Advertisement

MIMIC_ICU旨在规范和对比MIMIC-III数据库中现有的ICU再入院风险评分代码。

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

简介：
该模块利用MIMIC-III数据库，并依据预定的资格标准进行筛选，从而构建了一个包含“可用”重症监护病房（ICU）患者的数据集，该数据集具备灵活的重新定义特性，能够根据需要随时更新。为了保障数据安全，该数据集的文件不会被上传至GitHub平台。目前已经成功提取出那些接受手术治疗或因病情发展而转为手术治疗的...

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 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。
     
  • MIMIC-ICU-Readmission-Prediction: 基于临床记录与结构化数据的ICU再入院率预测-源码
    优质
    本项目旨在通过分析MIMIC-III数据库中的临床记录和结构化数据，构建模型以预测重症监护病房（ICU）患者的再入院风险。提供相关源代码供研究使用。 NLP在医疗保健领域的应用使用MIMIC III中的结构化和非结构化数据来预测30天内重症监护病房（ICU）的再次入院情况。处理结构化数据方面，相关的ETL过程可以在structured_etl_part1.scala和structured_etl_part2.py文件中找到。 对于非结构化的数据，所有相关的数据处理脚本都位于dataproc目录下： - 使用data_processing_script.py来处理NOTEEVENTS以获取单词向量。 - 利用get_discharge_summaries.py编写放电汇总，并通过build_vocab.py从这些放电摘要构建词汇表（vocab）。 - 采用word_embeddings.py在所有单词上训练词嵌入，然后使用extract_wvs.py中的gensim_to_embeddings方法将经过训练的词嵌入写入我们的词汇表中。 结构化网络的相关信息可以在struc_net部分找到。
     
  • 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。
     
  • 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。
     
  • 风险评估技术在风险管理中的应用（依据ISO 31010）
    优质
    本文章探讨了依据ISO 31010标准的风险评估技术在现代企业风险管理中的实践与作用，旨在提供一套全面而系统的风险识别、分析和应对方法。 风险管理与风险评估技术是确保组织安全运营的关键环节之一。ISO 31010提供了系统化的方法来识别、分析和处理各种潜在的风险因素，帮助企业制定有效的策略以应对不确定性带来的挑战。该标准涵盖了从定性到定量的多种评估方法和技术，为不同行业领域内的风险管理实践提供指导和支持。
     
  • 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。
     
  • 在Android中导入现有的SQLite数据库
    优质
    本文介绍如何在Android应用程序中导入已存在的SQLite数据库文件，帮助开发者快速集成现有数据。 Android导入已有的SQLite数据库，在网上查找了很久才解决了问题。
     
  • 医院再入院率的医疗数据集
    优质
    本数据集聚焦于医院患者再入院情况，涵盖多种医疗信息与统计数据，旨在深入研究影响再入院的关键因素，优化医疗服务流程。 该数据集包含65个字段，包括住院时间、实验室操作数、手术操作数、药物使用情况、门诊次数、急诊次数以及住院期间的诊断记录等。此外还涵盖了患者的种族（白人或非洲裔）、性别（女性）及年龄区间（如70-80岁），并详细列出了支付方式代码和医学专科分类，例如内科、急诊/创伤科、家庭/普通科及心脏病学，并具体列出了一些特定的诊断编码，比如428。
     
  • 风险评估与应对策略
    优质
    《风险评估与应对策略》是一本专注于识别、分析和管理各类潜在风险的实用指南。书中详细介绍了如何制定有效的风险管理计划及具体实施措施，帮助企业或个人在面对不确定性和挑战时能够主动出击，减少损失，抓住机遇。 在软件开发过程中会遇到各种风险及相应的应对措施。