Lautsprecher | Transkript |
| Peter Polito | Hallo Stan, bist du da? |
| Hallo Peter. |
| Peter Polito | Wie geht es dir. |
| Mir geht es gut. |
| Wunderbar. |
| Peter Polito | Wie denken Sie darüber, heute Ihre Zusammenfassung zu schreiben? |
| Ja, mir geht es ziemlich gut. |
| Also gut, ich habe nicht das Gefühl, dass das Putten noch eine Woche Zeit zum Üben hätte. |
| Peter Polito | Jetzt sicher. |
| Ich habe immer gedacht, dass das Perfekte der Feind des Guten ist. |
| Ja, da hast du recht, ja, ich habe auf den falschen Link geklickt. |
| Oh, das tut mir leid. Ja, es ist in Ordnung, auf den Bereich zu klicken, in dem ich für dieses Video aufnehme. |
| Peter Polito | Ah ich sehe. |
| Wo du bist, sind wir. |
| Peter Polito | Das tut mir leid. |
| Okay, lass mich hochfahren. |
| Sie hören zu, um ein paar Dinge zu bestätigen, bevor wir beginnen, und es ist in einer sehr wenig hilfreichen Excel-Datei zu sehen, und Sie denken, es wäre in JMP. |
| Einen Moment, wie läuft dein Tag? |
| So weit, ist es gut. |
| Peter Polito | Großartig und von wo aus rufst du an? |
| Ich rufe aus Jeffersonville, Indiana an, das direkt gegenüber von Louisville, Kentucky liegt. |
| Peter Polito | Okay, ich fahre im November nach Lexington und Livingable. |
| Oh, wirklich für eine der Konferenzen. |
| Peter Polito | Kenne ein Vergnügen, das mir gehört. |
| 40. Geburtstag des Schwagers und noch einiges mehr. |
| Die Jungs treffen sich zu einer Whiskyverkostung. |
| Gut, gut, sie haben jetzt den Bourbon-Trail. Gehst du? |
| Peter Polito | Genau das machen wir. |
| Also gut, einen Moment mal, Stan. |
| Okay, und wenn Sie damit fertig sind, lassen Sie es mich wissen, lassen Sie mich Ihnen meine Handynummer geben. |
| Peter Polito | Okay, schauen wir uns an. |
| Die Überlebensvorhersage von Patienten mit Herzinsuffizienz oder eine andere Zusammenfassung. |
| Nein, das ist die Herzinsuffizienz. |
| Peter Polito | Okay, der Titel dient lediglich dazu, die Überlebensvorhersage von Patienten mit Herzinsuffizienz anhand begrenzter klinischer Labordaten mithilfe von JMP zu bestätigen. |
| das ist es. |
| Peter Polito | Okay, und ich muss hier ein paar Dinge durchgehen. |
| Sie haben keine korrekten Co-Moderatoren. |
| Richtig, und dann muss ich das mündlich bestätigen. Sie verstehen, dass dies für diese JMPed Discovery Summit-Konferenz aufgezeichnet wird und öffentlich in der JMP-Benutzergemeinschaft verfügbar sein wird, sofern Sie die Erlaubnis für diese Aufzeichnung und ihre Verwendung erteilen. |
| Mir geht es großartig. Vielen Dank, alles in Ordnung. |
| Könnten Sie bitte ein paar Worte sagen? Ich möchte nur sicherstellen, dass der Ton deutlich zu hören ist. |
| Okay, nun, lassen Sie mich einfach damit beginnen. Mein Name ist Stan Saran von Itch und ich bin Chefanalyst bei Critical Connection LLC. |
| Und ich wohne in Jeffersonville, Indiana, direkt gegenüber dem Ohio River vom berühmten Louisville, Kentucky, und heute werde ich mit Ihnen über die Vorhersage von Herzinsuffizienz sprechen. |
| Peter Polito | Perfekt, das kommt gut und klar rüber. |
| Okay. |
| Peter Polito | Lassen Sie mich kurz darauf eingehen, dass wir ein paar Dinge tun müssen, damit die Bilder klar dargestellt werden. Wir müssen Ihre Anzeige überprüfen, wenn Sie einen Windows-Rechner verwenden. |
| Ich verwende einen Windows 10-Rechner und werde über meinen Außenbordmonitor arbeiten. |
| Peter Polito | Okay, wenn Sie einfach zur Suchleiste unten gehen und „display“ eingeben könnten. |
| Suchleiste unten, oh. |
| Peter Polito | Ja, wenn es Ihnen etwas ausmacht, Ihren Bildschirm zu teilen, während Sie das tun, kann ich das tun. |
| Überprüfe die Dinge, ja. |
| Ja, ich hatte ein paar Probleme damit, um es nicht zu sagen. |
| Wir teilen den Bildschirm, aber ich verliere hin und wieder meine Bildschirmfreigabe. |
| Peter Polito | Oh, das können Sie überprüfen. |
| Okay. |
| Peter Polito | Unten sehen Sie also die Schaltfläche „Bildschirm teilen“. Oh, es tut mir leid, dass es an meinem Vater liegt. |
| Okay, ja, also tippe auf die Lupe. |
| Und geben Sie display ein. |
| Okay. |
| Wo. |
| Peter Polito | Sie können einfach mit der Eingabe beginnen, da der Cursor bereits an der richtigen Stelle ist. |
| Oh, da ist es. |
| Peter Polito | Oh, ich glaube nicht, dass Sie die Eingabetaste drücken möchten, wenn Sie das noch einmal versuchen. |
| Okay. |
| Peter Polito | Ändern Sie also die Auflösung. |
| Und Microsoft-Management. |
| Peter Polito | sagte: Oh, das weißt du, ich wette, ist es auf deinem anderen Monitor? |
| Ja, es ist auf meinem anderen Monitor. |
| Peter Polito | Okay, würde es Ihnen etwas ausmachen, es auf dieses hier zu ziehen? |
| Okay. |
| Ja. |
| Peter Polito | Ich kann es noch nicht sehen, ich sehe nur Ihr Browserfenster. |
| Und das ist. |
| Peter Polito | Weil er sagte. |
| Ja, das gleiche Problem hatten wir auch. |
| Peter Polito | Haben Sie also Ihren gesamten Bildschirm geteilt oder teilen Sie nur einen? |
| Fenster, dachte ich, ein geteilter Bildschirm. |
| Neue Aktie. |
| Das Problem ist oft, dass es meine verdeckt. |
| Steuerleiste für das Zoom-Meeting. |
| Ah. |
| Deshalb versuche ich es so zu machen. |
| Können Sie die Planung sehen, vielleicht sehen Sie, wie das da reingekommen ist. |
| Peter Polito | Das ist, was ich sehe, eine einfache Planung. |
| Ja, das ist kostenlos. |
| Und ich schaue wahrscheinlich auf meinen Ausblick. |
| ja. |
| Peter Polito | Und wir werden den Ausblick ohnehin schließen wollen, bevor wir beginnen. |
| Ja, ja, jetzt, da wir verbunden sind, brauche ich keine zusätzlichen Fenster. Lassen Sie mich schließen, sodass alle Fenster geöffnet sind. |
| Okay, los geht's. |
| Und das ist alles was ich brauche. |
| Neue Freigabe, für die ich den Bildschirm freigeben werde. |
| Lassen Sie mich das rüberziehen. |
| Hier, wenn ich auf die Schaltfläche „Neues Teilen“ klicke. |
| Sie sehen meinen Desktop. |
| Peter Polito | Ich sehe ein grünes Zelt. |
| Mit einem schönen. |
| Sonnenuntergang in der Milch. |
| Ja, ja, lass mich. |
| Gehen Sie hierher zurück und zeigen Sie erneut alle angezeigten Suchanfragen an. |
| Sie sehen meine Suchleiste. |
| ja. |
| Peter Polito | Und dann singen Sie, dass Sie auf „Auflösung der Anzeige ändern“ klicken möchten. Vielen Dank für die Option „Down“. |
| Okay. |
| Peter Polito | Los geht's, Sie waren also bei 1920, aber das ist in Ordnung, perfekt, das ist es, was wir erreichen wollen. |
| Okay, und dann können Sie das schließen. |
| In Ordnung. |
| Peter Polito | Klicken Sie dann mit der rechten Maustaste unten auf Ihre Taskleiste. |
| und gehen Sie zu den Taskleisteneinstellungen. |
| Klick es. |
| ja. |
| Peter Polito | ja. |
| Okay. |
| Peter Polito | Es ist also die zweite Option. |
| Dort automatisch testen, los geht's. |
| Alles klar, hier gibt es noch etwas anderes. |
| eins. |
| Peter Polito | Ich kann das schließen. |
| Und dann ist das Letzte, was wir tun wollen, nach unten zu gehen. |
| Mögen Sie. |
| Benachrichtigungsregisterkarten oder ähnliches, um sicherzustellen, dass alles, was zu einem Popup führen könnte, geschlossen ist. |
| Ja, ich habe alles geschlossen, bevor ich mich angemeldet habe. |
| Okay, das einzige Problem ist, dass meine Kontrollleiste auf meinem Laptop-Monitor immer noch eingeschaltet ist und ich immer noch auf die Testleiste auf dem Yelp-Board-Monitor schaue, und das ist die, von der aus ich präsentieren möchte. |
| Peter Polito | Okay um. |
| Gehen wir dorthin zurück und sehen, ob es sich automatisch ändert. |
| Okay, vielleicht versuche ich einfach, auf den Desktop zu klicken, und vielleicht verschwindet das Problem dann. |
| Ja, los geht's. |
| Da gehen wir hin, wir gehen. |
| Peter Polito | Okay, also sobald wir. |
| Wir nehmen jetzt so auf. |
| Da werde ich jetzt vorsichtig sein. |
| Peter Polito | Ja, wenn es so ist. |
| Wenn es auftaucht, ist es nicht das Ende der Welt. |
| Okay. |
| Peter Polito | Du wirst. |
| möchte. |
| Sobald du mit dem Präsentieren beginnst, werde ich stumm schalten, meine Kamera wird ausgeschaltet sein, ich werde ein Geist sein, du wirst denken, du redest nicht nur mit dir selbst. |
| Wenn du. |
| Das Gefühl zu haben, dass du gerade eine katastrophale Luft gemacht hast und von vorne anfangen willst, ist leider völlig in Ordnung. |
| Die Art und Weise, wie sie uns das machen lassen, ist, dass wir nicht wirklich in der Lage sein werden, etwas in der Mitte zu bearbeiten, sondern dass wir es im Grunde in einem Durchgang durchgehen müssen, wenn man das in der Zukunft zu Ende bringt und dann merkt man: Oh , ich wollte wirklich dies statt jenes sagen. |
| Wenn diese tatsächlich präsentiert werden. |
| Du wirst es sein, du hast die Möglichkeit, live zu sein, und so können wir das Video jederzeit anhalten und du kannst sagen: „Okay, du weißt, ich habe hier falsch ausgedrückt, was ich wirklich versucht habe, das X, Y oder Z und dich zu vermitteln.“ Ich werde die Möglichkeit haben, dies quasi in Echtzeit zu tun. |
| Stellen Sie den Sachverhalt klar, also wenn Sie, wie Ihnen morgen oder übermorgen oder so etwas klar wird, aber in dem Moment das Gefühl haben, dass ich das ganz anders sagen wollte, können wir einfach von vorne beginnen. |
| Okay, nun, hoffentlich müssen wir das nicht tun. Ich hatte Probleme damit, Sharon zu erklären, und Nick hörte sofort auf, und ich bat sie, sofort damit aufzuhören. |
| Und das muss herausgeschnitten werden, wissen Sie. |
| Peter Polito | Ähm ja ja. |
| Okay, also. |
| Gut. |
| Also gut, ich überlasse es meinen Kollegen, die das produzieren, weiterzumachen und daran zu arbeiten. |
| Lassen Sie uns für Sie die Aufnahme vorübergehend unterbrechen. |
| Okay. |
| Peter Polito | Alles klar, ich werde mein Video ausschalten. |
| Für eine Sekunde. |
| Bevor wir beginnen, möchte ich die Bildschirmfreigabe überprüfen. |
| Perfekt okay. |
| Jetzt möchte ich die Taskleiste aufrufen müssen. |
| Peter Polito | Nein, das ist in Ordnung, das ist in Ordnung. |
| Okay, das Problem ist, dass wir einfach das Maximum wollen. |
| Ja, ja, okay. |
| Peter Polito | Quadratzoll, während Sie präsentieren. |
| Okay, und hier ist der andere Deal, mit dem ich Probleme hatte, sowohl am Dienstag als auch letzte Woche, als ich vorgab, Dreiecksanalysten zu recherchieren, das ist irgendwie eine Geschichte, aber ich werde nicht auf den Präsentationsmodus verzichten. |
| Peter Polito | Ok das ist gut. |
| Okay, das habe ich also und mal sehen, ob Sie dort oben meine PowerPoint-Präsentation sehen. |
| Peter Polito | Ich sehe Ihr PowerPoint. |
| Okay, wie wäre es jetzt, wenn ich hierher komme? |
| Peter Polito | Und ich sehe meinen Bildschirm. |
| super Lass mich das schließen und den anderen Jobbildschirm öffnen. |
| Aufleuchten. |
| Sie sehen, dies ist ein neuer JMP-Bildschirm mit. |
| Skripte und Skriptfenster. |
| Ich tue. |
| Also gut, ja, ein Teil eines Teils der Präsentation und ich habe damit aufgehört, und ich musste das Teilen stoppen und es dann erneut teilen, also hoffe ich, dass das so ist. |
| Peter Polito | Okay. |
| Es ist alles in Ordnung, also ich werde jetzt mein Mikrofon stumm schalten. |
| Und du. |
| Du machst einfach alles richtig, viel Glück. |
| Okay, danke. |
| Guten Morgen, guten Nachmittag oder guten Abend allerseits. Mein Name ist Stan Siranovich. Und ich bin Chefanalyst Crucial Connection LLC. |
| Und wir befinden uns in Jeffersonville, Indiana. Direkt gegenüber dem Ohio River vom historischen Louisville, Kentucky. |
| Und wie Sie sehen können, werde ich heute auf dem Bildschirm mit Ihnen über die Überlebensvorhersage von Patienten mit Herzinsuffizienz anhand begrenzter klinischer Labordaten mit JMP Pro 16 sprechen. |
| Nun, was das sind, |
| sind eine Sammlung medizinischer Unterlagen. 299 Krankenakten, um genau zu sein, von Patienten mit Herzinsuffizienz. Und sie wurden in der Einrichtung [unverständlich] Institut für Kardiologie und dem [unverständlich] in gesammelt |
| [unverständlich] Pakistan. Und sie wurden zwischen April und Dezember 2015 gesammelt. Jetzt wurden sie veröffentlicht, |
| ursprünglich im BMC Medical Informatics and Decision Making Journal, Band 20 im Jahr 2020 von den beiden Autoren Chicco und Jurman. |
| Und die Autoren wollten ein Modell erstellen, um die Wahrscheinlichkeit eines Todes durch Herzversagen einzuschätzen. |
| Und das Modell musste ein relativ einfaches Modell sein, das hoffentlich von Krankenhäusern und Ärzten zur Beurteilung der unterschiedlichen Schwere von Herz-Kreislauf-Erkrankungen verwendet werden konnte. |
| Jetzt gehen sie ein wenig auf die Geschichte ein, und ich werde es auch tun, aber ganz kurz den Grund dafür nennen, das bemerken die Autoren. |
| Die Daten, die sie betrachteten, und die Modelle, die aus den Daten abgeleitet wurden, wiesen vor allem eine geringe Reproduzierbarkeit auf und sie wiesen außerdem eine Reihe verschiedener Faktoren in den Top 5 oder Top 6 auf. |
| Zur Vorhersage einer Herzinsuffizienz tauchten jedoch immer wieder zwei auf, und zwar das Auswurfvolumen und das Kreatinin. Und ich werde rübergehen |
| Was das ist, erfahren Sie in nur ein oder zwei Minuten, sobald wir mit der Analyse beginnen. Was die Autoren nun taten, war, ihrer Meinung nach zehn verschiedene fortschrittliche Methoden des maschinellen Lernens zu verwenden, um Herzinsuffizienz vorherzusagen. |
| Also führten sie zehn Skripte für maschinelles Lernen aus. Sie verwendeten zufällige Waldentscheidungsbäume, Steigungsverstärkung und alles normale Verdächtige. Verzeihung. Und was sie taten, war, sie anhand von sieben verschiedenen maschinellen Lernverfahren zu bewerten |
| Metriken. Und sie stellten, nicht zu ihrer Überraschung, fest, dass Serumkreatinin und Auswurfvolumen signifikante Variablen waren. Und sie schließen alle anderen Variablen aus. |
| Und das war nicht der Fall, als wir die Analyse in JMP Pro 16 durchgeführt haben. Also werfen wir einen Blick darauf und ich werde ein wenig über das variable Alter sprechen, aber, |
| Bevor wir das tun, möchte ich JMP erwähnen. |
| Und hier ist die JMP-Datentabelle, mit der wir arbeiten werden. |
| Wenn Sie mit JMP nicht vertraut sind, lassen Sie mich kurz darauf eingehen, wo ich meinen Cursor und das Skriptfenster habe. Gefolgt vom Spaltenfenster. Sie können sehen, dass wir 13 Spalten haben, in denen nichts ausgewählt ist, und hier ist das Zeilenfenster und wir haben 299 Zeilen. |
| Obwohl ich es heruntergeladen habe. So funktioniert es: Ich bin zu Kaggle gegangen. Sie haben alles an Kaggle veröffentlicht, |
| damit andere sozusagen daran üben können. Und in den dazwischenliegenden Jahren gab es, wie einige Bundesstaaten berichteten, 177 einzelne Einreichungen. Sie waren alle Open Source und etwa ein Dutzend, die ich mir ansah, waren sie alle |
| Wie wir normalerweise denken, ist dies die zwei beliebtesten Open-Source-Plattformen. Sie haben dort auch die Originalanalyse eingefügt, die in der statistischen Programmiersprache R durchgeführt wurde, und den gesamten Code auf GITHUB veröffentlicht. Sehen wir uns also an, was wir mit JMP machen können. |
| Sehen wir uns nun die zuvor erwähnten Variablen an. Zunächst einmal haben wir Kreatininphosphokinase. Das ist ein Enzym. |
| Und es ist ein Indikator für Muskelschäden. Wir haben auch Serumkreatinin, eine Chemikalie, die im Blut vorkommt. |
| Und es ist ein Indikator sowohl für Muskelschäden als auch für Nierenversagen, und wir haben hier über Muskelschäden gesprochen, wir denken an Herzversagen. |
| Wir haben auch die Ejektionsfraktion, also den Prozentsatz des Blutes, der das Herz verlässt, und das Laden der Untertitelfraktion ist ein Indikator für eine Schädigung des Herzmuskels. Wir haben auch Serumnatrium, |
| Hierbei handelt es sich um eine Routinemessung, die mit Blutuntersuchungen durchgeführt wird. Und hier sind sehr niedrige Werte, vielleicht ein Hinweis auf Herzinsuffizienz. |
| Wir sollten auch beachten, dass wir über etwas verfügen, das wir als einen Datensatz im Gleichgewicht bezeichnen könnten. Das ist, |
| Wir hatten ein ... nun ja, man sollte es nicht positiv nennen ... ein Todesereignis in 32 % der Fälle hier und ein Überleben in 68 %. Es ist also ja, eins zu zwei |
| Wir haben, dass ein Drittel der Menschen an Herzversagen litt, zwei Drittel jetzt. Wir sollten auch erwähnen, dass wir hier über einen relativ kleinen Datensatz verfügen. |
| 299 Reihen. Sehr klein für Herzschallplatten. Beginnen wir also mit der Analyse und lassen Sie mich eine weitere JMP-Datentabelle aufrufen. |
| Und das ist diese Datentabelle hier, und ich möchte sie loswerden. Ich ziehe es auf meinen anderen Bildschirm. |
| Okay, wir schauen uns die Datentabelle an und ich habe bereits ein wenig daran gearbeitet. Ich ordne einige Dinge neu und Sie werden hier unten bemerken: |
| Anämie, Diabetes, Bluthochdruck, Sex und Rauchen. Als ich ursprünglich in JMP importierte, gab es eine kontinuierliche Ausgabe |
| Verteilung oder kontinuierlich |
| Datentyp und was ich getan habe, war, sie zu ändern. Zum Beispiel, wenn Sie hierher kommen und sich Anämie, oder besser noch Bluthochdruck, ansehen. |
| Hoher Blutdruck – wir haben Nullen und Einsen, und sie haben nicht wirklich gesagt, wo der Grenzwert liegt. Es wäre schön gewesen, hier ein paar kontinuierliche Daten mit dem zu haben |
| systolisch und diastolisch. Das ist nicht der Fall. Damit müssen wir arbeiten, und das habe ich alles geändert. Und Sie werden auch diese Blutplättchen sehen |
| ist versteckt. |
| Und das liegt daran, dass ich versteckt und ausgeschlossen habe, sollte ich sagen, und das liegt daran, dass ich sie reinigen musste und da ist noch etwas anderes, was ich tun möchte. |
| Und ich zeige Ihnen, wie man das macht. Ich habe es absichtlich nicht getan, ich gehe hierher, um zu altern, und ich werde es verstecken. |
| Und ich werde es auch ausschließen, d. h. es ist aus der grafischen Darstellung zum Anzeigen ausgeblendet, es wird von allen Berechnungen ausgeschlossen, für den Fall, dass ich es versehentlich mit etwas anderem hineinziehe, und ich werde die Gründe dafür erläutern ein bisschen. Also, |
| Wir werden das etwas anders machen. Ich werde, entschuldigen Sie, mit der Analyse beginnen und dann, nachdem ich mit der Analyse fertig bin, zurückgehen und etwas aufräumen und es im Laufe der Zeit erklären. |
| Also kommen wir hierher |
| Analysieren |
| Und |
| für eine Sekunde etwas anderem folgen. Okay, übrigens, das PowerPoint-Deck wird auf der Website des Discovery Summit zu sehen sein, und ich habe dort ein paar Screenshots und ein paar Erklärungen, damit Sie mitmachen können, wenn Sie möchten es für dich selbst. |
| Als Erstes gehe ich also hier oben zum Menü „Analysieren“, klicke darauf und gehe hier unten zu „Predictive Modeling“. |
| Und wir haben hier eine Menge Auswahlmöglichkeiten, einschließlich Modellvergleich und Modellscreening. Hier heißt es für Model Screening: „Passt zu vielen verschiedenen Vorhersagemodellen, sodass Sie das beste auswählen können.“ |
| Das hört sich also so an, als ob wir etwas damit machen wollten, was wir gerne parallel machen würden |
| die ursprüngliche Analyse. Und da ist dieses Fenster, das wir bekommen, und wenn Sie sehen, dass wir hier unten links eine Box haben |
| und es enthält ein Kontrollkästchen, das uns sagt, welche Modelle wir verwenden werden. Dies ist alles die Standardeinstellung. |
| Es werden also zum Beispiel Decision Tree, Bootstrap Forest, Boosted Tree, Fit Least Squares und so weiter ausgeführt. Alle unsere Favoriten. Und da sind 11 davon für uns drin und JMP wird es automatisch machen. Also, DEATH_EVENT, |
| Das wird meine Y-Antwort sein. Und was ich tun werde, ist einfach |
| Klicken Sie auf Ziehen, wählen Sie hier alle Variablen aus, und ich werde dies als X-Faktoren eingeben. |
| Und ich werde auf OK klicken. |
| Und wir lehnen uns zurück und lassen JMP seine Arbeit machen. |
| Und da ist es. Hier ist das Ergebnis, das wir erhalten. |
| Also lasst uns einfach daran arbeiten. Hier sind die Details. Wir können die verschiedenen sehen |
| Analysen, die wir ausführen, wenn wir auf dieses graue Dreieck klicken. |
| Wir können mehr Details sehen und die im Fenster angezeigten Details hängen von der jeweiligen Analyse und dann von der Ausführung ab. Wenn wir weiter gehen möchten, können wir natürlich auf den roten Hotspot klicken und haben dann einige zusätzliche Auswahlmöglichkeiten. |
| Das ist es also, was wir hier unten haben, und als es das tat, öffnete es auch diese Kiste hier und sie trägt die Aufschrift „Training“. Dabei handelt es sich um die Ergebnisse der Ausführung aller Daten als Trainingssatz. Mit anderen Worten: Es gab kein Training. |
| Es gab kein Testset. Entschuldigung, es gab einen Trainingssatz, aber es gab einen Testsatz. Und es gab keinen Validierungssatz, weil wir keine Auswahl getroffen haben. |
| Dies ist nur eine Überprüfung und zeigt uns, wer im Training die besten Ergebnisse erzielt hat. Okay, wir sehen hier die Anzahl der Spalten, also lassen Sie uns |
| Gehen Sie diese kurz durch. Entropie R im Quadrat ist |
| einfach ein R im Quadrat und es ist, |
| Nun, es ist ein Maß, das mit den Log-Wahrscheinlichkeiten des angepassten Modells verglichen wird, also ist es der Log-Wert. |
| Und wir haben die Fehlkalkulationsrate, die Fläche unter der Kurve, die hier offensichtlich hoch ist, wird besser sein. |
| Und wir haben den RASE, den quadratischen Mittelwert der Vorhersagerate. Das ist also der Unterschied zwischen Eins- und P-Wahrscheinlichkeit. |
| Das ist die angepasste Wahrscheinlichkeit für das von JMP entwickelte Modell. Und wir haben das verallgemeinerte R-Quadrat, das jeder als R-Quadrat betrachtet. Es ist ein |
| Maß ... es wird auf Regressionsmodelle angewendet, und wenn wir eine perfekte Anpassung erhalten, haben wir eine Eins, und wenn wir nicht passen, haben wir eine Null. Sie sind hier aufgeführt, sodass Bootstrap Forest die Nase vorn hat. |
| Und mal sehen, was ich sonst noch sagen möchte, schauen Sie sich meine Notizen an. |
| Ich denke, das ist alles, wir könnten es |
| komm mal wieder hierher |
| und öffnen Sie den Bootstrap Forest und überprüfen Sie die Ergebnisse, und wir könnten sehen, dass wir hier unten für unser Training einen Blick auf die Verwirrungsmatrix werfen. Es gibt uns |
| die Trainingsdaten hier, die gleichen Daten, die wir gesehen haben, aber das ist nur für den Bootstrap-Wald und wir haben hier die Verwirrungsmatrix, deren Anzahl wir vorhergesagt haben. |
| Und hier unten haben wir die vorhergesagte Rate für den Bootstrap Forest. Und wenn Sie damit nicht vertraut sind oder Ihr Gedächtnis etwas eingerostet ist, zeigt uns dies die Zählung an |
| Todesereignisse, die tatsächliche Todesereignisse mit dem Wert Null waren, und das heißt, der Patient hat hier unten überlebt, die 83, |
| Wir hatten ein Todesereignis mit einem Wert von eins, was bedeutet, dass der Patient nicht überlebt hat. Und das ist die absolute Zahl, also wollen wir uns die Diagonale ansehen, die von links oben nach links verläuft |
| unten rechts und hier diagonal von unten links nach oben rechts sind das die falsche Zählung. Wir hatten also 13 |
| Es gab hier Zeiten, die zum Überleben vorhergesagt wurden, und sie waren kein Überleben. Es waren Todesfälle. Und dann haben wir im zweiten grauen Kasten hier die gleichen Daten, aber es geht um die Rate. Was in unserem Fall ein etwas besseres Maß ist, da wir einen unausgeglichenen Datensatz haben, also werde ich das schließen. |
| Und als nächstes, |
| Was wir tun werden, ist, in den Analyse- und Anpassungsmodus zu wechseln. Und der Grund, warum wir das tun wollen, ist, dass wir ein Regressionsmodell daran anpassen werden, das für die Leute viel einfacher zu verstehen ist und uns Vorteile bringt |
| Gib uns die Chance, anzugeben |
| die Fähigkeit, in JMP zu interagieren. Was ich also tun werde, ist, das zu schließen und hierher zu gehen, um zu analysieren, hier sind wir, um |
| Modell anpassen. |
| Und ... nun ja, |
| Wir wissen, dass die Variablen jetzt zunächst einmal hier nach oben gehen |
| wird dort als das, was wir vorhersagen wollen, in DEATH_EVENT eingefügt. Und wir wissen und wir haben gesehen, dass das Kreatinin, nein, das ist das falsche. Die Auswurffraktion |
| und hier ist es. |
| Serumkreatinin |
| sind wichtige Variablen. Und in einigen Analysen tauchte auch das Alter auf. Lassen Sie mich das also einfügen, wenn ich es finden kann. |
| Abwarten. |
| Lassen Sie mich noch einmal von vorne beginnen. Da ist etwas ausgelassen worden. |
| Hey Peter, können wir kurz innehalten? |
| Was ich also tun werde, ist hierher zu kommen, um zu analysieren, |
| Modell anpassen. Und Y wird das DEATH_EVENT sein. |
| Und da die Anzahl der Models das Alter als wichtige Variable ansah, werde ich das Alter hinzufügen. Und ich werde einbringen |
| Ejektionsfraktion und Serumkreatinin. |
| Nun, die Autoren fanden das Alter nicht als signifikante Variable, aber ich habe es getan, also denke ich, dass es dort eine Wechselwirkung geben könnte, und JMP ermöglicht es uns, damit sehr einfach umzugehen. So wie ich das mache, klicke ich auf Alter |
| und Auswurffraktion, anstatt auf „Hinzufügen“ zu klicken, |
| Ich komme hierher |
| Klicken Sie auf „Kreuz“ und ich werde altern. |
| Und |
| Serumkreatinin. |
| Und das ist Control-Click. |
| Und wir werden das hinzufügen, also haben wir es. |
| Alter, Ejektionsfraktion, Moment mal. |
| Ich glaube, das hat der Fette einfach nur gefingert. |
| Na, bitte. |
| Jetzt ist es da drin, es hat also die beiden Interaktionen und wir können hier oben sehen, dass es uns die Wahl für die Persönlichkeit gab. Und was wir tun werden, ist, die Standardeinstellung zu akzeptieren, nämlich Nominal Logistic. |
| Und wir haben hier noch einige andere Möglichkeiten, aber wir bleiben einfach dabei. |
| Und ich werde auf „Ausführen“ klicken. |
| Und hier ist, was wir bekommen. |
| Okay, also. |
| Wir müssen hier den Wert protokollieren, der im Grunde ein Minus ist. |
| Logarithmusbasis 10 dieses Wahrscheinlichkeitswerts hier. Und der Grund, warum wir das tun, ist, dass es einfacher ist, damit zu arbeiten, entschuldigen Sie, einfacher grafisch darzustellen und es für Menschen einfacher zu verstehen. Wir sehen also die Nummer eins auf der Liste. |
| Ist Auswurffraktion, entschuldigen Sie, was die Autoren herausgefunden haben. Nummer zwei ist das Serumkreatinin, aber das Alter ist immer noch Nummer drei und von großer Bedeutung. |
| Und wir schauten hinein |
| Interaktionen und wir sehen, dass sie nicht signifikant sind. Übrigens ist diese blaue Linie hier der Wert von zwei. Es ist zwei. |
| Und sie haben das eingefügt oder einfach, um es besser sichtbar zu machen. Und der Grund, warum ich mich für zwei entschieden habe, ist, dass das ein Logarithmus von 0,01 ist, was dem Signifikanzniveau entspricht, das von JMP standardmäßig ausgewählt wird. |
| Aber wir kommen hierher und sehen, dass der logarithmische Wert oder der Wert und die Regressionsgleichung relativ niedrig sein werden, aber wir sind hier und 0,05, was in vielen experimentellen Designs ein Grenzwert sein könnte. Es könnte in vielen Fällen abgeschnitten werden. |
| Die Analyse funktioniert, daher werden wir das zur Kenntnis nehmen, auch wenn wir es hier ignorieren, da es unseren Grenzwert von 0,01 nicht überschreitet. |
| Es könnte für Kliniker von Interesse sein. Es gibt ihnen möglicherweise etwas anderes, auf das sie achten müssen, und es kann durchaus in einem anderen Datensatz von Bedeutung sein. Und wir haben hier unten alle üblichen Daten. Mal sehen, was wir uns ansehen können. Lass mich nach unten scrollen, okay. |
| Wir haben die Chi-Quadrat-Wahrscheinlichkeiten, auf die ich nicht näher eingehen werde, und wir haben hier unten die Schätzungen, die den Koeffizienten in unserer Regressionsgleichung darstellen würden. |
| Das haben wir also gefunden. |
| Lassen Sie mich das auf den Punkt bringen und jetzt mit der Reinigung und Erkundung fortfahren. Der Grund dafür, dass ich das getan habe, ohne vorher zu reinigen, liegt darin, dass in den Originalartikeln davon nichts erwähnt wurde |
| Bereinigung und Art der Datenvernichtung. Sie haben einfach die Daten genommen und ihre Modelle darauf ausgeführt. |
| Und ich schaue mir gerne zuerst meine Daten an. Schauen wir uns hier also ein paar Dinge an. Wenn wir hier raufkommen, |
| und klicken Sie auf das kleine Symbol, um die Kopfzeilendiagramme anzuzeigen. Und das mache ich gerne. Also lasst uns hier auf 1 klicken |
| positives Todesereignis, wenn ich diese Begriffe verwenden darf. |
| Dadurch werden alle Zeilen mit einem Todesereignis von 1 hervorgehoben. Wenn wir uns das genauer ansehen, können wir sehen, ob es irgendeine Korrelation mit den anderen Variablen gibt, die uns auffallen könnten und da ist nicht viel drin. |
| Mein Fenster, aber uns ist eines aufgefallen: Wir haben einige wirklich, wirklich verzerrte Verteilungen für |
| Kreatininphosphokinase und für das Serumkreatinin, was etwas seltsam aussieht. Da draußen gibt es nichts anderes, wir können die beseitigen |
| indem Sie auf eine andere Stelle in der Grafik klicken, und wenn Sie damit nicht vertraut sind, dann sind das solche Dinge |
| ziehbar, wenn wir etwas erweitern möchten. |
| Von dort aus gehen wir nun zum Graph Builder. |
| Mal sehen. |
| Ich sage Ihnen was, da wir uns darüber Sorgen machen, wählen Sie diese Spalte aus, nämlich Kreatininphosphokinase und Shift-Klick. |
| Für Serumkreatinin und, oh, ich hätte es fast vergessen, bevor ich das getan habe |
| Lass uns mit der rechten Maustaste klicken |
| Und von hier aus können wir direkt zu „Verteilung“ wechseln, und das ist das Gleiche, was wir erhalten, wenn wir zu „Grafik und Verteilung“ gehen. Wir konnten sehen, dass wir in beiden Fällen eine stark verzerrte Verteilung haben. |
| Und wir haben hier viele Ausreißer, hier sind nur Quantile, und ich schließe damit ab. Lassen Sie mich das schließen. Das brauchen wir eigentlich nicht. |
| Und schauen wir uns die zusammenfassenden Statistiken an, lassen Sie mich. |
| Schauen wir uns mal eine Kreatinin-Phosphokinase an, wir haben einen Mittelwert von 581, eine Standardabweichung von 970. Das ist also etwas seltsam. Das ist offensichtlich weit von dem entfernt, was ein Idealfall wäre, und hier für das Serumkreatinin meine ich, dass wir einen Mittelwert haben |
| Ich nenne das 1,4 und die Standardabweichung 1,0. Das ist also auch keine ideale Situation. Und es hat uns auch einige andere Informationen gegeben, und wenn es in dieser Grafik etwas schwer zu erkennen ist, aber wenn nicht, dann ist es nicht so |
| Wenn man es gewohnt ist, Boxplots ganz schnell zu betrachten, betragen die Whisker das 1,5-fache des Interquartilbereichs, also die Differenz zwischen dem 25. Perzentil, das hier der untere Teil der Box ist, und dem 75. Perzentil, das der obere Teil ist. |
| Die Raute gibt uns den Mittelwert und die Linie den Median. Und um das ein bisschen klarer zu machen, kann ich das erweitern, und Sie können es ein bisschen besser sehen und es gibt dort eine ganze Menge Ausreißer. |
| Also, |
| Bedenken Sie, dass das Serumkreatinin eine unserer sehr stark prädiktiven Variablen war. Wir könnten das auch etwas genauer untersuchen |
| indem Sie zu Graph Builder gehen. |
| Gehen wir also zu Graph, Graph Builder. |
| Und das ist das Fenster, das wir bekommen. |
| Nun, wir wissen es aus unserer Forschung und |
| einige Fachkenntnisse, wenn nicht Fachkenntnisse, dass Kreatininphosphokinase kontinuierlich vom Körper produziert wird. Und es reagiert weiter |
| ein Vorläufer dessen, was später zum Serumkreatinin werden wird. Vielleicht gibt es also einen Zusammenhang zwischen den beiden, und wir möchten auch diese, sagen wir mal, unbefriedigenden Verteilungen untersuchen. Also hier drüben Kreatininphosphokinase. |
| Und wir werden das in die X-Achse einfügen, indem wir einfach hier unten klicken. |
| Und wir machen dasselbe mit dem Serumkreatinin auf der Y-Achse und hier ist, was wir erhalten. Wir haben also festgestellt, dass der Y-Serum-Kreatininwert von Null auf 10 und darüber hinaus ansteigt |
| Kreatinphosphokinase, Mann, das geht hier weit raus |
| auf fast 8000. Jetzt können wir noch etwas tun. |
| Ist Click-Drag und wir können das etwas weiter verteilen. Aber wir können noch etwas anderes tun |
| Doppelklicken Sie auf unsere Achse und wir erhalten dieses Fenster. Ich werde nicht näher darauf eingehen, aber wir kommen hierher und schauen uns die Skala an und sehen das Maximum, sobald wir 8000 überschritten haben. Und wenn wir uns die Grafik hier unten ansehen , lassen Sie mich das aus dem Weg räumen. |
| Sicherlich liegen die meisten unserer Werte für die Kreatinphosphokinase unter 1000. Tatsächlich sieht es so aus, als ob ein Großteil davon unter vielleicht fünf oder sechshundert liegt. |
| Also, |
| Das muss ich nicht. |
| ändere das in |
| Wählen wir 800. |
| Okay. |
| Und das gibt uns ein Diagramm genau dieser Datenpunkte. Wir schneiden alle anderen ab und sehen, dass es im Grunde eine gerade Linie ist. Es gibt keine wirkliche Beziehung zwischen ihnen und wir haben hier auch einige Ausreißer |
| Serum-Kreatinin, hier weit oben bei 10. Und das sieht hier wie eine Seite aus, die den Wert verleugnet, also ist es vielleicht an uns, noch einmal einen Blick darauf zu werfen und vielleicht einige der Ausreißer loszuwerden, um zu sehen, ob wir reinkommen und anders werden Ergebnisse. |
| Und das ist so ziemlich alles, lassen Sie mich das auf den Punkt bringen. |
| Werfen Sie einen letzten Blick auf den Datensatz. |
| Ach ja, Serumkreatinin. |
| Wir geben das kontinuierlich ein, aber wenn Sie sich das hier in der Spalte ansehen, ist unsere geringste Anzahl hier draußen, in der ersten Dezimalstelle, also haben wir dort die Möglichkeit von 10 Werten plus weiteren 10 Werten in den meisten Fällen |
| Es sieht so aus, als ob sie unter 2 oder 3 liegen. Je nach Analyse stellt sich also möglicherweise die Frage, wie wir damit umgehen wollen. |
| Und das wollen wir auf jeden Fall von unserer Analyse. Das werden wir nutzen. Wollen wir das wirklich als kontinuierliche Variable betrachten oder sollten wir das als ordinale Variable betrachten mit vielleicht, |
| Ich weiß nicht, |
| 20 verschiedene Werte für diese Ordinalvariable. 20 oder 25 oder was auch immer das in Marketinganalysen häufig gemacht wird, aber hier wird es normalerweise nicht gemacht, aber es ist etwas, das man in Betracht ziehen sollte. Also lass mich |
| Gehen Sie hierher zurück zu einer Zusammenfassung. Gehen Sie zurück zu PowerPoint. |
| Und lassen Sie mich es erweitern und ich hoffe, dass jeder das sehen kann, also hier ist, was wir hatten. |
| Wir haben 11 verschiedene Modelle, die JMP standardmäßig ausgewählt hat, und wir haben diese 11 verschiedenen Modelle erhalten und sie alle eingebracht, indem wir einfach zu „Analyse“, „Vorhersagemodellierung“ und „Modellüberprüfung“ gegangen sind. Wir fanden, dass Serumkreatinin, Alter und Ejektionsfraktion von Bedeutung sind. |
| Und wir haben herausgefunden, dass die altersübergreifende Wechselwirkung zwischen den Ejektionsfraktionen eine weitere klinische Studie rechtfertigen könnte, obwohl sie für unsere Studie nicht wirklich signifikant war, war sie es nicht |
| über den Wert entschieden. Und wir sahen einige stark verzerrte Werte, insbesondere bei der Kreatininverteilung, die in unserem Modell verwendet wurde und bei der es sich um einen recht kleinen und unausgeglichenen Datensatz handelte. Und jetzt habe ich schon das Alter erwähnt. Lassen Sie mich zum Original zurückkehren. |
| Ziehen Sie das weg. Hier ist das Alter. |
| Und wir sehen, wir haben eine etwas verzerrte Verteilung und ich habe das nicht in das Modell eingefügt. Der Grund dafür, dass ich das nicht in das Modell eingefügt habe, ist die Art und Weise, wie die Daten gesammelt wurden. |
| Aus der Lektüre der Artikel wissen wir, dass das Alter so war, dass man eine Art Gesundheitspersonal schickte, um nach den Menschen danach zu sehen |
| Die Originaldaten wurden für die Studie entwickelt. Wenn man also ein Jahr mit 65 Jahren sieht, sind sie 65 Monate später zurückgegangen. |
| Oh, entschuldigen Sie, das war nicht das Alter, ich spreche von der Zeit, lassen Sie mich hierher zurückkommen. Nehmen Sie sich Zeit, damit ich es enthülle. |
| Und es gibt Zeit. Ein bisschen seltsam, lassen Sie mich das ein wenig herausziehen. |
| Was sie getan haben |
| waren sie nach der ursprünglichen Studie zurückgegangen. Wenn Sie also „16 Jahre“ sehen, gehen sie 16 Monate nach der ursprünglichen Studie zurück und prüfen, ob es ein Todesereignis oder kein Todesereignis gab. Das heißt, war der Patient noch am Leben oder lebt er nicht noch? |
| Nach 16 Monaten ist dieser Patient hier, Nummer 21, |
| war noch am Leben. Kommen wir nun zum Todesereignis und lassen Sie mich dieses hervorheben. |
| Und komm her. |
| Wir sehen, wir haben Zeit von 20. |
| Nun, wir wissen nicht, ob das Todesereignis am Tag vor der Überprüfung in der Woche zuvor oder einen Monat zuvor oder zwei Monate zuvor stattgefunden hat. Die ursprünglichen Autoren, die einen Artikel veröffentlicht und auf Kaggle veröffentlicht haben, haben sich diese Daten angesehen. |
| Und sie konnten daraus keine positiven Schlussfolgerungen ziehen. Diese Person könnte im ersten Monat gestorben sein, aber im ersten Monat hat niemand nachgesehen. |
| Und wir kennen die Häufigkeit der Nachkontrollen nicht. Deshalb habe ich das hinzugefügt und eingefügt, und wenn wir dort bessere Daten gehabt hätten, könnten wir hierher kommen, um zu analysieren, |
| Reliability and Survival und wir hätten eine Life Distribution oder eine Fit Life by |
| Das ist also so ziemlich alles |
| Am Ende der Präsentation möchte ich noch einmal auf die PowerPoint-Präsentation zurückkommen, die noch einmal auf der Website veröffentlicht wird. Hier sind die Links zum ursprünglichen Zeitschriftenartikel. |
| Der Kaggle. |
| Seiten. Der Kaggle-Datensatz, der eine CSV-Datei ist und |
| das Github-Repository des Autors mit dem R-Code. Und ich hoffe, es hat euch allen gefallen. |
| Und damit |
| Wir beenden diese Präsentation. |
| Peter Polito | Gute Jobs sind jetzt sehr interessant. |
| Danke schön. |
| Peter Polito | Okay, nun, lassen Sie mich meine Checkliste überprüfen. |
| Sicher. |
| Peter Polito | Ich bin nicht. |
| Das mit der Agentenzeit glaube ich nicht. |
| Bitte, bitte, das hat es erwischt. |
| Peter Polito | Ja, und wenn sie zurückkommen und sagen: „Oh, wir mögen das nicht, wir mögen die Pause nicht“, dann machen wir, wenn du noch am Leben bist, einfach, wir können mit dem Redner reden, der es präsentiert, und du kannst es überspringen Gehen Sie diesen Teil durch und sagen Sie einfach, dass dies passiert ist und dass es so ist. |
| Okay, mach es. |
| Ich glaube nicht, dass sie uns bitten werden, es noch einmal aufzunehmen. |
| Also. |
| Okay, ja, wenn sie es tun, ist das kein großes Problem. |
| Peter Polito | Okay, ich werde alles andere, was ich tun werde, auch tun. |
| Sobald wir die Aufnahme beendet haben, kann es losgehen. |
| und gut. |
| Peter Polito | Das ist großartig. Danke, dass ich zuschauen durfte. |
| Ja, das Gute daran war, dass er keine Probleme und keine Software hatte, obwohl ich in der Nähe ein paar Fehler hatte. |
| Jetzt sah alles großartig aus, ja, ich habe alles rübergeschleppt und bin dort geblieben, also ist das gut. |
| Peter Polito | Alles klar, nun ja. |
| Ich werde wahrscheinlich auf dem Entdeckungsgipfel mit dir zusammentreffen und einen tollen Tag haben. |
| Okay, du auch Theater. |
| Peter Polito | Alles klar, tschüss, Stand. |
| Von. |
