Lautsprecher | Abschrift |
| Stan Siranovich | Guten Morgen allerseits. Heute werden wir eine explorative Datenanalyse durchführen |
| der VAERS-Datenbank. Lassen Sie uns nun ein wenig Hintergrundwissen darüber geben, was diese Datenbank ist. VAERS, geschrieben VAERS, ist ein Akronym für Vaccine Adverse Effect Reporting System. Es wurde von der FDA und der CDC erstellt. |
| Es erhält ungefähr 30.000 Updates pro Jahr und ist seit 1990 öffentlich, also gibt es ziemlich viele Daten darüber. |
| Und es wurde als Frühwarnsystem konzipiert, um nach einigen Auswirkungen von Impfstoffen zu suchen, über die zuvor noch nicht berichtet wurde. |
| Nun, das sind unerwünschte Wirkungen, keine Nebenwirkungen, das heißt, sie wurden noch nicht mit der Impfung in Verbindung gebracht. Es ist einfach etwas, das nach der Impfung passiert ist. Kommen wir nun zur Struktur. |
| VAERS VAX und |
| VAERS-DATEN. Jetzt gibt es ein Tool zur Untersuchung der Online-Datenbank, das auf das Akronym WONDER hört. Und es ist ein traditionelles Suchwerkzeug, mit dem Sie durch die verschiedenen Bereiche der Datenbank navigieren, |
| Wählen Sie den gewünschten Datentyp aus, klicken Sie auf das Dropdown-Menü, und nachdem Sie dies ein paar Mal oder ein paar Dutzend Mal getan haben, |
| Was Sie tun, ist die Abfrage einzusenden. |
| Und ohne zu viel Latenz erhalten Sie ein Ergebnis zurück. Aber um explorative Datenanalysen und einige Visualisierungen durchzuführen, |
| es gibt ein kleines Problem damit. Und das ist, dass Sie wissen müssen, was Sie überhaupt wollen, oder zumindest die sehr gute Idee haben. |
| Hier kommt also JMP ins Spiel. Und wie ich bereits erwähnt habe, werden wir eine EDA und einige Visualisierungen zu einem bestimmten Datensatz durchführen, das sind Daten für den MMR-Impfstoff gegen Masern, Mumps und Röteln. Und wir werden es für das letzte verfügbare volle Jahr tun, das sein wird |
| 2019. Lassen Sie mich also zu einem neuen Fenster wechseln. |
| Okay, das erste, was wir getan haben und was ich hier ausgelassen habe, war, die CSVs herunterzuladen und sie in JMP zu öffnen. Jetzt möchte ich meine Daten auswählen und JMP macht es sehr einfach. |
| Nachdem ich das Fenster geöffnet habe, gehe ich einfach durch Zeilen, Zeilenauswahl und wähle aus, wo und hier unten ein Bild ist, von dem ich den VAX_TYPE haben möchte, und ich wollte, dass es gleich MMR ist. Jetzt gibt es hier neben Equals noch einige andere Optionen, über die wir gleich sprechen werden. |
| Und nachdem wir auf die Schaltfläche geklickt und diese Zeilen ausgewählt haben, müssen wir als Nächstes entscheiden, welche Daten wir wollen. Deshalb habe ich einige der Spalten hervorgehoben und in etwa einer Minute werden Sie sehen, warum. |
| Und dann, wenn ich das mache, oh, bevor wir dorthin gehen, lass es uns notieren |
| Reihe neun und Reihe 18 genau hier. Beachten Sie, dass wir MMRV und haben |
| MMR. MMRV ist ein anderer Impfstoff. Und wenn wir uns das auch ansehen wollten, hätten wir hier aus der Dropdown-Liste enthält auswählen können. Aber das wollten wir nicht. Also klicken wir auf OK |
| und wir bekommen unseren Tisch. Nun möchten wir diese VAERS-VAX-Tabelle, die Daten über den Impfstoff enthält, wie z. B. einen Hersteller, die Charge usw., mit der VAERS-DATEN-Tabelle verknüpfen, die Daten über die |
| Auswirkungen von Impfstoffen, also hat es Dinge wie, ob der Patient Allergien hatte oder nicht, ob der Patient ins Krankenhaus eingeliefert wurde oder nicht, Anzahl |
| von Krankenhaustagen, so etwas. Und es enthält auch demografische Daten wie Alter und Geschlecht. Was wir also tun möchten, ist beitreten und einfach zu den Tischen gehen, beitreten und wir wählen aus |
| Die Tabellen VAERS VAX und VAERS DATA, und wir möchten sie auf der VAERS-ID zusammenführen. Und wieder macht JMP es ziemlich einfach. Wir klicken einfach |
| die Spalte in jedem an einem der separaten Tische und wir fügen sie hier in das Match-Fenster ein und danach gehen wir zu den Tabellenfenstern und wählen die Spalten aus, die wir wollen. |
| Und so sieht unsere Ergebnistabelle aus. Lassen Sie mich das jetzt reduzieren und eine JMP-Tabelle öffnen. |
| Da gehen wir, und ich werde das erweitern. |
| Und für die Zwecke dieser Demonstration habe ich nur |
| diese ... diese Spalten hier ausgewählt. Wir haben die VAERS-ID, die Sie offensichtlich als Identifikation sehen, der Typ, der alle MMR ist. |
| Und es sieht so aus, als wäre Merck der Hersteller. Und es gibt ein paar Unbekannte |
| hier verstreut. Und ich habe VAX LOT gewählt, weil das wichtig wäre, wenn bei einem Lot etwas nicht stimmt, das will man sehen können. |
| Dies sieht aus wie ein Käfig-Unterstrichjahr, aber das ist das berechnete Alter in Jahren. Es gibt mehrere H-Spalten und ich habe gerade eine ausgewählt. |
| Und ich habe Sex ausgewählt, weil wir wissen möchten, ob jemand stärker betroffen ist, ob Männer stärker betroffen sind als Frauen oder umgekehrt. |
| Und HOSPDAYS ist die Anzahl der Tage im Krankenhaus, wenn sie eine Nebenwirkung hatten, die schwerwiegend genug war, um sie ins Krankenhaus zu bringen. Und NUMDAYS ist die Anzahl der Tage zwischen der Impfung und dem Auftreten der Nebenwirkungen, und es sieht so aus, als hätten wir hier eine ziemlich große Bandbreite. |
| Beginnen wir also mit unserer Analyse. |
| Header-Grafiken anzeigen. Ich klicke also darauf und zeige Header-Grafiken an. |
| Und wir bekommen eine Verteilung und einige andere Informationen hier oben. Wir überspringen die ID und sehen, dass der VAX_TYPE alles MMR ist, Sie haben keine anderen dort. |
| Und der Vax-Hersteller, ja, es ist entweder Mercks & Co Inc. oder unbekannt, und ein nettes Feature dabei ist, dass wir auf die Leiste klicken können |
| und es wird die Zeilen für uns hervorheben und wegklicken und es ist nicht hervorgehoben. Weiter zu VAX_LOT, wir haben hier eine ganze Menge Informationen in dieses winzige Kästchen gepresst. |
| Zunächst einmal haben wir die fünf am häufigsten vorkommenden Lose in unserer Datentabelle, und hier sind sie, und |
| hier ist, wie oft sie erscheinen. Und es sagt uns auch, dass wir 413 andere Lose in der Tabelle enthalten haben, plus fünf nach meiner Berechnung, |
| das sind ungefähr 418 einzelne Lose. Jetzt gehen wir über das berechnete Alter in Jahren und sehen, dass die meisten unserer Werte zwischen Null und was auch immer liegen, sie liegen im Null-Bin, was Sinn macht, weil es eine Impfung ist, und wir werden das einfach notieren. |
| Und wir gehen zur Sex-Spalte und es sieht so aus, als hätten wir deutlich mehr Frauen als Männer. Nun, das sagt uns sofort, ob wir es Seite an Seite tun wollen |
| Gruppenvergleiche, wir müssen nach dem Zufallsprinzip aus den Weibchen auswählen, so dass sie den Männchen ebenbürtig sind, und wir haben hier auch einige Unbekannte, ziemlich viele Unbekannte. |
| Und das merken wir einfach und machen weiter. Und wir sehen Krankenhaustage. Und wir haben NUMDAYS gesehen. Jetzt ist hier ein weiteres wirklich wirklich nettes Feature. Nehmen wir an, wir möchten mehr Details und wir möchten ein wenig erkunden, um zu sehen, wie das Alter verteilt ist. Wir klicken einfach mit der rechten Maustaste, klicken mit der rechten Maustaste, |
| Wählen Sie In Verteilung öffnen. Und hier sind wir in den Verteilungsfenstern, aber hier gibt es ziemlich viele Informationen. |
| Für unsere Zwecke im Moment machen wir hier nicht wirklich viel mit den Quantilen. Klicken wir also auf Schließen und es nimmt immer noch etwas Platz ein. |
| Gehen wir also hier runter und wählen Sie die enge Ausrichtung der Umrisse und gehen Sie mit der Vertikalen weiter. Und wir haben ein schönes, leicht lesbares Fenster. Da sind einige Informationen drin. Wir sehen natürlich unsere Verteilung hier unten und wir haben hier oben einen Box-and-Whisker-Plot. |
| Es bleibt nicht viel Zeit, um darauf einzugehen, dass Daten nur auf eine andere Art und Weise angezeigt werden. Und wir sehen aus unserer zusammenfassenden Statistik, dass der Mittelwert zufällig 16,2 beträgt, mit einer Standardabweichung von 20,6. |
| Keine ideale Situation. Wenn Sie also mehr damit anfangen möchten, können wir die Jahre in zwei Gruppen aufteilen, in denen die meisten hier und dann unten sind |
| wo, wo das, wo all die verzerrten Daten sind und dann der Rest von ihnen und |
| rechts und |
| prüfen Sie das gesondert. Und ich werde dieses Fenster minimieren, und wir können dasselbe mit den Krankenhaustagen und der Anzahl der Tage tun. Und lass mich das ganz schnell machen. |
| Und hier sehen wir die gleiche Art von Daten, und ich werde mich nicht darum kümmern, sie durchzuklicken und zu reduzieren. Aber wir könnten auch bemerken, wenn wir wieder den Mittelwert von 6,7 und die Standardabweichung von 13,2 haben, wiederum keine sehr ideale Situation, und wir notieren das einfach. |
| Und ich werde das schließen. Sagen wir jetzt, wir wollen ein bisschen mehr explorative Analyse machen, etwas ist uns aufgefallen und so weiter. Und das geht hier ganz einfach. Wir müssen nicht zur Online-Datenbank zurückgehen, |
| und wählen Sie alles aus, klicken Sie auf die Dropdown-Menüs oder was auch immer. Wir können einfach hierher kommen, um Y durch X zu analysieren und anzupassen. |
| Nehmen wir also an, wir möchten die Beziehung zwischen untersuchen |
| oh, Krankenhaustage, Anzahl der im Krankenhaus verbrachten Tage und berechnetes Alter in Jahren. Das machen wir einfach. Wir haben zwei stetige Variablen, also bekommen wir daraus ein bivariates Diagramm. |
| Wir klicken auf OK. |
| Und wir bekommen eine weitere schöne Anzeige der Daten. Und ja, das können wir sehen |
| Derzeit liegt der Mittelwert bei etwa 5 oder 6, was eine gute, gute Sache ist, besser als 10 oder 12. Wir können für Referenzzwecke |
| Gehen Sie hier hinauf zum roten Dreieck, wählen Sie Fit Mean und wir erhalten den Mittelwert genau hier. Und wir haben festgestellt, dass es einige Ausreißer gibt. |
| Nehmen wir an, wir wollen sie jetzt untersuchen und entscheiden, ob wir sie ein wenig weiter vertiefen wollen oder nicht. Wenn wir also den Mauszeiger über einen unserer Ausreißerpunkte oder einen der Punkte bewegen, |
| Wir sehen, wir bekommen dieses Popup-Fenster und es sagt uns |
| dieser bestimmte Datenpunkt repräsentiert Zeile 868. |
| Das berechnete Alter liegt im Ein-Jahres-Bucket, |
| und dieser Patient verbrachte zufällig 90 Tage im Krankenhaus. Jetzt könnten wir mit der rechten Maustaste klicken und diese Zeile einfärben oder eine Art Markierung dort einfügen. Ich werde das nicht tun, aber ich werde es tun |
| Bewegen Sie den Cursor hierher in das Fenster, und wir sehen dieses kleine Symbol oben in der rechten Ecke, klicken Sie darauf und das fixiert es. |
| Das können wir natürlich wiederholen. Und wir können die Details für weitere Untersuchungen erhalten. Ich fand das ziemlich praktisch, wenn ich Präsentationen vor Gruppen von Leuten hielt, die die Aufmerksamkeit auf einen bestimmten Punkt lenken möchten. Das ist ein bisschen überheblich, also lasst uns mit der rechten Maustaste klicken, auswählen ... Schriftart auswählen, nicht bearbeiten. |
| Und wir bekommen das Schriftfenster angezeigt und sehen, dass wir eine 16-Punkt-Schriftart verwenden. Lass uns, ich weiß nicht, lass uns runtergehen auf 9. |
| Und das ist ein bisschen besser und gibt uns mehr Raum, wenn wir auf einige der anderen Ausreißer aufmerksam machen möchten. Zusammenfassend also |
| Lassen Sie mich das PowerPoint noch einmal aufgreifen. |
| Zusammenfassend konnten wir zwei große Datentabellen aus einer großen von der Regierung verwalteten Online-Datenbank importieren und gestalten. Wir konnten Tabellen unterteilen, |
| in der Lage, die Tabellen zu verbinden und unsere Ausgabedaten nahtlos auszuwählen. Und wir konnten Zusammenfassungen und Verteilungen erstellen und die Bereiche aufzeigen |
| die von Interesse sein könnten, und für eine detailliertere Analyse. Und natürlich verlief alles nahtlos und innerhalb derselben Softwareplattform. Jetzt, |
| einige Links liefern |
| direkt hier zu den verschiedenen Datenseiten. Dies, dies ist die Hauptseite, die die gesamte Dokumentation enthält, dass die Regierung dort ziemlich gute Arbeit geleistet hat. Und hier sind die eigentlichen Daten selbst in der ZIP-Datei. |
