Advertisement

MIMIC重症监护数据库网站(MIMIC-III)

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：ZIP

简介：
为了在本地运行MIMIC重症监护数据库的网站及其实用说明，需按照以下步骤安装Go语言与Hugo工具。参考链接提供详细的操作指南：https://gohugo.io/overview/installing/获取MIMIC重症监护数据库完整仓库的副本，需使用git命令：git clone --deep https://github.com/MIT-LCP/mimic-website.git启动Hugo服务以生成网页并使其可见，访问地址应位于http://localhost:1313。关于网站部署的进一步优化工作仍在进行中，如有任何问题或建议，请访问GitHub存储库并提交反馈。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • MIMIC重症监护数据库网站(MIMIC-III)
    优质
    为了在本地运行MIMIC重症监护数据库的网站及其实用说明，需按照以下步骤安装Go语言与Hugo工具。参考链接提供详细的操作指南：https://gohugo.io/overview/installing/获取MIMIC重症监护数据库完整仓库的副本，需使用git命令：git clone --deep https://github.com/MIT-LCP/mimic-website.git启动Hugo服务以生成网页并使其可见，访问地址应位于http://localhost:1313。关于网站部署的进一步优化工作仍在进行中，如有任何问题或建议，请访问GitHub存储库并提交反馈。
  • MIMIC重症监护数据库创建语句
    优质
    本资源提供用于创建MIMIC重症监护数据库的SQL语句，包括数据表结构定义及索引设置等内容，旨在帮助研究人员高效搭建研究环境。 根据MIMIC重症监护数据库的建库语句进行编写工作，包括了MIMIC-III和MIMIC-IV的相关内容。
  • SEPSIS3-MIMIC：对MIMIC-III中脓毒症3指南的评价
    优质
    本研究基于MIMIC-III数据库，采用Sepsis 3.0指南评估真实世界中的脓毒症发病率与特征，为临床诊断和治疗提供依据。 MIMIC-III中的败血症3 是一个与相关代码库的出版物有关的研究项目，该项目评估了在电子健康记录中识别败血症的五种方法，并发现所有这五种人群的规模以及疾病严重程度均以医院内死亡率衡量。下图最好地总结了结果：上面我们可以看到，随着我们更改用于定义败血症的标准，满足该标准的患者百分比下降（蓝色条形），而该队列的死亡率百分比增加（红色条形）。有关更多详细信息，请参见本段落。 如果您认为我们的代码对您的研究有所帮助，请引用我们的工作以示感谢。可以直接使用DOI进行引用或参考总结工作的论文。
  • 医学数据库MIMIC-III版本1.4
    优质
    MIMIC-III v1.4是一个大型、开源的重症监护病患临床数据集，广泛应用于医学研究和数据分析领域，旨在促进医疗健康领域的创新与进步。 多参数智能监测数据库（MIMIC-III）是一个免费开放的公共资源，专门用于重症监护室的研究。该资源包含三个数据表格：PATIENTS、CHARTEVENTS 和 LABEVENTS。这些表格的相关信息可以在 MIMIC 网站上找到。 此数据库适合机器学习相关研究人员使用。
  • MIMIC-Tools: MIMIC 数据资源
    优质
    MIMIC-Tools 是一个针对 MIMIC 数据资源开发的工具集合，旨在简化数据访问和分析流程，支持医学研究与临床决策。 MIMIC数据资源 该存储库将资源重组以用于语料库处理。 1. 要求： 您已克隆存储库。 ```shell cd ~ git clone git@github.com:jtourillemimic-w2v-tools.git ``` 您已经成功下载了mimic-iii并填充了一个postgres数据库。有关详细说明，请参见官方网站。 2. 使用方法 以下步骤假定您正在空目录中工作。 ```shell mkdir ~ mimicdump cd ~ mimicdump ``` 2.1 从数据库中提取文本段落档： 运行以下命令以从数据库中提取文档。将参数调整为您的设置。 ```shell python ~mimic-w2v-tools/main.py EXTRACT --url postgresql://mimic@localhost:5432/mimic --output-dir ~/mimicdump/01_extraction ```
  • MIMIC-Code: MIMIC代码仓库
    优质
    MIMIC-Code是专为医疗数据分析设计的开源代码库，旨在支持使用MIMIC数据库的研究与开发工作。 MIMIC代码存储库是一个研究社区共享的平台，旨在成为分析代码的中央枢纽，用于分享、完善及重复使用相关代码。该存储库由许多结构化查询语言（SQL）脚本组成，这些脚本在多个系统中构建MIMIC-III数据库，并从原始数据中提取有用的概念。此外还提供了详细的Jupyter笔记本段落档，记录了在MIMIC-III上进行的分析。 此存储库的组织如下： 1. 包含各种速度测试。 2. 提供用于在关系数据库管理系统（RDMS）中构建MIMIC-III的脚本，尤其是我们选择的RDMS系统中的相关脚本。 3. MIMIC-III数据中有用视图/摘要部分，例如人口统计学、器官衰竭评分、疾病严重程度评估等。子文件夹详细列出了生成的概念。 这些资源为研究者提供了极大的便利和参考价值，使他们能够更好地理解和利用MIMIC数据库中的信息。
  • 关于MIMIC-IV数据库的代码与讨论:MIMIC-IV
    优质
    本段落探讨并分享了基于MIMIC-IV数据库的相关代码和研究讨论，旨在促进医疗数据分析与理解。 关于MIMIC-IV数据库的模拟IV代码及其相关讨论主要集中在如何利用该数据库进行医疗数据分析和研究。这些代码示例旨在帮助研究人员更好地理解和应用MIMIC-IV中的数据，以支持临床决策、疾病预测以及患者结果分析等方面的研究工作。 在具体实施过程中，开发者通常会从以下几个方面入手： 1. 数据预处理：包括清洗、转换及整合等步骤。 2. 特征工程：根据研究目的选择或创建有意义的变量。 3. 模型构建与评估：使用机器学习算法建立预测模型，并通过交叉验证等方式进行效果检验。 此外，社区内还经常分享一些最佳实践和常见问题解答等内容，以促进大家之间的交流和技术进步。
  • MGP-TCN在MIMIC数据集中的败血症预测
    优质
    本研究运用MGP-TCN模型，在MIMIC数据集中进行败血症预测，旨在提升重症监护下的早期诊断与治疗效率。 MGP-TCN用于在MIMIC数据集上进行败血症预测的代码存储库包含了与论文相关的代码（包括标记、提取和建议方法的代码）： @InProceedings{moor2019early, title = {Early Recognition of Sepsis with Gaussian Process Temporal Convolutional Networks and Dynamic Time Warping}, author = {Moor, Michael and Horn, Max and Rieck, Bastian and Roqueiro, Damian and Borgwardt, Karsten}, booktitle = {Proceedings of the 4th Machine Learning for Healthcare Conference}
  • MIMIC-IV
    优质
    MIMIC-IV是一个大规模的医疗保健数据库，包含了详细的患者监护和临床记录数据，用于研究和分析。 为了收集用于改善患者护理的医疗数据并设置安装git代码存储库，请按照以下步骤操作： 1. 安装Git。 2. 确保您已安装Python版本3.6或更高。 3. 使用Git签出所需的代码存储库。 完成上述步骤后，继续执行如下命令来创建自包含的conda环境： ```shell conda env create --file conda_env.yml ``` 这将确保`src`目录下的所有python模块都对其他脚本可见。有两种方法可以实现这一点： - 通过在`src`文件夹中运行以下命令，使用符号链接直接安装软件包到conda环境的site-packages文件夹： ```shell python setup.py develop ``` - 或者，您可以在控制台、笔记本电脑或测试脚本等环境中手动设置Python路径。例如，在PyCharm中，您可以右键单击`src`文件夹并选择相应的选项来配置路径。 以上步骤完成后，请确保所有必要的模块和环境变量都已正确设置，并且可以开始使用代码进行开发了。