질병 별 열패턴과 해열제에 대한 반응

[GY-jung]

각 질병 별로 진단 전 일주일에서 진단 후 2일 정도의 평균 체온을 보고 이를 통해 열 패턴을 분석함

그리고 각각 해열제 성분이 각 질병에 어떤식으로 작용하고 어느 성분의 해열제가 가장 효과가 좋은지 확인 질병 별 열분석.xlsx

[ChanhoPark93]

데이터 잘 봤습니다. 분석해 주셔서 감사합니다

일단 해열제가 가장 잘 듣지 않는 병인 7,5,12,14(독감, 인두/편도염, 장염/식중독, 중이염)에서 장염/식중독을 제외하고는 해열제/항바이러스제가 치료에서 필수적인 병들로, 다른 병에 비해 질병의 course가 더 좋지 않은 병이라서 결과가 그렇게 나왔다고 추정할 수 있을 것 같습니다. 그리고 장염/식중독에 있어서는 소화기관 질환으로 탈수에 더 취약한 바가 있고, 탈수는 임상적으로 발열을 유발할 수 있어 탈수의 영향으로 해열제가 덜 듣지 않나 생각이 듭니다.

p.s. 추가적인 통계분석에 대하여 논의 하였으며, 그에 대한 결과를 f/u 해드리도록 하겠습니다.

[ChanhoPark93]

여러 분석을 한 결과, 재미있는 결과가 나왔습니다. 빅 데이터로 분석한 결과값들과 기존 논문들을 분석한 결과를 비교했을 때 기존 논문에서 보인 결과가 빅데이터 분석에서도 나타났는데요, 기존에 이중맹검법/informed consent 등의 비용이 많이 드는 방법과 비교하여 적은 비용으로 데이터를 얻어 활용할 수 있다는 점을 어필할 수 있을 것 같습니다.

한 예시로 아세트아미노펜의 해열효과를 분석한 것에서 좌약 타입이 용량이 높을 경우 hypothermia의 경향성을 보였는데요, https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1215489/ 이 논문에서도 그런 결과가 나타났다는 보고가 있습니다.

[Myeongchan-Kim]

이것도 논문감입니다. 훌륭하네요.

[Myeongchan-Kim]

그런데, 우리의 데이터에서 진단명 입력 하는 시기는 실제 onset이후 얼마나 지나서 일까요?

몇몇 질환들은 진단명을 입력한 이후에만 기록이 있는 경우가 있어요, 이런 경우는 걸러줘야 합니다. 전체적으로 는 재밌는 결과가 많은데, 너무 필터링에 대해서 고민이 없어요. 쓰레기 데이터가 섞여 들어가면 결과도 소용없으니, 단순히 통계모델을 돌려보는데 의의를 두지 말고, 앞쪽에서 데이터가 정말 맞는지에 대해서 고민이 더 필요할 것 같습니다.