Lautsprecher | Transkript |
| Peter Polito | Hallo Stan, bist du da? |
| hey Peter. |
| Peter Polito | Wie geht es dir. |
| mir geht es gut. |
| Wunderbar. |
| Peter Polito | Wie fühlen Sie sich heute bei der Erstellung Ihres Abstracts? |
| ja, ich fühle mich ziemlich gut. |
| Also gut, ich habe keine Lust, noch eine Woche zu üben. |
| Peter Polito | Jetzt sicher. |
| ich habe immer gedacht, dass das Perfekte der Feind des Guten ist. |
| ja, ja, da hast du recht. Ja, ich habe auf den falschen Link geklickt. |
| Oh, das tut mir leid, ja, es ist okay, wenn Sie auf den Speicherplatz klicken, in dem ich das hier aufzeichne. |
| Peter Polito | Ah, ich verstehe. |
| Wo du bist, sind wir. |
| Peter Polito | das tut mir leid. |
| Also gut, ich fahre hoch. |
| Sie hören zu, um ein paar Dinge zu bestätigen, bevor wir beginnen, und es ist sehr wenig hilfreich, eine Excel-Datei zu sehen, von der Sie denken, sie wäre in JMP. |
| Einen Moment, wie läuft Ihr Tag? |
| So weit, ist es gut. |
| Peter Polito | Großartig. Und woher rufen Sie an? |
| ich rufe aus Jeffersonville, Indiana, an, das auf der anderen Seite des Flusses von Louisville, Kentucky, liegt. |
| Peter Polito | Okay, ich fahre im November nach Lexington und bin dort bewohnbar. |
| Oh, wirklich, für eine der Konferenzen. |
| Peter Polito | kenne ein Vergnügen, das mir gefällt. |
| der 40. Geburtstag meines Schwagers und vieles mehr. |
| Die Jungs treffen sich zu einer Whisky-Verkostung. |
| Gut, gut, sie haben jetzt den Bourbon Trail, gehst du, ja? |
| Peter Polito | das ist genau, was wir tun. |
| Also gut, einen Moment, Stan. |
| Okay, und wenn Sie damit fertig sind, sagen Sie mir Bescheid. Ich gebe Ihnen dann meine Handynummer. |
| Peter Polito | Okay, schauen wir uns an. |
| Die Überlebensvorhersage von Patienten mit Herzinsuffizienz oder Ihr anderes Abstract. |
| Nein, das ist die Herzinsuffizienz. |
| Peter Polito | Okay, der Titel lautet also lediglich: „Bestätigen Sie die Überlebensvorhersage von Patienten mit Herzinsuffizienz anhand begrenzter klinischer Labordaten mithilfe von JMP.“ |
| das ist es. |
| Peter Polito | Okay, und ich muss hier ein paar Dinge durchgehen. |
| Sie haben keine Co-Moderatoren, richtig. |
| Richtig, und dann muss ich das mündlich bestätigen. Sie verstehen, dass dies für die JMPed Discovery Summit-Konferenz aufgezeichnet wird und in der JMP-Benutzercommunity öffentlich verfügbar sein wird. Erteilen Sie diese Erlaubnis für diese Aufzeichnung und ihre Verwendung? |
| Mir geht es großartig. Vielen Dank, alles klar, dir geht es gut. |
| Können Sie kurz etwas sagen? Ich möchte nur sicherstellen, dass der Ton klar und deutlich rüberkommt. |
| Okay, also, lassen Sie mich einfach anfangen. Mein Name ist Stan Saran von Itch und ich bin leitender Analyst bei Crucial Connection LLC. |
| Ich befinde mich in Jeffersonville, Indiana, direkt gegenüber dem berühmten Louisville, Kentucky, am anderen Ufer des Ohio River. Heute werde ich mit Ihnen über die Vorhersage von Herzversagen sprechen. |
| Peter Polito | Perfekt, das kommt schön und klar durch. |
| Okay. |
| Peter Polito | Lassen Sie mich nur kurz darauf eingehen. Es gibt ein paar Dinge, die wir tun müssen, damit die Bilder klar rüberkommen. Wir müssen Ihr Display überprüfen, ob Sie einen Windows-Rechner verwenden. |
| ich verwende eine Windows 10-Maschine und werde mit meinem externen Monitor arbeiten. |
| Peter Polito | Okay, gehen Sie einfach zur Suchleiste unten und geben Sie „Anzeige“ ein. |
| Suchleiste unten, oh. |
| Peter Polito | ja, wenn es Ihnen etwas ausmachen würde, Ihren Bildschirm freizugeben, während Sie dies tun, kann ich das. |
| Dinge überprüfen, ja. |
| ja, ich hatte einige Probleme damit, das soll ich sagen. |
| Wir teilen unseren Bildschirm, aber hin und wieder verliere ich die Bildschirmfreigabe. |
| Peter Polito | Oh, das können Sie überprüfen. |
| Okay. |
| Peter Polito | Unten sehen Sie die Schaltfläche „Bildschirm teilen“. Oh, das sind Sie. Es tut mir leid, es liegt an meinem Vater. |
| Okay, ja, also klicken Sie auf die Lupe. |
| Und geben Sie „Display“ ein. |
| Okay. |
| Wo. |
| Peter Polito | Sie können einfach mit der Eingabe beginnen, der Cursor steht bereits an der richtigen Stelle. |
| 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 das Microsoft-Management. |
| Peter Polito | sagte, oh, das ist es, weißt du, ich wette, es ist auf deinem anderen Monitor. |
| ja, es ist auf meinem anderen Monitor. |
| Peter Polito | Okay, würde es Ihnen etwas ausmachen, es hierher zu ziehen? |
| Okay. |
| Ja. |
| Peter Polito | Ich kann es noch nicht sehen, ich sehe nur Ihr Browserfenster. |
| Und das ist. |
| Peter Polito | Weil er es gesagt hat. |
| ja, das gleiche Problem, das wir hatten. |
| Peter Polito | Haben Sie also Ihren gesamten Bildschirm freigegeben oder nur einen Teil? |
| Fenster, dachte ich, ein freigegebener Bildschirm. |
| Neue Aktie. |
| das Problem ist, dass es oft meins verdeckt. |
| Steuerleiste für das Zoom-Meeting. |
| Ah. |
| Deshalb versuche ich, es so zu machen. |
| Können Sie die Planung sehen und vielleicht sehen, wie es dort hineingekommen ist? |
| Peter Polito | das ist für mich die vereinfachte Planung. |
| ja, das steht dir frei. |
| Und ich schaue mir wahrscheinlich meine Aussichten an. |
| ja. |
| Peter Polito | Und wir möchten Outlook sowieso schließen, bevor wir beginnen. |
| ja ja, jetzt, wo wir verbunden sind, brauche ich keine zusätzlichen Fenster, lass mich das schließen, ich gehe zu allen offenen Fenstern. |
| 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 eine neue Schaltfläche zum Teilen klicke. |
| Sie sehen meinen Desktop. |
| Peter Polito | Ich sehe ein grünes Zelt. |
| Mit einer schönen. |
| Sonnenuntergang in der Milchstraße. |
| so, ja, ja, lass mich. |
| Gehen Sie hierher zurück und zeigen Sie alle angezeigten Suchvorgänge erneut an. |
| Sie sehen meine Suchleiste. |
| ja. |
| Peter Polito | Und dann möchten Sie auf „Auflösung der Anzeige ändern“ klicken, also danke für die Option „Nach unten“. |
| Okay. |
| Peter Polito | Los geht’s, Sie waren also bei 1920, aber das ist okay, perfekt, da wollen wir hin. |
| Okay, und dann können Sie es schließen. |
| In Ordnung. |
| Peter Polito | Und 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 von unten. |
| automatisch darauf testen, da haben wir's. |
| Alles klar, sonst noch etwas. |
| eins. |
| Peter Polito | können hingehen und das schließen. |
| Und dann wollen wir auf keinen Fall untergehen. |
| Gefällt dir. |
| Benachrichtigungsregisterkarten oder Ähnliches, um sicherzustellen, dass alles geschlossen ist, was zu einem Popup führen könnte. |
| ja, ich habe alles geschlossen, bevor ich mich angemeldet habe. |
| Okay, das einzige Problem ist, dass meine Steuerleiste auf meinem Laptop-Monitor immer noch eingeschaltet ist und ich immer noch auf die Testleiste auf dem Yelp-Board-Monitor schaue und von dort aus möchte ich präsentieren. |
| Peter Polito | Okay, eins. |
| Gehen wir dorthin zurück und sehen wir, ob es sich automatisch ändert. |
| Okay, vielleicht versuche ich es einfach und klicke auf den Desktop, dann verschwindet es vielleicht. |
| ja, da haben wir es. |
| Da gehen wir, da gehen wir. |
| Peter Polito | Also gut, sobald wir. |
| Wir nehmen jetzt also auf. |
| Jetzt werde ich da 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 Sie mit der Präsentation beginnen, werde ich den Ton ausschalten, meine Kamera wird ausgeschaltet, ich werde ein Geist sein und Sie werden denken, Sie würden nicht nur mit sich selbst reden. |
| Wenn du. |
| das Gefühl haben, Sie hätten gerade eine katastrophale Atmosphäre geschaffen und möchten noch einmal ganz von vorne beginnen? Das ist leider völlig in Ordnung. |
| So wie sie es von uns verlangen, können wir nichts zwischendurch bearbeiten, wir müssen es im Grunde in einem Durchgang durchgehen, wenn wir das in Zukunft fertigstellen und dann merken: „Oh, ich wollte eigentlich dies statt jenes sagen.“ |
| Wenn diese tatsächlich präsentiert werden. |
| Sie haben die Möglichkeit, live dabei zu sein. Wir können das Video also jederzeit anhalten und Sie können sagen: „Okay, wissen Sie, ich habe mich hier versprochen, was ich eigentlich sagen wollte, X, Y oder Z“, und Sie haben die Möglichkeit, dies sozusagen in Echtzeit zu tun. |
| stellen Sie die Sache klar, das heißt, falls Ihnen das morgen oder übermorgen oder so auffällt, aber wenn Sie im Moment das Gefühl haben, ich wollte das ganz anders sagen, können wir einfach noch einmal von vorne beginnen. |
| Also gut, hoffentlich müssen wir das nicht tun. Ich hatte Probleme damit, Sharon zum Schweigen zu bringen, und Nick hat sofort damit aufgehört, und ich habe sie gebeten, sofort damit aufzuhören. |
| Und das wird rausgeschnitten, wissen Sie. |
| Peter Polito | ähm, ja, ja. |
| Okay, also. |
| Gut. |
| Okay, ich überlasse es meinen Kollegen, die das produzieren, die Arbeit daran zu erledigen. |
| Lassen Sie uns für Sie die Aufnahme vorübergehend unterbrechen. |
| Okay. |
| Peter Polito | Okay, ich schalte mein Video aus. |
| Für eine Sekunde. |
| Bevor wir beginnen, möchte ich die Bildschirmfreigabe überprüfen. |
| Perfekt, ok. |
| 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 die andere Sache, bei der ich sowohl am Dienstag als auch letzte Woche auf Probleme gestoßen bin, als ich vorgab, Dreiecksanalysten zu recherchieren. Das ist irgendwie eine kleine Geschichte, aber ich werde nicht in den Präsentationsmodus wechseln. |
| Peter Polito | Ok, das ist in Ordnung. |
| Okay, das habe ich also, und mal sehen, sehen Sie meine PowerPoint dort oben? |
| Peter Polito | Ich sehe Ihre PowerPoint. |
| Okay, wie wäre es, wenn ich jetzt hier rüberkomme? |
| Peter Polito | Und ich sehe meinen Bildschirm. |
| super. Lassen Sie mich das schließen und den anderen Job-Bildschirm öffnen. |
| Aufleuchten. |
| Sie sehen, dies ist ein neuer JMP-Bildschirm mit. |
| Skripte und Skriptfenster. |
| Ich tue. |
| Also gut, ja, ich bin einen Teil der Präsentation durchgegangen und habe damit aufgehört, und ich musste das Teilen stoppen und dann erneut teilen, also hoffe ich, dass das so ist. |
| Peter Polito | Okay. |
| es ist alles in Ordnung, also, ich werde jetzt mein Mikrofon stummschalten. |
| Und du. |
| Mach einfach alles richtig, viel Glück dabei. |
| Okay, danke. |
| Guten Morgen, guten Tag oder guten Abend allerseits. Mein Name ist Stan Siranovich. Und ich bin leitender Analyst bei Crucial Connection LLC. |
| Und wir befinden uns in Jeffersonville, Indiana. Direkt gegenüber dem historischen Louisville, Kentucky, am anderen Ufer des Ohio River. |
| Und wie Sie sehen, werde ich heute auf dem Bildschirm mit Ihnen über die Überlebensvorhersage von Patienten mit Herzinsuffizienz auf der Grundlage begrenzter klinischer Labordaten mithilfe von JMP Pro 16 sprechen. |
| Was sind das nun? |
| sind eine Sammlung von Krankenakten. 299 Krankenakten, um genau zu sein, von Herzinsuffizienzpatienten. Und sie wurden in der Einrichtung [unverständlich] Institut für Kardiologie und der [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. |
| Das Ziel der Autoren bestand darin, ein Modell zur Einschätzung der Wahrscheinlichkeit eines Todes durch Herzversagen zu erstellen. |
| Und das Modell musste relativ einfach sein, damit es hoffentlich von Krankenhäusern und Ärzten zur Beurteilung der unterschiedlichen Schweregrade von Herz-Kreislauf-Erkrankungen verwendet werden kann. |
| Jetzt gehen sie ein wenig auf die Geschichte ein, und ich werde das auch tun, aber ganz kurz den Grund dafür angeben, das fällt den Autoren auf. |
| Die von ihnen untersuchten Daten und die aus diesen Daten abgeleiteten Modelle wiesen erstens eine geringe Reproduzierbarkeit auf, und außerdem wiesen sie in den Top 5 oder Top 6 eine Reihe unterschiedlicher Faktoren auf. |
| Zur Vorhersage von Herzversagen, aber zwei tauchten immer wieder auf, und zwar das Auswurfvolumen und Kreatinin. Und ich werde noch einmal darauf eingehen |
| Was das ist, erfahren Sie in ein oder zwei Minuten, sobald wir mit der Analyse beginnen. Die Autoren haben 10 verschiedene, ihrer Meinung nach fortschrittliche Methoden des maschinellen Lernens verwendet, um Herzversagen vorherzusagen. |
| Sie führten also 10 Machine-Learning-Skripte aus. Sie verwendeten Random-Forest-Entscheidungsbäume, Gradient-Boosting und all die üblichen Methoden. Entschuldigung. Und was sie taten, war, sie auf sieben verschiedenen Machine-Learning-Skripten auszuwerten. |
| Metriken. Und sie stellten – nicht zu ihrer Überraschung – fest, dass Serumkreatinin und Auswurfvolumen signifikante Variablen waren. Und sie schafften es, alle anderen Variablen auszuschließen. |
| Und das war nicht der Fall, als wir die Analyse in JMP Pro 16 durchgeführt haben. Wir werden uns das also ansehen und ich werde ein wenig über die 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, möchte ich kurz darauf eingehen. Dort, wo ich meinen Cursor habe, haben wir das Skriptfenster. Gefolgt vom Spaltenfenster. Sie können sehen, dass wir 13 Spalten haben, in denen nichts ausgewählt ist. 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 auf Kaggle veröffentlicht, |
| für andere Leute, die damit üben können, sozusagen. Und in den Jahren dazwischen haben es einige Staaten dort hochgeladen, es gab 177 einzelne Einreichungen. Sie waren alle Open Source und das Dutzend oder so, das ich mir angesehen habe, waren alle |
| Wie wir normalerweise denken, sind es die beiden beliebtesten Open-Source-Plattformen. Sie haben dort auch die ursprüngliche Analyse abgelegt, die in der statistischen Programmiersprache R durchgeführt wurde, und sie haben den gesamten Code auf GITHUB veröffentlicht. Sehen wir uns also an, was wir mit JMP machen können. |
| Sehen wir uns nun die Variablen an, die wir zuvor erwähnt haben. Zunächst einmal haben wir Kreatinphosphokinase. Das ist ein Enzym. |
| Und es ist ein Indikator für Muskelschäden. Wir haben auch Serumkreatinin, eine Chemikalie, die im Blut vorkommt. |
| Außerdem ist es ein Indikator sowohl für Muskelschäden als auch für Nierenversagen. Wir haben hier über Muskelschäden gesprochen und denken dabei an Herzversagen. |
| Wir haben auch die Auswurffraktion, also den Prozentsatz des Blutes, das das Herz verlässt, und die Ladung der Auswurffraktion ist ein Indikator für Herzmuskelschäden. Wir haben auch Serumnatrium, |
| Dies ist eine Routinemessung, die im Rahmen einer Blutuntersuchung durchgeführt wird. Und sehr niedrige Werte hier können ein Hinweis auf eine Herzinsuffizienz sein. |
| Wir sollten auch beachten, dass wir das haben, was wir als ausgeglichenen Datensatz bezeichnen könnten. Das heißt, |
| wir hatten einen... nun, man sollte es nicht positiv nennen... einen Todesfall in 32 % der Fälle hier und ein Überleben in 68 %. Also, ja, eins zu zwei |
| Wir haben festgestellt, dass ein Drittel der Menschen an Herzversagen litt, zwei Drittel inzwischen. Wir sollten auch erwähnen, dass wir hier einen relativ kleinen Datensatz haben. |
| 299 Zeilen. Sehr klein für Herzaufzeichnungen. Beginnen wir also mit der Analyse und lassen Sie mich eine weitere JMP-Datentabelle aufrufen. |
| Und das ist diese Datentabelle hier. Ich werde sie loswerden. Ich ziehe sie auf meinen anderen Bildschirm. |
| Okay, wir schauen uns die Datentabelle an und ich habe bereits ein wenig daran gearbeitet. Ich habe einige Dinge neu angeordnet und Sie werden hier unten bemerken, |
| Anämie, Diabetes, Bluthochdruck, Sex und Rauchen. Als ich ursprünglich in JMP importierte, gab es eine kontinuierliche |
| Verteilung oder kontinuierlich |
| Datentyp und ich habe sie geändert. Wenn Sie beispielsweise hierher kommen und sich Anämie oder noch besser Bluthochdruck ansehen. |
| Hoher Blutdruck - wir haben Nullen und Einsen, und sie haben nicht wirklich gesagt, wo der Grenzwert liegt. Es wäre schön gewesen, hier einige kontinuierliche Daten zu haben, zusammen mit dem |
| systolisch und diastolisch. Das ist nicht der Fall. Damit müssen wir also arbeiten und ich habe all das geändert. Und Sie werden auch sehen, dass Thrombozyten |
| ist ausgeblendet. |
| Und das liegt daran, dass ich sie versteckt und ausgeschlossen habe, muss ich sagen, und das liegt daran, dass ich sie bereinigen musste und es gibt noch eine andere Sache, die ich tun möchte. |
| Und ich zeige Ihnen, wie das geht. Ich habe es absichtlich nicht getan. Ich gehe hier rüber, um es zu altern, und werde es verbergen. |
| Und ich werde es auch ausschließen, d. h. es wird aus der Grafik ausgeblendet, damit es angezeigt werden kann. Es wird von allen Berechnungen ausgeschlossen, falls ich es versehentlich mit etwas anderem hineinziehe. Die Gründe dafür erkläre ich gleich. Also, |
| wir werden das ein bisschen anders machen. Ich werde, entschuldigen Sie, mit der Analyse beginnen und dann, wenn ich mit der Analyse fertig bin, zurückgehen und ein bisschen aufräumen und ich werde es im Laufe der Zeit erklären. |
| Also kommen wir hierher, um |
| Analysieren |
| Und |
| um kurz etwas anderes zu verfolgen. Okay, übrigens, das PowerPoint-Deck wird auf der Discovery Summit-Website zu sehen sein, und ich habe dort einige Screenshots und ein paar Erklärungen, damit Sie es selbst mitverfolgen können, wenn Sie möchten. |
| Also gehe ich als Erstes hier hoch zum Menü „Analysieren“, klicke darauf und gehe dann hier runter zu „Predictive Modeling“. |
| Und wir haben hier eine Reihe von Auswahlmöglichkeiten, darunter Modellvergleich und Modellscreening. Hier steht zum Modellscreening: „Passt auf viele verschiedene Vorhersagemodelle an, sodass Sie das beste auswählen können.“ |
| Das klingt, als ob wir das tun wollten, wir möchten parallel |
| die ursprüngliche Analyse. Und da ist dieses Fenster, das wir bekommen, und wenn Sie hier unten links sehen, haben wir eine Box |
| und es enthält einige Kontrollkästchen, die uns sagen, welche Modelle wir ausführen werden. Dies ist alles die Standardeinstellung. |
| Es werden beispielsweise Decision Tree, Bootstrap Forest, Boosted Tree, Fit Least Squares und dergleichen ausgeführt. Alle unsere Favoriten. Und da sind 11 davon für uns drin und JMP wird es automatisch tun. Also DEATH_EVENT, |
| das wird meine Y-Antwort sein. Und ich werde einfach |
| Klicken und ziehen Sie alle Variablen hier, und ich werde dies als X-Faktoren einfügen. |
| Und ich klicke auf OK. |
| Und wir lehnen uns zurück und überlassen JMP seine Arbeit. |
| Und da ist es. Hier ist das Ergebnis, das wir erhalten. |
| Lassen Sie uns also einfach damit arbeiten. Hier sind die Details. Wir können die verschiedenen |
| Analysen, die wir ausführen, wenn wir auf dieses graue Dreieck klicken. |
| Wir können weitere Details sehen und die im Fenster angezeigten Details hängen von der jeweiligen Analyse und dann vom Lauf ab. Wenn wir weiter gehen möchten, können wir natürlich auf den roten Hotspot klicken und haben einige zusätzliche Auswahlmöglichkeiten. |
| Das ist also, was wir hier unten haben, und als das passierte, öffnete sich auch dieses Kästchen hier mit der Aufschrift „Training“. Und das sind die Ergebnisse aus der Ausführung aller Daten als Trainingssatz. Mit anderen Worten, es gab kein Training. |
| Es gab keinen Testsatz. Entschuldigung, es gab einen Trainingssatz, aber es gab keinen Testsatz. Und es gab keinen Validierungssatz, und das liegt daran, dass wir keine Auswahl getroffen haben. |
| Dies ist nur ein Screening und es zeigt uns, welche die besten Trainingsergebnisse erzielt haben. Okay, wir sehen hier die Anzahl der Spalten, also lasst uns |
| gehen wir diese kurz durch. Die Entropie R² ist |
| einfach ein R-Quadrat und es ist, |
| Nun, es ist ein Maß, das mit den Log-Wahrscheinlichkeiten des angepassten Modells verglichen wird, es handelt sich also um einen Log-Wert. |
| Und wir haben die Fehlkalkulationsrate, den Bereich unter der Kurve hier. Hoch ist offensichtlich besser. |
| Und wir haben RASE, also die Wurzel der quadrierten Vorhersagerate. Das ist also die Differenz zwischen der Eins- und der p-Wahrscheinlichkeit. |
| Das ist die angepasste Wahrscheinlichkeit für das Modell, das JMP entwickelt hat. Und wir haben das verallgemeinerte R-Quadrat, das jeder als R-Quadrat betrachtet. Es ist ein |
| Maßnahme ... sie wird auf Regressionsmodelle angewendet, und wenn wir eine perfekte Anpassung erhalten, haben wir eine Eins, und wenn sie nicht passt, haben wir eine Null. Sie sind hier eingestuft, also hat Bootstrap Forest den ersten Platz belegt. |
| Und mal sehen, was ich sonst noch sagen möchte, sehen Sie sich meine Notizen an. |
| Ich denke, das ist es, wir könnten |
| komm nochmal hier hoch |
| und öffnen Sie den Bootstrap Forest und überprüfen Sie die Ergebnisse. Wir können für unser Trainingsset hier unten die Konfusionsmatrix sehen. Sie gibt uns |
| die Trainingsdaten hier, dieselben Daten, die wir gesehen haben, aber das gilt nur für den Bootstrap-Wald, und wir haben hier die Konfusionsmatrix, wir haben die vorhergesagte Anzahl. |
| Und hier unten haben wir die vorhergesagte Rate für den Bootstrap Forest. Und falls Sie damit nicht vertraut sind oder Ihr Gedächtnis ein wenig eingerostet ist, zeigt uns dies die Anzahl für |
| Todesfälle, die tatsächliche Todesfälle mit dem Wert Null waren, und das heißt, der Patient hat hier unten überlebt, der 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 oben links nach oben geht. |
| unten rechts und diagonal hier von unten links nach oben rechts, das ist die falsche Zählung. Wir hatten also 13 |
| Hier sind die Zeiten, in denen Überleben vorhergesagt wurde, und es war kein Überleben. Es waren Todesfälle. Und dann haben wir in der zweiten grauen Box hier dieselben Daten, aber es geht um die Rate. Was in unserem Fall ein etwas besseres Maß ist, weil wir einen unausgewogenen Datensatz haben, also werde ich das schließen. |
| Und als nächstes, |
| Wir gehen in den Analyse- und Anpassungsmodus. Wir wollen das tun, weil wir ein Regressionsmodell anpassen wollen, was für die Leute viel einfacher zu verstehen ist und uns |
| gib uns die Chance anzugeben |
| die Möglichkeit, in JMP zu interagieren. Also, was ich tun werde, ist, das zu schließen und hier hoch zu Analysieren, hier sind wir, um |
| Passendes Modell. |
| Und, nun ja, |
| Wir wissen, dass die Variablen jetzt, lassen Sie mich zunächst hier hoch gehen |
| Wir werden dort DEATH_EVENT als das eingeben, was wir vorhersagen möchten. Und wir wissen und haben gesehen, dass das Kreatinin, nein, das ist das falsche. Die Auswurffraktion |
| und hier ist es. |
| Serumkreatinin |
| sind wichtige Variablen. Und das Alter tauchte auch in einigen Analysen auf. Lassen Sie mich das also hinzufügen, wenn ich es finden kann. |
| Abwarten. |
| Lassen Sie mich noch einmal damit beginnen. Es wurde etwas ausgelassen. |
| hey Peter, können wir kurz innehalten? |
| Ich werde also hierher kommen, um zu analysieren, |
| Modell anpassen. Und Y wird das DEATH_EVENT sein. |
| Und da viele Modelle das Alter als wichtige Variable erkannt haben, werde ich das Alter hinzufügen. Und ich werde |
| Auswurffraktion und Serumkreatinin. |
| Die Autoren haben das Alter nicht als signifikante Variable gefunden, ich jedoch schon. Ich denke also, dass es hier eine Interaktion geben könnte, und JMP ermöglicht es uns, das sehr einfach zu handhaben. Ich klicke also auf Alter |
| und Auswurffraktion anstatt auf Hinzufügen zu klicken, |
| Ich komme hier runter |
| Klicken Sie auf „Kreuz“ und ich gehe zum Alter. |
| Und |
| Serumkreatinin. |
| Und das ist Strg-Klick. |
| Und wir werden das hinzufügen, also haben wir: |
| Alter, Auswurffraktion, warten Sie eine Minute. |
| Ich denke, da habe ich einfach einen Fehlgriff gemacht. |
| Da gehen wir. |
| Jetzt ist es da drin, es hat also die beiden Interaktionen und wir können hier oben sehen, dass es uns eine Auswahl für Persönlichkeit gegeben hat. Und was wir tun werden, ist, die Standardeinstellung zu akzeptieren, nämlich Nominal Logistic. |
| Wir haben hier noch einige andere Möglichkeiten, aber wir bleiben dabei. |
| Und ich klicke auf „Ausführen“. |
| Und das bekommen wir. |
| Okay, also. |
| Wir müssen hier einen Wert protokollieren, der grundsätzlich minus ist. |
| Logarithmus zur Basis 10 dieses Wahrscheinlichkeitswerts hier. Und der Grund dafür ist, dass es einfacher ist, damit zu arbeiten, entschuldigen Sie, es ist einfacher, es grafisch darzustellen und es ist für Menschen einfacher, es zu verstehen. Wir sehen also die Nummer eins auf der Liste. |
| Es ist die Ejektionsfraktion, entschuldigen Sie, das ist, was die Autoren herausgefunden haben. Nummer zwei ist Serumkreatinin, aber das Alter ist immer noch Nummer drei und höchst bedeutsam. |
| Und wir schauten weiter in |
| Interaktionen und wir sehen, dass sie nicht signifikant sind. Übrigens ist diese blaue Linie hier der Wert zwei. Es ist zwei. |
| Und sie haben das eingefügt, damit es leichter zu erkennen ist. Und der Grund, warum ich zwei gewählt habe, ist, dass das ein Logarithmus von 0,01 ist, was das Signifikanzniveau ist, das von JMP als Standard gewählt wird. |
| Aber wir kommen hier runter und sehen, dass der Log-Wert oder die Regressionsgleichung relativ niedrig sein wird, aber wir sind hier drüben bei 0,05, was in vielen Versuchsdesigns ein Grenzwert sein könnte. Es könnte in vielen Fällen der Grenzwert sein. |
| Analytics funktioniert, also werden wir das zur Kenntnis nehmen, auch wenn wir es hier ignorieren werden, weil es unseren Grenzwert von 0,01 nicht überschreitet. |
| Es könnte für Kliniker von Interesse sein. Es könnte ihnen etwas anderes geben, worauf sie achten sollten, und es könnte sehr gut in einem anderen Datensatz von Bedeutung sein. Und wir haben hier unten alle üblichen Daten. Mal sehen, was wir uns ansehen können, lassen Sie 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 die Koeffizienten in unserer Regressionsgleichung wären. |
| Das war also, was wir herausgefunden haben. |
| Lassen Sie mich das also minimieren und wir werden jetzt mit der Reinigung und Erkundung fortfahren. Der Grund, warum ich das getan habe, ohne vorher zu reinigen, ist, dass in den ursprünglichen Artikeln keine Erwähnung von |
| Bereinigung und Datenmanipulation jeglicher Art. Sie haben einfach die Daten genommen und ihre Modelle darauf laufen lassen. |
| Und ich schaue mir gerne zuerst meine Daten an. Schauen wir uns also ein paar Dinge hier an. Zunächst einmal, wenn wir hier herüberkommen, |
| und klicken Sie auf das kleine Symbol, wir können die Kopfdiagramme anzeigen. Und das mache ich gerne. Klicken wir also hier auf 1, das ist |
| positives Todesereignis, wenn ich diesen Begriff verwenden darf. |
| Dadurch werden alle Zeilen mit einem Todesereignis von 1 hervorgehoben. Wenn wir uns das genauer ansehen möchten, können wir prüfen, ob es irgendeine Art von Korrelation mit den anderen Variablen gibt, die uns möglicherweise auffallen, und da ist nicht viel zu erkennen. |
| Mein Fenster, aber wir haben eine Sache bemerkt: Wir haben einige wirklich, wirklich schiefe Verteilungen für die |
| Kreatininphosphokinase und für das Serumkreatinin, das ein wenig seltsam aussieht. Sonst gibt es nichts, wir können diese löschen |
| indem Sie irgendwo anders in der Grafik klicken. Und falls Sie das nicht kennen: Diese Dinge sind |
| ziehbar, wenn wir etwas erweitern möchten. |
| Von dort aus gehen wir nun zum Graph Builder. |
| Mal sehen. |
| Ich sage Ihnen was, da uns das Sorgen bereitet: Wählen Sie die Spalte „Kreatinphosphokinase“ aus und drücken Sie die Umschalttaste. |
| Für Serumkreatinin und, oh, ich hätte es fast vergessen, bevor ich das mache |
| Klicken wir mit der rechten Maustaste |
| Und wir können von hier aus direkt zu „Verteilung“ gehen. Das ist dasselbe Ergebnis, das wir erhalten, wenn wir zu „Grafik und Verteilung“ gehen. Wir sehen, dass wir in beiden eine stark verzerrte Verteilung haben. |
| Und wir haben viele Ausreißer, hier sind nur Quantile, und ich werde das schließen. Lassen Sie mich das schließen. Das brauchen wir nicht wirklich. |
| Und schauen wir uns die zusammenfassende Statistik an, lassen Sie mich. |
| Schauen wir uns mal die Kreatininphosphokinase an, wir haben einen Mittelwert von 581, eine Standardabweichung von 970. Das ist ein bisschen komisch. Das ist offensichtlich weit entfernt von dem, was ein Idealfall wäre, und hier für Serumkreatinin haben wir einen Mittelwert |
| von 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 diesem Diagramm ein wenig schwer zu erkennen ist, aber wenn Sie nicht |
| Ich bin es gewohnt, mir Boxplots schnell anzuschauen. Die Whiskers betragen das 1,5-fache des Interquartilsabstands, also die Differenz zwischen dem 25. Perzentil, das hier den unteren Rand der Box bildet, und dem 75. Perzentil, das den oberen Rand bildet. |
| Die Raute gibt uns den Mittelwert und die Linie den Median. Und um das ein bisschen deutlicher zu machen, kann ich das erweitern, und Sie können es ein bisschen besser sehen und es gibt dort eine ganze Menge Ausreißer. |
| Also, |
| Denken Sie daran, dass das Serumkreatinin eine unserer sehr stark prädiktiven Variablen war. Wir könnten das auch etwas genauer untersuchen |
| indem Sie zum Graph Builder gehen. |
| Gehen wir also nach oben zu „Graph“, „Graph Builder“. |
| Und dies ist das Fenster, das wir bekommen. |
| Nun, wir wissen aus unseren Untersuchungen und |
| einiges Fachwissen, Wissen, wenn nicht Fachwissen, dass Kreatininphosphokinase kontinuierlich vom Körper produziert wird. Und es reagiert auf |
| ein Vorläufer dessen, was später das Serumkreatinin wird, also besteht vielleicht eine Beziehung zwischen beiden, und wir würden auch gerne diese, nun ja, unbefriedigenden Verteilungen untersuchen, sagen wir mal. Also hier Kreatininphosphokinase. |
| Und das fügen wir in die X-Achse ein, indem wir einfach hier unten klicken. |
| Und wir machen dasselbe mit Serumkreatinin auf der Y-Achse und hier ist das Ergebnis. Wir haben also festgestellt, dass das Serumkreatinin Y von 0 auf 10 geht und während |
| Kreatinphosphokinase, Mann, das geht hier weit raus |
| auf fast 8000. Jetzt können wir eines tun. |
| Ist Klicken und Ziehen und wir können das ein bisschen mehr ausdehnen. Aber das andere, was wir tun können |
| ist, auf unsere Achse zu doppelklicken, und wir erhalten dieses Fenster. Ich werde hier nicht ins Detail gehen, aber wir kommen hier hoch und sehen uns die Skala an und sehen das Maximum, sobald wir 8000 überschritten haben. Und wenn ich mir die Grafik hier unten ansehe, lasst mich das aus dem Weg ziehen. |
| Sicherlich liegen die meisten unserer Kreatinphosphokinasewerte unter 1.000. Tatsächlich scheint ein Großteil davon sogar unter fünfhundert oder sechshundert zu liegen. |
| Also, |
| Ich muss nicht. |
| ändere das in |
| Nehmen wir 800. |
| Okay. |
| Und das gibt uns ein Diagramm mit nur diesen Datenpunkten. 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 auch einige Ausreißer hier auf der |
| Serumkreatinin, weit oben bei 10. Und das sieht hier nach einer Seite mit verneinenden Werten aus, also wäre es vielleicht angebracht, wenn wir noch einmal zurückgehen und uns das noch einmal ansehen, vielleicht einige der Ausreißer entfernen und sehen, ob wir da reinkommen und andere Ergebnisse bekommen. |
| Und das ist so ziemlich alles. Lassen Sie mich das kurz zusammenfassen. |
| Werfen Sie einen letzten Blick auf den Datensatz. |
| Oh ja, Serumkreatinin. |
| Wir haben das als kontinuierlich eingegeben, aber wenn Sie sich das hier in der Spalte ansehen, ist unsere kleinste Zahl hier draußen, in der ersten Dezimalstelle, also haben wir die Möglichkeit von 10 Werten dort plus weiteren 10 Werten, die meisten davon |
| sieht aus, als wären sie unter 2 oder 3. Daher kann es sein, dass sich die Frage stellt, wie wir das je nach Analyse behandeln wollen. |
| Und wir wollen auf jeden Fall von unserer Analyse. Wir werden das verwenden. 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 wird häufig in Marketinganalysen gemacht, aber hier wird es normalerweise nicht gemacht, aber es ist etwas, das man berücksichtigen sollte. Also, lassen Sie mich |
| Gehen Sie hierher zurück zu einer Zusammenfassung. Gehen Sie zurück zur PowerPoint-Präsentation. |
| Und lassen Sie mich das erweitern. Ich hoffe, dass jeder das sehen kann. Hier ist also, was wir hatten. |
| Wir haben 11 verschiedene Modelle, die wir standardmäßig mit JMP ausgewählt haben. Wir haben diese 11 verschiedenen Modelle erhalten und können sie alle aufrufen, indem wir einfach auf „Analysieren“, „Prädiktive Modellierung“, „Modell-Screening“ gehen. Wir haben festgestellt, dass Serumkreatinin, Alter und Ejektionsfraktion alle signifikant sind. |
| Und wir fanden heraus, dass die Wechselwirkung zwischen der Ejektionsfraktion und dem Alter weitere klinische Studien erforderlich machen könnte, auch wenn sie für unsere Studie nicht wirklich signifikant war. |
| entschiedenen Wert. Und wir haben einige stark verzerrte Werte gesehen, insbesondere in der Kreatininverteilung, die in unserem Modell mit einem ziemlich kleinen und unausgewogenen Datensatz verwendet wurde. Und jetzt habe ich vorhin das Alter erwähnt. Lassen Sie mich zum Original zurückkehren. |
| Zieh das weg. Hier ist das Alter. |
| Und wir sehen, wir haben eine etwas verzerrte Verteilung, und ich habe das nicht in das Modell aufgenommen, und der Grund, warum ich das nicht in das Modell aufgenommen habe, ist die Art und Weise, wie die Daten erfasst wurden. |
| Aus den Artikeln wissen wir, dass es damals so war, dass sie eine Art Gesundheitspersonal schickten, um nach den Menschen zu sehen, nachdem |
| Die Originaldaten wurden für die Studie entwickelt. Wenn Sie also ein 65-Jahr sehen, sind sie 65 Monate zurückgegangen. |
| Oh, entschuldigen Sie, das war nicht das Alter, von dem ich spreche, lassen Sie mich hierher zurückgehen. Gehen Sie zu der Zeit, die es mir zeigt. |
| Und es ist Zeit. Ein bisschen seltsam, lassen Sie mich das ein wenig näher ausführen. |
| Was sie getan haben |
| Sie haben die ursprüngliche Studie noch einmal überprüft. Wenn Sie also 16 Jahre alt sind, haben sie die ursprüngliche Studie noch einmal überprüft und geprüft, ob ein Todesfall vorliegt oder nicht. Das heißt, war der Patient noch am Leben oder nicht mehr am Leben? |
| Nach 16 Monaten hat dieser Patient hier, Nummer 21, |
| war noch am Leben. Nun gehen wir hier zum Todesereignis und lassen Sie mich dieses hervorheben. |
| Und komm her. |
| Wir sehen, wir haben eine Zeit von 20. |
| Nun, wir wissen nicht, ob der Todesfall am Tag vor der Überprüfung stattfand, oder ob es sich um die Woche davor oder einen oder zwei Monate davor handelte. Die ursprünglichen Autoren, die einen Artikel veröffentlichten und ihn auf Kaggle hochluden, haben sich diese Daten angesehen. |
| Und sie konnten daraus keine positiven Schlüsse ziehen. Diese Person hätte im ersten Monat sterben können, aber im ersten Monat hat das niemand überprüft. |
| Und wir kennen die Häufigkeit der Nachuntersuchungen nicht. Deshalb habe ich das hinzugefügt und aufgenommen. Wenn wir dort bessere Daten hätten, könnten wir hier hochkommen und analysieren. |
| Zuverlässigkeit und Überleben, und wir hätten eine Lebensdauerverteilung oder eine Anpassung der Lebensdauer an X durchführen können, was bei vielen dieser Verfahren der Fall ist, aber in diesem speziellen Fall war das nicht möglich. |
| Das ist also ziemlich |
| beendet die Präsentation. Ich möchte jetzt einfach zur PowerPoint-Präsentation zurückkehren, die noch einmal auf der Site veröffentlicht wird. Hier sind die Links zum Original-Zeitschriftenartikel. |
| Der Kaggle. |
| Seiten. Der Kaggle-Datensatz ist eine CSV-Datei und |
| das Github-Repository des Autors mit dem R-Code. Und ich hoffe, es hat Ihnen allen gefallen. |
| Und damit |
| Wir werden diese Präsentation beenden. |
| Peter Polito | gute Jobs sind jetzt sehr interessant. |
| Danke schön. |
| Peter Polito | Also gut, lassen Sie mich meine Checkliste überprüfen. |
| Sicher. |
| Peter Polito | bin ich nicht. |
| Das mit der Agentenzeit glaube ich nicht. |
| Bitte, bitte, das hat es gemerkt. |
| Peter Polito | ja, und wenn sie zurückkommen und sagen: „Oh, uns gefällt die Pause nicht. Was wir machen, ist: Wenn Sie noch am Leben sind, können Sie einfach mit demjenigen sprechen, der es präsentiert, und Sie können diesen Teil überspringen und einfach sagen, das ist, was passiert ist, und so ist es.“ |
| Okay, mach das. |
| Ich glaube nicht, dass sie uns bitten werden, es neu aufzunehmen, aber ... |
| Also. |
| Okay, ja, wenn sie das tun, ist es kein großes Problem. |
| Peter Polito | Okay, also, alles andere, was ich tun werde, werde ich tun. |
| Sobald wir die Aufnahme gestoppt haben, können wir loslegen. |
| und gut. |
| Peter Polito | das ist großartig, danke, dass ich zuschauen durfte. |
| ja, das Gute daran war, dass er, obwohl ich in der Nähe ein paar Patzer gemacht habe, keine Probleme mit der Software hatte. |
| Nun, alles sah super aus, ja, ja, habe alles rübergezogen und es ist dort geblieben, also ist das gut. |
| Peter Polito | Also gut. |
| Ich werde Ihren Weg wahrscheinlich auf dem Discovery Summit kreuzen und Ihnen einen schönen Tag bereiten. |
| Okay, du auch, Theater. |
| Peter Polito | Also gut, tschüss Stand. |
| Von. |
