Altoparlante | Trascrizione |
| Stan Siranovic | Buongiorno a tutti. Oggi faremo un'analisi esplorativa dei dati |
| della banca dati VAERS. Ora facciamo un po' di background su cos'è questo database. VAERS, scritto VAERS, è l'acronimo di Vaccine Adverse Effect Reporting System. È stato creato dalla FDA e dal CDC. |
| Riceve circa 30.000 aggiornamenti all'anno ed è pubblico dal 1990, quindi ci sono un bel po' di dati su di esso. |
| Ed è stato progettato come sistema di allerta precoce per cercare alcuni effetti dei vaccini che non sono stati precedentemente segnalati. |
| Ora questi sono effetti avversi, non effetti collaterali, cioè non sono stati ancora collegati alla vaccinazione. È solo qualcosa che è successo dopo la vaccinazione. Parliamo ora della struttura. |
| VAERS VAX e |
| DATI VAERS. Ora c'è uno strumento per esaminare il database online e si chiama WONDER. Ed è uno strumento di ricerca tradizionale in cui navighi nelle diverse aree del database, |
| seleziona il tipo di dati che desideri, fai clic sul menu a discesa e, dopo averlo fatto un paio di volte, o un paio di dozzine di volte, |
| quello che fai è inviare la query. |
| E senza troppa latenza, ottieni un risultato. Ma per eseguire analisi esplorative dei dati e alcune visualizzazioni, |
| c'è un piccolo problema con quello. E cioè che devi sapere cosa vuoi ottenere in primo luogo, o almeno all'ottima idea. |
| Ed è qui che entra in gioco JMP. E come ho detto, faremo un'EDA e alcune visualizzazioni su un set specifico di dati, ovvero i dati per il vaccino MPR per morbillo, parotite e rosolia. E lo faremo per l'ultimo anno intero disponibile, che sarà |
| 2019. Quindi lasciami passare a una nuova finestra. |
| Ok, la prima cosa che abbiamo fatto e che ho omesso qui è stata scaricare i CSV e aprirli in JMP. Ora voglio selezionare i miei dati e JMP lo rende molto semplice. |
| Dopo aver aperto la finestra, passo semplicemente attraverso le righe, la selezione delle righe e seleziono dove e qui sotto c'è un'immagine che voglio VAX_TYPE e volevo che fosse uguale a MMR. Ora ci sono alcune altre opzioni qui oltre a uguale, di cui parleremo tra un secondo. |
| E dopo aver fatto clic sul pulsante e aver selezionato quelle righe, la prossima cosa che vogliamo fare è decidere quali dati vogliamo. Quindi ho evidenziato alcune delle colonne e tra un minuto o giù di lì capirai perché. |
| E poi quando lo faccio, oh, prima di andarci, prendiamo nota |
| riga nove e riga 18 proprio qui. Si noti che abbiamo MMRV e |
| MPR. MMRV è un vaccino diverso. E se volessimo dare un'occhiata anche a questo, avremmo potuto selezionare i contenuti qui dal menu a discesa. Ma non è quello che volevamo fare. Quindi facciamo clic su OK |
| e otteniamo il nostro tavolo. Ora quello che vogliamo fare è unire la tabella VAERS VAX che contiene dati sul vaccino, come un produttore, il lotto e così via con la tabella VAERS DATA, che contiene dati sul |
| effetti del vaccino, quindi ha cose come se il paziente avesse o meno allergie, se il paziente sia stato ricoverato o meno, numero |
| di giorni in ospedale, quel genere di cose. E contiene anche dati demografici come età e sesso. Quindi quello che vogliamo fare è unirci e semplicemente andare alle tabelle unisciti e selezioniamo |
| Le tabelle VAERS VAX e VAERS DATA e vogliamo unirle sull'ID VAERS. E ancora, JMP lo rende piuttosto semplice. Facciamo solo clic |
| la colonna in ciascuna in una delle tabelle separate e le inseriamo qui nella finestra della corrispondenza e dopo andiamo alle finestre della tabella e selezioniamo le colonne che vogliamo. |
| E questo è l'aspetto della nostra tabella dei risultati. Ora fammi ridurre e aprire la tabella JMP. |
| Ci siamo, e lo espanderò. |
| E ai fini di questa dimostrazione ho solo |
| selezionato queste... queste colonne qui. Abbiamo l'ID VAERS, che vedi ovviamente l'identificazione, il tipo che sono tutti MMR. |
| E sembra che Merck sia il produttore. E ci sono un paio di incognite |
| sparsi qua e là. E ho selezionato VAX LOT, perché sarebbe importante se c'è qualcosa che non va con un lotto, vuoi essere in grado di vederlo. |
| Sembra l'anno di sottolineatura della gabbia, ma è l'età calcolata in anni. Ci sono diverse colonne H e ne ho appena selezionata una. |
| E ho selezionato il sesso perché vorremmo sapere se qualcuno è più colpito, se i maschi sono più colpiti delle femmine o viceversa. |
| E HOSPDAYS è il numero di giorni in ospedale se hanno avuto un effetto avverso abbastanza grave da portarli in ospedale. E NUMDAYS è il numero di giorni che intercorrono tra la vaccinazione e la comparsa degli effetti avversi e sembra che qui abbiamo un intervallo piuttosto, piuttosto ampio. |
| Quindi, iniziamo la nostra analisi. |
| mostra i grafici di intestazione. Quindi farò clic su di esso e mostrerò i grafici di intestazione. |
| E otteniamo un po' di distribuzione, e qualche altra informazione quassù. Salteremo l'ID e vedremo che VAX_TYPE è tutto MMR, non ne hai altri lì. |
| E il produttore di vax, sì, è un Mercks & Co Inc o sconosciuto e una caratteristica interessante di questo è che possiamo fare clic sulla barra |
| e evidenzierà le righe per noi e farà clic e non sarà evidenziato. Passando a VAX_LOT, abbiamo un bel po' di informazioni racchiuse in questa minuscola scatola qui. |
| Prima di tutto, abbiamo i primi cinque lotti presenti nella nostra tabella dei dati ed eccoli qui, e |
| ecco quante volte appaiono. E ci dice anche che abbiamo altri 413 lotti inclusi nella tabella, più cinque secondo i miei calcoli, |
| è qualcosa come 418 lotti individuali. Ora superiamo l'età calcolata in anni e vediamo che la maggior parte dei nostri valori è compresa tra zero e qualunque cosa, sono durante il bin zero, il che ha senso perché è una vaccinazione e ne prenderemo nota. |
| E passiamo alla colonna del sesso e sembra che abbiamo molte più femmine che maschi. Ora, questo ci dice subito se vogliamo fare, fianco a fianco |
| confronti di gruppo, dovremo selezionare casualmente tra le femmine, in modo che siano uguali ai maschi e abbiamo anche alcune incognite qui, parecchie incognite. |
| E lo notiamo semplicemente e andiamo avanti. E vediamo giorni di ospedale. E abbiamo visto NUMDAYS. Ora ecco un'altra caratteristica davvero molto bella. Diciamo che vorremmo maggiori dettagli e vogliamo fare un po' di esplorazione per vedere come è distribuita l'età, facciamo semplicemente clic destro, clic destro, |
| selezionare aperto in distribuzione. E qui siamo nelle finestre di distribuzione, ma qui ci sono un bel po' di informazioni. |
| Per i nostri scopi in questo momento, non facciamo molto qui sui quantili. Quindi facciamo clic su chiudi e sta ancora occupando spazio. |
| Quindi scendiamo qui e selezioniamo l'orientamento vicino al contorno e andiamo con la verticale. E ci rimane una bella finestra di facile lettura. Ha delle informazioni lì dentro. Ovviamente vediamo la nostra distribuzione quaggiù e abbiamo un diagramma a scatola e baffi quassù. |
| Non c'è molto tempo per approfondire questo, quello, che mostra solo i dati in un modo diverso. E vediamo dalle nostre statistiche riassuntive che la media sembra essere 16,2, con la deviazione standard 20,6. |
| Non è una situazione ideale. Quindi, se vuoi fare qualcosa di più con quello, potremmo voler dividere gli anni in due gruppi in cui la maggior parte di loro sono qui e poi |
| dove, dove questo, dove sono tutti i dati distorti e poi il resto di loro e |
| lungo la destra e |
| esaminalo separatamente. E ridurrò al minimo quella finestra e possiamo fare lo stesso con i giorni di ospedale e il numero di giorni. E fammelo fare molto velocemente. |
| E qui vediamo gli stessi tipi di dati e non mi preoccuperò di fare clic su di essi e ridurli. Ma potremmo anche notare quando ancora una volta abbiamo la media di 6,7 e la deviazione standard di 13,2, ancora una volta, non una situazione molto ideale e semplicemente ne prendiamo atto. |
| E lo chiuderò. Ora diciamo che vogliamo fare un po' più di analisi esplorativa, qualcosa ha attirato la nostra attenzione e tutto il resto. E questo è semplice da fare qui. Non dobbiamo tornare al database online, |
| e seleziona tutto, fai clic sui menu a discesa o altro. Possiamo semplicemente venire qui per analizzare e adattare Y per X. |
| Quindi diciamo che vorremmo esaminare la relazione tra |
| oh, giorni di ospedale, numero di giorni trascorsi in ospedale ed età calcolata in anni. Semplicemente lo facciamo. Abbiamo due variabili continue quindi ne ricaveremo un grafico bivariato. |
| Facciamo clic su OK. |
| E otteniamo un'altra bella visualizzazione dei dati. E sì, possiamo vederlo |
| attualmente, la media è scesa intorno a 5 o 6, che è una buona, buona cosa migliore di 10 o 12. Possiamo, a scopo di riferimento, |
| vai qui sopra al triangolo rosso, seleziona fit mean e otteniamo la media, proprio qui. E abbiamo notato che ci sono parecchi valori anomali. |
| Diciamo che vogliamo esaminarli in questo momento e decidere se vogliamo approfondire o meno un po' di più. Quindi, se passiamo con il mouse sopra uno dei nostri punti anomali o uno qualsiasi dei punti per quella materia, |
| vediamo che otteniamo questa finestra pop-up e ci dice |
| quel particolare punto dati rappresenta la riga 868. |
| L'età calcolata è nel secchio di un anno, |
| e questo paziente ha trascorso 90 giorni in ospedale. Ora potremmo fare clic con il tasto destro e colorare questa riga o inserire una sorta di pennarello. Non mi preoccuperò di farlo, ma lo farò |
| sposta il cursore qui sopra nella finestra, e vediamo questo piccolo simbolo nell'angolo in alto a destra, fai clic su di esso e questo lo appunta. |
| Quindi possiamo, ovviamente, ripeterlo. E possiamo ottenere i dettagli per un ulteriore esame. Ho trovato questo molto utile quando si fanno presentazioni a gruppi di persone che amano richiamare l'attenzione su un punto particolare. Questo è un po' prepotente quindi facciamo clic con il tasto destro, seleziona...seleziona il font, non modifica. |
| E otteniamo la finestra del carattere che si apre e vediamo che stiamo usando un carattere a 16 punti. Andiamo, non lo so, scendiamo a 9. |
| E questo è un po' meglio e ci dà più spazio se vorremmo richiamare l'attenzione su alcuni degli altri valori anomali. Quindi riassumendo, |
| permettetemi di richiamare di nuovo PowerPoint. |
| In sintesi, siamo stati in grado di importare e modellare due grandi tabelle di dati da un grande database online gestito dal governo. Siamo stati in grado di creare sottoinsiemi di tabelle, |
| in grado di unire le tabelle e selezionare i nostri dati di output senza soluzione di continuità. E siamo stati in grado di generare riepiloghi e distribuzioni, evidenziando le aree |
| che possono essere di interesse e per un'analisi più dettagliata. E, naturalmente, è stato tutto perfetto e tutto è avvenuto all'interno della stessa piattaforma software. Ora, |
| fornire alcuni collegamenti |
| proprio qui ai vari siti di dati. Questo, questo è il sito principale, che ha tutta la documentazione che il governo ha fatto un buon lavoro lì. Ed ecco i dati effettivi stessi nello zip .. |
