Vocero | Transcripción |
| Pedro Polito | Hola Stan, ¿estás ahí? |
| Hola Peter. |
| Pedro Polito | Cómo estás. |
| lo estoy haciendo bien. |
| Maravilloso. |
| Pedro Polito | ¿Cómo te sientes al hacer tu resumen hoy? |
| Sí, me siento bastante bien. |
| Está bien, no tengo ganas de tener otra semana más para practicar. |
| Pedro Polito | Ahora seguro. |
| Siempre he pensado que lo perfecto es enemigo de lo bueno. |
| Sí, sí, tienes razón en eso. Sí, hice clic en el enlace equivocado. |
| Oh, lo siento por eso, sí, está bien hacer clic en ir al espacio, estoy grabando para esto. |
| Pedro Polito | Ah, ya veo. |
| Donde tú estás, nosotros estamos. |
| Pedro Polito | lo lamento. |
| Está bien, déjame levantarme. |
| Estás escuchando para confirmar algunas cosas antes de comenzar, y es muy inútil ver un archivo de Excel y crees que estaría en JMP. |
| Un momento, ¿cómo va tu día? |
| Hasta ahora, todo bien. |
| Pedro Polito | Genial. ¿Y desde dónde llamas? |
| Estoy llamando desde Jeffersonville, Indiana, que está justo al otro lado del río, hacia Louisville, Kentucky. |
| Pedro Polito | Está bien, me voy a Lexington y estaré habitable en noviembre. |
| ¿En serio? Para una de las conferencias. |
| Pedro Polito | conoce un placer que es mio. |
| 40 cumpleaños del cuñado y un montón de. |
| Los chicos se reunirán para degustar whisky. |
| Bien, bien, ya tienen el rastro del Bourbon. ¿Ahora vas? Sí. |
| Pedro Polito | Eso es exactamente lo que estamos haciendo. |
| Muy bien, un momento, Stan. |
| Bueno, y cuando termines con eso, avísame, déjame darte mi número de celular. |
| Pedro Polito | Muy bien, ¿estamos mirando? |
| La predicción de supervivencia de los pacientes con insuficiencia cardíaca u otro resumen. |
| No, eso es la insuficiencia cardíaca. |
| Pedro Polito | Bien, el título es sólo para confirmar la predicción de supervivencia de pacientes con insuficiencia cardíaca a partir de datos de laboratorio clínico limitados utilizando JMP. |
| eso es todo. |
| Pedro Polito | Bueno, tengo que repasar algunas cosas aquí. |
| No tienes co-presentadores ¿correcto? |
| Correcto, y luego necesito confirmar esto verbalmente. Entiendes que esto se está grabando para esta conferencia cumbre de descubrimiento de JMP y estará disponible públicamente en la comunidad de usuarios de JMP. ¿Das permiso para esta grabación y su uso? |
| Lo hago genial Muchas gracias, todo bien estás. |
| ¿Puedes decir algunas palabras? Solo quiero asegurarme de que el audio se escuche con claridad. |
| Bueno, bueno, déjame, déjame comenzar. Mi nombre es Stan Saran de Itch y soy analista principal en Crucial Connection LLC. |
| Y estoy ubicado en Jeffersonville, Indiana, justo al otro lado del río Ohio desde el famoso Louisville, Kentucky, y hoy voy a hablarles sobre la predicción de la insuficiencia cardíaca. |
| Pedro Polito | Perfecto, está bien, eso está llegando. Agradable y claro. |
| Bueno. |
| Pedro Polito | Permítame decirle algunas cosas que debemos hacer para que las imágenes se vean claramente. Debemos verificar su pantalla si está en una máquina con Windows. |
| Estoy en una máquina con Windows 10 y voy a trabajar desde mi monitor externo. |
| Pedro Polito | Bien, entonces si pudieras ir a la barra de búsqueda en la parte inferior y escribir "pantalla". |
| barra de búsqueda en la parte inferior oh. |
| Pedro Polito | Sí, si te importaría compartir tu pantalla mientras haces esto, puedo hacerlo. |
| Revisa las cosas, sí. |
| Sí, tuve algunos problemas con este, por no decirlo. |
| Compartimos pantalla pero pierdo mi pantalla compartida de vez en cuando. |
| Pedro Polito | Oh, puedes comprobarlo. |
| Bueno. |
| Pedro Polito | Entonces, en la parte inferior verás el botón para compartir pantalla. Oh, lo siento, es responsabilidad de mi padre. |
| Está bien, entonces escribe y haz clic en esa lupa. |
| Y escribe en pantalla. |
| Bueno. |
| Dónde. |
| Pedro Polito | Puedes comenzar a escribir simplemente porque el cursor ya está en su lugar. |
| Oh, ahí está. |
| Pedro Polito | Oh, no creo que quieras presionar Enter cuando intentes eso una vez más. |
| Bueno. |
| Pedro Polito | Entonces ve a cambiar la resolución. |
| Y la gestión de Microsoft. |
| Pedro Polito | dijo oh, ya sabes, apuesto a que sí, ¿está en tu otro monitor? |
| Sí, está en mi otro monitor. |
| Pedro Polito | Está bien. ¿Te importaría arrastrarlo hasta aquí? |
| Bueno. |
| Sí. |
| Pedro Polito | No puedo verlo todavía, solo veo la ventana de tu navegador. |
| Y eso es. |
| Pedro Polito | Porque estaba diciendo. |
| Sí, el mismo problema que tuvimos. |
| Pedro Polito | Entonces, ¿compartiste toda tu pantalla o solo una parte? |
| ventana, pensé, compartió toda la pantalla. |
| Nueva acción. |
| El problema es que muchas veces me tapará. |
| Barra de control para la reunión de zoom. |
| Ah. |
| Es por eso que intento hacerlo así. |
| ¿Puedes ver la programación? Tal vez veas cómo llegó eso allí. |
| Pedro Polito | Esto es lo que veo: la programación hecha fácil. |
| Sí, eres libre de hacerlo. |
| Y probablemente estoy mirando mi perspectiva. |
| sí. |
| Pedro Polito | De todos modos, vamos a querer cerrar Outlook antes de comenzar. |
| Sí, sí, ahora que estamos conectados, no necesito ninguna ventana adicional. Déjame cerrarla y abriré todas las ventanas. |
| Bueno, ahí vamos. |
| Y eso es todo lo que necesito. |
| Nueva acción, compartiré la pantalla con ustedes. |
| Déjame arrastrar eso. |
| Aquí, cuando hago clic en un nuevo botón para compartir. |
| Ves mi escritorio. |
| Pedro Polito | Veo una tienda verde. |
| Con una hermosa. |
| puesta de sol en la Vía. |
| camino, sí, sí, déjame. |
| Regresar aquí para mostrar nuevamente todas las búsquedas en pantalla. |
| Ves mi barra de búsqueda. |
| sí. |
| Pedro Polito | Y luego canta que quieres hacer clic en cambiar la resolución de la pantalla así que gracias por la opción de abajo. |
| Bueno. |
| Pedro Polito | Aquí vamos, así que estabas en 1920, pero está bien, perfecto, eso es lo que queremos estar. |
| Está bien, y luego puedes ir y cerrar eso. |
| Está bien. |
| Pedro Polito | Y luego haga clic derecho en la barra de tareas en la parte inferior. |
| y vaya a la configuración de la barra de tareas. |
| Haz clic en él. |
| sí. |
| Pedro Polito | sí. |
| Bueno. |
| Pedro Polito | Así que es la segunda opción hacia abajo. |
| Pruébalo automáticamente, ahí vamos. |
| Muy bien, ¿algo más aquí? |
| uno. |
| Pedro Polito | puedes ir y cerrar eso. |
| Y luego lo último que queremos hacer es bajar. |
| Te gusta. |
| Pestañas de notificación o cualquier cosa para asegurarse de que cualquier elemento que pueda generar una ventana emergente esté cerrado. |
| Sí, cerré todo antes de iniciar sesión. |
| Bien, el único problema es que mi barra de control todavía está encendida en el monitor de mi computadora portátil y todavía estoy mirando la barra de prueba en el monitor del tablero de Yelp y esa es la que quiero presentar. |
| Pedro Polito | Bien uno. |
| Volvamos allí y veamos si se cambia automáticamente. |
| Bueno, tal vez simplemente voy e intento hacer clic en el escritorio y tal vez eso lo haga desaparecer. |
| Sí, ahí vamos. |
| Allá vamos, allí vamos. |
| Pedro Polito | Muy bien, entonces una vez que nosotros. |
| Estamos grabando ahora así que. |
| Ahora voy a tener cuidado con eso. |
| Pedro Polito | Sí, si lo es. |
| Si aparece no es el fin del mundo. |
| Bueno. |
| Pedro Polito | Vas a. |
| quiero. |
| Una vez que empieces a presentar, me silenciaré, mi cámara se apagará, seré un fantasma y pensarás que no estás hablando contigo mismo. |
| Si usted. |
| Sientes que has hecho un cataclismo y quieres empezar de nuevo, eso está bien, por desgracia. |
| La forma en que nos hacen hacer esto, si estás ahí, realmente no vamos a poder editar algo en el medio, es básicamente que tenemos que hacerlo de una sola vez si en el futuro, terminas esto y luego te das cuenta de que realmente quería decir esto, en lugar de aquello. |
| Cuando estos realmente se presentan. |
| Vas a estar, tienes la opción de estar en vivo, y siempre podemos pausar el video y puedes decir: Está bien, sabes que expresé mal lo que realmente estaba tratando de transmitir, X, Y o Z, y tendrás la oportunidad de hacerlo en tiempo real. |
| deja las cosas claras para que, si te das cuenta mañana o el día siguiente o algo así, pero si en el momento sientes que quieres decir esto completamente diferente, podemos comenzar de nuevo. |
| Bueno, bueno, espero que no tengamos que hacer eso. Estaba teniendo problemas con Sharon y Nick se detuvo de inmediato y les pedí que se detuvieran de inmediato. |
| Y eso se puede editar, ¿sabes? |
| Pedro Polito | um, sí, sí. |
| Bueno, entonces. |
| Bien. |
| Está bien, dejaré que mis colegas que están produciendo esto sigan adelante y trabajen en ello. |
| Eso para ti vamos a pausar la grabación temporalmente. |
| Bueno. |
| Pedro Polito | Esta bien, voy a apagar mi video. |
| Por un segundo. |
| Antes de empezar, quiero comprobar la pantalla compartida. |
| Perfecto, está bien. |
| Ahora quiero tener que abrir la barra de tareas. |
| Pedro Polito | No, está bien, está bien. |
| Bueno, el problema es que sólo queremos el máximo. |
| Sí, sí, está bien. |
| Pedro Polito | pulgada cuadrada mientras estás presentando. |
| Bien, y aquí está el otro trato con el que me encontré con problemas, tanto el martes como la semana pasada, cuando pretendí investigar a los analistas triangulares. Es una especie de historia, pero no voy a hacer el modo de presentación. |
| Pedro Polito | Bueno, está bien. |
| Bien, entonces tengo eso y veamos, ¿ven mi PowerPoint ahí arriba? |
| Pedro Polito | Veo tu PowerPoint. |
| Bueno, ¿qué tal si voy aquí? |
| Pedro Polito | Y veo mi pantalla. |
| super Déjame cerrar esto y abrir la otra pantalla de trabajo. |
| Vamos. |
| Verás, esta es una nueva pantalla JMP con. |
| Scripts y ventana de scripts. |
| Sí. |
| Muy bien, sí, en parte, parte del camino a través de la presentación y dejé de hacer eso y tuve que dejar de compartir y luego volver a compartir, así que espero que eso sea. |
| Pedro Polito | Bueno. |
| Está bien, está bien, ahora voy a silenciar mi micrófono. |
| Y tú. |
| Simplemente haz lo que esté bien, buena suerte en tu postura. |
| Está bien, gracias. |
| Buenos días, buenas tardes o buenas noches a todos. Mi nombre es Stan Siranovich y soy analista principal de Crucial Connection LLC. |
| Estamos ubicados en Jeffersonville, Indiana, justo al otro lado del río Ohio de la histórica ciudad de Louisville, Kentucky. |
| Y como podéis ver, hoy en pantalla os voy a hablar sobre la predicción de supervivencia de pacientes con insuficiencia cardíaca a partir de datos de laboratorio clínico limitados utilizando JMP Pro 16. |
| Ahora bien, ¿qué son estos? |
| Son una colección de registros médicos. 299 registros médicos para ser exactos de pacientes con insuficiencia cardíaca. Y fueron recopilados en las instalaciones del [ininteligible] Instituto de Cardiología y el [ininteligible] en |
| [ininteligible] Pakistán. Y se recopilaron entre abril y diciembre de 2015. Ahora, se publicaron. |
| Originalmente publicado en el BMC Medical Informatics and Decision Making Journal, volumen 20 en 2020 por dos autores Chicco y Jurman. |
| Y lo que los autores querían hacer era crear un modelo para evaluar la probabilidad de muerte por insuficiencia cardíaca. |
| Y el modelo tenía que ser un modelo relativamente simple, que se esperaba que pudiera ser utilizado por hospitales y médicos para evaluar los distintos grados de gravedad de las enfermedades cardiovasculares. |
| Ahora entran un poco en la historia y yo también lo voy a hacer, pero muy brevemente expondré el motivo para hacer esto, los autores lo notan. |
| Los datos que analizaron y los modelos que se derivaron de los datos tenían, en primer lugar, una reproducibilidad baja y también tenían varios factores diferentes entre los cinco o seis primeros. |
| Para predecir la insuficiencia cardíaca, pero dos volvieron a aparecer: el volumen de eyección y la creatinina. Y voy a repasar |
| En uno o dos minutos, una vez que comenzamos el análisis, veremos cuáles son. Lo que hicieron los autores fue utilizar diez métodos de aprendizaje automático avanzados, según ellos, para predecir la insuficiencia cardíaca. |
| Entonces, ejecutaron 10 scripts de aprendizaje automático. Usaron árboles de decisión de bosque aleatorio, aumento de gradiente, todos los sospechosos normales. Disculpe. Y lo que hicieron fue evaluarlos en siete secuencias de comandos de aprendizaje automático independientes. |
| Métricas. Y descubrieron, para su sorpresa, que la creatinina sérica y el volumen de eyección eran variables significativas. Y lograron descartar todas las demás variables. |
| Y ese no fue el caso cuando hicimos el análisis en JMP Pro 16. Entonces, vamos a echarle un vistazo y voy a hablar un poco sobre la variable Edad, pero, |
| Antes de hacer eso, permítanme mencionar JMP. |
| Y aquí está la tabla de datos JMP con la que vamos a trabajar. |
| Si no está familiarizado con JMP, permítame repasarlo brevemente aquí arriba. En el lugar donde tengo el cursor, tenemos la ventana de scripts. Seguida de la ventana de columnas. Puede ver que tenemos 13 columnas sin nada seleccionado y aquí está la ventana de filas y tenemos 299 filas. |
| Aunque lo descargué, la forma en que funciona es que fui a Kaggle. Publicaron todo en Kaggle. |
| para que otras personas lo practiquen, por así decirlo. Y en los años intermedios, algún estado lo publicó, hubo 177 presentaciones separadas. Todas eran de código abierto y una docena o más de las que miré, todas eran |
| Como pensamos normalmente, son las dos plataformas de código abierto más populares. También incluyen el análisis original, que se realizó en el lenguaje de programación estadística R, y publicaron todo el código en GITHUB. Veamos qué podemos hacer con JMP. |
| Ahora, repasemos las variables a las que nos referimos antes. En primer lugar, tenemos la creatinina fosfoquinasa, que es una enzima. |
| Y es un indicador de daño muscular. También tenemos la creatinina sérica, que es una sustancia química que se encuentra en la sangre. |
| Y es un indicador tanto de daño muscular como de insuficiencia renal, y aquí hablamos de daño muscular, estamos pensando en insuficiencia cardíaca. |
| También tenemos la fracción de eyección, que es el porcentaje de sangre que sale del corazón y tener que cargar la fracción de eyección es un indicador de daño del músculo cardíaco. También tenemos el sodio sérico, |
| que es una medición de rutina que se realiza con análisis de sangre. Y valores muy bajos aquí, pueden ser un indicador de insuficiencia cardíaca. |
| También debemos tener en cuenta que tenemos lo que podríamos llamar un conjunto de datos en equilibrio. Es decir, |
| Tuvimos un... bueno, no deberíamos llamarlo positivo... un evento de muerte en el 32% de los casos aquí y supervivencia en el 68%. Así que es sí, uno a dos. |
| Un tercio de las personas sufrieron insuficiencia cardíaca y dos tercios la sufrieron ahora. También debemos mencionar que contamos con un conjunto de datos relativamente pequeño. |
| 299 filas. Muy poco para registros cardíacos. Comencemos con el análisis y permítanme mostrar otra tabla de datos de JMP. |
| Y esa es la tabla de datos que está aquí. Déjame deshacerme de ella. La arrastraré a la otra pantalla. |
| Bien, estamos viendo la tabla de datos y ya trabajé un poco en esto. Reorganicé algunas cosas y lo notarás aquí abajo. |
| anemia, diabetes, presión arterial alta, sexo y tabaquismo. Cuando importé originalmente a JMP, le dio un seguimiento continuo. |
| distribución o continua |
| tipo de datos y lo que hice fue cambiarlos. Por ejemplo, si vienes aquí y miras la anemia, o mejor aún, la presión arterial alta. |
| Presión arterial alta: tenemos ceros y unos, y realmente no dijeron dónde estaba el punto de corte. Hubiera sido bueno tener algunos datos continuos aquí con el |
| sistólica y diastólica. Ese no es el caso. Así que eso es con lo que tenemos que trabajar y cambié todo eso. Y también verá que las plaquetas |
| está oculto |
| Y eso es porque los he escondido y excluido, debería decir, y eso es porque tenía que limpiarlos y hay otra cosa que quiero hacer. |
| Y, te muestro como hacer esto a propósito no lo hice, voy aquí a la edad y lo voy a ocultar. |
| Y también lo voy a excluir, ya que está oculto para que no se pueda ver en los gráficos. Se excluirá de todos los cálculos en caso de que lo arrastre accidentalmente con otra cosa. Explicaré las razones para hacerlo en breve. |
| Vamos a hacer esto de una manera un poco diferente. Voy a empezar, perdón, con el análisis y luego, cuando haya terminado el análisis, voy a volver atrás y a hacer algo de limpieza y lo explicaré a medida que avance. |
| Así que venimos aquí a |
| Analizar |
| y |
| Para seguir con otra cosa por un segundo. Bien, por cierto, la presentación de PowerPoint estará en el sitio web de Discovery Summit y tengo algunas capturas de pantalla y una pequeña explicación, para que puedas seguirla si quieres hacerlo tú mismo. |
| Entonces, lo primero que voy a hacer es ir aquí al menú Analizar, hacer clic en él y bajar aquí a Modelado predictivo. |
| Y tenemos varias opciones aquí, entre ellas, Comparación de modelos y Selección de modelos. Aquí dice que la Selección de modelos "se adapta a muchos modelos predictivos diferentes para que pueda seleccionar el mejor". |
| Entonces, eso suena como lo que queríamos hacer, nos gustaría hacer un paralelo. |
| El análisis original. Y, hay una ventana que aparece y, si te fijas aquí abajo a la izquierda, tenemos un cuadro |
| y tiene algunas casillas de verificación que nos dicen qué modelos vamos a ejecutar, todo esto es predeterminado. |
| Entonces, se ejecutarán, por ejemplo, Decision Tree, Bootstrap Forest, Boosted Tree, Fit Least Squares, todo ese tipo de cosas. Todos nuestros favoritos. Y hay 11 de ellos para nosotros y JMP lo hará automáticamente. Entonces, DEATH_EVENT, |
| Esa será mi respuesta Y. Y lo que voy a hacer es simplemente |
| Haga clic y arrastre para seleccionar todas las variables aquí. Voy a ponerlas como factores X. |
| Y voy a hacer clic en Aceptar. |
| Y nos sentamos y dejamos que JMP haga lo suyo. |
| Y aquí está. Este es el resultado que obtenemos. |
| Así que trabajemos a partir de esto. Aquí están los detalles. Podemos ver los distintos |
| análisis que estamos ejecutando si hacemos clic en este triángulo gris. |
| Podemos ver más detalles y los detalles que están presentes en la ventana dependen de un análisis particular y luego de la ejecución. Si queremos ir más allá, por supuesto, podemos hacer clic en el punto rojo y tenemos algunas opciones adicionales. |
| Entonces, eso es lo que tenemos aquí abajo, y cuando lo hizo, también abrió este cuadro aquí y está etiquetado como entrenamiento. Y esto son los resultados de ejecutar todos los datos como un conjunto de entrenamiento. En otras palabras, no hubo ningún entrenamiento. |
| No había ningún conjunto de prueba. Disculpe, había un conjunto de entrenamiento, pero no había ningún conjunto de prueba. Y no había ningún conjunto de validación y eso es porque no hicimos ninguna selección. |
| Esto es solo una prueba y nos dice cuál tuvo los mejores resultados en el entrenamiento. Bien, entonces, vemos la cantidad de columnas aquí, así que veamos |
| Repasemos brevemente estos puntos. La entropía R al cuadrado es |
| simplemente un R al cuadrado y es, |
| Bueno, es una medida que se compara con las probabilidades logarítmicas del modelo ajustado, por lo que es un valor logarítmico. |
| Y tenemos la tasa de error de cálculo, el área bajo la curva aquí, obviamente, cuanto más alta, mejor. |
| Y tenemos el RASE, que es la raíz cuadrada de la tasa de predicción promedio. Por lo tanto, esta es la diferencia entre una probabilidad p y una probabilidad 1. |
| Esa es la probabilidad ajustada para el modelo que JMP ideó. Y tenemos el R cuadrado generalizado, que es lo que todos conocen como R cuadrado. Es un |
| medida... se aplica a los modelos de regresión y, si obtenemos un ajuste perfecto, tenemos un 1 y, si no lo obtenemos, tenemos un 0. Están clasificados aquí, por lo que Bootstrap Forest quedó en primer lugar. |
| Y veamos que más quiero decir, revisa mis apuntes. |
| Creo que eso es todo, podríamos |
| Vuelve aquí otra vez |
| y abra el Bosque Bootstrap y verifique los resultados. Podemos ver que para nuestro conjunto de entrenamiento, aquí abajo, veamos la matriz de confusión. Nos da |
| Los datos de entrenamiento aquí son los mismos que vimos, pero son solo para el bosque bootstrap y tenemos la matriz de confusión aquí, hemos predicho el recuento. |
| Y, aquí abajo tenemos la tasa prevista para el Bosque Bootstrap. Y si no estás familiarizado con esto o tu memoria está un poco oxidada, lo que hace esto es mostrarnos el recuento de |
| eventos de muerte que fueron eventos de muerte reales con el valor de cero, y es que el paciente sobrevivió aquí abajo, el 83, |
| Tuvimos un evento de muerte con un valor de uno, lo que significa que el paciente no sobrevivió. Y este es el recuento absoluto, por lo que queremos observar la diagonal que va desde la esquina superior izquierda hasta la esquina superior izquierda. |
| Abajo a la derecha y en diagonal desde abajo a la izquierda hasta arriba a la derecha, esos son los números incorrectos. Entonces, teníamos 13. |
| Aquí se predijeron tiempos de supervivencia y no fueron supervivencia, fueron muertes. Y luego, en el segundo cuadro gris, tenemos los mismos datos, pero se trata de la tasa, que, en nuestro caso, es una medida un poco mejor, porque tenemos un conjunto de datos desequilibrados, así que lo cerraré. |
| Y a continuación, |
| Lo que vamos a hacer es ir al modo Analizar y Ajustar. Y la razón por la que queremos hacer esto es que vamos a ajustar un modelo de regresión, que es mucho más fácil de entender para las personas y nos dará |
| Danos la oportunidad de presumir |
| la capacidad de interactuar en JMP. Entonces, lo que voy a hacer es cerrar eso y subiré aquí a Analizar, aquí estamos, para |
| Modelo de ajuste. |
| Y bueno, |
| Sabemos cuáles son las variables ahora, primero que todo déjame subir aquí |
| Pondremos DEATH_EVENT allí como lo que queremos predecir. Y sabemos y vimos que la creatinina, no, esa es la incorrecta. La fracción de eyección |
| Y aquí está. |
| Creatinina sérica |
| son variables importantes. Y la edad también apareció en un par de análisis. Así que déjenme incluir eso si puedo encontrarlo. |
| Aférrate. |
| Permítame comenzar de nuevo, se olvidó algo. |
| Hola Peter, ¿podemos hacer una pausa por un segundo? |
| Entonces, lo que voy a hacer es venir aquí a analizar, |
| Modelo de ajuste. Y, Y será el EVENTO_MUERTE. |
| Y lo que voy a hacer es que, como muchos modelos encontraron la edad como una variable importante, voy a agregar la edad. Y voy a poner |
| fracción de eyección y creatinina sérica. |
| Ahora bien, los autores no encontraron la edad como una variable significativa, pero yo sí, así que creo que podría haber una interacción allí y JMP nos permite manejar eso muy fácilmente. Así que, para eso, hago clic en la edad. |
| y fracción de eyección en lugar de hacer clic en Agregar, |
| Yo vengo aquí |
| Haz clic en Cruz y voy a ir a edad. |
| y |
| creatinina sérica. |
| Y ese es el clic de control. |
| Y vamos a agregar eso para que lo tengamos. |
| Edad, fracción de eyección, espera un minuto. |
| Creo que ese fue solo un dedo gordo. |
| Allá vamos. |
| Ahora está ahí, por lo que tiene las dos interacciones y podemos ver que aquí arriba nos dio una opción para Personalidad. Y lo que vamos a hacer es aceptar la opción predeterminada, que es Logística nominal. |
| Y tenemos otras opciones aquí, pero nos quedaremos con esa. |
| Y haré clic en ejecutar. |
| Y esto es lo que obtenemos. |
| Bueno, entonces. |
| Tenemos que registrar el valor aquí, que es básicamente menos. |
| El logaritmo en base 10 de este valor de probabilidad está aquí. Y la razón por la que lo hacemos es que es más fácil trabajar con él, perdón, es más fácil graficarlo y es más fácil para los seres humanos entenderlo. Entonces, vemos el número uno en la lista. |
| La fracción de eyección, perdón, es lo que encontraron los autores. El segundo es la creatinina sérica, pero la edad sigue siendo el tercer factor y es muy importante. |
| Y miramos hacia |
| interacciones y vemos que no son significativas. Por cierto, esta línea azul aquí es el valor de dos. Es dos. |
| Y lo pusieron ahí simplemente para que fuera más fácil verlo. Y el motivo por el que elegí dos es porque es el logaritmo de 0,01, que es el nivel de significancia elegido por JMP como predeterminado. |
| Pero llegamos aquí y vemos que el valor logarítmico o la ecuación de regresión serán relativamente bajos, pero estamos aquí y 0,05, lo que podría ser un límite en muchos diseños experimentales. Podría ser un límite en muchos. |
| El análisis funciona, así que vamos a tomar nota de eso, aunque lo vamos a ignorar aquí, porque no pasa nuestro límite de .01. |
| Puede ser de interés para los médicos. Puede darles algo más que buscar y puede ser muy importante en un conjunto de datos diferente. Y tenemos todos los datos habituales aquí. Veamos qué podemos ver. Déjame desplazarme hacia abajo. |
| Tenemos las probabilidades de chi cuadrado en las que no entraré, y tenemos las estimaciones aquí abajo, que serían el coeficiente en nuestra ecuación de regresión. |
| Así que eso fue lo que encontramos. |
| Así que déjame minimizar eso y vamos a continuar con la limpieza y la exploración ahora, la razón por la que hice eso, sin limpiar primero, es porque en los artículos originales, no se mencionaba nada. |
| Limpieza y manipulación de datos. Simplemente tomaron los datos y ejecutaron sus modelos en ellos. |
| Y me gusta mirar mis datos primero. Veamos un par de cosas aquí. En primer lugar, si llegamos aquí, |
| Y haga clic en ese pequeño icono para mostrar los gráficos del encabezado. Y me gusta hacer eso. Entonces, hagamos clic en 1 aquí, que es |
| evento de muerte positivo, si se me permite utilizar esos términos. |
| Y lo que eso hace es resaltar todas las filas con un evento de muerte de 1. Si quisiéramos observarlo más de cerca, podemos ver si hay algún tipo de correlación con las otras variables que podrían aparecer y no hay mucho allí. |
| Mi ventana, pero notamos una cosa: tenemos algunas distribuciones realmente sesgadas para el |
| creatinina fosfoquinasa y para la creatinina sérica que parece un poco extraña. No hay nada más por ahí, podemos aclarar esos |
| haciendo clic en cualquier otro lugar del gráfico y, por cierto, si no estás familiarizado con él, este tipo de cosas son |
| arrastrable si queremos expandir algo. |
| Ahora desde allí vayamos al Generador de gráficos. |
| Vamos a ver. |
| Te diré algo, ya que nos preocupa eso, selecciona esa columna, que es creatinina fosfoquinasa y haz clic en shift. |
| Para la creatinina sérica y, ah, casi lo olvido antes de hacer eso |
| Hagamos clic derecho |
| Y podemos ir directamente desde aquí a Distribución, y esto es lo mismo que obtenemos si subimos a Gráfico y Distribución. Podemos ver que tenemos una distribución muy sesgada en ambos. |
| Y tenemos muchos valores atípicos aquí, solo cuantiles, y los cerraré. Déjenme cerrarlos. Realmente no los necesitamos. |
| Y veamos las estadísticas de resumen, déjame. |
| Ahí lo tenemos, bueno, observemos la creatinina fosfoquinasa, tenemos una media de 581, una desviación estándar de 970. Entonces, eso es un poco raro. Obviamente, eso está muy lejos de lo que sería un caso ideal y aquí, para la creatinina sérica, quiero decir, tenemos una media |
| Yo lo llamo 1,4 y la desviación estándar 1,0. Por lo tanto, tampoco es una situación ideal. Y también nos ha dado otra información y, si bien es un poco difícil de ver en este gráfico, si no estás |
| acostumbrado a mirar diagramas de caja rápidamente, los bigotes son 1,5 veces el rango intercuartil, que es la diferencia entre el percentil 25, que es la parte inferior del cuadro aquí, y el percentil 75, que es la parte superior. |
| El rombo nos da la media y la línea nos da la mediana. Y para que quede un poco más claro, puedo ampliarlo y se puede ver un poco mejor y hay muchos valores atípicos allí. |
| Entonces, |
| Tenga en cuenta que la creatinina sérica fue una de nuestras variables predictivas más importantes. También podríamos examinarla con un poco más de detalle. |
| yendo al generador de gráficos. |
| Ahora vayamos a Gráfico, Generador de gráficos. |
| Y esta es la ventana que tenemos. |
| Bueno, lo sabemos por nuestra investigación y |
| Algunos conocimientos, si no experiencia en el tema, sobre que la creatinina fosfoquinasa es producida continuamente por el cuerpo y reacciona |
| Un precursor de lo que se convertirá en la creatinina sérica, por lo que tal vez exista alguna relación entre los dos y también nos gustaría examinar esas distribuciones, digamos, insatisfactorias. Aquí, la creatinina fosfoquinasa. |
| Y lo colocaremos en el eje X simplemente haciendo clic aquí abajo. |
| Y haremos lo mismo con la creatinina sérica que está en el eje Y y esto es lo que obtenemos. Entonces, notamos que la creatinina sérica Y va de cero a 10 y mientras |
| Creatina fosfoquinasa, hombre, eso se va muy lejos aquí |
| a casi 8000. Ahora una cosa que podemos hacer. |
| Es hacer clic y arrastrar y podemos extenderlo un poco más. Pero, la otra cosa que podemos hacer |
| es hacer doble clic en nuestro eje y obtenemos esta ventana. No entraré en detalles sobre esto, pero llegamos aquí y miramos la escala y vemos el máximo una vez que pasamos 8000. Y, al mirar el gráfico aquí abajo, déjame sacarlo del camino. |
| Ciertamente, la mayoría de nuestros valores de creatina fosfoquinasa son inferiores a 1000. De hecho, parece que una buena parte de ellos son inferiores a quizás quinientos o seiscientos. |
| Entonces, |
| No tengo por qué hacerlo. |
| cambia eso a |
| Escojamos 800. |
| Bueno. |
| Y eso nos da un gráfico de solo esos puntos de datos. Eliminamos todos los demás y vemos que es básicamente una línea recta. No hay una relación real entre ellos y también tenemos algunos valores atípicos aquí en el gráfico. |
| Creatinina sérica, muy arriba aquí en 10. Y eso parece un lado de negación de valor aquí, por lo que puede que nos convenga volver atrás y echar otro vistazo a esos, tal vez deshacernos de algunos de los valores atípicos para ver si entramos y obtenemos resultados diferentes. |
| Y eso es prácticamente todo, déjame minimizarlo. |
| Eche un último vistazo al conjunto de datos. |
| Oh, sí, creatinina sérica. |
| Lo ponemos como un número continuo, pero si miras aquí en la columna, nuestro recuento más bajo está aquí, en el primer decimal, por lo que tenemos la posibilidad de 10 valores allí más otros 10 valores, la mayoría de ellos. |
| Parece que están por debajo de 2 o 3. Entonces, puede haber alguna duda sobre cómo queremos tratar eso dependiendo del análisis. |
| Y ciertamente queremos que nuestro análisis sirva para algo. ¿Queremos considerarlo realmente como una variable continua o deberíamos considerarlo como una variable ordinal con, tal vez, |
| No sé, |
| 20 valores diferentes para esa variable ordinal. 20 o 25 o lo que sea, eso se hace con frecuencia en los análisis de marketing, pero no se suele hacer aquí, pero es algo a tener en cuenta. Así que, permítanme |
| Regresa aquí para ver un resumen. Regresa a la presentación de PowerPoint. |
| Y déjame ampliarlo y espero que todos puedan verlo así que esto es lo que teníamos. |
| Tenemos 11 modelos diferentes que JMP eligió de forma predeterminada y los obtuvimos todos yendo a Analizar, Modelado predictivo, Selección de modelos. Descubrimos que la creatinina sérica, la edad y la fracción de eyección eran todos significativos. |
| Y descubrimos que la interacción entre la fracción de eyección y la edad puede justificar un estudio clínico más profundo, aunque no fue realmente significativo para nuestro estudio. |
| Se decidió el valor. Y vimos algunos valores muy sesgados, especialmente en la distribución de creatinina, que se utilizó en nuestro modelo y con un conjunto de datos bastante pequeño y desequilibrado. Y ahora, mencioné la edad antes. Permítanme volver al original. |
| Arrastre eso lejos. Aquí está la edad. |
| Y vemos que tenemos una distribución algo sesgada y no lo incluí en el modelo y la razón por la que no lo incluí en el modelo es la forma en que se recopilaron los datos. |
| Sabemos por la lectura de los artículos que la forma en que se desarrolló la época era que enviaban algún tipo de trabajadores de la salud para controlar a las personas después de... |
| Los datos originales se elaboraron para el estudio, por lo que cuando se ve un caso de 65 años, se retrotraen a 65 meses. |
| Oh, disculpe, esa no era la edad de la que estaba hablando, déjeme volver aquí. Vaya a la hora en que lo mostré. |
| Y hay tiempo. Es un poco raro, déjame sacar eso un poco a relucir. |
| Lo que hicieron |
| Fueron revisados después del estudio original. Entonces, cuando ves 16 años, revisaron 16 meses después del estudio original y verificaron si hubo un evento de muerte o no. Es decir, si el paciente seguía vivo o no. |
| Entonces, después de 16 meses, este paciente aquí, el número 21, |
| Todavía estaba vivo. Ahora, si vamos al evento de la muerte, permítanme destacarlo. |
| Y ven aquí. |
| Vemos que tenemos tiempo de 20. |
| Bueno, no sabemos si el evento de muerte tuvo lugar el día antes de que buscaran datos de la semana anterior, un mes antes o dos meses antes. Los autores originales que publicaron un artículo y lo colocaron en Kaggle sí analizaron esos datos. |
| Y no pudieron sacar ninguna conclusión positiva de ello. Esa persona podría haber muerto en el primer mes, pero nadie lo comprobó en el primer mes. |
| Y no sabemos la frecuencia de los controles de seguimiento. Por eso lo añadí e incluí, y si hubiéramos tenido mejores datos, podríamos venir aquí a analizarlos. |
| Confiabilidad y Supervivencia y podríamos haber hecho una Distribución de Vida o una Vida Ajustada por X, que es la forma en que se hacen muchas de estas, pero no pudimos hacerlo en este caso particular. |
| Así que más o menos |
| Para finalizar la presentación, me gustaría volver a la presentación de PowerPoint, que una vez más se publicará en el sitio y aquí están los enlaces al artículo de la revista original. |
| El Kaggle. |
| páginas. El conjunto de datos de Kaggle, que es un CSV y, |
| el repositorio de Github de los autores con el código R. Y espero que todos lo hayan disfrutado. |
| Y con eso |
| Terminaremos esta presentación. |
| Pedro Polito | Los buenos trabajos ahora son muy interesantes. |
| Gracias. |
| Pedro Polito | Muy bien, bueno, déjame revisar mi lista de verificación. |
| seguro. |
| Pedro Polito | No lo soy. |
| No creo que con el tiempo del agente. |
| Por favor, por favor que lo pille. |
| Pedro Polito | Sí, y si regresan y dicen: "Oh, no nos gusta la pausa", lo que haremos es que cuando estés vivo, puedes simplemente hablar con quien lo esté presentando y puedes saltarte esa parte y simplemente decir: "Esto es lo que pasó". |
| Está bien, hazlo. |
| No creo que nos vayan a pedir que lo volvamos a grabar, pero... |
| Bueno. |
| Está bien, si lo hacen no hay gran problema. |
| Pedro Polito | Está bien, bueno, todo lo demás que voy a hacer, lo voy a hacer. |
| Una vez que hemos terminado de grabar, estamos listos para continuar. |
| y bueno. |
| Pedro Polito | Eso es genial, gracias por dejarme verlo. |
| Sí, bueno, lo bueno de esto, a pesar de que tuve un par de errores en el pasado, es que no tuvo ningún problema con el software. |
| Ahora todo se veía genial, sí, sí, arrastré todo y me quedé allí, así que eso es bueno. |
| Pedro Polito | Está bien, bueno. |
| Probablemente me cruzaré contigo en la cumbre de descubrimiento y pasaremos un gran día. |
| Bueno, tú también teatro. |
| Pedro Polito | Muy bien, adiós, stand. |
| Por. |
