| 揚聲器 |
抄本 |
| 史丹西拉諾維奇 |
大家早安。今天我們要進行探索性資料分析 |
| |
VAERS 資料庫。現在我們來簡單介紹一下這個資料庫的背景。 VAERS 的拼寫是 VAERS，是「疫苗不良反應報告系統」的縮寫。它是由美國食品藥物管理局 (FDA) 和美國疾病管制與預防中心 (CDC) 創建。 |
| |
它每年更新約 30,000 次，自 1990 年起就已公開，因此上面有相當多的數據。 |
| |
它被設計為一個預警系統，用於尋找一些以前未曾報導過的疫苗影響。 |
| |
這些是不良反應，而不是副作用，也就是說，它們還沒有被認定與疫苗接種有關。這只是接種疫苗後發生的事情。現在我們來談談疫苗的結構。 |
| |
VAERS VAX 和 |
| |
VAERS 數據。現在有一個用於檢查線上資料庫的工具，它的縮寫是 WONDER。它是一款傳統的搜尋工具，可以導航到資料庫的不同區域。 |
| |
選擇你想要的資料類型，點擊下拉式選單，重複幾次或幾十次之後， |
| |
您所做的就是發送查詢。 |
| |
並且不會有太多延遲，就能得到結果。但對於探索性數據分析和一些視覺化來說， |
| |
這其中有一個小問題。那就是你必須先知道自己想要什麼，或至少要有一個好主意。 |
| |
這就是 JMP 的用武之地。正如我所提到的，我們將對特定數據集進行 EDA 和視覺化分析，這些數據是針對麻疹、腮腺炎和德國麻疹的 MMR 疫苗的數據。我們將對最近一年的可用數據進行視覺化分析，也就是 |
| |
2019。那麼讓我轉到一個新的視窗。 |
| |
好的，我們做的第一件事，也是我在這裡省略的，就是下載 CSV 檔案並在 JMP 中開啟它們。現在我想選擇我的數據，JMP 讓這一切變得非常容易。 |
| |
打開視窗後，我只需瀏覽行，選擇行，然後選擇我想要的位置，下面是一張圖片，我希望它與 VAX_TYPE 相等，並且我希望它等於 MMR。除了“等於”之外，這裡還有其他一些選項，我們稍後會討論。 |
| |
點擊按鈕並選擇這些行後，接下來要做的就是決定需要哪些資料。我突出顯示了一些列，大約一分鐘後你就會明白為什麼。 |
| |
然後當我這樣做的時候，哦，在我們去那裡之前，讓我們注意一下 |
| |
第九行和第十八行就在這裡。注意我們有MMRV和 |
| |
MMR。 MMRV 是另一種疫苗。如果我們也想查看，可以從下拉式選單中選擇「包含」。但這不是我們想要的。所以我們點選「確定」。 |
| |
這樣我們就得到表格了。現在我們要做的是將包含疫苗相關數據（例如製造商、批號等）的 VAERS VAX 表與包含疫苗相關資訊的 VAERS DATA 表連接起來。 |
| |
疫苗的效果，所以它包括病人是否有過敏、病人是否住院、數量 |
| |
住院天數之類的數據。它還包含人口統計數據，例如年齡和性別。所以我們要做的是連接，只需轉到表連接，然後選擇 |
| |
VAERS VAX 和 VAERS DATA 表，我們想要根據 VAERS ID 將它們連接起來。 JMP 讓這一切變得非常簡單。我們只需點擊 |
| |
我們把每個單獨表格中的列放在匹配窗口中，然後轉到表格窗口，選擇我們想要的列。 |
| |
這就是我們的結果表。現在我來簡化一下，並開啟 JMP 表。 |
| |
好了，我來進一步闡述。 |
| |
為了演示的目的，我只是 |
| |
選擇這些……這些列。我們得到了 VAERS ID，你顯然可以看到它的標識，類型都是 MMR。 |
| |
看起來默克是個製造商。還有一些未知數 |
| |
散佈在這裡。我選擇了 VAX LOT，因為如果某個批次出了問題，你希望能夠看到它，這一點很重要。 |
| |
這看起來像是籠狀下劃線年份，但那是按年計算的年齡。有幾列 H 值，我只選了一列。 |
| |
我選擇性別是因為我們想知道是否有人受到的影響更大，男性是否比女性更容易受到影響，反之亦然。 |
| |
HOSPDAYS 是指出現嚴重到需要住院的不良反應時住院的天數。 NUMDAYS 是指從接種疫苗到出現不良反應的天數，看起來這個範圍相當大。 |
| |
那麼就讓我們開始分析吧。 |
| |
顯示標題圖表。我要點擊它並顯示標題圖表。 |
| |
我們在這裡得到了一些分佈和其他資訊。我們先跳過ID，看看VAX_TYPE，它全是MMR，沒有其他資訊。 |
| |
疫苗製造商，是的，要么是默克公司，要么是未知的，這個功能的一個優點是，我們可以點擊欄 |
| |
它會高亮顯示這些行，點擊其他行後，高亮顯示就會消失。接下來是 VAX_LOT，我們在這個小小的方格裡塞進了相當多的資訊。 |
| |
首先，我們的數據表中列出了發生率最高的五個批次，它們如下， |
| |
這是它們出現的次數。它也告訴我們，表格中還包含其他 413 個地塊，另外根據我的計算，還有 5 個。 |
| |
大約有418個獨立批次。現在我們查看計算出的年齡（以年為單位），發現大多數值都在零到零之間，它們位於零區間內，這很合理，因為這是疫苗接種，我們只需記錄下來即可。 |
| |
我們查看性別欄，發現女性明顯多於男性。這就能讓我們立刻知道是否要進行並排比較。 |
| |
群體比較，我們必須從女性中隨機選擇，以便她們與男性相等，而且我們這裡也有一些未知數，相當多的未知數。 |
| |
我們只需記錄下來，然後繼續。然後我們可以看到住院天數。我們看到了NUMDAYS。現在，這是另一個非常棒的功能。假設我們想要了解更多詳細信息，並想進行一些探索，看看年齡是如何分佈的，我們只需右鍵單擊，右鍵單擊， |
| |
選擇在發行版中開啟。現在我們進入了發行版窗口，但這裡有相當多的信息。 |
| |
就我們目前的目的而言，我們在這裡對分位數的處理並不多。所以，點擊「關閉」後，它仍然會佔用一些空間。 |
| |
所以，我們在這裡向下，選擇輪廓關閉方向，然後設定為垂直。這樣我們就得到了一個漂亮又容易閱讀的視窗。裡面有一些資訊。我們當然可以在這裡看到分佈圖，上面有箱線圖。 |
| |
沒必要花太多時間去研究這個問題，這只是用不同的方式展示數據而已。從總統計量來看，平均值剛好是16.2，標準差是20.6。 |
| |
這可不是什麼理想的情況。所以如果你想做更多的事情，我們可能會把年份分成兩組，大部分都放在這裡，然後 |
| |
所有傾斜資料在哪裡，其餘資料在哪裡 |
| |
沿著右邊 |
| |
單獨檢查一下。我會最小化這個窗口，我們也可以對住院天數和住院天數進行同樣的操作。讓我快速地做一下。 |
| |
這裡我們看到的是相同類型的數據，我就不費心去點擊和減少它了。但我們可能也會注意到，當我們再次看到平均值 6.7 和標準差 13.2 時，這又不是一個非常理想的情況，我們只需記錄下來即可。 |
| |
最後，我來結束這個話題。現在假設我們想做一些探索性分析，例如某個東西吸引了我們的注意等等。這裡很簡單。我們不需要回到線上資料庫， |
| |
然後選擇所有內容，點擊下拉式選單，或其他任何操作。我們可以在這裡簡單地分析並用 X 擬合 Y。 |
| |
假設我們想研究一下 |
| |
哦，住院天數，住院天數，以及計算出的年齡（以年為單位）。我們只需這樣做。我們有兩個連續變量，所以我們將由此得到一個二元圖。 |
| |
我們點選確定。 |
| |
我們又得到了漂亮的數據顯示。是的，我們可以看到 |
| |
目前，平均值下降到 5 或 6 左右，這比 10 或 12 要好得多。為了參考，我們可以 |
| |
轉到紅色三角形，選擇擬合均值，我們就得到了均值。我們注意到這裡有不少異常值。 |
| |
假設我們現在想檢查它們，並決定是否要進一步深入研究。如果我們將滑鼠懸停在某個異常點或任何點上， |
| |
我們看到這個彈出窗口，它告訴我們 |
| |
該特定資料點代表第 868 行。 |
| |
計算出的年齡在一年以內， |
| |
這位病人剛好住院了90天。現在我們可以右鍵點擊這行，給它上色，或在上面放一些標記。我不會費心去做這些，但我會 |
| |
將遊標移到視窗這裡，我們會看到右上角有一個小符號，點擊它就可以固定它。 |
| |
當然，我們可以重複操作。這樣我們就能獲取詳細資訊以供進一步檢查。我發現，在向一群人做簡報時，這個功能非常方便，尤其適合需要吸引大家注意的某個特定點。這有點太過分了，所以我們右鍵點擊，選擇…選擇字體，而不是編輯。 |
| |
然後我們打開字體窗口，看到我們正在使用 16 號字體。我不知道，我們把它降到 9 號吧。 |
| |
這樣會好一些，如果我們想關注其他異常值，就會有更多空間。總而言之， |
| |
讓我再次開啟 PowerPoint。 |
| |
總而言之，我們能夠從一個大型線上政府維護資料庫中匯入並整理兩個大型資料表。我們能夠對錶進行子集化， |
| |
能夠無縫連接表格並選擇輸出資料。我們能夠產生摘要和分佈，指出區域 |
| |
這或許值得我們關注，也值得更詳細的分析。當然，這一切都是無縫銜接的，而且都發生在同一個軟體平台上。現在， |
| |
提供一些連結 |
| |
就在這裡，到各種數據網站。這是主網站，裡面有政府在這方面做得相當不錯的所有文件。這是壓縮包裡的實際數據。 |
