Sepsis3-mimic是对MIMIC-III数据库中关于脓毒症3指南的评估。

5星

浏览量: 0

大小:None

文件类型：None

简介：
MIMIC-III中的败血症3项目，与相关的代码库一同，对电子健康记录中识别败血症的五种不同方法进行了评估。研究结果表明，所有评估人群的规模以及疾病的严重程度，均通过医院内死亡率来衡量。下图清晰地呈现了这些结果：图中显示，随着我们调整用于定义败血症的标准，符合该标准患者的比例呈现下降趋势（以蓝色条形表示），与此同时，该队列的死亡率百分比则显著增加（以红色条形表示）。欲了解更全面的信息，请参阅本文。感谢您对我们工作的认可！如果您认为我们的代码具有价值，我们将非常感激地通过引用来感谢您的支持：您可以直接引用我们的代码（通过Zenodo提供的DOI徽章），或者引用总结我们工作成果的论文，或两者结合使用！

全部评论 (0)

还没有任何评论哟~

客服

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。

基于MATLAB的序贯决策代码-MIMIC脓毒症队列数据分析

优质

本项目利用MATLAB开发了针对MIMIC脓毒症患者数据的序贯决策分析程序，旨在优化临床治疗路径。序贯决策的MATLAB代码来自MIMICIII的脓毒症队列。该仓库提供了从MIMICIII数据集生成脓毒症队列所需的代码，旨在促进文献结果的可重复性研究。这是一项纯Python实现的工作，基于“人工智能临床医生”论文所附原始Matlab存储库的一个修正版本。对上述repo的核心更新和修改包括：纯Python重新实现；许多错误修复；为项目ID添加描述（对于阐明什么是什么很重要）；与原始代码逐点检查以确保在插补前生成相同的数据；弃用不可复制的原始估算方法，并添加KNN插补，以便生成更高质量的数据。该代码作为MSR蒙特利尔RL4H计划的一部分开发。主要核心工作由Jayakumar Subramanian（研究实习生）和Taylor Killian (多伦多大学学生)完成。该项目欢迎贡献和建议。大多数贡献都要求您签署一份贡献者许可协议(CLA)，声明您有权并实际上授予我们使用您的贡献的权利。当您提交拉取请求时，CLA机器人会自动检查是否签署了该协议。

MIMIC_ICU：用于评估和对比MIMIC-III数据库中现有ICU再入院风险评分的代码

优质

MIMIC_ICU 是一个开源项目，旨在利用MIMIC-III数据库评估与比较不同ICU再入院风险预测模型的性能。此工具为研究人员提供了一个全面对比各类评分系统有效性的平台。该模块利用MIMIC-III数据库，并通过资格标准筛选生成“可用”的ICU患者数据集，这些数据可以随时重新定义。出于数据安全原因，不会将此数据集文件上传到GitHub。目前提取的是接受手术治疗或转为需要手术治疗的患者信息。

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。

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。

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。

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。

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}

LabVIEW读取MIMIC数据库中的脉搏波

优质

本项目利用LabVIEW软件平台开发了一个界面，专门用于从MIMIC临床数据库中高效提取和展示患者的脉搏波数据，便于医学研究人员进行深入分析。 MIMIC II波形数据库包含来自成人和新生儿重症监护室（ICU）的数以千计的床边病人监测器收集的信息。这些记录包括生理信号的波形形式以及生命体征的时间序列数据，如心电图（ECG）、连续动脉血压（ABP）、指尖光电容积脉搏（PPG）和呼吸信号等多达八个同时序的信号。此外，还包含数字信息，例如心率、呼吸速率、血氧饱和度（SpO2）、收缩压、平均值、舒张压以及其他可用的数据。记录的时间长度不一，从几个星期到几天甚至几小时都有涵盖。该数据库压缩包中包括labview程序和MIMIC数据库简介，并且包含部分脉搏波的.dat文件。