| Vocero |
Transcripción |
| Stan Siranovich |
Buenos días a todos. Hoy vamos a hacer un análisis exploratorio de datos. |
| |
De la base de datos VAERS. Ahora, analicemos brevemente qué es esta base de datos. VAERS (o VAERS, por sus siglas en inglés) es el acrónimo de Sistema de Notificación de Efectos Adversos de las Vacunas. Fue creado por la FDA y los CDC. |
| |
Recibe alrededor de 30.000 actualizaciones al año y es público desde 1990, por lo que hay bastante información en él. |
| |
Y fue diseñado como un sistema de alerta temprana para buscar algunos efectos de las vacunas que no se habían informado anteriormente. |
| |
Estos son efectos adversos, no secundarios, es decir, aún no se han relacionado con la vacunación. Simplemente ocurrió después de la vacunación. Hablemos ahora de la estructura. |
| |
VAERS VAX y |
| |
DATOS DEL VAERS. Ahora existe una herramienta para examinar la base de datos en línea, conocida como WONDER. Es una herramienta de búsqueda tradicional que permite navegar por las diferentes áreas de la base de datos. |
| |
Seleccione el tipo de datos que desea, haga clic en el menú desplegable y, después de hacerlo un par de veces, o un par de docenas de veces, |
| |
Lo que haces es enviar la consulta. |
| |
Y sin demasiada latencia, obtener un resultado. Pero para realizar análisis exploratorios de datos y algunas visualizaciones, |
| |
Hay un pequeño problema con eso. Es que, desde el principio, tienes que saber qué quieres conseguir, o al menos tener una buena idea. |
| |
Ahí es donde entra el JMP. Como mencioné, vamos a realizar un análisis de datos de la población (EDA) y una visualización de un conjunto específico de datos, es decir, datos de la vacuna triple vírica (MMR) contra el sarampión, las paperas y la rubéola. Y los analizaremos para el año completo más reciente disponible, que será... |
| |
2019. Así que déjame pasar a una nueva ventana. |
| |
Bien, lo primero que hicimos, y que omití aquí, fue descargar los archivos CSV y abrirlos en JMP. Ahora quiero seleccionar mis datos y JMP lo hace muy fácil. |
| |
Después de abrir la ventana, simplemente reviso las filas, la selección de filas y selecciono dónde. Aquí abajo hay una imagen cuyo VAX_TYPE quiero que sea igual a MMR. Hay otras opciones además de "igual", que veremos en un segundo. |
| |
Después de hacer clic en el botón y seleccionar esas filas, lo siguiente que queremos hacer es decidir qué datos queremos. He resaltado algunas columnas y en un minuto más o menos entenderán por qué. |
| |
Y luego, cuando hago eso, oh, antes de ir allí, observemos... |
| |
Fila nueve y fila 18 aquí mismo. Observe que tenemos MMRV y |
| |
MMR. La MMRV es una vacuna diferente. Si también quisiéramos verla, podríamos haber seleccionado "Contiene aquí" en el menú desplegable. Pero no era lo que queríamos hacer. Así que hacemos clic en Aceptar. |
| |
Y obtenemos nuestra tabla. Ahora, lo que queremos hacer es unir la tabla VAERS VAX, que contiene datos sobre la vacuna, como el fabricante, el lote, etc., con la tabla VAERS DATA, que contiene datos sobre... |
| |
efectos de la vacuna, por lo que tiene cosas como si el paciente tenía alergias o no, si el paciente estuvo hospitalizado o no, número |
| |
de días de hospitalización, ese tipo de cosas. Y también contiene datos demográficos como edad y sexo. Así que lo que queremos hacer es unirnos e ir a "Unirse a tablas" y seleccionar |
| |
Las tablas VAERS VAX y VAERS DATA, y queremos unirlas por el ID de VAERS. Y, de nuevo, JMP lo hace bastante fácil. Simplemente hacemos clic. |
| |
la columna de cada una en una de las tablas separadas y las ponemos aquí en la ventana de coincidencia y después vamos a las ventanas de tablas y seleccionamos las columnas que queremos. |
| |
Así se ve nuestra tabla de resultados. Ahora, permítanme reducirla y abrir una tabla JMP. |
| |
Allá vamos, y lo ampliaré. |
| |
Y para los efectos de esta demostración simplemente |
| |
Seleccioné estas columnas. Tenemos el ID de VAERS, que obviamente se ve como identificación, y el tipo de vacuna triple vírica (MMR). |
| |
Y parece que Merck es el fabricante. Y hay un par de incógnitas. |
| |
Dispersos por aquí. Seleccioné VAX LOT, porque sería importante si hay algún problema con un lote; es importante poder verlo. |
| |
Parece que la jaula subraya el año, pero es la edad calculada en años. Hay varias columnas H y solo seleccioné una. |
| |
Y seleccioné sexo porque nos gustaría saber si alguien está más afectado, si los hombres están más afectados que las mujeres o viceversa. |
| |
HOSPDAYS es el número de días de hospitalización si presentaron un efecto adverso lo suficientemente grave como para ser hospitalizados. Y NUMDAYS es el número de días entre la vacunación y la aparición de los efectos adversos, y parece que tenemos un rango bastante amplio. |
| |
Así que comencemos con nuestro análisis. |
| |
Mostrar gráficos de encabezado. Haré clic ahí para mostrar los gráficos de encabezado. |
| |
Y obtenemos información sobre la distribución y otros datos aquí. Omitiremos el ID y veremos que VAX_TYPE es todo MMR; no hay otros. |
| |
Y el fabricante de la vacuna, sí, es Mercks & Co Inc o desconocido, y una característica interesante de esto es que podemos hacer clic en la barra. |
| |
Resaltará las filas y, al hacer clic, se desmarcarán. Pasando a VAX_LOT, tenemos bastante información contenida en este pequeño cuadro. |
| |
En primer lugar, tenemos los cinco lotes principales en ocurrencia en nuestra tabla de datos y aquí están, y |
| |
Aquí está la cantidad de veces que aparecen. Y también nos dice que tenemos otros 413 lotes incluidos en la tabla, más cinco según mis cálculos. |
| |
Eso equivale a unos 418 lotes individuales. Ahora revisamos la edad calculada en años y vemos que la mayoría de nuestros valores están entre cero y cualquier valor, durante el intervalo cero, lo cual tiene sentido porque se trata de una vacunación y simplemente lo anotaremos. |
| |
Y pasamos a la columna de sexo y parece que tenemos significativamente más mujeres que hombres. Ahora, eso nos dice de inmediato si queremos hacer una comparación lado a lado. |
| |
comparaciones de grupos, vamos a tener que seleccionar aleatoriamente entre las hembras, para que sean iguales a los machos y también tenemos algunas incógnitas aquí, bastantes incógnitas. |
| |
Simplemente anotamos eso y continuamos. Vemos los días de hospitalización. Y vemos NUMDAYS. Aquí hay otra función muy útil. Supongamos que queremos más detalles y explorar un poco para ver cómo se distribuye la edad. Simplemente hacemos clic derecho, clic derecho, |
| |
Seleccionar "Abrir en distribución". Y aquí estamos en las ventanas de distribución, pero hay bastante información. |
| |
Para nuestros propósitos por ahora, no nos ocupamos mucho de los cuantiles. Así que hagamos clic en cerrar; aún ocupa espacio. |
| |
Así que bajemos aquí y seleccionemos la orientación de contorno cerrado y elijamos vertical. Nos queda una ventana fácil de leer. Contiene información. Vemos nuestra distribución aquí abajo y tenemos un diagrama de caja y bigotes aquí arriba. |
| |
No hay mucho tiempo para analizar eso, simplemente muestra los datos de otra manera. Y, según nuestras estadísticas resumidas, la media es de 16,2 y la desviación estándar de 20,6. |
| |
No es una situación ideal. Así que, si quieres hacer algo más con eso, podríamos dividir los años en dos grupos donde la mayoría estén aquí abajo y luego... |
| |
dónde, dónde esto, dónde están todos los datos sesgados y luego el resto de ellos y |
| |
A lo largo de la derecha y |
| |
Examinaré eso por separado. Minimizaré esa ventana y podemos hacer lo mismo con los días de hospitalización y el número de días. Permítanme hacerlo rápidamente. |
| |
Aquí vemos el mismo tipo de datos, y no me molestaré en revisarlos ni reducirlos. Pero también podríamos observar que, al tener una media de 6,7 y una desviación estándar de 13,2, nuevamente, no es una situación ideal, y simplemente lo anotamos. |
| |
Y para terminar, digamos que queremos hacer un análisis exploratorio más profundo, algo que nos llamó la atención. Y es fácil de hacer aquí. No tenemos que volver a la base de datos en línea. |
| |
Y seleccionar todo, hacer clic en los menús desplegables, o lo que sea. Podemos simplemente subir aquí para analizar y ajustar Y por X. |
| |
Digamos entonces que nos gustaría examinar la relación entre |
| |
Ah, días de hospitalización, número de días de hospitalización y edad calculada en años. Simplemente lo hacemos. Tenemos dos variables continuas, así que vamos a obtener un gráfico bivariado a partir de eso. |
| |
Hacemos clic en Aceptar. |
| |
Y obtenemos otra buena visualización de los datos. Y sí, podemos ver que |
| |
Actualmente, la media está alrededor de 5 o 6, lo cual es algo muy bueno, mejor que 10 o 12. Podemos, a efectos de referencia, |
| |
Sube al triángulo rojo, selecciona "Ajustar media" y obtenemos la media, justo aquí. Observamos que hay bastantes valores atípicos. |
| |
Digamos que queremos examinarlos ahora mismo y decidir si queremos profundizar en ellos. Así que, si pasamos el cursor sobre uno de nuestros puntos atípicos o sobre cualquier punto, |
| |
Vemos que nos aparece esta ventana emergente y nos dice |
| |
Ese punto de datos en particular representa la fila 868. |
| |
La edad calculada está en el intervalo de un año. |
| |
Y este paciente pasó 90 días en el hospital. Ahora podríamos hacer clic derecho y colorear esta fila o poner algún tipo de marcador. No me molestaré en hacerlo, pero lo haré. |
| |
Mueva el cursor aquí en la ventana y veremos este pequeño símbolo en la esquina derecha, haga clic en él y eso lo fija. |
| |
Así que, por supuesto, podemos repetirlo. Y podemos obtener los detalles para examinarlos más a fondo. Me resultó muy útil al hacer presentaciones a grupos de personas que desean destacar un punto en particular. Es un poco excesivo, así que hagamos clic derecho y seleccionemos... seleccionemos la fuente, no editemos. |
| |
Se abre la ventana de fuentes y vemos que usamos una fuente de 16 puntos. Vamos a bajar a 9. |
| |
Y eso es un poco mejor y nos da más margen si queremos destacar algunos otros valores atípicos. En resumen, |
| |
Permítame abrir nuevamente la presentación de PowerPoint. |
| |
En resumen, pudimos importar y dar forma a dos grandes tablas de datos de una gran base de datos en línea del gobierno. Logramos crear subconjuntos de tablas. |
| |
Pudimos unir las tablas y seleccionar nuestros datos de salida sin problemas. Además, pudimos generar resúmenes y distribuciones, señalando las áreas. |
| |
que puedan ser de interés y para un análisis más detallado. Y, por supuesto, todo se realizó sin problemas y dentro de la misma plataforma de software. Ahora, |
| |
Proporcionar algunos enlaces |
| |
Aquí mismo, al sitio de datos. Este es el sitio principal, que contiene toda la documentación que demuestra el excelente trabajo del gobierno. Y aquí están los datos en el archivo zip. |
