MIMIC-III代码结构和运行

官方代码目录

• 官方代码链接
  https://github.com/MIT-LCP/mimic-code
• MIMIC-III目录
  

benchmark - 各种指数速度测试
buildmimic - 在关系数据库管理系统 (RDMS) 中构建 MIMIC-III 的脚本，特别是postgres是我们选择的 RDMS
concepts - MIMIC-III 中数据的有用视图/摘要，例如人口统计、器官衰竭评分、疾病严重程度评分、治疗持续时间、更易于分析的视图等。上面的论文详细描述了这些，并在子文件夹列出了生成的概念。
notebooks - R markdown 和 Jupyter 笔记本的集合，提供了如何提取和分析数据的示例
notebooks/aline - 在 MIMIC-III 数据库中复制的整个研究 - 从队列生成到假设检验
notebooks/aline-aws - 如上所述，可立即在 AWS 上启动
test - 你应该总是有测试！
tutorials - 类似于 notebooks 文件夹，但侧重于向新用户解释概念这里是引用

• Makefile
  已创建 Makefile 构建系统以促进 MIMIC 数据库的构建，并可选择提供来自社区的视图。Makefile 指南。

benchmark

buildmimic

此目录包含可用于创建 MIMIC 重症监护数据库的新实例的脚本。使用这些脚本构建本地 PostgreSQL 数据库的教程可在 MIMIC 网站的菜单“教程”项下找到：https://mimic.mit.edu/docs/iii/

concepts

包括在
- 在 BigQuery 中生成概念
- 在 PostgreSQL (*nix/Mac OS X) 中生成概念
- 在 PostgreSQL (Windows) 中生成概念

BigQuery是Google推出的一项Web服务，该服务让开发者可以使用Google的架构来运行SQL语句对超级大的数据库进行操作。

在 PostgreSQL (*nix/Mac OS X) 中生成概念

虽然此处的 SQL 脚本是用 BigQuery 的标准 SQL 语法编写的，但仍有许多 BigQuery 特定的函数不会延续到 PostgreSQL。尽管如此，只需进行一些更改，脚本就可以兼容。为了在 PostgreSQL 数据库上生成概念，必须：

• 创建模拟 BigQuery 函数的 postgres 函数
• 为不兼容的语法修改 SQL 脚本
• 运行修改后的 SQL 脚本并将输出定向到PostgreSQL 数据库中的表中

具体步骤：

1. 在concepts文件夹中打开一个终端。
2. 运行postgres-functions.sql。

例如psql -f postgres-functions.sql 此脚本创建模拟 BigQuery 语法的函数。

3. 运行postgres_make_concepts.sh。

例如bash postgres_make_concepts.sh
此文件在应用一些正则表达式后运行脚本，这些正则表达式可以适当地转换表引用和日期计算。 此文件生成有关public模式的所有概念。
在调用此脚本之前导出 DBCONNEXTRA 会将其添加到连接字符串中。例如，运行： DBCONNEXTRA=“user=mimic
password=mimic” bash postgres_make_concepts.sh 会将这些设置添加到所有 psql
调用中。（注意“dbname”和“search_path”不需要设置。）

使用MIMIC_Extract代码继续构建提取视图和队列

原址：https://github.com/MLforHealth/MIMIC_Extract
git 或者下载了MIMIC_Extract代码之后导航到utils目录下

bash postgres_make_extended_concepts.sh
psql -d mimic -f niv-durations.sql

创建一个conda环境并激活

conda env create --force -f ../mimic_extract_env_py36.yml
conda activate mimic_data_extraction

激活了conda环境之后根据需要运行提取文件

python mimic_direct_extract.py