扬声器 | 成绩单 |
| 斯坦·西拉诺维奇 | 大家，早安。 今天我们要做一个探索性的数据分析 |
| VAERS 数据库。 现在让我们来了解一下这个数据库是什么的背景知识。 VAERS，拼写为VAERS，是Vaccine Adverse Effect Reporting System的缩写。 它是由 FDA 和 CDC 创建的。 |
| 它每年获得大约 30,000 次更新，并且自 1990 年以来一直公开，因此上面有相当多的数据。 |
| 它被设计为一个早期预警系统，用于寻找以前没有报道过的疫苗的某些影响。 |
| 现在这些是副作用，不是副作用，也就是说它们还没有与疫苗接种联系起来。 这只是接种疫苗后发生的事情。 现在让我们谈谈结构。 |
| VAERS VAX 和 |
| 韦尔斯数据。 现在有一个检查在线数据库的工具，它的首字母缩写为 WONDER。 它是传统的搜索工具，您可以在其中浏览数据库的不同区域， |
| 选择你想要的数据类型，点击下拉菜单，在你这样做几次或几十次之后， |
| 您所做的就是发送查询。 |
| 无需太多延迟，即可返回结果。 但是为了进行探索性数据分析和一些可视化， |
| 这有一个小问题。 那就是你必须首先知道你想要得到什么，或者至少是非常好的想法。 |
| 这就是 JMP 的用武之地。 正如我提到的，我们将对特定数据集进行 EDA 和一些可视化，即麻疹、腮腺炎和风疹的 MMR 疫苗的数据。 我们将针对最近的一整年进行调查，这将是 |
| 2019. 所以让我转到一个新窗口。 |
| 好的，我们做的第一件事是下载 CSV 并在 JMP 中打开它们，我在这里省略了。 现在我想选择我的数据，JMP 让这一切变得非常简单。 |
| 打开窗口后，我只需浏览行、行选择并选择此处下方的图片，我想要 VAX_TYPE 并且我希望它等于 MMR。 现在除了 equals 之外还有一些其他选项，我们稍后会讨论。 |
| 在我们单击按钮并选择了那些行之后，接下来我们要做的就是决定我们需要哪些数据。 所以我已经突出显示了一些列，大约一分钟后您就会明白为什么。 |
| 然后当我这样做时，哦，在我们去那里之前，让我们注意 |
| 第 9 行和第 18 行就在这里。 注意我们有 MMRV 和 |
| MMR。 MMRV 是一种不同的疫苗。 如果我们也想查看它，我们可以从下拉列表中选择 contains here。 但这不是我们想要做的。 所以我们点击确定 |
| 我们得到了我们的桌子。 现在我们要做的是将包含有关疫苗的数据（例如制造商、批次等）的 VAERS VAX 表与包含关于疫苗的数据的 VAERS DATA 表连接起来 |
| 疫苗的影响，所以它有诸如患者是否过敏，患者是否住院，数字等信息 |
| 住院日之类的。 它还包含年龄和性别等人口统计数据。 所以我们要做的是加入并简单地转到表加入然后我们选择 |
| VAERS VAX 和 VAERS DATA 表，我们想在 VAERS ID 上加入它们。 同样，JMP 使它变得非常简单。 我们只需点击 |
| 每个单独的表中的列，我们将它们放在匹配窗口中，然后我们转到表窗口并选择我们想要的列。 |
| 这就是我们的结果表的样子。 现在让我减少它并打开 JMP 表。 |
| 我们开始了，我会扩展它。 |
| 为了演示的目的，我只是 |
| 在此处选择了这些...这些列。 我们已经拿到了VAERS ID，你看很明显，这个类型都是MMR。 |
| 看起来默克公司是制造商。 还有一些未知数 |
| 散落于此。 我选择了 VAX LOT，因为如果一批有问题，那将很重要，你希望能够看到它。 |
| 这看起来像 cage 下划线年份，但这是以年为单位计算的年龄。 有几个 H 列，我只选择了一个。 |
| 我选择性别是因为我们想知道是否有人受影响更大，男性是否比女性受影响更大，反之亦然。 |
| HOSPDAYS 是如果他们的不良反应严重到足以让他们住院的情况下在医院的天数。 NUMDAYS 是从接种疫苗到出现不良反应之间的天数，看起来我们这里的范围非常非常大。 |
| 那么，让我们开始分析吧。 |
| 显示标题图。 所以我要单击它并显示标题图。 |
| 我们在这里得到了一些分布和一些其他信息。 我们将跳过 ID 并看到 VAX_TYPE 都是 MMR，那里没有其他人。 |
| vax 制造商，是的，它要么是 Mercks & Co Inc，要么是未知的，一个很好的特点是我们可以点击栏 |
| 它会为我们突出显示行并单击离开，它不会突出显示。 转到 VAX_LOT，我们在这个小盒子里塞进了相当多的信息。 |
| 首先，我们的数据表中有发生次数最多的前五批次，它们就在这里，并且 |
| 这是它们出现的次数。 它还告诉我们表中还有 413 个其他批次，加上我计算的 5 个， |
| 这大约是 418 个单独的批次。 现在我们以年为单位查看计算的年龄，我们看到我们的大部分值都在零和任何值之间，它们在零区间内，这是有道理的，因为它是疫苗接种，我们会记下这一点。 |
| 我们转到性别栏，看起来女性明显多于男性。 现在，如果我们想并排做，那会立即告诉我们 |
| 群体比较，我们将不得不从女性中随机选择，这样她们就和男性一样，我们这里也有一些未知数，相当多的未知数。 |
| 我们只是注意到这一点并继续前进。 我们看到住院日。 我们已经看到了 NUMDAYS。 现在这是另一个非常非常好的功能。 比方说，我们想要更多的细节，我们想做一点探索，看看年龄是如何分布的，我们只需右击，右击， |
| 选择在分发中打开。 在这里，我们在分发窗口中，但这里有相当多的信息。 |
| 就我们现在的目的而言，我们在这里并没有真正对分位数做太多事情。 所以让我们点击关闭，它仍然占用了一些空间。 |
| 因此，让我们在这里向下选择轮廓关闭方向，然后选择垂直方向。 我们留下了一个很好的易于阅读的窗口。 里面有一些资料。 我们当然会在这里看到我们的分布，我们在这里有一个盒须图。 |
| 没有太多时间来研究它，它只是以不同的方式显示数据。 我们从汇总统计数据中看到，平均值恰好为 16.2，标准差为 20.6。 |
| 这不是一个理想的情况。 所以如果你想用它做更多的事情，我们可能想把这些年分成两组，其中大部分都在这里，然后 |
| where, where this, where all the skewed data is and then the rest of them and |
| 沿着右边和 |
| 单独检查。 我会最小化那个窗口，我们可以对住院天数和天数做同样的事情。 让我很快地做到这一点。 |
| 在这里我们看到了相同类型的数据，我不会费心点击它并减少它。 但我们也可能会注意到，当我们再次获得 6.7 的平均值和 13.2 的标准差时，这也不是一个非常理想的情况，我们只是记下这一点。 |
| 我会关闭它。 现在假设我们想做更多的探索性分析，一些引起我们注意的东西等等。 在这里做起来很简单。 我们不必回到在线数据库， |
| 然后选择所有内容，单击下拉菜单或其他任何内容。 我们可以简单的上来用X来分析和拟合Y。 |
| 所以假设我们想检查之间的关系 |
| 哦，住院天数，住院天数和计算年龄。 我们只是这样做。 我们有两个连续变量，所以我们将从中得到一个双变量图。 |
| 我们点击确定。 |
| 我们得到了另一个很好的数据显示。 是的，我们可以看到 |
| 目前，平均值下降了 5 或 6 左右，这是一件好事，好于 10 或 12。 我们可以，为了参考， |
| 到这里的红色三角形，选择拟合均值，我们就在这里得到均值。 我们注意到有很多异常值。 |
| 假设我们现在想检查它们并决定是否要进一步研究它们。 因此，如果我们将鼠标悬停在我们的异常点之一或与此相关的任何点上， |
| 我们看到我们得到了这个弹出窗口，它告诉我们 |
| 该特定数据点代表第 868 行。 |
| 计算的年龄在一年内， |
| 而这个病人正好在医院住了90天。 现在我们可以右键单击并为该行着色或在其中放置某种标记。 我不会那样做，但我会 |
| 将光标移到窗口中，我们会在右上角看到这个小符号，单击它并固定它。 |
| 所以我们当然可以重复这一点。 我们可以获得详细信息以供进一步检查。 我发现这在向喜欢引起人们注意某一特定点的人群进行演示时非常方便。 这有点霸道所以让我们右键单击，选择...选择字体，而不是编辑。 |
| 我们打开字体窗口，看到我们使用的是 16 号字体。 让我们，我不知道，让我们降到 9。 |
| 如果我们想引起对其他一些异常值的注意，这会好一点，它会为我们提供更多空间。 所以总而言之， |
| 让我再次打开 PowerPoint。 |
| 总之，我们能够从政府维护的大型在线数据库中导入和塑造两个大型数据表。 我们能够对表进行子集化， |
| 能够加入表格并无缝选择我们的输出数据。 我们能够生成摘要和分布，指出领域 |
| 这可能会引起兴趣并进行更详细的分析。 当然，这一切都是无缝的，并且都发生在同一个软件平台中。 现在， |
| 提供一些链接 |
| 就在这里到各种数据站点。 这是主要站点，其中包含政府在那里做得很好的所有文档。 这是 zip 中的实际数据本身。 |
