Dati sui ricoveri ospedalieri per la previsione della sepsiLa sepsi è una condizione pericolosa per la vita che si verifica quando la risposta del corpo all'infezione provoca danni ai tessuti, insufficienza d'organo o morte. In effetti, la sepsi costa agli ospedali statunitensi più di qualsiasi altra condizione sanitaria, e la maggior parte di questi costi riguarda i pazienti affetti da sepsi a cui non è stata diagnosticata la malattia al momento del ricovero. Pertanto, la diagnosi precoce e il trattamento sarebbero fondamentali per migliorare i risultati. In questa sessione esamineremo un set di dati clinici reali, ottenuti da due ospedali statunitensi e recentemente pubblicati su Kaggle. In particolare, esamineremo una serie di predittori, estratti da una combinazione di segni vitali, gruppi demografici e dati clinici di laboratorio. Utilizzeremo JMP per affrontare problemi quali valori mancanti, valori anomali e una variabile di risultato categorica e altamente sbilanciata. Inoltre, mostreremo come la visualizzazione, l'interattività e il flusso analitico possono portare a un'analisi più compatta e integrata e a tempi di scoperta più brevi.
Le tabelle fornite contengono gli stessi dati grezzi in un file CSV e in una tabella dati JMP. Ecco alcuni link che forniscono ulteriori informazioni:
Medicina di terapia intensiva
Dati Kaggle
PhysioNet
Analisi esplorativa dei datiScienze di vitaModellazione predittiva e data miningOggetto: Dati sui ricoveri ospedalieri per la previsione della sepsiConsiglierei di non utilizzare questo set di dati.Ho esplorato questi dati in relazione ai dati molto più complessi da cui sono stati derivati.Nei dati originali c'era un file per ciascun paziente in terapia intensiva con i dati orari durante la permanenza in terapia intensiva.Il set di dati inviato qui contiene una riga per ciascun paziente.Ho decodificato il modo in cui è stato creato questo set di dati: per ogni paziente non settico, è stata riportata un'ora selezionata casualmente dalla cartella di quel paziente (alcuni pazienti avevano centinaia di ore in terapia intensiva, altri molto meno).Per i pazienti settici, le letture orarie a partire da 7 ore dopo la prima scoperta della sepsi sono quelle mostrate nel file di dati.Tuttavia, i dati Challenge da cui sono stati ottenuti spiegano che la variabile sepsi è già registrata come 1 se la sepsi viene rilevata almeno 6 ore prima, quindi le registrazioni orarie in quel momento potrebbero essere utilizzate per prevedere se qualcuno avrà la sepsi o meno.Poiché questo file è stato creato utilizzando le letture orarie 7 ore prima rispetto al file originale che riportava sepsi=1, ciò sostanzialmente annulla lo spostamento temporale nei dati originali.In altre parole, quando il file inviato qui mostra sepsi=1, stiamo esaminando le letture orarie mentre la persona è settica, non 6 ore prima.Pertanto, tali letture non sono utili per la previsione precoce della sepsi (sono concomitanti con la sepsi già avvenuta).Naturalmente, scoprirai che i modelli di previsione in questo set di dati sono molto buoni (AUC>.9), ma per nulla utili.Si tratta, tuttavia, di un buon esempio di perdita di target.
