Nomogram文献分析：提取数据

颗粒神经园

已于 2024-01-17 16:00:07 修改

阅读量828

点赞数 25

分类专栏： Bioinformatics 临床大数据文章标签： Nomogram 文献复现临床数据 MIMIC-III MIMIC-IV nhanes eICU

于 2024-01-17 15:54:23 首次发布

本文链接：https://blog.csdn.net/fleame/article/details/135447130

版权

Bioinformatics 同时被 2 个专栏收录

10 篇文章 14 订阅

订阅专栏

临床大数据

2 篇文章 0 订阅

订阅专栏

前言

今天教大家如何分析Nomogram类型的文章，并使用我们开发的系统零代码提取数据。

系统地址：https://clinicaldata.fun/

要分析的文章：https://pubmed.ncbi.nlm.nih.gov/36504658/ 。这是一篇典型的mimic-iii数据分析的套路，构建一个Nomogram预测某种结局发生的影响因素。在这里插入图片描述

这个研究旨在调查全身免疫炎症（SII）与颅内出血（ICH）患者在重症监护病房（ICU）的住院死亡风险之间的关联，并进一步开发与SII相关的预测模型，以预测ICH患者的住院死亡风险。

在训练组中，232名ICH患者死亡，708名存活。LASSO回归显示一些预测因子，包括白细胞计数、血糖、血尿素氮、SII、格拉斯哥昏迷评分、年龄、心率、平均动脉压、红细胞、碳酸氢盐、红细胞分布宽度、肝硬化、呼吸衰竭、肾功能衰竭、恶性肿瘤、血管加压药和机械通气。建立了整合这些预测因子的预测模型。在训练组中，量表图下面积（AUC）为0.810，在测试组中为0.822，表明这个量表图可能有良好的性能。

结论：全身免疫炎症与ICU中ICH患者的住院死亡风险增加有关。已开发并验证了一种针对ICU中ICH患者的住院死亡风险的量表图。

第一步：文章思路分析

1. 病人对象 Subject

要提取数据，你首先必须知道自己的研究对象是什么。这篇文章里，研究对象是颅内出血的病人，那么哪些是这些病人呢？需要通过ICD-9、ICD-10进行判断了。文章里面的ICD用的是：

在这里插入图片描述

2. 入组标准

所以入组的研究对象是ICD-9 code是：431, 432, 9487, 77210-77214。首先就要把这些病人挑出来。

3. 排除标准

(1) aged <18 years;

(2) were hospitalized in the ICU for <24 h;

(3) had missing data of SII; and

(4) had missing data of other covariates.

4. 终点指标

你需要知道你要分析的结局指标是啥，这是文章的落脚点。常说的Y。这篇文章里面就是指的住院死亡 in-hospital death。

5. 独立因素

就是病人相关的指标了，一般包括基础资料，血氧血气，生化，vital sign，并发症，ICU 评分等等了。一般Table 1都会列出的了，这篇文章大致是：

在这里插入图片描述

6. 分析过程

这个是一般的数据处理过程，大致为：LASSO （单因素分析）–》多因素逻辑回归 --》Nomogram 构建 --》Nomogram的评价，如ROC/AUC，c-index，IDI, NRI, DCA等等。比如另一篇文章的比较全面的流程图：

在这里插入图片描述

这个分析也是一个大头，考验你的R语言基础和统计学功底。

好了，下面我们开始进行提取数据，并尝试重新这篇简单文章的Nomogram的构建。

第二步：提取数据

其实系统已经设计得很简单，零代码，只需要点点勾勾就能导出你要的数据。一般来讲，大家提取衍生库的内容都够用了，原生库的原始数据一般很粗糙，没有归类总结。比如MIMIC-III数据库的chartevents, labevents，患者的住院期间的图表信息，数据量庞大，也是MIMIC-数据库臃肿的原因。里面其实我们需要的就是些血氧血气生化指标，大部分都在衍生库里面。除非你有些特殊要求，不建议提这个数据。

1. 输入ICD code，选择病人队列

如前面提到的，进入MIMIC-III数据库，点击“ICD搜索”，选择‘Disease’，选择‘全部诊断’ （就是不区分是否第一诊断），搜索框里面输入 431, 432, 9487, 77210, 77211, 77212, 77213, 77214 （多个icd code逗号区分），当然也可以输入关键词，比如 “intracerebral hemorrhage”。所有包含这些字符的ICD code都会显示，找到你想要的，进行勾选，注意 可跨页勾选！

在这里插入图片描述

然后点击按钮确定选择这些病人：

在这里插入图片描述

虽然系统会直接跳到数据提取页面，但是在“输入icustay_ids”这里可以看到你勾选的所有病人的icustay_id：

在这里插入图片描述

做这个输入，是为了给你提供方便，你如果知道自己icustay_id，直接清空之后粘贴，然后点击 “提交icustayid，开始提取数据 ”就可以提取你的病人队列了。文章是1925个，这里有2152个，可能和我选择的ICD code有关，比如我这里勾选了蛛网膜下出血。当有多个ICD code的时候，一定要选准确！

2. 导出数据

这个很简单了。一个个指标勾选，导出数据即可。其实我们的数据主要在“衍生库”里面：

在这里插入图片描述

如果你不知道这些指标叫什么，建议还是多补充背景知识。

如果偷懒些，我帮你预置了一些指标，一步勾选，一键导出即可。

原生数据库，我们只需要病人资料 patients 表，和adminssion表的内容即可。用于后面判断是否住院死亡。

下面是两分钟就提好的这个文章的数据了：

在这里插入图片描述

每个csv都是 tab分格的数据，如果用Excel打开会显示到一行，需要手动导入分割才能看到。一般我们都是在R里面进行后续处理的了。csv文件，直接当txt打开，长这样：

在这里插入图片描述

GCS这个指标对出血病人还是挺重要的。

这样，数据导出就完成了，总共花费了10分钟不到。

下面开始数据合并和处理，建模分析。

第三步：数据预处理

大致分为几个步骤：1）数据合并；2）病人队列排除；3）指标缺失值处理；4）变量初始化。

1. 数据合并

为什么不推荐对所有表进行简单的连接合并？因为你会看到这些表不是所有字段唯一的。

数据导入R里面，先看看数据行数在每个表的情况：

在这里插入图片描述

大部分是2152行数据，和前面的数据icustay_id 数量相符。但血气值有5k多行，patients有2703行，icu_stay只有2144行。而有些数据有缺失，比如vital sign只有2114行。以哪一个表为起始表进行合并要根据实际情况就行。

我这里已admission为起始进行合并，结果如下：

> dim(merge.data)
[1] 2152   94 
# 合并之后有2152个队列，有94个指标

在这里插入图片描述

其中住院死亡是结局：admissions.hospital_expire_flag 表里面直接给出了。

2. 排除病人

标准：1) age < 18; 2) icu 时长超过24 小时

### exclude age less than 18
raw.ready <- raw.ready[raw.ready$icustay_detail.admission_age > 18,]

### exclude patients less than 24 hours
raw.ready <- raw.ready[raw.ready$icustay_detail.los_icu>=1,]