تحلیل داده‌های بالینی با Python و SQL | مجموعه‌ای از ویدیوهای آموزشی بر پایهMIMIC-III

سلام دوستان،

در مسیر یادگیری تحلیل داده‌های پزشکی، با دیتاست MIMIC-III کار کردم و تجربه‌هایی که به‌دست آوردم رو در قالب چند ویدیو آموزشی ساده و کاربردی منتشر کردم. هرچند هنوز در حال یادگیری هستم، اما تصمیم گرفتم این محتواها رو با دیگر علاقه‌مندان به اشتراک بگذارم؛ شاید برای کسی مفید واقع بشه.

در این مجموعه ویدیویی، با استفاده از Python ،، SQL Server و اتصال به داده‌های واقعی بیمارستانی از دیتاست MIMIC-III، به تحلیل‌های مختلف پرداخته‌ام. این آموزش‌ها بیشتر مناسب دانشجویان علوم پزشکی، علوم داده، سلامت دیجیتال (HIT) و توسعه‌دهندگان سیستم‌های بیمارستانی(HIS) هستند.

برخی از موضوعاتی که در ویدیوها پوشش داده‌ام:

1. راهنمای دریافت دسترسی به دیتاست MIMIC از PhysioNet
   آموزش گام‌به‌گام ثبت‌نام، گذراندن دوره تحقیق مسئولانه، و گرفتن تأییدیه جهت کار با داده‌های MIMIC.
2. مقایسه روش‌های مختلف تحلیل داده‌های بیمارستانی
   آشنایی با انواع تحلیل: توصیفی (Descriptive)، تشخیصی (Diagnostic)، پیش‌بینی (Predictive) و تجویزی (Prescriptive).
3. نمودار پاسخ حرکتی GCS بیماران
   با استفاده از داده‌های جدول chartevents و کدهای GCS، نمودار توزیع پاسخ حرکتی بیماران بزرگسال رسم شده است.
4. تحلیل تعداد بیماران، مراجعات و بستری‌ها در ICU
   بررسی و مقایسه سه شاخص مهم: تعداد بیماران منحصربه‌فرد، مراجعات بیمارستانی و بستری‌ها در بخش مراقبت ویژه.
5. تحلیل سن و جنسیت در بخش‌های مراقبتی ICU
   با رسم نمودار ویولن و هیستوگرام، توزیع سنی و جنسیتی بیماران بزرگسال در بخش‌های مختلف ICU بررسی شده است.
6. نمودار هیستوگرام ضربان قلب بیماران
   بررسی کدهای ضربان قلب در دیتاست و نمایش توزیع آن به‌صورت هیستوگرام برای بیماران بالای ۱۶ سال.

📌 ابزارهایی که استفاده شده:

• اتصال به پایگاه داده با pypyodbc
• پردازش داده‌ها با pandas
• ترسیم نمودارها با matplotlib.pyplot
• اجرای کوئری‌های SQL بر روی پایگاه داده MIMIC

📺 اگر علاقه‌مند هستید، می‌تونید پلی‌لیست کامل ویدیوها رو از طریق لینک زیر ببینید:

https://www.youtube.com/playlist?list=PLjyIgFPGFJXwCETkkenCTVYDH0nwzgUkP

خوشحال می‌شم اگر نظری داشتید یا پیشنهادی برای بهبود محتواها داشتید، برام بنویسید.
با آرزوی یادگیری‌های عمیق‌تر برای همه ما 🙏🌱