스피커 | 성적 증명서 |
| 스탄 시라노비치 | 모두 안녕하십니까. 오늘은 탐색적 데이터 분석을 해보겠습니다. |
| VAERS 데이터베이스의 이제 이 데이터베이스가 무엇인지에 대한 약간의 배경 지식을 살펴보겠습니다. VAERS는 Vaccine Adverse Effect Reporting System의 약자입니다. 그것은 FDA와 CDC에 의해 만들어졌습니다. |
| 연간 약 30,000건의 업데이트가 이루어지고 1990년부터 공개되었으므로 상당한 양의 데이터가 있습니다. |
| 그리고 이전에 보고되지 않은 백신의 일부 효과를 찾기 위한 조기 경보 시스템으로 설계되었습니다. |
| 이제 이것들은 부작용이 아니라 부작용입니다. 즉, 아직 예방 접종과 관련이 없습니다. 예방 접종 후에 일어난 일입니다. 이제 구조에 대해 이야기합시다. |
| VAERS VAX 및 |
| VAERS 데이터. 이제 온라인 데이터베이스를 검사하는 도구가 있으며 WONDER라는 약어로 사용됩니다. 그리고 데이터베이스의 다양한 영역을 탐색하는 전통적인 검색 도구입니다. |
| 원하는 데이터 유형을 선택하고 드롭다운을 클릭한 다음 몇 번 또는 수십 번 수행한 후 |
| 당신이하는 일은 쿼리를 보내는 것입니다. |
| 지연 시간이 너무 길지 않으면 결과를 다시 얻을 수 있습니다. 그러나 탐색적 데이터 분석 및 일부 시각화를 수행하려면 |
| 그것에 약간의 문제가 있습니다. 그리고 그것은 당신이 얻고자 하는 것이 무엇인지 먼저 알아야 한다는 것입니다. 적어도 아주 좋은 생각일지라도 말입니다. |
| 그래서 JMP가 등장합니다. 제가 언급한 대로 특정 데이터 세트에 대한 EDA 및 일부 시각화를 수행할 예정입니다. 즉, 홍역, 볼거리 및 풍진에 대한 MMR 백신 데이터입니다. 그리고 우리는 사용 가능한 가장 최근 전체 연도에 대해 할 것입니다. |
| 2019. 그럼 새 창으로 이동하겠습니다. |
| 좋아요, 우리가 여기서 생략한 첫 번째 작업은 CSV를 다운로드하고 JMP에서 여는 것이었습니다. 이제 데이터를 선택하고 싶은데 JMP를 사용하면 매우 쉽게 할 수 있습니다. |
| 창을 연 후 행, 행 선택을 통해 이동하고 여기 아래에 VAX_TYPE을 원하는 그림이 있고 MMR과 동일하게 하고 싶었던 그림이 있는 곳을 선택합니다. 이제 equals 외에 몇 가지 다른 옵션이 있습니다. 이에 대해서는 잠시 후에 설명하겠습니다. |
| 버튼을 클릭하고 해당 행을 선택한 다음에는 원하는 데이터를 결정해야 합니다. 그래서 일부 열을 강조 표시했으며 1분 정도 지나면 그 이유를 알 수 있습니다. |
| 그리고 내가 그렇게 할 때, 오, 우리가 거기에 가기 전에 주목하자 |
| 9행과 18행이 여기 있습니다. MMRV와 |
| MMR. MMRV는 다른 백신입니다. 그것도 살펴보고 싶다면 여기 드롭다운에서 포함을 선택할 수 있습니다. 그러나 그것은 우리가 하고 싶었던 것이 아닙니다. 확인을 클릭합니다. |
| 그리고 우리는 테이블을 얻습니다. 이제 우리가 원하는 것은 제조업체, 로트 등과 같은 백신에 대한 데이터가 포함된 VAERS VAX 테이블을 백신에 대한 데이터가 포함된 VAERS DATA 테이블과 조인하는 것입니다. |
| 백신의 효과, 그래서 그것은 환자가 알레르기가 있었는지 여부, 환자가 입원했는지 여부, 숫자 |
| 입원일, 그런 것. 또한 연령 및 성별과 같은 인구 통계 데이터도 포함됩니다. 그래서 우리가 하고 싶은 것은 조인하고 단순히 테이블 조인으로 이동하여 선택하는 것입니다. |
| VAERS VAX 및 VAERS DATA 테이블과 VAERS ID에서 조인하려고 합니다. 그리고 다시 JMP를 사용하면 작업이 매우 쉬워집니다. 우리는 그냥 클릭 |
| 별도의 테이블 중 하나에 각각의 열을 일치 창에 넣은 다음 테이블 창으로 이동하여 원하는 열을 선택합니다. |
| 이것이 결과 테이블의 모습입니다. 이제 이를 줄이고 JMP 테이블을 열어 보겠습니다. |
| 이제 확장하겠습니다. |
| 이 데모의 목적을 위해 저는 |
| 여기에서 이...이 열을 선택했습니다. 우리는 VAERS ID를 가지고 있습니다. 당신은 분명히 식별할 수 있는 모든 MMR 유형인 VAERS ID를 가지고 있습니다. |
| 그리고 Merck가 제조업체인 것 같습니다. 그리고 알려지지 않은 몇 가지가 있습니다. |
| 여기저기 흩어져 있습니다. 그리고 저는 VAX LOT를 선택했습니다. 하나의 로트에 문제가 있는 경우 중요하기 때문에 이를 볼 수 있기를 원하기 때문입니다. |
| 이것은 케이지 밑줄 연도처럼 보이지만 연도 단위로 계산된 나이입니다. H 열이 여러 개 있는데 하나만 선택했습니다. |
| 성별을 선택한 이유는 누군가가 더 영향을 받는지, 남성이 여성보다 더 영향을 받는지 또는 그 반대인지 알고 싶기 때문입니다. |
| 그리고 HOSPDAYS는 병원에 입원할 정도로 심각한 부작용이 발생한 경우 병원에 있는 일수입니다. 그리고 NUMDAYS는 예방 접종과 부작용의 출현 사이의 일수이며 우리는 바로 여기에 꽤 많은 범위가 있는 것처럼 보입니다. |
| 자, 분석을 시작하겠습니다. |
| 헤더 그래프를 표시합니다. 이를 클릭하고 헤더 그래프를 표시하겠습니다. |
| 그리고 우리는 여기에서 약간의 분포와 다른 정보를 얻습니다. ID를 건너뛰고 VAX_TYPE이 모두 MMR이고 거기에 다른 항목이 없는지 확인합니다. |
| 그리고 vax 제조업체는 예, Mercks & Co Inc이거나 알 수 없으며 이것에 대한 좋은 기능 중 하나는 막대를 클릭할 수 있다는 것입니다. |
| 그러면 행이 강조 표시되고 클릭하면 강조 표시가 해제됩니다. VAX_LOT으로 이동하면 여기 이 작은 상자에 꽤 많은 정보가 압축되어 있습니다. |
| 우선, 데이터 테이블에 발생하는 상위 5개 로트가 있으며 여기 있습니다. |
| 그들이 몇 번이나 나타나는지는 다음과 같습니다. 또한 표에 413개의 다른 로트가 포함되어 있고 여기에 내 계산으로 5개가 포함되어 있음을 알 수 있습니다. |
| 그것은 418 개의 개별 로트와 같습니다. 이제 우리는 계산된 연령을 년 단위로 살펴보고 대부분의 값이 0과 그 사이에 있음을 확인합니다. 그들은 0 bin 동안에 있습니다. 이는 백신 접종이기 때문에 의미가 있으며 이를 기록해 둘 것입니다. |
| 그리고 우리는 성별 열로 이동하여 남성보다 여성이 훨씬 더 많은 것 같습니다. 이제 우리가 나란히 하고 싶다면 바로 알려줍니다. |
| 그룹 비교, 우리는 암컷에서 무작위로 선택해야 할 것입니다. 그래서 그들은 수컷과 같으며 여기에도 몇 가지 알려지지 않은 것들이 있습니다. 꽤 많은 알려지지 않은 것들이 있습니다. |
| 그리고 우리는 단순히 메모하고 계속 진행합니다. 그리고 우리는 병원의 날을 봅니다. 그리고 우리는 NUMDAYS를 보았습니다. 이제 여기에 또 다른 정말 좋은 기능이 있습니다. 더 자세한 정보를 원하고 나이가 어떻게 분포되어 있는지 알아보기 위해 약간의 탐색을 하고 싶다고 가정해 보겠습니다. 마우스 오른쪽 버튼을 클릭하고 |
| 배포 열기를 선택합니다. 그리고 여기 우리는 배포 창에 있지만 여기에는 꽤 많은 정보가 있습니다. |
| 지금 우리의 목적을 위해 분위수에 대해 여기서는 실제로 많은 작업을 수행하지 않습니다. 닫기를 클릭해도 여전히 공간을 차지합니다. |
| 여기 아래로 내려가 외곽선 닫기 방향을 선택하고 수직 방향으로 갑시다. 그리고 우리는 읽기 쉬운 멋진 창을 남겼습니다. 거기에 약간의 정보가 있습니다. 물론 우리는 여기 아래에 우리의 분포를 보고 여기 위에 상자와 위스커 플롯을 가지고 있습니다. |
| 다른 방식으로 데이터를 표시하는 데 들어갈 시간이 많지 않습니다. 요약 통계에서 평균이 16.2이고 표준 편차가 20.6이라는 것을 알 수 있습니다. |
| 이상적인 상황은 아닙니다. 그래서 당신이 그것으로 무엇을 더 하고 싶다면, 우리는 연도를 두 그룹으로 나누고 싶을 것입니다. |
| 여기, 여기, 모든 왜곡된 데이터가 있는 곳 그리고 나머지는 |
| 오른쪽을 따라 그리고 |
| 그건 따로 따져보세요. 그리고 나는 그 기간을 최소화할 것이고 우리는 입원 일수와 일수에 대해서도 똑같이 할 수 있습니다. 정말 빨리 해보겠습니다. |
| 그리고 여기서 우리는 같은 종류의 데이터를 볼 수 있습니다. 귀찮게 클릭하여 축소하지 않겠습니다. 그러나 평균이 6.7이고 표준편차가 13.2인 경우에도 매우 이상적인 상황이 아니며 단순히 기록합니다. |
| 그리고 나는 그것을 닫을 것입니다. 이제 좀 더 탐색적 분석을 하고 싶다고 가정해 보겠습니다. 어떤 것이 눈에 들어왔습니다. 여기서는 간단합니다. 우리는 온라인 데이터베이스로 돌아갈 필요가 없습니다. |
| 모든 항목을 선택하고 드롭다운을 클릭하는 등의 작업을 수행합니다. 우리는 간단히 여기로 와서 Y를 X로 분석하고 피팅할 수 있습니다. |
| 그래서 우리가 사이의 관계를 조사하고 싶다고 가정 해 봅시다. |
| 오, 입원 일수, 병원에서 보낸 일수 및 나이 계산. 우리는 단순히 그렇게 합니다. 두 개의 연속 변수가 있으므로 이변수 플롯을 얻을 것입니다. |
| 확인을 클릭합니다. |
| 그리고 우리는 데이터의 또 다른 멋진 디스플레이를 얻습니다. 그리고 네, 우리는 그것을 볼 수 있습니다 |
| 현재 평균은 약 5 또는 6이며 이는 10 또는 12보다 좋은 좋은 것입니다. 우리는 참조 목적으로 |
| 여기 빨간색 삼각형으로 이동하여 적합 평균을 선택하면 여기에서 평균을 얻습니다. 그리고 우리는 꽤 많은 이상치들이 있다는 것을 알아차렸습니다. |
| 지금 당장 그것들을 조사하고 조금 더 자세히 조사할지 여부를 결정한다고 가정해 봅시다. 따라서 이상 지점 중 하나 또는 해당 문제에 대한 지점 중 하나에 마우스를 가져가면 |
| 이 팝업 창이 표시되고 알려줍니다. |
| 해당 특정 데이터 포인트는 행 868을 나타냅니다. |
| 계산된 나이는 1년 버킷에 있고, |
| 이 환자는 우연히 병원에서 90일을 보냈습니다. 이제 이 행을 마우스 오른쪽 버튼으로 클릭하고 색상을 지정하거나 거기에 일종의 마커를 넣을 수 있습니다. 귀찮게 그렇게 하진 않겠지만 할게 |
| 여기 창으로 커서를 이동하면 오른쪽 모서리에 작은 기호가 표시됩니다. 클릭하면 고정됩니다. |
| 그래서 우리는 물론 그것을 반복할 수 있습니다. 그리고 우리는 추가 조사를 위해 세부 사항을 얻을 수 있습니다. 특정 지점에 주의를 환기시키려는 사람들의 그룹에 프레젠테이션을 할 때 이 기능이 매우 편리하다는 것을 알았습니다. 약간 부담스럽기 때문에 마우스 오른쪽 버튼을 클릭하고 선택...글꼴을 선택하고 편집은 하지 않습니다. |
| 그러면 글꼴 창이 나타나고 16포인트 글꼴을 사용하고 있음을 알 수 있습니다. 모르겠어, 9로 내려가자. |
| 그리고 그것은 조금 더 낫고 우리가 다른 특이치에 주의를 기울이고 싶다면 더 많은 공간을 제공합니다. 요약하면, |
| PowerPoint를 다시 불러오겠습니다. |
| 요약하면 정부가 관리하는 대규모 온라인 데이터베이스에서 두 개의 대규모 데이터 테이블을 가져오고 구성할 수 있었습니다. 우리는 테이블을 부분 집합화할 수 있었습니다. |
| 테이블을 조인하고 출력 데이터를 모두 원활하게 선택할 수 있습니다. 그리고 우리는 영역을 지적하면서 요약과 분포를 생성할 수 있었습니다. |
| 더 자세한 분석을 위해 관심을 가질 수 있습니다. 그리고 물론 그것은 모두 매끄럽고 동일한 소프트웨어 플랫폼 내에서 발생했습니다. 지금, |
| 일부 링크 제공 |
| 바로 여기 다양한 데이터 사이트로 이동합니다. 이것은 정부가 그곳에서 꽤 잘한 일에 대한 모든 문서가 있는 메인 사이트입니다. 그리고 여기 zip에 있는 실제 데이터 자체가 있습니다. |
