Siphonight a4ec1fa71f Moteur v1.2.0 : override de modèle PK, doses prévisionnelles (« Fréquence »), calibration automatique
- concentrationOfDose/e2At/computeCurve : paramètre modelOverride (dessiner
  Estrannaise et Transfem Science simultanément, indépendamment du pkModel stocké)
- generateForecastDoses : projette les doses à venir depuis la dernière injection
  réelle + forecastIntervalDays (jamais persistées, ester override conservé)
- autoCalibrated : recalcul à la volée des scale factors et du modèle T depuis les
  labs (copies uniquement — les valeurs stockées ne changent jamais)
- Treatment.forecastIntervalDays + migration Room v1→v2 (ALTER TABLE), sans
  fallbackToDestructiveMigration (données réelles de l'utilisatrice protégées)
- AppSettings.autoCalibrate (DataStore, désactivé par défaut)
- V120FeaturesTest : 6 tests (rythme des prévisions, override d'ester projeté,
  divergence des deux modèles, auto-cal appliquée et préservation des originaux)
2026-09-05 16:53:53 +02:00

HormoneTrack

Suivi de thérapie hormonale (THS) sur Android, avec courbes estimées heure par heure d'estradiol (E2) et de testostérone (T), calibration sur les prises de sang, rappels affichés sur smartwatch (Huawei Watch GT 3 via Gadgetbridge ou Huawei Health) et sauvegarde JSON. 100 % local, aucun compte, aucun serveur.

⚠️ Avertissement médical : les courbes sont des estimations pharmacocinétiques à titre informatif — ce ne sont pas des mesures. Fie-toi toujours à tes analyses de sang et aux consignes de ton endocrinologue.

Fonctionnalités

  • Courbes estimées heure par heure : E2 (pg/mL) et T (ng/mL), vue 24 h / 7 j / 30 j
  • Deux modèles PK au choix (issus de la feuille Estrogen.ods de l'autrice) : Estrannaise (EstraNase) et Transfem Science, pour les injections EV / EU / EEn
  • Modèle Bateman paramétrable (temps au pic, demi-vie, biodisponibilité) pour gel, patch et voie orale
  • Log des doses avec date/heure exacte, dose en mg, ester par injection (switch EV↔EU↔EEn comme dans le tableur), éditable (tap sur une ligne dans Doses)
  • Analyses de sang (E2, T, PRL…) tracées sur les courbes comme points de calibration
  • Calibration : facteur d'échelle par traitement = médiane(lab ÷ prédiction du modèle), calculé automatiquement (« Scale factor » du .ods, automatisé)
  • Estimation T empirique T = plancher + (base − plancher) ÷ (1 + k·E2), calibrable avec tes résultats T
  • Rappels quotidiens avec actions « Pris » / « Reporter 1 h » dans la notification ; les notifications remontent sur la Watch GT 3 (Gadgetbridge ou Huawei Health)
  • Sauvegarde/Restauration JSON complète (traitements + doses + analyses + réglages T)
  • FR + EN (langue par app, indépendante du système)

Démarrage rapide (build depuis les sources)

Prérequis : JDK 17+ (Java 21 OK), Android SDK (API 34). Le wrapper télécharge Gradle 8.9.

git clone <repo> && cd HormoneTrack
echo "sdk.dir=/chemin/vers/android-sdk" > local.properties   # ou ANDROID_HOME
./gradlew assembleDebug            # APK : app/build/outputs/apk/debug/app-debug.apk
./gradlew testDebugUnitTest        # 24 tests (moteur PK, profils, backup)

Installation sur un téléphone : mode développeur + Débogage USB, puis Android Studio (Run ▶️) ou adb install -r app/build/outputs/apk/debug/app-debug.apk. Pas de Play Store : l'app est sideloadée. Détails pas-à-pas : docs/GUIDE_INSTALLATION.md.

Les modèles en bref

Chaque injection contribue dose_mg × profil(dt) où profil est la réponse normalisée (pg/mL par mg) issue des tables horaires d'Estrannaise / Transfem Science (8001 h) ; les contributions se superposent. Pics de référence :

Profil Modèle Pic (pg/mL/mg) Tmax
EV Estrannaise 61,1 ~45 h
EU Estrannaise 3,4 ~55 h (plateau long)
EEn Estrannaise 31,4 ~152 h
EV Transfem Science 59,0 ~51 h
EU Transfem Science 10,1 ~198 h
EEn Transfem Science 32,0 ~156 h

La calibration (facteur d'échelle par traitement, calibré par tes labs) ajuste le modèle à ton corps, exactement comme la colonne « Scale factor » de la feuille d'origine.

Vie privée

  • Base de données Room locale sur le téléphone ; aucune télémétrie, aucun réseau
  • Sauvegarde = fichier JSON que tu stockes où tu veux (Owncloud, etc.)
  • allowBackup=false (données sensibles) ; verrou biométrique prévu en Phase 2
  • Compat Gadgetbridge (FOSS) : aucune dépendance à Huawei Health ni aux services Huawei

Structure du dépôt

HormoneTrack/
├── README.md                     ← ce fichier
├── docs/
│   ├── GUIDE_INSTALLATION.md     guide utilisateur (téléphone + montre)
│   ├── DEVELOPPEMENT.md          doc de dev complète (architecture, maths, bugs, tests)
│   └── MONTRE-GADGETBRIDGE.md    montre Huawei GT 3 : options + limites
├── build.gradle.kts              config Gradle racine (AGP/Kotlin/KSP épinglés)
├── settings.gradle.kts
├── gradle.properties
├── gradle/wrapper/               wrapper Gradle 8.9 (jar + properties)
├── gradlew / gradlew.bat
└── app/
    ├── build.gradle.kts          dépendances (Compose, Room, DataStore, Gson…)
    ├── proguard-rules.pro
    └── src/
        ├── main/
        │   ├── AndroidManifest.xml
        │   ├── assets/pk_profiles.json          ← tables horaires (Estrannaise/TFS)
        │   ├── java/com/hormonetrack/
        │   │   ├── data/         (Room : models, DAOs, repository, backup)
        │   │   ├── pk/           (moteur pharmacocinétique + profils)
        │   │   ├── reminder/     (alarmes exactes, notifs + actions, boot)
        │   │   ├── settings/     (DataStore : TConfig, langue)
        │   │   ├── ui/           (Compose : screens, components, theme)
        │   │   ├── HormoneTrackApp.kt
        │   │   └── MainActivity.kt
        │   └── res/              (strings FR/EN, thème, icônes)
        └── test/java/com/hormonetrack/          ← tests unitaires JVM
            ├── pk/               (moteur + profils)
            └── data/backup/      (round-trip Gson)

Feuille de route

  • v1 : courbes E2/T, log doses, labs + calibration, rappels, backup JSON, FR/EN
  • Tests UI Compose + compilation release signée
  • Verrou biométrique, widget, export CSV
  • Phase 2 montre : watchface personnalisée et/ou mini-app Lite Wearable (voir docs/MONTRE-GADGETBRIDGE.md)

Licence

À définir avant le premier push public (suggestion : GPL-3.0, cohérent avec l'écosystème Gadgetbridge). Les modèles PK appartiennent à leurs autrices respectives (Estrannaise, Transfem Science).

Description
No description provided
Readme GPL-3.0 8.3 MiB
v1.13.0 Latest
2026-10-07 09:59:19 +02:00
Languages
Kotlin 97.2%
Python 2.5%
Shell 0.3%