Données sur les admissions à l'hôpital pour la prévision de la septicémieLa septicémie est une maladie potentiellement mortelle qui survient lorsque la réponse du corps à une infection provoque des lésions tissulaires, une défaillance d'un organe ou la mort. En fait, le sepsis coûte plus aux hôpitaux américains que tout autre problème de santé, et la majorité de ces coûts concernent les patients atteints de sepsis qui n'ont pas été diagnostiqués à l'admission. Ainsi, une détection et un traitement précoces seraient essentiels pour améliorer les résultats. Au cours de cette session, nous examinerons un ensemble de données cliniques réelles, obtenues auprès de deux hôpitaux américains et récemment publiées sur Kaggle. En particulier, nous examinerons un certain nombre de prédicteurs, tirés d'une combinaison de signes vitaux, de groupes démographiques et de données de laboratoire clinique. Nous utiliserons JMP pour traiter des problèmes tels que les valeurs manquantes, les valeurs aberrantes et une variable de résultat catégorique très déséquilibrée. De plus, nous montrerons comment la visualisation, l’interactivité et le flux analytique peuvent conduire à une analyse plus compacte et intégrée – et à un délai de découverte plus court.
Les tableaux fournis contiennent les mêmes données brutes dans un fichier csv et dans un tableau de données JMP. Voici quelques liens qui fournissent des informations supplémentaires :
Médecine de soins intensifs
Données Kaggle
PhysioNet
L'analyse exploratoire des donnéesSciences de la vieModélisation prédictive et exploration de donnéesRe : Données sur les admissions à l'hôpital pour la prévision de la septicémieJe déconseille d'utiliser cet ensemble de données.J'ai exploré ces données par rapport aux données beaucoup plus complexes dont elles sont dérivées.Dans les données originales, il y avait un fichier pour chaque patient en soins intensifs avec des données horaires pendant son séjour en soins intensifs.L'ensemble de données soumis ici contient une ligne pour chaque patient.J'ai inversé la façon dont cet ensemble de données a été créé : pour chaque patient non septique, une heure sélectionnée au hasard dans le dossier de ce patient (certains patients ont passé des centaines d'heures en soins intensifs, d'autres beaucoup moins) a été rapportée.Pour les patients septiques, les lectures horaires de 7 heures après la première découverte du sepsis sont celles indiquées dans le fichier de données.Cependant, les données Challenge à partir desquelles elles ont été obtenues expliquent que la variable sepsis est déjà enregistrée à 1 si le sepsis est détecté au moins 6 heures plus tôt - de sorte que les enregistrements horaires à ce moment-là pourraient être utilisés pour prédire si une personne contracte ou non un sepsis.Étant donné que ce fichier a été créé en utilisant les lectures horaires 7 heures plus tôt que le fichier d'origine signalait sepsis = 1, cela annule essentiellement le décalage temporel dans les données d'origine.En d’autres termes, lorsque le fichier soumis ici indique sepsis=1, nous regardons les lectures horaires alors que la personne est septique, et non 6 heures avant.Ainsi, ces lectures ne sont pas utiles pour la prédiction précoce du sepsis (elles sont concurrentes avec un sepsis déjà survenu).Bien sûr, vous constaterez que les modèles de prédiction de cet ensemble de données sont très bons (AUC> 0,9), mais pas du tout utiles.Il s’agit cependant d’un bon exemple de fuite de cible.
