求助：数据统计方法，求大神指导

jameschin007 发表于 2016-12-6 01:00
对医学问题不懂，做数据挖掘，还是要充分了解业务背景的。
但是我有几个建议。
我现在接触的模型中，最复 ...

嗯嗯嗯，您说的取最高 最低 最初值 最后值 均值 中位数 众数我都只过，但最后仔细想来，都不够有说服力。而且你说得对，每个病人测量时间不一样，间隔也不一样。太尴尬。。

lanhong1993 发表于 2016-12-3 16:29
我现在有一个数据集，是一个1000病人的部分数据，如下：
id          time                               ...

标准化后再做可以试试

杨乃权 发表于 2016-12-6 15:01
标准化后再做可以试试

是对每个病人的PaO2进行标准化么？可是标准化以后，数据结构的问题还是没解决呀。

lanhong1993 发表于 2016-12-6 17:03
是对每个病人的PaO2进行标准化么？可是标准化以后，数据结构的问题还是没解决呀。

对全部数据标准化

lanhong1993 发表于 2016-12-6 17:03
是对每个病人的PaO2进行标准化么？可是标准化以后，数据结构的问题还是没解决呀。

一个病人有多个PaO2值的吗？

杨乃权 发表于 2016-12-6 18:54
一个病人有多个PaO2值的吗？

看楼主 想表达的意思，应该是一个时间序列。 一个病人，可能每天测2次，也可能测一次，或者多次。
然后有的病人测了20天，有的2天。  真是很麻烦。。。。

lanhong1993 发表于 2016-12-6 09:27
嗯嗯嗯，您说的取最高 最低 最初值 最后值 均值 中位数 众数我都只过，但最后仔细想来，都不够有说服力。 ...

是你觉得不够有说服力，还是确实做逻辑回归的时候，模型不够有说服力。
还是看模型效果吧。
如果逻辑回归不好用，试试其他模型，比如GBM，Random Forest。另外从业务上讲，这个值确实对生死有重要意义吗？

另外是不是考虑病人其他参数啊。年龄，性别什么的。

lanhong1993 发表于 2016-12-6 09:27
嗯嗯嗯，您说的取最高 最低 最初值 最后值 均值 中位数 众数我都只过，但最后仔细想来，都不够有说服力。 ...

我觉得大部分模型是能避免时间序列聚类的。
我量20天的血压， 用初值，终值， 平均数，标准差足够说明我血压波动的特点了。

杨乃权 发表于 2016-12-6 18:54
一个病人有多个PaO2值的吗？

对，每个病人有多个PaO2值，有的测了两三次，有的测了五六次，有的测了十几次。。

jameschin007 发表于 2016-12-7 01:27
我觉得大部分模型是能避免时间序列聚类的。
我量20天的血压， 用初值，终值， 平均数，标准差足够说明我 ...

临床普遍认为，PaO2太低会增加危重病人的死亡概率。现在又有理论提出，PaO2太高也会增加病人死亡率。所以我才会用这个大样本数据库想看看两者是否有联系。理论上，我们猜测预期结果应该是：死亡率和PaO2值呈u型曲线关系（即，PaO2过高和过低都会增加死亡率）。当然，病人的死亡肯定不是只跟这一因素有关，肯定还存在很多其他混杂因素。在此没有列出。而PaO2对某个病人死亡的效应也绝对不是某个值造成的，因为住院期间病人的PaO2是随时变化。所以，这就是我的困惑所在，因为取某个值（min，max等）并不能完全利用PaO2的所有值，且每个病人间的PaO2的数量又不均衡。。。难。