| 扬声器 |
抄本 |
| 斯坦·西拉诺维奇 |
大家早上好。今天我们要进行探索性数据分析 |
| |
VAERS 数据库。现在我们来简单介绍一下这个数据库的背景。VAERS 的拼写是 VAERS，是“疫苗不良反应报告系统”的缩写。它由美国食品药品监督管理局 (FDA) 和美国疾病控制与预防中心 (CDC) 创建。 |
| |
它每年更新约 30,000 次，自 1990 年起就已公开，因此上面有相当多的数据。 |
| |
它被设计为一个预警系统，用于寻找一些以前未曾报道过的疫苗影响。 |
| |
这些是不良反应，而不是副作用，也就是说，它们还没有被认定与疫苗接种有关。这只是接种疫苗后发生的事情。现在我们来谈谈疫苗的结构。 |
| |
VAERS VAX 和 |
| |
VAERS 数据。现在有一个用于检查在线数据库的工具，它的缩写是 WONDER。它是一款传统的搜索工具，可以导航到数据库的不同区域。 |
| |
选择你想要的数据类型，点击下拉菜单，重复几次或几十次之后， |
| |
您所做的就是发送查询。 |
| |
并且不会有太多延迟，就能得到结果。但对于探索性数据分析和一些可视化来说， |
| |
这其中有一个小问题。那就是你首先必须知道自己想要什么，或者至少要有一个好主意。 |
| |
这就是 JMP 的用武之地。正如我提到的，我们将对特定数据集进行 EDA 和可视化分析，这些数据是针对麻疹、腮腺炎和风疹的 MMR 疫苗的数据。我们将对最近一年的可用数据进行可视化分析，也就是 |
| |
2019。那么让我转到一个新的窗口。 |
| |
好的，我们做的第一件事，也是我在这里省略的，就是下载 CSV 文件并在 JMP 中打开它们。现在我想选择我的数据，JMP 让这一切变得非常容易。 |
| |
打开窗口后，我只需浏览行，选择行，然后选择我想要的位置，下面是一张图片，我希望它与 VAX_TYPE 相等，并且我希望它等于 MMR。除了“等于”之外，这里还有其他一些选项，我们稍后会讨论。 |
| |
点击按钮并选择这些行后，接下来要做的就是决定需要哪些数据。我突出显示了一些列，大约一分钟后你就会明白为什么。 |
| |
然后当我这样做的时候，哦，在我们去那里之前，让我们注意一下 |
| |
第九行和第十八行就在这里。注意我们有MMRV和 |
| |
MMR。MMRV 是另一种疫苗。如果我们也想查看，可以从下拉菜单中选择“包含”。但这不是我们想要的。所以我们点击“确定”。 |
| |
这样我们就得到了表格。现在我们要做的是将包含疫苗相关数据（例如制造商、批号等）的 VAERS VAX 表与包含疫苗相关信息的 VAERS DATA 表连接起来。 |
| |
疫苗的效果，所以它包括病人是否有过敏症、病人是否住院、数量 |
| |
住院天数之类的数据。它还包含人口统计数据，例如年龄和性别。所以我们要做的是连接，只需转到表连接，然后选择 |
| |
VAERS VAX 和 VAERS DATA 表，我们想根据 VAERS ID 将它们连接起来。JMP 让这一切变得非常简单。我们只需点击 |
| |
我们把每个单独表格中的列放在匹配窗口中，然后转到表格窗口，选择我们想要的列。 |
| |
这就是我们的结果表。现在我来简化一下，并打开 JMP 表。 |
| |
好了，我来进一步阐述。 |
| |
为了演示的目的，我只是 |
| |
选择这些……这些列。我们得到了 VAERS ID，你显然可以看到它的标识，类型都是 MMR。 |
| |
看起来默克是制造商。还有一些未知数 |
| |
散布在这里。我选择了 VAX LOT，因为如果某个批次出了问题，你希望能够看到它，这一点很重要。 |
| |
这看起来像笼状下划线年份，但那是按年计算的年龄。有几列 H 值，我只选了一列。 |
| |
我选择性别是因为我们想知道是否有人受到的影响更大，男性是否比女性更容易受到影响，反之亦然。 |
| |
HOSPDAYS 是指出现严重到需要住院的不良反应时住院的天数。NUMDAYS 是指从接种疫苗到出现不良反应之间的天数，看起来这个范围相当大。 |
| |
那么让我们开始分析吧。 |
| |
显示标题图表。我要点击它并显示标题图表。 |
| |
我们在这里得到了一些分布和其他信息。我们先跳过ID，看看VAX_TYPE，它全是MMR，没有其他信息。 |
| |
疫苗制造商，是的，要么是默克公司，要么是未知的，这个功能的一个优点是，我们可以点击栏 |
| |
它会高亮显示这些行，点击其他行后，高亮显示就会消失。接下来是 VAX_LOT，我们在这个小小的方框里塞进了相当多的信息。 |
| |
首先，我们的数据表中列出了发生率最高的五个批次，它们如下， |
| |
这是它们出现的次数。它还告诉我们，表格中还包含其他 413 个地块，另外根据我的计算，还有 5 个。 |
| |
大约有418个独立批次。现在我们查看计算出的年龄（以年为单位），发现大多数值都在零到零之间，它们位于零区间内，这很合理，因为这是疫苗接种，我们只需记录下来即可。 |
| |
我们查看性别栏，发现女性明显多于男性。这就能让我们立刻知道是否要进行并排比较。 |
| |
群体比较，我们必须从女性中随机选择，以便她们与男性相等，而且我们这里也有一些未知数，相当多的未知数。 |
| |
我们只需记录下来，然后继续。然后我们可以看到住院天数。我们看到了NUMDAYS。现在，这是另一个非常棒的功能。假设我们想要了解更多详细信息，并想进行一些探索，看看年龄是如何分布的，我们只需右键单击，右键单击， |
| |
选择在发行版中打开。现在我们进入了发行版窗口，但这里有相当多的信息。 |
| |
就我们目前的目的而言，我们在这里对分位数的处理并不多。所以，点击“关闭”后，它仍然会占用一些空间。 |
| |
所以，我们在这里往下拉，选择轮廓关闭方向，然后设置垂直方向。这样我们就得到了一个美观易读的窗口。里面有一些信息。当然，我们在这里可以看到分布图，上面还有一个箱线图。 |
| |
没必要花太多时间去研究这个问题，这只是用不同的方式展示数据而已。从汇总统计数据来看，平均值恰好是16.2，标准差是20.6。 |
| |
这可不是什么理想的情况。所以如果你想做更多的事情，我们可能会把年份分成两组，大部分年份都放在这里，然后 |
| |
所有倾斜数据在哪里，其余数据在哪里 |
| |
沿着右边 |
| |
单独检查一下。我会最小化这个窗口，我们也可以对住院天数和住院天数进行同样的操作。让我快速地做一下。 |
| |
这里我们看到的是相同类型的数据，我就不费心去点击和减少它了。但我们可能还会注意到，当我们再次看到平均值 6.7 和标准差 13.2 时，这又不是一个非常理想的情况，我们只需记录下来即可。 |
| |
最后，我来结束这个话题。现在假设我们想做一些探索性分析，比如某个东西引起了我们的注意等等。这在这里很简单。我们不需要回到在线数据库， |
| |
然后选择所有内容，点击下拉菜单，或者其他任何操作。我们可以在这里简单地分析并用 X 拟合 Y。 |
| |
假设我们想研究一下 |
| |
哦，住院天数，住院天数，以及计算出的年龄（以年为单位）。我们只需这样做。我们有两个连续变量，所以我们将由此得到一个二元图。 |
| |
我们点击确定。 |
| |
我们又得到了漂亮的数据显示。是的，我们可以看到 |
| |
目前，平均值下降到 5 或 6 左右，这比 10 或 12 要好得多。为了参考，我们可以 |
| |
转到红色三角形，选择拟合均值，我们就得到了均值。我们注意到这里有不少异常值。 |
| |
假设我们现在想检查它们，并决定是否要进一步深入研究。如果我们将鼠标悬停在某个异常点或任何点上， |
| |
我们看到这个弹出窗口，它告诉我们 |
| |
该特定数据点代表第 868 行。 |
| |
计算出的年龄在一年以内， |
| |
这位病人恰好住院了90天。现在我们可以右键点击这行，给它涂上颜色，或者在上面放一些标记。我不会费心去做这些，但我会 |
| |
将光标移到窗口这里，我们会看到右上角有一个小符号，单击它就可以固定它。 |
| |
当然，我们可以重复操作。这样我们就能获取详细信息以供进一步检查。我发现，在向一群人做演示时，这个功能非常方便，尤其适合需要引起大家注意的某个特定点。这有点太过分了，所以我们右键点击，选择……选择字体，而不是编辑。 |
| |
然后我们打开字体窗口，看到我们使用的是16号字体。我不知道，我们把它降到9号吧。 |
| |
这样会好一些，如果我们想关注其他异常值，就会有更多空间。总而言之， |
| |
让我再次打开 PowerPoint。 |
| |
总而言之，我们能够从一个大型在线政府维护数据库中导入并整理两个大型数据表。我们能够对表进行子集化， |
| |
能够无缝连接表格并选择输出数据。我们能够生成摘要和分布，指出区域 |
| |
这可能值得我们关注，也值得进行更详细的分析。当然，这一切都是无缝衔接的，并且都发生在同一个软件平台上。现在， |
| |
提供一些链接 |
| |
就在这里，到各种数据网站。这是主网站，里面有政府在这方面做得相当不错的所有文件。这是压缩包里的实际数据。 |
