패혈증 예측을 위한 입원 데이터패혈증은 감염에 대한 신체의 반응이 조직 손상, 장기 부전 또는 사망을 유발할 때 발생하는 생명을 위협하는 상태입니다. 사실, 패혈증은 다른 어떤 건강 상태보다 미국 병원의 비용이 더 많이 들고, 이러한 비용의 대부분은 입원 시 진단되지 않은 패혈증 환자를 위한 것입니다. 따라서 조기 발견과 치료가 결과를 개선하는 데 중요합니다. 이 세션에서는 미국의 두 병원에서 얻은 실제 임상 데이터 세트를 살펴보고 최근 Kaggle에 게시합니다. 특히, 우리는 활력 징후, 인구 통계학적 그룹 및 임상 실험실 데이터의 조합에서 추출한 여러 예측 변수를 조사할 것입니다. JMP를 사용하여 결측값, 이상값 및 매우 불균형한 범주형 결과 변수와 같은 문제를 처리합니다. 또한 시각화, 상호 작용 및 분석 흐름이 어떻게 보다 간결하고 통합된 분석을 가능하게 하고 발견 시간을 단축할 수 있는지 보여줄 것입니다.
제공된 테이블은 csv 파일과 JMP 데이터 테이블의 동일한 원시 데이터입니다. 다음은 추가 정보를 제공하는 몇 가지 링크입니다.
중환자의학
캐글 데이터
피지오넷
탐색적 데이터 분석생명 과학예측 모델링 및 데이터 마이닝Re: 패혈증 예측을 위한 병원 입원 데이터이 데이터 세트를 사용하지 않는 것이 좋습니다.나는 이 데이터가 파생된 훨씬 더 복잡한 데이터와 관련하여 이 데이터를 탐색했습니다.원본 데이터에는 각 ICU 환자가 ICU에 머무는 동안 시간별 데이터가 포함된 파일이 있었습니다.여기에 제출된 데이터 세트에는 각 환자에 대해 하나의 행이 포함됩니다.저는 이 데이터 세트가 생성된 방식을 역설계했습니다. 패혈증이 아닌 각 환자에 대해 해당 환자의 파일에서 무작위로 선택된 시간(일부 환자는 ICU에서 수백 시간을 보냈고 다른 환자는 훨씬 적음)이 보고되었습니다.패혈증 환자의 경우 패혈증이 처음 발견된 후 7시간부터 시간당 판독값이 데이터 파일에 표시됩니다.그러나 획득한 챌린지 데이터는 적어도 6시간 전에 패혈증이 발견되면 패혈증 변수가 이미 1로 기록되어 있으므로 해당 시간의 시간별 기록을 누군가 패혈증에 걸릴지 여부를 예측하는 데 사용할 수 있다고 설명합니다.이 파일은 sepsis=1로 보고된 원래 파일보다 7시간 빠른 시간별 판독값을 사용하여 생성되었으므로 기본적으로 원래 데이터의 시간 이동을 취소합니다.즉, 여기에 제출된 파일에 패혈증=1이 표시되면 6시간 전이 아니라 패혈증 상태일 때의 시간별 판독값을 보는 것입니다.따라서 이러한 수치는 패혈증의 조기 예측에 유용하지 않습니다(이 수치는 이미 발생한 패혈증과 동시에 나타남).물론 이 데이터 세트의 예측 모델은 매우 우수하지만(AUC>.9) 전혀 유용하지 않습니다.그러나 이는 표적 유출의 좋은 예입니다.
