Datos de ingresos hospitalarios para la predicción de sepsisLa sepsis es una afección potencialmente mortal que se produce cuando la respuesta del cuerpo a una infección provoca daño tisular, insuficiencia orgánica o la muerte. De hecho, la sepsis cuesta a los hospitales de EE. UU. más que cualquier otra afección médica, y la mayoría de estos costos son para pacientes con sepsis que no fueron diagnosticados al ingreso. Por lo tanto, la detección y el tratamiento tempranos serían fundamentales para mejorar los resultados. En esta sesión, examinaremos un conjunto de datos clínicos reales, obtenidos de dos hospitales de EE. UU. y publicados recientemente en Kaggle. En particular, examinaremos una serie de predictores, extraídos de una combinación de signos vitales, grupos demográficos y datos de laboratorio clínico. Usaremos JMP para tratar problemas como valores faltantes, valores atípicos y una variable de resultado categórica altamente desequilibrada. Además, mostraremos cómo la visualización, la interactividad y el flujo analítico pueden conducir a un análisis más compacto e integrado, y a un tiempo más corto para el descubrimiento.
Las tablas proporcionadas son de los mismos datos sin procesar en un archivo csv y en una tabla de datos JMP. Aquí hay algunos enlaces que proporcionan información adicional:
Medicina de Terapia Intensiva
Datos de Kaggle
FisioNet
Análisis exploratorio de datosCiencias de la vidaModelado Predictivo y Minería de DatosRe: Datos de ingresos hospitalarios para la predicción de sepsisAconsejaría no usar este conjunto de datos.He explorado estos datos en relación con los datos mucho más complejos de los que se derivaron.En los datos originales, había un archivo para cada paciente de la UCI con datos horarios durante su estancia en la UCI.El conjunto de datos enviado aquí contiene una fila para cada paciente.Invertí la ingeniería de cómo se creó este conjunto de datos: para cada paciente no séptico, se informó una hora seleccionada al azar del archivo de ese paciente (algunos pacientes tuvieron cientos de horas en la UCI, otros muchas menos).Para pacientes sépticos, las lecturas por hora de 7 horas después de que se encontró la sepsis por primera vez es lo que se muestra en el archivo de datos.Sin embargo, los datos del Desafío de los que se obtuvieron explican que la variable sepsis ya está registrada como 1 si la sepsis se encuentra al menos 6 horas antes, por lo que las grabaciones por hora en ese momento podrían usarse para predecir si alguien contrae sepsis o no.Dado que este archivo se creó utilizando las lecturas por hora 7 horas antes de que el archivo original informara sepsis=1, esto esencialmente deshace el cambio de hora en los datos originales.En otras palabras, cuando el archivo enviado aquí muestra sepsis=1, estamos viendo las lecturas por hora mientras la persona está séptica, no 6 horas antes.Por lo tanto, esas lecturas no son útiles para la predicción temprana de la sepsis (son concurrentes con la sepsis que ya ha ocurrido).Por supuesto, encontrará que los modelos de predicción en este conjunto de datos son muy buenos (AUC>.9), pero nada útiles.Sin embargo, es un buen ejemplo de fuga objetivo.
