| 스피커 |
성적 증명서 |
| 스탠 시라노비치 |
안녕하세요 여러분. 오늘은 탐색적 데이터 분석을 해 보겠습니다. |
| |
VAERS 데이터베이스의 일부입니다. 이제 이 데이터베이스가 무엇인지 간략하게 살펴보겠습니다. VAERS는 백신 부작용 보고 시스템(Vaccine Adverse Effect Reporting System)의 약자로, FDA와 CDC에서 개발했습니다. |
| |
매년 약 3만 건의 업데이트가 이루어지고 1990년부터 공개되었으므로 상당한 양의 데이터가 있습니다. |
| |
그리고 이는 이전에 보고되지 않았던 백신의 효과를 찾아내는 조기 경보 시스템으로 설계되었습니다. |
| |
이것들은 부작용이 아니라 부작용입니다. 즉, 아직 백신 접종과 관련이 있는 것으로 밝혀지지 않았습니다. 단지 백신 접종 후에 발생한 현상일 뿐입니다. 이제 구조에 대해 이야기해 봅시다. |
| |
VAERS VAX 및 |
| |
VAERS DATA. 이제 온라인 데이터베이스를 검토하는 도구가 있는데, WONDER라는 약어로 불립니다. 데이터베이스의 여러 영역을 탐색하는 전통적인 검색 도구입니다. |
| |
원하는 데이터 유형을 선택하고 드롭다운을 클릭한 후 이를 몇 번 또는 수십 번 수행한 후 |
| |
당신이 해야 할 일은 질의를 보내는 것입니다. |
| |
그리고 너무 오래 기다리지 않고 결과를 얻을 수 있습니다. 하지만 탐색적 데이터 분석과 일부 시각화 작업을 수행하는 경우, |
| |
거기에는 약간의 문제가 있습니다. 바로, 처음부터 무엇을 얻고 싶은지, 아니면 적어도 아주 좋은 아이디어가 무엇인지 알아야 한다는 것입니다. |
| |
그래서 JMP가 필요한 겁니다. 말씀드렸듯이, 특정 데이터 세트, 즉 홍역, 볼거리, 풍진에 대한 MMR 백신 데이터를 대상으로 EDA(Enhanced Data Analysis)와 시각화 작업을 진행할 예정입니다. 가장 최근 1년 동안의 데이터를 사용할 예정인데, |
| |
2019년입니다. 새로운 창으로 넘어가겠습니다. |
| |
좋아요, 가장 먼저 한 일은 CSV 파일을 다운로드해서 JMP에서 여는 것이었는데, 여기서는 생략했습니다. 이제 데이터를 선택해야 하는데, JMP를 사용하면 아주 쉽게 선택할 수 있습니다. |
| |
창을 연 후, 행, 행 선택을 차례로 살펴보고, VAX_TYPE을 MMR과 같게 설정하고 싶은 그림을 선택합니다. "같음" 외에도 몇 가지 옵션이 있는데, 이 옵션에 대해서는 잠시 후에 설명하겠습니다. |
| |
버튼을 클릭하고 행을 선택한 후에는 원하는 데이터를 선택해야 합니다. 일부 열을 강조 표시했는데, 잠시 후에 이유를 알 수 있을 겁니다. |
| |
그리고 내가 그렇게 할 때, 오, 거기로 가기 전에, 알아두자. |
| |
9번째 줄과 18번째 줄은 여기입니다. MMRV가 있고 |
| |
MMR. MMRV는 다른 백신입니다. 그것도 보고 싶다면 드롭다운 메뉴에서 "여기 포함"을 선택할 수도 있습니다. 하지만 저희는 그렇게 하고 싶지 않았습니다. 그래서 "확인"을 클릭합니다. |
| |
이제 테이블을 얻습니다. 이제 우리가 하려는 것은 제조업체, 로트 등 백신 관련 데이터가 포함된 VAERS VAX 테이블과 백신에 대한 데이터가 포함된 VAERS DATA 테이블을 조인하는 것입니다. |
| |
백신의 효과, 즉 환자가 알레르기가 있었는지 여부, 환자가 입원했는지 여부, 숫자와 같은 것들이 있습니다. |
| |
병원 근무일 같은 것들 말이죠. 그리고 나이와 성별 같은 인구통계학적 데이터도 포함되어 있습니다. 그래서 우리가 하고 싶은 건 조인하고 테이블 조인으로 가서 |
| |
VAERS VAX 테이블과 VAERS DATA 테이블을 VAERS ID로 조인하려고 합니다. JMP를 사용하면 매우 쉽습니다. 클릭만 하면 됩니다. |
| |
각 열을 별도 테이블 중 하나에 놓고 매치 창에 넣은 다음 테이블 창으로 가서 원하는 열을 선택합니다. |
| |
결과 테이블은 이렇게 생겼습니다. 이제 이 테이블을 축소해서 JMP 테이블을 열어 보겠습니다. |
| |
자, 이제 좀 더 확장해 보겠습니다. |
| |
그리고 이 시연의 목적을 위해 나는 단지 |
| |
여기 이 열들을 선택했습니다. VAERS ID가 있는데, 식별 정보를 분명히 볼 수 있고, 유형은 모두 MMR입니다. |
| |
그리고 머크가 제조사인 것 같습니다. 그리고 알려지지 않은 것도 몇 가지 있습니다. |
| |
여기 저기 흩어져 있죠. 그리고 저는 VAX LOT을 선택했습니다. 한 로트에 문제가 있을 경우, 그 부분을 확인할 수 있어야 하기 때문입니다. |
| |
이건 케이지 밑줄 연도처럼 보이지만, 실제로는 계산된 나이(나이)입니다. H 열이 여러 개 있는데 저는 하나만 선택했습니다. |
| |
그리고 제가 성별을 선택한 이유는 누군가가 더 큰 영향을 받는지, 즉 남성이 여성보다 더 큰 영향을 받는지, 아니면 그 반대인지 알고 싶었기 때문입니다. |
| |
그리고 HOSPDAYS는 입원할 정도로 심각한 부작용이 발생한 경우 입원 일수입니다. NUMDAYS는 백신 접종 후 부작용이 나타나기까지의 일수인데, 여기서는 상당히 큰 차이가 있는 것 같습니다. |
| |
그럼, 분석을 시작해 볼까요. |
| |
헤더 그래프를 표시합니다. 여기를 클릭하면 헤더 그래프가 표시됩니다. |
| |
그리고 여기에 분포와 다른 정보가 있습니다. ID는 건너뛰고 VAX_TYPE이 모두 MMR이고 다른 정보가 없는지 확인해 보겠습니다. |
| |
그리고 백신 제조업체는 그렇습니다. Mercks & Co Inc이거나 알려지지 않은 회사입니다. 이것에 대한 좋은 기능 중 하나는 막대를 클릭할 수 있다는 것입니다. |
| |
그러면 행이 강조 표시되고, 클릭하면 강조 표시가 해제됩니다. VAX_LOT으로 넘어가면, 이 작은 상자에 꽤 많은 정보가 압축되어 있습니다. |
| |
우선, 데이터 테이블에서 가장 많이 발생한 상위 5개 로트가 여기에 있습니다. |
| |
다음은 그 횟수입니다. 또한 표에 포함된 다른 로트 수가 413개라는 것도 알려주고, 제 계산에 따르면 5개도 포함되어 있습니다. |
| |
개별 랏은 약 418개 정도 됩니다. 이제 계산된 연령(년)을 살펴보면 대부분의 값이 0에서 그 사이인 것을 알 수 있습니다. 0번 구역에 속하는데, 백신 접종이기 때문에 이 부분은 기록해 두는 것이 좋습니다. |
| |
성별 열로 가보면 여성이 남성보다 훨씬 많은 것 같습니다. 이제 나란히 배치할지 말지 바로 알 수 있죠. |
| |
집단 비교를 위해서는 여성 중에서 무작위로 선택해야 하므로 남성과 동등해야 합니다. 그리고 여기에는 알려지지 않은 것도 꽤 많습니다. |
| |
그리고 우리는 그것을 기록하고 계속 진행합니다. 병원 입원 일수도 있고, NUMDAYS도 있습니다. 자, 여기 또 다른 정말 멋진 기능이 있습니다. 더 자세한 정보를 원하고 연령 분포를 좀 더 살펴보고 싶다면, 마우스 오른쪽 버튼을 클릭하고, 마우스 오른쪽 버튼을 클릭하고, |
| |
배포판에서 열기를 선택하세요. 그리고 지금은 배포판 창에 있지만, 여기에는 꽤 많은 정보가 있습니다. |
| |
지금 당장은 분위수에 대해 크게 신경 쓰지 않습니다. 그러니 "닫기"를 클릭해 보겠습니다. 그래도 여전히 공간이 좀 남아 있네요. |
| |
자, 여기 아래로 내려가서 윤곽선 닫힘 방향을 선택하고 세로로 설정해 봅시다. 그러면 읽기 쉬운 창이 나타납니다. 거기에 몇 가지 정보가 있죠. 물론 여기 아래에 분포가 있고, 여기 위에 상자 수염 그림이 있습니다. |
| |
그 부분에 대해서는 자세히 설명할 시간이 많지 않습니다. 데이터를 다른 방식으로 표시하는 것뿐입니다. 요약 통계를 보면 평균은 16.2이고 표준 편차는 20.6입니다. |
| |
이상적인 상황은 아닙니다. 따라서 이 상황을 더 개선하고 싶다면, 대부분의 사람들이 여기 아래에 있는 두 그룹으로 연도를 나누는 것이 좋습니다. |
| |
어디에, 어디에, 모든 왜곡된 데이터가 어디에 있는지, 그리고 나머지는 어디에 있는지 |
| |
오른쪽을 따라 |
| |
그건 따로 살펴보세요. 그리고 그 기간을 최소화하고, 입원 일수와 일수에도 똑같이 적용할 수 있습니다. 잠깐만요. |
| |
여기서도 같은 종류의 데이터를 볼 수 있는데, 굳이 클릭해서 데이터를 줄이지는 않겠습니다. 하지만 평균이 6.7이고 표준 편차가 13.2인 경우도 있는데, 이 역시 이상적인 상황은 아니므로 그냥 기록해 두겠습니다. |
| |
이제 마무리하겠습니다. 이제 좀 더 탐색적인 분석을 하고 싶은데, 뭔가 눈에 띄는 게 있다고 가정해 봅시다. 여기서는 간단하게 할 수 있습니다. 온라인 데이터베이스로 돌아갈 필요가 없으니까요. |
| |
모든 항목을 선택하고 드롭다운을 클릭하거나 원하는 대로 하세요. 간단히 여기로 와서 Y x X를 분석하고 맞춰볼 수 있습니다. |
| |
그래서 우리가 다음의 관계를 조사하고 싶다고 가정해 보겠습니다. |
| |
아, 입원 일수, 입원 일수, 그리고 계산된 나이(년)를 입력하면 됩니다. 그냥 그렇게 하면 됩니다. 두 개의 연속형 변수가 있으니 이변량 그래프를 그려 보겠습니다. |
| |
확인을 클릭합니다. |
| |
그리고 우리는 또 다른 멋진 데이터 디스플레이를 얻습니다. 그리고 네, 우리는 그것을 볼 수 있습니다. |
| |
현재 평균은 5 또는 6 정도로 낮아졌습니다. 이는 10 또는 12보다 훨씬 나은 좋은 일입니다. 참고 목적으로 다음을 수행할 수 있습니다. |
| |
여기 빨간색 삼각형으로 가서 '적합 평균'을 선택하면 평균이 나옵니다. 바로 여기요. 이상치가 꽤 많은 걸 알 수 있습니다. |
| |
지금 당장 이 점들을 살펴보고 좀 더 자세히 살펴볼지 말지 결정하고 싶다고 가정해 보겠습니다. 이상점이나 다른 점들 위에 마우스를 올려놓으면, |
| |
우리는 이 팝업 창을 보고 그것이 우리에게 말해주는 것을 봅니다. |
| |
해당 데이터 포인트는 868행을 나타냅니다. |
| |
계산된 연령은 1년 단위입니다. |
| |
그리고 이 환자는 우연히 병원에서 90일을 보냈습니다. 이제 이 행을 마우스 오른쪽 버튼으로 클릭하고 색칠하거나 마커 같은 걸 넣을 수 있을 것 같습니다. 저는 그렇게 하지 않겠지만, |
| |
커서를 창으로 옮기면 오른쪽 모서리에 작은 기호가 보이는데, 그것을 클릭하면 고정됩니다. |
| |
물론, 반복할 수도 있습니다. 그리고 세부 정보를 얻어서 더 자세히 살펴볼 수도 있습니다. 여러 사람에게 프레젠테이션을 할 때 특정 요점에 주의를 환기하고 싶을 때 이 기능이 꽤 유용하다는 것을 알게 되었습니다. 좀 과한 느낌이 드는데, 마우스 오른쪽 버튼을 클릭하고 '선택...' 글꼴을 선택해 보겠습니다. '편집'이 아니라요. |
| |
글꼴 창이 뜨는데, 16포인트 글꼴을 사용하고 있네요. 글쎄요, 9포인트로 줄여 볼까요? |
| |
그리고 그게 좀 더 나아졌고, 다른 이상치들에 주의를 환기하고 싶을 때 더 많은 여지를 줍니다. 요약하자면, |
| |
다시 파워포인트를 꺼내보겠습니다. |
| |
요약하자면, 우리는 정부가 관리하는 대규모 온라인 데이터베이스에서 두 개의 대용량 데이터 테이블을 가져와서 구성할 수 있었습니다. 테이블의 하위 집합을 만들 수 있었습니다. |
| |
테이블을 결합하고 출력 데이터를 모두 원활하게 선택할 수 있었습니다. 또한 요약과 분포를 생성하여 특정 영역을 지적할 수 있었습니다. |
| |
더 자세한 분석이 필요할 수도 있습니다. 물론, 이 모든 작업은 동일한 소프트웨어 플랫폼 내에서 원활하게 진행되었습니다. 이제, |
| |
몇 가지 링크를 제공하세요 |
| |
바로 여기 다양한 데이터 사이트로 가세요. 여기가 주요 사이트인데, 정부가 꽤 잘 해냈다는 모든 문서가 있습니다. 그리고 여기 zip 파일에 실제 데이터가 있습니다. |
