398724_ja-JP

liliconcom

JMP（2021-US-30MP-881）を使用した限られた臨床検査データからの心不全患者の生存予測

レベル：中級

 

Crucial Connection LLC、プリンシパルアナリスト、Stanley Siranovich

 

心血管疾患（CVD）は主要な死因であり、世界中の全死亡の約30％を占めています。 したがって、特にリスクの高い症例の早期発見と治療は、人命の損失を防ぐのに役立ちます。 このセッションでは、最近Kaggleで公開され、で公開された調査で使用された、299行13列のデータセットを調べます。 BMC医療情報学と意思決定、20、記事番号16（2020）。 特に、年齢、高血圧、喫煙、クレアチニンなどの多くの予測因子と、心不全を予測するそれらの能力を調べます。 予測子のスクリーニングと多変量メソッドのメニューでは、いくつかの異なるプラットフォームを使用しています。 また、ライブデモとして分析を実施し、視覚化、双方向性、分析フローにより、従来の方法と比較して、発見までの時間を短縮できることを示します。

 

 

自動生成されたトランスクリプト...

 

スピーカー	トランスクリプト
ピーターポリト	こんにちはスタンはそこにいます。
	ちょっとピーター。
ピーターポリト	元気ですか。
	私は元気です。
	素晴らしい。
ピーターポリト	今日、アブストラクトをすることについてどう思いますか。
	ええ、私はかなり気分がいいです。
	よし、もう一週間練習する気がしない。
ピーターポリト	確かに。
	私はいつも完璧が善の敵だと思っていました。
	ええええあなたはそのことについて正しいですええ私は間違ったリンクをクリックしました。
	ああ、すみません、これのために録音しているスペースに行くをクリックしても大丈夫です。
ピーターポリト	ああ、分かった。
	あなたがいるところ私たちはいます。
ピーターポリト	申し訳ありません。
	よし、引き上げさせて。
	始める前にいくつかのことを確認するために聞いていると、Excelファイルを見るのは非常に役に立たず、JMPにあると思います。
	ちょっと待ってください。
	ここまでは順調ですね。
ピーターポリト	素晴らしいです。どこから電話をかけていますか。
	ケンタッキー州ルイビルの川の真向かいにあるインディアナ州ジェファーソンビルから電話をかけています。
ピーターポリト	さて、私は11月にレキシントンと住みやすい場所に行くつもりです。
	本当に会議の1つに。
ピーターポリト	私の喜びを知っています。
	義理の兄弟の40歳の誕生日とたくさん。
	ウイスキーの試飲会に参加する予定です。
	彼らがバーボントレイルを手に入れたのは良いことです。
ピーターポリト	それがまさに私たちがしていることです。
	よし、ちょっとここスタン。
	さて、それが終わったら、私に知らせてください。私の携帯電話番号を教えてください。
ピーターポリト	了解しました。見ていますか。
	心不全またはあなたの他の要約を持つ患者の生存予測。
	いいえ、それは心不全です。
ピーターポリト	さて、タイトルは、JMPを使用した限られた臨床検査データから心不全患者の生存予測を確認するためだけのものです。
	それでおしまい。
ピーターポリト	さて、ここでいくつかのことを経験する必要があります。
	正しい共同プレゼンターがいません。
	正解です。これを口頭で確認する必要があります。これは、JMPedディスカバリーサミット会議で記録されており、JMPユーザーコミュニティで公開される予定です。この記録とその使用を許可しますか。
	よろしくお願いします。ありがとうございます。
	少しだけお話しいただけますか。音声がはっきりと伝わっていることを確認したいと思います。
	さて、まあ、始めましょう。私の名前はかゆみのスタンサランです。私は重要な接続LLCの主任アナリストです。
	そして、私は有名なケンタッキー州ルイビルからオハイオ川を渡ったところにあるインディアナ州ジェファーソンビルにいます。今日は心不全の予測についてお話します。
ピーターポリト	ニースとクリアを通過している完璧な大丈夫。
	わかった。
ピーターポリト	ビジュアルがはっきりと見えるようにするために必要なことがいくつかありますので、Windowsマシンを使用しているディスプレイを確認する必要があります。
	私はWindows10マシンを使用しており、船外モニターで作業する予定です。
ピーターポリト	さて、もしあなたがただ下部の検索バーに行ってディスプレイをタイプすることができれば。
	下部にある検索バーバー。
ピーターポリト	ええ、あなたがこれをしている間、あなたがあなたのスクリーンを共有することを気にしないならば、私はそうすることができます。
	ええ物事を確認してください。
	言うまでもなく、これには問題がありました。
	画面を共有していますが、たまに画面共有が失われます。
ピーターポリト	ああ、あなたはそれをチェックすることができます。
	わかった。
ピーターポリト	下部に共有画面ボタンが表示されますああ、お父さんに表示されてすみません。
	はい、その虫眼鏡をクリックして入力します。
	そして、ディスプレイに入力します。
	わかった。
	どこ。
ピーターポリト	入力を開始するだけで、カーソルがすでに配置されています。
	ああ、そこにあります。
ピーターポリト	ああ、もう一度試してみると、Enterキーを押したくないと思います。
	わかった。
ピーターポリト	だから、解像度を変更するために行きます。
	そしてマイクロソフトの経営陣。
ピーターポリト	ああ、それは私があなたを賭けていることを知っている、それはあなたの他のモニターにあると言った。
	ええ、それは私の他のモニターにあります。
ピーターポリト	さて、これにドラッグしていただけませんか。
	わかった。
	はい。
ピーターポリト	まだ表示されていません。ブラウザウィンドウしか表示されていません。
	そしてそれはです。
ピーターポリト	彼が言っていたので。
	ええ、私たちが持っていたのと同じ問題。
ピーターポリト	画面全体を共有しましたか、それともaだけを共有しましたか。
	ウィンドウは、画面全体を共有していると思いました。
	新しいシェア。
	問題は多くの場合、それが私のことを覆い隠してしまうことです。
	ズーム会議のコントロールバー。
	ああ。
	だから私はこのようにしようとしています。
	あなたはそれがどのようにそこに入ったのかをスケジュールしているのを見ることができますか？
ピーターポリト	それが私が見ているのは、スケジューリングが簡単になったことです。
	ええ、それは無料です。
	そして、私はおそらく私の見通しを見ています。
	うん。
ピーターポリト	とにかく、始める前に見通しを閉じたいと思います。
	ええええ、接続されたので、追加のウィンドウは必要ありません。閉じて、すべてのウィンドウを開いてください。
	さて、行きます。
	そして、それが私に必要なすべてです。
	画面を共有する新しい共有。
	それをドラッグさせてください。
	ここで、新しい共有ボタンを押すとクリックします。
	私のデスクトップが表示されます。
ピーターポリト	緑のテントが見えます。
	美しいと。
	ミルキーの夕日。
	ええええええ私にさせてください。
	ここに戻って、すべての検索を再び表示します。
	私の検索バーが表示されます。
	うん。
ピーターポリト	次に、クリックしてディスプレイの解像度を変更することを唱えます。オプションを下げていただきありがとうございます。
	わかった。
ピーターポリト	さあ、あなたは1920年でしたが、それは私たちが望んでいることです。
	さて、それからあなたは行ってそれを閉じることができます。
	わかった。
ピーターポリト	次に、下部にあるタスクバーを右クリックします。
	タスクバーの設定に移動します。
	クリックして。
	うん。
ピーターポリト	うん。
	わかった。
ピーターポリト	したがって、これは2番目のオプションです。
	そこで自動的にテストします。
	大丈夫、ここに他のものは何でも。
	ええと。
ピーターポリト	行ってそれを閉じることができます。
	そして、私たちがしたい最後のことはに行きます。
	あなたは好きですか。
	ポップアップを表示する可能性のあるものがすべて閉じられていることを確認するための通知タブなど。
	ええ、ログオンする前にすべてを閉じました。
	さて、唯一の問題は、私のラップトップモニターのコントロールバーがまだオンになっていて、yelpボードモニターのテストバーを見ていることです。それが私が提示したいものです。
ピーターポリト	ええと。
	そこに戻って、自動的に変更されるかどうかを確認しましょう。
	さて、多分私はただ行ってデスクトップをクリックしてみてください、そして多分それはそれが消えるでしょう。
	ええ、行きます。
	そこに行きます、行きます。
ピーターポリト	さて、一度私たち。
	今録音中です。
	今、私はそれに注意するつもりです。
ピーターポリト	ええ、もしそうなら。
	それがポップアップした場合、それは世界の終わりではありません。
	わかった。
ピーターポリト	あなたはするであろう。
	をしたい。
	あなたがプレゼンテーションを始めると、私はミュートになります私のカメラはオフになります私はあなたが自分自身と話しているだけではないと思うだろう幽霊になります。
	もし、あんたが。
	ちょっとした大変動の空気を作ったような気がして、最初からやり直したいのですが、残念ながらそれはまったく問題ありません。
	途中で実際に何かを編集することができない場合は、基本的に1回の実行で実行する必要があります。将来、これを完了してから、Ohに気付くと、 、私は本当にそれの代わりにこれを言いたかった。
	これらが実際に提示されたとき。
	あなたはそうなるでしょう、あなたはライブになるオプションがあります、そしてそれで私たちはいつでもビデオを一時停止することができます、そしてあなたは言うことができますリアルタイムで一種の機会があります。
	明日や翌日などに気づいたら、レコードをまっすぐに立ててください。でも、今はまったく別の言い方をしたいと思ったら、もう一度やり直すことができます。
	さて、まあ、うまくいけば、私がシャロンに問題を抱えていて、ニックがすぐに停止したことを私たちがする必要がないことを願っています、そして私は彼らにすぐに停止するように頼みました。
	そしてそれは編集されます、あなたは知っています。
ピーターポリト	ええとええええ。
	そして。
	良い。
	了解しました。これを作成している同僚に任せて、作業を進めます。
	それでは、録音を一時的に一時停止しましょう。
	わかった。
ピーターポリト	了解しました。動画をオフにします。
	ちょっと。
	始める前に、画面共有を確認したいと思います。
	大丈夫です。
	ここで、タスクバーを表示する必要があります。
ピーターポリト	いいえ、それで結構です。
	さて、問題は私たちがただ最大にしたいということです。
	ええええ大丈夫
ピーターポリト	あなたが提示している間平方インチ。
	さて、これが火曜日と先週の両方で、ちょっとした話のような三角形のアナリストを研究するふりをしたときに私がこれで問題に遭遇した他の取引ですが、私はプレゼンテーションモードを行うつもりはありません。
ピーターポリト	大丈夫です。
	さて、それで私はそれを持っています、そしてあなたが私のパワーポイントをそこに見るか見てみましょう。
ピーターポリト	私はあなたのパワーポイントを見ます。
	さて、ここに来たらどうですか。
ピーターポリト	そして、画面が表示されます。
	スーパーこれを閉じて、他のジョブ画面を開きます。
	来て。
	ほら、これは新しいJMP画面です。
	スクリプトとスクリプトウィンドウ。
	私がやります。
	さて、そうですね、プレゼンテーションの途中でそれをやめました。共有を停止してから再共有する必要があったので、それを期待してください。
ピーターポリト	わかった。
	大丈夫です。マイクをミュートします。
	あなたも。
	頑張って頑張ってください。
	大丈夫ありがとう。
	おはよう、こんにちは、こんばんはみんな。 私の名前はスタン・シラノビッチです。 そして、私はプリンシパルアナリストのCrucial ConnectionLLCです。
	そして、私たちはインディアナ州ジェファーソンビルにあります。 ケンタッキー州の歴史的なルイビルからオハイオ川を渡ったところにあります。
	ご覧のとおり、今日の画面では、JMP Pro16を使用した限られた臨床検査データからの心不全患者の生存予測についてお話します。
	さて、これらは何ですか、
	医療記録のコレクションです。 心不全患者の正確な299の医療記録。 そして、それらは[理解できない]心臓病研究所と[理解できない]の施設で収集されました。
	[理解できない]パキスタン。 そして、それらは2015年の4月から12月の間に収集されました。 今、それらは公開されました、
	もともとは、BMC Medical Informatics and Decision Making Journal、第20巻、2020年に2人の著者ChiccoとJurmanによって執筆されました。
	そして、著者がやりたかったのは、心不全による死亡の可能性を評価するためのモデルを作成することでした。
	そして、このモデルは比較的単純なモデルでなければならず、うまくいけば、病院や開業医が心血管疾患のさまざまな重症度を評価するために使用する必要がありました。
	今、彼らは少し歴史に入り、私もそれをするつもりですが、これを行う理由を非常に簡単に述べています、著者はそれに気づきます。
	彼らが調べたデータとそのデータから導き出されたモデルは、再現性が1位低く、上位5位または上位6位にさまざまな要因がありました。
	心不全を予測するために、しかし2つは再発し続けました、そしてそれらは駆出量とクレアチニンでした。 そして、私は行きます
	分析を開始してからわずか1、2分でそれらは何になりますか。 さて、著者がしたことは、心不全を予測するために、彼らに応じて10の異なる高度な機械学習方法を使用することでした。
	そこで、彼らは10個の機械学習スクリプトを実行しました。 彼らはランダムフォレスト決定木、勾配ブースティング、すべての通常の容疑者を使用しました。 すみません。 そして、彼らがしたことは、7つの別々の機械学習で評価されました
	メトリック。そして、当然のことながら、血清クレアチニンと駆出量が重要な変数であることがわかりました。 そして、彼らは他のすべての変数を管理下で除外します。
	そして、JMP Pro16で分析を行ったときはそうではありませんでした。 それで、それを見て、可変年齢について少し話しますが、
	その前に、JMPを紹介します。
	これが、これから使用するJMPデータテーブルです。
	JMPに慣れていない場合は、ここで簡単に説明します。ここにカーソルがあり、スクリプトウィンドウがあります。 列ウィンドウが続きます。 何も選択されていない13列があり、これが行ウィンドウで、299行あることがわかります。
	ダウンロードしたのに。 それが機能する方法は、私がKaggleに行ったことです。 彼らはすべてをKaggleに公開しました。
	他の人が練習するために、いわば。 そして、その間に、いくつかの州がそれをそこに提出し、177の別々の提出がありました。 それらはすべてオープンソースであり、私が見たところ、それらはすべてオープンソースでした。
	私たちが通常考えているように、最も人気のあるオープンソースプラットフォームのトップ2です。 また、元の分析をそこに配置しました。これは、R統計プログラミング言語で行われ、すべてのコードをGITHUBに公開しました。 それでは、JMPで何ができるか見てみましょう。
	ここで、前に触れた変数について見ていきましょう。 まず、クレアチンホスホキナーゼがあります。 それは酵素です。
	そしてそれは筋肉の損傷の指標です。 また、血中に含まれる化学物質である血清クレアチニンもあります。
	そして、それは筋肉の損傷と腎不全の両方の指標であり、ここでは心不全について考えている筋肉の損傷について話しました。
	駆出率もあります。これは心臓から出る血液の割合であり、キャプションの割合をロードする必要があることは、心筋の損傷の指標です。 血清ナトリウムもありますが、
	これは、血液検査で行われる日常的な測定です。 そして、ここでは非常に低い値であり、おそらく心不全の指標です。
	また、バランスの取れたデータセットと呼ぶことができるものがあることにも注意する必要があります。 あれは、
	私たちは...それをポジティブと呼ぶべきではありません...ここでの症例の32％で死亡イベントがあり、68％で生存しました。 ええ、1対2です
	現在、心不全に苦しんでいる人の3分の2がいます。 また、ここには比較的小さなデータセットがあることにも言及する必要があります。
	299行。 心臓の記録としては非常に小さい。 それでは、分析から始めて、別のJMPデータテーブルを表示しましょう。
	これがこのデータテーブルです。これを削除します。 他の画面にドラッグします。
	さて、私たちはデータテーブルを見ています、そして私はすでにこれについて少しの仕事をしました私はいくつかのものを再配置します、そしてあなたはここで気付くでしょう、
	貧血、糖尿病、高血圧、性別、喫煙。 私が最初にJMPにインポートしたとき、それはそれに継続的なものを与えました
	配布または継続
	データ型と私がしたことはそれらを変更しました。 たとえば、ここに来て貧血、またはもっと良いのに高血圧を見た場合です。
	高血圧-私たちは0と1を持っています、そして彼らはカットオフがどこにあったかを実際には言いませんでした
	収縮期および拡張期。 そうではありません。 それが私たちが取り組まなければならないことであり、私はそれらすべてを変更しました。 そして、あなたはまたその血小板を見るでしょう
	隠されています。
	そして、それは私が隠して除外したからです、と言うべきです、そしてそれは私がそれらをきれいにしなければならなかったからです、そして私がしたいもう一つのことがあります。
	そして、これを意図的に行う方法を示してください。私はここに行って年齢を重ね、それを非表示にします。
	また、グラフから非表示になっているので、他の何かと誤ってドラッグした場合に備えて、計算から除外されます。その理由を説明します。若干。 そう、
	これを少し違う方法で行います。 分析を開始し、すみません。分析が終了したら、戻ってクリーニングを行います。説明しながら説明します。
	だから私たちはここに来る
	分析する
	と
	少しの間他の何かをフォローします。 ちなみに、PowerPointデッキはDiscovery SummitのWebサイトに掲載される予定です。そこにいくつかの画面キャプチャと少しの説明があるので、必要に応じてフォローすることができます。あなた自身のためにそれ。
	したがって、最初に行うことは、ここで[分析]メニューに移動し、それをクリックして、ここで予測モデリングに移動することです。
	また、モデル比較やモデルスクリーニングなど、さまざまな選択肢があります。 ここでは、モデルのスクリーニングについて説明しています。「さまざまな予測モデルに適合しているため、最適なものを選択できます。」
	だから、それは私たちがやりたかったように聞こえます、私たちは並行したいと思います
	元の分析。 そして、私たちが得るこのウィンドウがあります、そしてあなたがここの左側に気づいたら、私たちはボックスを持っています
	チェックボックスがあり、実行するモデルがすべてデフォルトであることがわかります。
	したがって、たとえば、ディシジョンツリー、ブートストラップフォレスト、ブーストツリー、最小二乗法など、すべての種類のものが実行されます。 私たちのお気に入りのすべて。 そして、そこには私たちのために11があり、JMPはそれを自動的に実行します。 だから、DEATH_EVENT、
	それが私のY応答になります。 そして、私がやろうとしていることはただ
	ドラッグをクリックして、ここですべての変数を選択します。これをXファクターとして入力します。
	そして、[OK]をクリックします。
	そして、私たちは腰を下ろして、JMPにそのことをさせます。
	そして、それはあります。 これが私たちが得た結果です。
	それでは、これを処理してみましょう。 詳細はこちらです。 いろいろ見ることができます
	この灰色の三角形をクリックすると、実行中であることが分析されます。
	詳細を確認できます。ウィンドウに表示される詳細は、特定の分析と実行によって異なります。 もちろん、さらに先に進みたい場合は、赤いホットスポットをクリックすることができ、いくつかの追加の選択肢があります。
	だから、それは私たちがここに持っているものです、そしてそれがそれをしたとき、それはまたここにこのボックスを開けました、そしてそれはトレーニングとラベル付けされています。 そして、これは、すべてのデータをトレーニングセットとして実行した結果です。 言い換えれば、トレーニングはありませんでした。
	テストセットはありませんでした。 すみません、トレーニングセットはありましたが、テストセットはありました。 また、検証セットはありませんでした。これは、選択を行わなかったためです。
	これは単なるスクリーニングであり、トレーニングで最高の結果が得られたものを示しています。 さて、ここに列の数が表示されているので、
	それらを簡単に説明します。 エントロピー決定係数の2乗は
	単純に決定係数を2乗すると、次のようになります。
	これは、近似モデルの対数尤度と比較する尺度であるため、対数値になります。
	そして、誤算率があります。ここの曲線の下の領域は、明らかに高い方が良いでしょう。
	そして、ルート平均二乗予測率であるRASEがあります。 つまり、これが1つの確率とp確率の違いです。
	これは、JMPが考案したモデルの適合確率です。 そして、一般化されたR二乗があります。これは、誰もがR二乗として考えていることです。 それは
	測定...それは回帰モデルに適用され、完全に適合した場合は1になり、適合しなかった場合はゼロになります。 彼らはここにランク付けされているので、彼女はブートストラップフォレストがトップになりました。
	そして、他に何を言いたいのか見てみましょう。メモを確認してください。
	私はそれについてだと思います、私たちはできました
	ここにまた来ます
	ブートストラップフォレストを開いて結果を確認すると、ここに設定されているトレーニングについて、混同行列を見てみましょう。 それは私たちに与えます
	ここでのトレーニングデータは、私たちが見たものと同じデータですが、これはブートストラップフォレストのみのものであり、ここに混同行列があり、カウントを予測しました。
	そして、ここにブートストラップフォレストの予測レートがあります。 そして、あなたがこれに精通していないか、あなたの記憶が少しさびている場合、これが何をするのかは私たちにカウントを示しています
	値がゼロの実際の死亡イベントであり、患者がここで生き残った死亡イベント、83、
	値が1の死亡イベントが発生しました。これは、患者が生存しなかったことを意味します。 これは絶対数なので、左上から
	右下とここの左下から右上への対角線では、それらは誤ったカウントです。 だから、私たちは13を持っていました
	ここで生存が予測された時間であり、生存ではありませんでした。 彼らは死でした。 そして、ここの2番目の灰色のボックスには同じデータがありますが、それは速度を扱っています。 これは、私たちの場合、少し良い方法です。なぜなら、不均衡なデータセットがあるので、それを閉じます。
	そして次に、
	これから行うことは、分析とフィットモードに移動することです。 そして、これを実行したい理由は、回帰モデルをそれに適合させるためです。これは、人々が理解しやすく、それによって得られるものです。
	自慢するチャンスをください
	JMPで相互作用する能力。 だから、私がやろうとしていることはそれを閉じることであり、私はここに上がって分析するつもりです、ここにいます、
	フィットモデル。
	そして、まあ、
	私たちは今、変数が最初にここに上がることを許可していることを知っています
	予測したいものとして、そこにDEATH_EVENTを配置します。 そして、私たちはクレアチニンを知っています、それは間違ったものではありません。 駆出率
	そしてここにあります。
	セラム・クレアチン
	重要な変数です。 また、いくつかの分析では年齢も明らかになりました。 だから、見つけたら入れさせてください。
	ちょっとまって。
	もう一度やり直して、何かが取り残されました。
	ちょっとピーター、ちょっと一時停止できますか。
	だから、私がやろうとしていることは、ここで分析することです、
	フィットモデル。 そして、YはDEATH_EVENTになります。
	そして、私がやろうとしているのは、モデルの数が年齢を重要な変数として見つけたので、年齢を追加することです。 そして、入れます
	駆出率と血清クレアチニン。
	さて、著者は年齢を重要な変数として見つけませんでしたが、私はそこに相互作用があるかもしれないと思っています。JMPはそれを非常に簡単に処理することができます。 だから、私はそのように、私は年齢をクリックします
	[追加]をクリックする代わりに駆出率、
	ここに降りてきます
	クロスをクリックして、私は年齢に行きます。
	と
	セラム・クレアチン。
	そして、それはコントロールクリックです。
	そして、それを追加して、取得します。
	年齢、駆出率、1分待ちます。
	私はちょうど太った人がそれを指で触れたと思います。
	そこに行きます。
	今はそこにあるので、2つの相互作用があり、ここでパーソナリティの選択肢が得られたことがわかります。 そして、これから行うことは、デフォルトのNominalLogisticを受け入れることです。
	ここには他にもいくつかの選択肢がありますが、それを維持します。
	そして、実行をクリックします。
	そして、これが私たちが得るものです。
	そして。
	ここで価値を記録する必要がありますが、これは基本的にマイナスです。
	この確率値の10を底としてここに記録します。 そして、私たちがそうする理由は、それは、作業しやすく、すみません、グラフ化しやすく、人間がそれを理解しやすくするということです。 したがって、リストの1番になります。
	駆出率です、すみません、それは著者が見つけたものです。 2番目は血清クレアチニンですが、年齢はまだ3番目で非常に重要です。
	そして私たちは調べました
	相互作用と私たちはそれらが重要ではないことがわかります。 ちなみに、ここの青い線は2の値です。 2つです。
	そして、彼らはそれを入れたり、単に見やすくするために入れたりします。 そして、私が2つを選択した理由は、それが.01の対数であるためです。これは、JMPによってデフォルトとして選択される有意水準です。
	しかし、ここに来ると、対数の価値または値と回帰方程式が比較的低くなることがわかりますが、ここにあり、多くの実験計画でカットオフされる可能性のある.05です。 それは多くで断ち切られる可能性があります。
	分析は機能するので、ここでは無視しますが、.01の制限を超えていないため、この点に注意します。
	それは臨床医にとって興味深いかもしれません。 それは彼らに注意すべき何かを与えるかもしれません、そしてそれは別のデータセットで非常に重要かもしれません。 そして、ここにはすべての通常のデータがあります。 何を見ることができるか見てみましょう。下にスクロールして大丈夫です。
	ここでは説明しませんが、カイ2乗確率があります。ここに推定値があります。これは、回帰方程式の係数になります。
	それが私たちが見つけたものでした。
	それで、それを最小限に抑えましょう。次に、クリーニングと探索に進みます。最初にクリーニングせずにそれを行った理由は、元の記事には何も言及されていなかったためです。
	あらゆるデータのクリーニングと並べ替え。 彼らはデータを取得し、その上でモデルを実行しました。
	そして、私は最初に自分のデータを見るのが好きです。 それでは、ここでいくつかのことを見てみましょう。 まず、ここに来たら、
	その小さなアイコンをクリックすると、そのヘッダーグラフを表示できます。 そして、私はそれをするのが好きです。 それでは、ここで1をクリックしてみましょう。
	私がそれらの用語を使用するかもしれないならば、ポジティブな死の出来事。
	そして、それが行うことは、死亡イベントが1のすべての行を強調表示することです。 それを詳しく調べて、他の変数と何らかの相関関係があり、そこに多くはないかどうかを確認できます。
	私のウィンドウですが、私たちはいくつかの本当に、本当に歪んだ分布を持っていることに気づきました
	クレアチニンホスホキナーゼと少し奇妙に見える血清クレアチニンのために。 他には何もありません、私たちはそれらをクリアすることができます
	グラフの他の場所をクリックすると、ちなみに、慣れていない場合は、これらの種類のものが
	何かを展開したい場合はドラッグ可能です。
	そこからグラフビルダーに行きましょう。
	どれどれ。
	クレアチンホスホキナーゼであるその列を選択し、シフトクリックすることが懸念されているので、何を説明します。
	血清クレアチニンについては、ああ、それをする前にほとんど忘れていました
	右クリックしましょう
	そして、ここからディストリビューションに進むことができます。これは、グラフとディストリビューションに進んだ場合と同じです。 両方に非常に偏った分布があることがわかりました。
	そして、ここには多くの外れ値があります。ここでは分位数だけです。これを閉じます。 それを閉じさせてください。 本当に必要ありません。
	そして、要約統計量を見てみましょう。
	そこで、平均581、標準偏差970のクレアチンホスホキナーゼをよく調べます。 だから、それは少し奇妙です。 それは明らかに理想的なケースから遠く離れており、ここでは血清クレアチニンの場合、私たちは平均値を持っていることを意味します
	私はそれを1.4と呼び、標準偏差は1.0です。 したがって、それも理想的な状況ではありません。 また、他の情報も提供されています。このグラフで確認するのが少し難しい場合でも、そうでない場合は
	箱ひげ図をすばやく見るのに慣れているのは、ひげが四分位範囲の1.5倍です。これは、ボックスの下部である25パーセンタイルと、上部である75パーセンタイルの差です。
	ダイアモンドは平均を示し、線は中央値を示します。 そして、それをもう少し明確にするために、私はそれを拡張することができます、そしてあなたはそれをもう少しよく見ることができます、そしてそこにはたくさんの外れ値があります。
	そう、
	血清クレアチニンは私たちの非常に強力な予測変数の1つであったことを覚えておいてください。 もう少し詳しく調べることもできます
	グラフビルダーに移動します。
	それでは、グラフ、グラフビルダーに行きましょう。
	そして、これは私たちが得るウィンドウです。
	まあ、私たちは私たちの研究をすることから知っていますそして
	いくつかの主題、クレアチンホスホキナーゼが継続的に体によって生成されるという主題の専門知識ではないにしても知識。 そしてそれは反応します
	血清クレアチニンになるものの前駆体なので、おそらく2つの間に何らかの関係があり、それらの、ウェル、不十分な分布を調べたいと思います。 だからここにクレアチンホスホキナーゼ。
	そして、ここをクリックするだけで、それをX軸に配置します。
	そして、Y軸の血清クレアチニンでも同じことをします。これが私たちが得るものです。 それで、Y血清クレアチニンが0から10になり、
	クレアチンホスホキナーゼ、男、それはここから出て行く
	ほぼ8000に。 今、私たちにできることが1つあります。
	クリックドラッグで、もう少し広げることができます。 しかし、私たちができる他のこと
	軸をダブルクリックすると、このウィンドウが表示されます。これについては詳しく説明しませんが、ここに来てスケールを確認し、8000を超えると最大値を確認します。 そして、ここの下のグラフを見て、邪魔にならないようにドラッグさせてください。
	確かに、クレアチンホスホキナーゼの値のほとんどは1000未満です。 実際、それらのかなりの部分はおそらく500または600未満であるように見えます。
	そう、
	私はする必要はありません。
	それをに変更します
	800を選びましょう。
	わかった。
	そして、それは私たちにそれらのデータポイントだけのグラフを与えます。 他のすべてを切り取りましたが、基本的に直線であることがわかります。 それらの間に実際の関係はなく、ここにはいくつかの外れ値もあります
	血清クレアチニン、ここ10時まで。 そして、それはここで価値の側面を否定することによるように見えるので、戻ってそれらをもう一度見て、いくつかの異常値を取り除き、私たちが入って異なる結果が得られるかどうかを確認することをお勧めします。
	そして、それはほとんどそれです、私にそれを最小にさせてください。
	最後にデータセットを見てください。
	そうそう、血清クレアチニン。
	これを連続として入力しますが、ここの列で最小数がここの小数点以下第1位にあるので、そこに10個の値と、それらのほとんどがさらに10個の値がある可能性があります。
	2または3未満のようです。 ですから、分析によっては、それをどのように扱いたいのかという疑問があるかもしれません。
	そして、私たちは確かに私たちの分析から欲しいです。 それを使用します。 それを連続変数として本当に考慮したいのでしょうか、それとも、多分、順序変数としてそれを考慮できるのでしょうか。
	わからない、
	その順序変数の20の異なる値。 20または25、またはマーケティング分析で頻繁に行われることは何でもですが、通常はここでは行われませんが、検討する必要があります。 だから、私にさせてください
	ここに戻って要約に戻ります。 PowerPointに戻ります。
	そしてそれを拡大させてください、そして私は皆がそれを見ることができることを願っています、それでこれが私たちが持っていたものです。
	JMPがデフォルトで選択した11の異なるモデルがあり、それらの11の異なるモデルを取得して、分析、予測モデリング、モデルスクリーニングに進むだけですべてを持ってきます。 血清クレアチニン、年齢、駆出率がすべて有意であることがわかりました。
	そして、年齢と駆出率の相互作用は、私たちの研究にとってそれほど重要ではなかったとしても、さらなる臨床研究を必要とする可能性があることがわかりました。
	価値を決定しました。 また、特にクレアチニン分布では、非常に偏った値がいくつか見られました。クレアチニン分布は、モデルで使用され、非常に小さく、不均衡なデータセットで使用されていました。 そして今、私は前に年齢について言及しました。 元に戻りましょう。
	それをドラッグして離します。 これが年齢です。
	ご覧のとおり、分布がやや歪んでいて、それをモデルに入れなかったのですが、それをモデルに入れなかった理由は、データが収集された方法です。
	記事を読んだことから、彼らはある種の医療従事者を送って人々をチェックした後の時代のようだったことがわかります
	元のデータは研究のために開発されました。 したがって、65年を見ると、65か月後に戻ってきました。
	ああ、私が時間について話している年齢ではなかったので、すみません、ここに戻りましょう。 私がそれを再表示する時間に行きます。
	そして時間があります。 少し変なことを少し引き出してみましょう。
	彼らがしたこと
	彼らは最初の研究の後に戻ったのでしょうか。 したがって、16年を見ると、元の調査から16か月後に戻って、死亡イベントがあったかどうかを確認します。 つまり、患者はまだ生きていたのか、それともまだ生きていなかったのか。
	したがって、16か月後、この患者は21番になります。
	まだ生きていた。 さて、ここで死の出来事に行き、それを強調させてください。
	そして、ここに来てください。
	20の時間があります。
	ええと、彼らがチェックする前の日に死の出来事が起こったのか、その前の週か、一ヶ月前か二ヶ月前かはわかりません。 論文を発表してKaggleに掲載した元の著者は、そのデータを調べました。
	そして、彼らはそれから肯定的な結論を見つけることができませんでした。 その人は1か月目に死亡した可能性がありますが、1か月目には誰もチェックしませんでした。
	また、フォローアップチェックの頻度もわかりません。 そのため、これを追加して含めました。そこにもっと良いデータがあれば、ここで分析することができます。
	信頼性とサバイバル、そしてXによるライフディストリビューションまたはフィットライフを行うことができました。これは、これらの多くが行われる方法ですが、この特定のケースではそれを行うことができませんでした。
	だからそれはかなり
	プレゼンテーションを終了します。PowerPointデッキに戻りたいと思います。PowerPointデッキは再びサイトに投稿されます。ここに元のジャーナル記事へのリンクがあります。
	Kaggle。
	ページ。 CSVであるKaggleデータセットと、
	Rコードを含む作成者のGithubリポジトリ。 そして、皆さんがそれを楽しんだことを願っています。
	そしてそれで
	このプレゼンテーションを終了します。
ピーターポリト	今の良い仕事はとても面白いです。
	ありがとうございました。
ピーターポリト	さて、まあ、チェックリストの作成を確認させてください。
	もちろん。
ピーターポリト	私は違います。
	私はエージェントの時間でそれを信じていません。
	どうぞ、それを捕まえてください。
ピーターポリト	ええ、彼らが戻ってきてああと言ったら、私たちはあなたが生きているときに私たちがすることを一時停止するのが好きではありません、あなたはそれを提示している人と話すことができます、そしてあなたはスキップすることができますその部分について、これが起こったことであると言ってください。
	大丈夫です。
	彼らが私たちにそれを再録音するように頼むつもりはないと思いますが。
	良い。
	ええ、彼らがそうするなら、それは大きな問題ではありません。
ピーターポリト	さて、私は私がやろうとしている他のすべてです。
	録音をやめたら、準備はいいです。
	そして、良いです。
ピーターポリト	見てくれてありがとう。
	ええ、それについての良いことは、これらは、私が近くにいくつかのフラブを持っていたとしても、彼は何の問題もソフトウェアも持っていなかったということでした。
	今ではすべてが素晴らしく見えましたええええすべてをドラッグしてそこにとどまったのでそれは良いことです
ピーターポリト	大丈夫、まあ。
	私はおそらく発見サミットであなたと道を渡り、素晴らしい一日を過ごすでしょう。
	さて、あなたも劇場です。
ピーターポリト	よし、バイバイスタンド。
	に。

 

起こるデータ探索データの視覚化