mimic数据库中有非常多的指标是需要根据时间计算出来, 跟时间有关的指标都需要通过官方的时间函数进行计算得出
MIMIC数据库常用的几个时间计算函数如下
如果要以天为单位,datepart参数换成'DAY'
结果保留两位小数
结果保留整数
with base1 as (SELECT mimiciv_derived.datetime_diff (P.dod, ad.admittime, 'YEAR' ) AS age FROM mimiciv_hosp.admissions ad INNER JOIN mimiciv_hosp.patients P ON ad.subject_id = P.subject_id), base2 as (
SELECT age, WIDTH_BUCKET ( age,0, 100, 100 ) AS bucket FROM base1)
SELECT bucket , count(*), round ( min ( age ), 1), round ( max ( age ), 1 )from base2 GROUP BY bucket ORDER BY bucket
这段SQL代码如果在python里面怎么写?
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport psycopg2
schema_name = 'mimic'# 连接到MIMIC-IV数据库conn = psycopg2.connect(dbname='mimiciv', user='postgres', password='mimic', host='10.234.211.51', port=5432)query_schema = 'SET search_path to ' + schema_name + ';'
# # # 设置查询语句# # # 我们选择从mimiciv_hosp.admissions表中提取hadm_id等于10006的行。# # # 在写sql代码时,最好先执行“set search_path to mimiciv" 随后的所有操作均不需要指明表格的位置;否则,任何操作都应该在表格名前面加前缀mimiciv# query1 = query_schema + 'SELECT subject_id, hadm_id, admittime, dischtime, admission_type FROM mimiciv_hosp.admissions'## # 运行查询并将结果分配给变量# admissions_pd = pd.read_sql_query(query1,conn)# admissions_pd.head()# print(admissions_pd.head())
query = """with base1 as (SELECT mimiciv_derived.datetime_diff (P.dod, ad.admittime, 'YEAR' ) AS age FROM mimiciv_hosp.admissions ad INNER JOIN mimiciv_hosp.patients P ON ad.subject_id = P.subject_id), base2 as (
SELECT age, WIDTH_BUCKET ( age,0, 100, 100 ) AS bucket FROM base1)
SELECT bucket , count(*), round ( min ( age ), 1), round ( max ( age ), 1 )from base2 GROUP BY bucket ORDER BY bucket;"""
ce = pd.read_sql_query(query,conn)
# OPTION 2: load chartevents from a CSV file# ce = pd.read_csv('data/example_chartevents.csv', index_col='HOURSSINCEADMISSION')print(ce.head(20))
我们这里还是直接用sql查出来的,只是把navicat展示换成了python打印出来。
我们简化一下SQL, 只查数据,分组的事情交给python
关注公众号【科研收录】, 回复"分组入院人数sql", 获取SQL代码
回复"直方图", 获取python代码
构造等宽直方图,其中直方图范围被划分为相同大小的区间(桶),并在求值后返回表达式的值所属的桶号。该函数返回一个整数值或 null(如果有任何输入为 null)。
另外,低于低存储桶的值返回0
高于高存储桶的值返回bucket_count +1
返回一个整数值
WIDTH_BUCKET( <expr> , <min_value> , <max_value> , <num_buckets/bins> ) -- expr : 创建直方图的表达式。此表达式的计算结果必须为数值或日期时间值,或者可以隐式转换为数值或日期时间值的值。如果表达式的计算结果为 null,则表达式返回 null。-- min_value 最小组数: 解析为存储桶 1 的下边界的表达式。还必须计算为数值或日期时间值,并且不能计算为 null。-- max_value 最大历史记录: 解析为存储桶bucket_count 的上限的表达式。还必须计算为数字或日期时间值,并且不能计算为 null。-- num_buckets/bins 桶数: 解析为常量的表达式,指示存储桶的数量。该表达式的计算结果始终为正 INTEGER。
直方图(histogram)是数据库中的一种重要的统计信息,可以描述列中的数据分布情况。
Equi-width Histogram(等宽直方图)是将数据最大、小值之间的区间等分为N份,每个桶中最大、小值之差都为整体数据最大、小值之差/N,既所谓“等宽”。我们以 N=20 为例,在按照该曲线随机生成的数据上可以得到如下结果:
Equi-width Histogram 最大的缺陷是在数据频次较高的桶中统计信息不够清晰,比如在桶 [55, 60] 中,我们只知道它的总频次是40,却不知道是55、56、57、58、59各出现了8次,还是55出现了36次而其他值都只有一次。因此,当桶数量远小于列中 distinct value 数量、单个桶中 distinct value 过多且分布不均时,Equi-width Histogram 很有可能做出错误的估算并影响优化结果。
2.1 实例:提取患者入ICU24小时内的实验室指标
注意:入ICU前6个小时跟入ICU后24小时内采集的指标都属于24小时内的指标。
得出了一个时间范围,最后再通过这个时间范围,判断实验室指标的采集时间是不是在这个时间范围内就能提取出入ICU24小时内的指标了
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。