Open GY-jung opened 7 years ago
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.
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.
이것도 논문감입니다. 훌륭하네요.
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.
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