p**********a 发帖数: 9 | 1 手头的数据很详细,基本涵盖病人关于医疗方面的所有过去到现在的数据,project的
目的很明确,希望利用这些数据build一个model来预测一个patient明年是否可能
admmit into a hospital.希望版上朋友帮我出谋划策。
数据如下:
1.病人visit start and end date,visit type(inpatient,outpatient,emergency
visit)
2.procedure type(治疗方案?)(for heart attack,brain operation,can be very
detailed),procedure start and end data。基本是文字叙述,需要分类汇总。
3.drug:病人每天用什么药,药的用量,服用始末日期。
4.condition:病人服药期间出现的一些症状,如血压低,心跳不正常。这些症状基本都
是文字叙述。需要分类。
5.针对病人病情的一些测量数据:如心跳,尿液检测,血压,血液检测等。
如果版上有类似经历,希望大家献计献策,有包子。 |
z**********i 发帖数: 12276 | 2 不错的数据,到时候来汇报进展.
very
【在 p**********a 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 手头的数据很详细,基本涵盖病人关于医疗方面的所有过去到现在的数据,project的 : 目的很明确,希望利用这些数据build一个model来预测一个patient明年是否可能 : admmit into a hospital.希望版上朋友帮我出谋划策。 : 数据如下: : 1.病人visit start and end date,visit type(inpatient,outpatient,emergency : visit) : 2.procedure type(治疗方案?)(for heart attack,brain operation,can be very : detailed),procedure start and end data。基本是文字叙述,需要分类汇总。 : 3.drug:病人每天用什么药,药的用量,服用始末日期。 : 4.condition:病人服药期间出现的一些症状,如血压低,心跳不正常。这些症状基本都
|
EA 发帖数: 3965 | 3 用病人是否inpatient过作dependent variable,你的那些其他变量作predictors,using
logistic regression. |
p**********a 发帖数: 9 | 4 这个是最自然的想法,我试过了,不work啊。估计那些independent variable需要一些
整理。比如把一下儿procedure归类,心脏的precedure归成一类,然后再按照严重程度
细分,brain的precedure归成一类,然后细分。。。这样来make up a hierarchical
structure of covariates.我目前是这个想法,这样再用logistic估计会好些。不知你
的意见如何?
using
【在 EA 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 用病人是否inpatient过作dependent variable,你的那些其他变量作predictors,using : logistic regression.
|
EA 发帖数: 3965 | 5 what do you mean not working? c-stat is low? not predictive? 那就调整
predictors.把你的那些变量整理整理,该分类的分类,precedure分成几大类,心血管
,脑部,内脏,其他。用药的量,比如吃几种药,吃药时间的长度,是否按时拿药,是
否高血压。 |
B****k 发帖数: 188 | 6 如果要预测到具体某一个人的话 是不是要用Bayesian啊……
另外 怎么觉得大部分的数据没用呢……
那么多的变量,做个dimension reduction? |
p**********a 发帖数: 9 | 7 预测的话,什么方法都可以的。主要还是看你用什么model。
现在最大的问题就是不知道这方向的research别人做过些神马。。。
【在 B****k 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 如果要预测到具体某一个人的话 是不是要用Bayesian啊…… : 另外 怎么觉得大部分的数据没用呢…… : 那么多的变量,做个dimension reduction?
|
p**********a 发帖数: 9 | 8 现在最大的问题就是不知道这方向的research别人做过些神马。。。
光整理变量就是一个浩大的工程,而且没啥技术含量。。
【在 EA 的大作中提到】![](/moin_static193/solenoid/img/up.png) : what do you mean not working? c-stat is low? not predictive? 那就调整 : predictors.把你的那些变量整理整理,该分类的分类,precedure分成几大类,心血管 : ,脑部,内脏,其他。用药的量,比如吃几种药,吃药时间的长度,是否按时拿药,是 : 否高血压。
|
w**********y 发帖数: 1691 | 9 Check the 3 million competition. Kaggle. Health prize
Abt this kinda competition and methods. Google netflixe prize s papers
现在最大的问题就是不知道这方向的research别人做过些神马。。。光整理变量就是一
个浩大的工程,而且没啥技术含量。。
★ Sent from iPhone App: iReader Mitbbs Lite 7.20
【在 p**********a 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 现在最大的问题就是不知道这方向的research别人做过些神马。。。 : 光整理变量就是一个浩大的工程,而且没啥技术含量。。
|
p**********a 发帖数: 9 | 10 Thanks for mentioning that.
I know that heritage prize. But it is still going on. In addition,Our data
is far more comprehensive than that one which do not rich information about
patient drug usage.
Have you had some suggestions about model for my case?
Thanks
【在 w**********y 的大作中提到】![](/moin_static193/solenoid/img/up.png) : Check the 3 million competition. Kaggle. Health prize : Abt this kinda competition and methods. Google netflixe prize s papers : : 现在最大的问题就是不知道这方向的research别人做过些神马。。。光整理变量就是一 : 个浩大的工程,而且没啥技术含量。。 : ★ Sent from iPhone App: iReader Mitbbs Lite 7.20
|
|
|
e*****y 发帖数: 131 | 11 Find some index/score like http://en.wikipedia.org/wiki/APACHE_II. You can calculate the score and use as a covariate |
j*******2 发帖数: 309 | 12 do you want to include clinics in the model? |
p**********a 发帖数: 9 | 13 Yes, I am not limited to the covariates.
What do you mean by clinics? any example?
【在 j*******2 的大作中提到】![](/moin_static193/solenoid/img/up.png) : do you want to include clinics in the model?
|
p**********a 发帖数: 9 | 14 Thanks for the information which is very valuable to me.
Any suggestion for the model?
【在 e*****y 的大作中提到】![](/moin_static193/solenoid/img/up.png) : Find some index/score like http://en.wikipedia.org/wiki/APACHE_II. You can calculate the score and use as a covariate
|
e*****y 发帖数: 131 | 15 Logistic regression would be fine. |