MIMIC-IV数据库中患者院内死亡的单因素生存分析

目的

由易到难，对mimic-iv的查询进行实际操作，体现先前文章中提到的mimic-iv数据查询的规律。

数据分析计划

死亡，是重症患者最重要的结局指标，在MIMIC数据库中收录了院内死亡的数据，以及进出ICU的时间（和进出医院的时间），所以我们可以获得是否死亡，以及从入ICU（或入院）到死亡发生之间的时间，有了这两个指标，我们可以通过Cox单因素（参数和非参数）模型来观察ICU（和医院）内死亡的趋势，以及某个变量（比如，性别和种族等）对死亡趋势的影响，以为后续的分析奠定基础。

数据的获取

我们需要数个变量，1. 从如入ICU（或入医院）到患者死亡的时间; 2. 患者是否发生院内死亡；3. 性别等；而这几个变量都存储在同一个表格中。

select * from `physionet-data.mimic_derived.icustay_detail`

体现先前文章中提到的几个原则：

• 原则1，重视mimic-derived模块，即首先从这个模块中取寻找需要的变量；
• 原则2，google cloud 上的mimic 数据库查询更方便。
• 原则3，查询之前了解变量以及变量存储的表格。

数据分析的方法和结果

1. mimic-iv下载表格的信息

 #   Column                Non-Null Count  Dtype  
---  ------                --------------  -----  
 0   subject_id            76540 non-null  int64  
 1   hadm_id               76540 non-null  int64  
 2   stay_id               76540 non-null  int64  
 3   gender                76540 non-null  object 
 4   dod                   13628 non-null  object 
 5   admittime             76540 non-null  object 
 6   dischtime             76540 non-null  object 
 7   los_hospital          76540 non-null  int64  
 8   admission_age         76540 non-null  int64  
 9   ethnicity             76540 non-null  object 
 10  hospital_expire_flag  76540 non-null  int64  
 11  hospstay_seq          76540 non-null  int64  
 12  first_hosp_stay       76540 non-null  bool   
 13  icu_intime            76540 non-null  object 
 14  icu_outtime           76540 non-null  object 
 15  los_icu               76540 non-null  float64
 16  icustay_seq           76540 non-null  int64  
 17  first_icu_stay        76540 non-null  bool 

2. ICU 患者K-M曲线的结果， K-M生存曲线是最常见的非参数模型， 后续我们还可以用参数模型进行类似的估计，这里用的是python包lifelines。
   
   解读：y轴代表患者在某个时间点生存的概率（我觉得这里理解成比率，是不是更好理解一些），x轴代表时间，可以看到随着时间的增加，患者生存的概率逐渐降低（死亡的风险增加），100天的时候生存概率已经到达一个较低的水平。

3. 探索ICU患者性别对于生存函数的影响，首先分组制作K-M曲线图，然后进行log-tank检验，都是用lifelines包完成。
   
   log-tank 检验的结果：
   test_statistic p -log2(p)
   18.88 <0.005 16.13

4. 参数模型Weibull的拟合ICU患者数据的结果
   
   结果解读：因为时间数据中有值为0，所以直接用会有提示错误，可以将为0的值替换为小的正值，比如0.1即可。左图累计曲线的与K-M曲线类似，但是更平滑， 有图为Q-Q图，显示与中央线不贴合，代表数据不符合Weibull分布，所以用Weibull模型进行拟合不合适，需要探索其它的模型，在此不多重复操作。

5. 以上操作在院内患者数据中的分析结果
   
   
   test_statistic p -log2(p)
   26.77 <0.005 22.05

结果解读：院内死亡的时间跨度更长一些，男性和女性之间的生存率之间有统计学差异