)
    fig_h = max(5.0, n * 0.62 + 2.8)
    fig, ax = plt.subplots(figsize=(12, fig_h), facecolor=BG, constrained_layout=True)
    ax.set_facecolor(BG)

    # 軸設定
    ax.set_xscale("log")
    ax.set_xlim(0.35, 9.0)
    ax.set_ylim(-0.65, n - 0.35)
    ax.set_yticks(range(n))
    ax.set_yticklabels([r[0] for r in reversed(items)], fontsize=9)
    ax.set_xlabel("オッズ比（OR）— 対数スケール", fontsize=10)
    ax.set_title(
        "Forest Plot — 会合・練習参加 × 各健康アウトカム（SES 調整済み）\n"
        "Hansen et al., BMC Public Health 2015, Table 3（Model II）",
        fontsize=10.5, fontweight="bold", pad=12,
    )

    # OR=1 の基準線
    ax.axvline(1.0, color=C_CORAL, lw=1.2, ls="--", alpha=0.85, zorder=1)
    ax.text(0.95, -0.55, "OR=1（帰無仮説）",
            fontsize=7.5, color=C_CORAL, ha="right",
            transform=blended_transform_factory(ax.transData, ax.transData))

    # グリッド
    ax.xaxis.grid(True, which="both", alpha=0.3)
    ax.set_xticks([0.5, 1.0, 1.5, 2.0, 3.0, 5.0, 7.0])
    ax.set_xticklabels(["0.5", "1.0", "1.5", "2.0", "3.0", "5.0", "7.0"])
    ax.spines["left"].set_visible(False)

    # 各行のプロット
    for i, (_, OR, lo, hi, col, sig) in enumerate(reversed(items)):
        y = float(i)
        # CI バー
        ax.plot([lo, hi], [y, y], color=col, lw=1.8, solid_capstyle="round", zorder=2)
        ax.plot([lo, lo], [y - 0.13, y + 0.13], color=col, lw=1.5, zorder=2)
        ax.plot([hi, hi], [y - 0.13, y + 0.13], color=col, lw=1.5, zorder=2)
        # OR 点（菱形）
        ax.scatter([OR], [y], color=col, s=60, marker="D", zorder=4)
        # 有意マーク
        if sig:
            ax.text(lo * 0.91, y, "★", va="center", ha="right",
                    fontsize=8, color=col)
        # OR 値ラベル（右端に）
        ax.text(9.2, y, f"{OR:.2f}  [{lo:.2f}–{hi:.2f}]",
                va="center", fontsize=8, color=C_MID, clip_on=False)

    # 凡例
    legend_handles = [
        mlines.Line2D([], [], color=C_BLUE, lw=1.8,
                      marker="D", ms=5, label="女子"),
        mlines.Line2D([], [], color=C_TEAL, lw=1.8,
                      marker="D", ms=5, label="男子"),
        mlines.Line2D([], [], color=C_CORAL, lw=1.2,
                      ls="--", label="OR=1 基準線"),
        mlines.Line2D([], [], lw=0, marker="$★$", ms=7,
                      color=C_MID, label="★: CI が OR=1 をまたがない（有意）"),
    ]
    ax.legend(
        handles=legend_handles, fontsize=8.5,
        facecolor=BG2, edgecolor=C_BR, frameon=True,
        framealpha=0.92, loc="lower right",
    )

    return fig


# ══════════════════════════════════════════════════════════════════
# §7. Gradio UI 定義
# ══════════════════════════════════════════════════════════════════
CSS = """
body,
.gradio-container,
#root,
.main,
.wrap {
    background-color: #FAF8F0 !important;
}
.block, .form, .panel {
    background-color: #F0EDE0 !important;
    border-color: #B4B2A9 !important;
}
.tabs > .tab-nav > button {
    background: transparent;
    border-bottom: 2px solid transparent;
    color: #5F5E5A;
}
.tabs > .tab-nav > button.selected {
    border-bottom: 2px solid #185FA5 !important;
    color: #185FA5 !important;
    font-weight: 500;
}
footer { display: none !important; }
"""

# ──────────────────────────────────────────────────────────────────
# OR 計算ラッパー（不要なため削除 → calc_or を直接参照）
# ──────────────────────────────────────────────────────────────────

with gr.Blocks(
    title="ロジスティック回帰とオッズ比 — Young HUNT 研究",
    css=CSS,
) as demo:

    gr.Markdown(
        "# ロジスティック回帰モデルとオッズ比\n"
        "### Hansen et al. (2015) BMC Public Health — Young HUNT 研究の統計手法インタラクティブ解説\n"
        "---"
    )

    with gr.Tabs() as tabs:

        # ─── Tab 1: シグモイド ──────────────────────────────────
        with gr.TabItem("① シグモイド関数") as tab1:
            gr.Markdown(
                "#### 数式\n"
                "$$P(Y=1) \\;=\\; \\frac{1}{1 + e^{-(\\beta_0 + \\beta_1 X)}}$$\n\n"
                "スライダーを動かして S 字曲線の形を確認してください。"
                "**β₁ を指数変換すると OR = exp(β₁)** が得られます。"
            )
            with gr.Row():
                b0_sl = gr.Slider(
                    -4, 4, value=0, step=0.1,
                    label="切片 β₀（曲線の上下シフト）",
                )
                b1_sl = gr.Slider(
                    -3, 3, value=1.0, step=0.1,
                    label="傾き β₁（OR = exp(β₁)）",
                )
                xv_sl = gr.Slider(
                    -4, 4, value=0.0, step=0.1,
                    label="X の値（オレンジ点の位置）",
                )
            sig_plt = gr.Plot(show_label=False)

            # スライダー操作 → 即時更新
            for sl in [b0_sl, b1_sl, xv_sl]:
                sl.release(
                    plot_sigmoid,
                    inputs=[b0_sl, b1_sl, xv_sl],
                    outputs=sig_plt,
                )

        # ─── Tab 2: P → Odds → Logit ───────────────────────────
        with gr.TabItem("② P → オッズ → ロジット") as tab2:
            gr.Markdown(
                "#### 変換の仕組み\n"
                "| 変換 | 式 | 範囲 |\n"
                "|---|---|---|\n"
                "| 確率 P | — | 0 〜 1 |\n"
                "| オッズ | P / (1-P) | 0 〜 ∞ |\n"
                "| ロジット | log(P/(1-P)) | −∞ 〜 +∞ |\n\n"
                "P=0.5 のとき オッズ=1・ロジット=0 が基準点です。"
                "ロジットは −∞〜+∞ に広がるため、通常の線形回帰の数学が使えます。"
            )
            p_sl  = gr.Slider(
                0.01, 0.99, value=0.75, step=0.01,
                label="確率 P（スライダーで変更）",
            )
            pol_plt = gr.Plot(show_label=False)

            # スライダー操作 → 即時更新
            p_sl.release(plot_pol, inputs=p_sl, outputs=pol_plt)

        # ─── Tab 3: OR 計算機 ───────────────────────────────────
        with gr.TabItem("③ OR 計算機（2×2 表）") as tab3:
            gr.Markdown(
                "#### 2×2 分割表 → オッズ比・95% CI の計算\n"
                "セル a〜d の値を入力し「**OR を計算**」を押してください。\n"
                "デフォルト値は OR = 2.70 となるよう設定してあります（論文の女子13-15歳と同値）。\n\n"
                "| | 良好(Y=1) | 不良(Y=0) |\n"
                "|---|---|---|\n"
                "| 文化活動あり (X=1) | **a** | **b** |\n"
                "| 文化活動なし (X=0) | **c** | **d** |"
            )
            with gr.Row():
                a_in = gr.Number(value=4050, precision=0,
                                 label="a：参加あり・良好な健康")
                b_in = gr.Number(value=200,  precision=0,
                                 label="b：参加あり・不良な健康")
            with gr.Row():
                c_in = gr.Number(value=3000, precision=0,
                                 label="c：参加なし・良好な健康")
                d_in = gr.Number(value=400,  precision=0,
                                 label="d：参加なし・不良な健康")
            calc_btn = gr.Button("OR を計算", variant="primary")
            or_plt   = gr.Plot(show_label=False)
            or_md    = gr.Markdown()

            calc_btn.click(
                calc_or,
                inputs=[a_in, b_in, c_in, d_in],
                outputs=[or_plt, or_md],
            )

        # ─── Tab 4: Forest Plot ─────────────────────────────────
        with gr.TabItem("④ Forest Plot") as tab4:
            gr.Markdown(
                "#### 論文 Table 3 の主要 OR — 会合・練習参加と各健康アウトカム（SES 調整済み）\n"
                "★ = 95% CI が OR=1 をまたがない（統計的に有意）\n"
                "全ての OR > 1 かつ CI が 1 をまたがない（★付き）は、"
                "文化活動参加が健康アウトカムと**正の関連**であることを示します。"
            )
            oc_dd  = gr.Dropdown(
                choices=["全アウトカム"] + list(FOREST_DATA.keys()),
                value="全アウトカム",
                label="表示するアウトカムを選択",
            )
            fp_plt = gr.Plot(show_label=False)

            oc_dd.change(plot_forest, inputs=oc_dd, outputs=fp_plt)

    gr.Markdown(
        "---\n"
        "*Hansen E, Sund E, Knudtsen MS, Krokstad S, Holmen TL. "
        "Cultural activity participation and associations with self-perceived health, "
        "life-satisfaction and mental health: the Young HUNT Study, Norway. "
        "BMC Public Health. 2015;15:544. DOI: 10.1186/s12889-015-1873-4*"
    )

    # ──────────────────────────────────────────────────────────────
    # イベント配線（タブ選択時に遅延ロード）
    # ──────────────────────────────────────────────────────────────

    # Tab1 のみ起動時に描画（最初に表示されるタブ）
    demo.load(plot_sigmoid, inputs=[b0_sl, b1_sl, xv_sl], outputs=sig_plt)

    # Tab2〜4 はタブを開いたときに初めて描画（遅延ロード）
    tab2.select(plot_pol,    inputs=p_sl,              outputs=pol_plt)
    tab3.select(calc_or,     inputs=[a_in, b_in, c_in, d_in],
                             outputs=[or_plt, or_md])
    tab4.select(plot_forest, inputs=oc_dd,             outputs=fp_plt)


# ══════════════════════════════════════════════════════════════════
# §8. 起動
#   queue() を有効化することでイベントの並走ブロックを解消する
# ══════════════════════════════════════════════════════════════════
if __name__ == "__main__":
    demo.queue(max_size=20)   # ← フリーズ・スライダー無反応の主な原因を修正
    demo.launch()