医疗数据分析

我待过2家大公司做医疗的,发现了他们的共性,有很多通用的方法,先说数据,医疗数据中最麻烦的,我觉得就是检验数据。

为什么?因为检查的指标项多,占所有数据的百分之50以上。

指标歧义:

血红蛋白、白蛋白、糖蛋白、光蛋白质就有很多,还有血糖,空腹血糖,胰高血糖,血液葡萄糖空腹。

这些有很多名称代表的是同一个意思,这些需要清洗。

导致的原因:医生人工手写、使用了不同的机器、使用了不同的his系统、不同的医院定义的指标不一样、新合并的医院

单位转换

pmol/L nmol/L g/l

这种很多是同一种,但是单位不一样,分析就没法分析。


分析之前一定要做的,提取数据,数据清洗,产生新数据表


提取数据:检验项、数据名称、单位、指标值

**这几个一定要有,**为什么?如果没有检验项,至少名称必须有。

有时候不同的检验项目,但是数据名称可能相同,那数据清洗的时候就不好区分是哪一批数据。

名称和数值必须要有,这个不用说了,单位必须有,因为不同单位的指标值差异很大,没有单位的检验数据,和脏数据没有区别。


数据清洗: 根据检验项目、名称、做聚合,让医生做判断,得到唯一的检验项目。

注意:医生判断完,一定要自己判断一遍!一定要自己判断一遍!一定要自己判断一遍!如果他说的有重复或者还是有歧义,那么数据分析了,你用它的数据就全是有问题的,责任还是你。记住一句话:医生他只负责看病,处理数据是你的工作

得到了医生确定和你自己检查后:多个歧义名称对应唯一检查的表后就能聚合了

聚合:

就是去掉歧义的指标,方法很多,自己想办法,做之前一定要先分析数据分布,和指标的数据情况。然后进行单位转换保证唯一指标。这一步是比较耗时的


数据分析,现在看你的业务了,是用随机森林呢,还是方差,还是其他的统计学算法。

相关推荐
lilye661 小时前
精益数据分析(17/126):精益画布与创业方向抉择
大数据·数据挖掘·数据分析
思通数科AI全行业智能NLP系统3 小时前
AI视频技术赋能幼儿园安全——教师离岗报警系统的智慧守护
大数据·人工智能·安全·目标检测·目标跟踪·自然语言处理·ocr
程序员沉梦听雨6 小时前
【Elasticsearch】入门篇
大数据·elasticsearch·搜索引擎
Gadus_6 小时前
Elasticsearch性能优化实践
大数据·elasticsearch·搜索引擎·性能优化
riveting7 小时前
SD2351核心板:重构AI视觉产业价值链的“超级节点”
大数据·linux·图像处理·人工智能·重构·智能硬件
欧先生^_^8 小时前
Spark 的一些典型应用场景及具体示例
大数据·分布式·spark
八股文领域大手子9 小时前
如何给GitHub项目提PR(踩坑记录
大数据·elasticsearch·github
爱吃龙利鱼9 小时前
elk中kibana一直处于可用和降级之间且es群集状态并没有问题的解决方法
大数据·elk·elasticsearch
腾讯云大数据9 小时前
腾讯云ES一站式RAG方案获信通院“开源大模型+软件创新应用”精选案例奖
大数据·elasticsearch·开源·云计算·腾讯云
苍煜9 小时前
Elasticsearch(ES)中的脚本(Script)
大数据·elasticsearch·搜索引擎