从MIMIC学习组织自己的数据

相对于SEER数据库（我们得到的是几乎可以直接进行分析的数据），MIMIC 数据库在数据采集后虽然经过了一定的处理，但是保留了数据库原始的样貌，所以我们除了对MIMIC数据进行分析外，还可以从MIMIC数据库中学习怎样设计数据库，怎样组织数据，用在我们构建自己的数据库的过程中。
在这里插入图片描述

存储数据的组织形式：星状设计、长表和宽表

MIMIC数据库属于关系型数据库，是星状结构（star schema）设计，MIMIC数据库中admission 表格是核心，是中心表格，包含了可供分析的信息，其余表格为附属表格，包含的信息是对主表格信息的注释、分类和描述，可以用来分组、过滤主表格信息。主附表格通过共同的ID将相关得数据联系在一起。
- 这是我们可以借鉴的信息。我们可以将数据库设计为星状结构，来组织我们的数据。
- 查询：使用SQL的join命令将分散在多个表格中的相关的数据拼接在一起，其中的一种变化是with临时表形成过渡表格，对某一个表格中的数据进行初步的处理，然后在主查询中对数据进行二次处理（用join语句拼接）。以MIMIC数据库为例，假设我们想要查询每个住院患者的年龄、性别、入院类型、入院诊断和死亡时间（如果有的话）。我们需要从多个表格中获取这些数据，如patients, admissions, icustays等。我们可以用以下SQL语句来实现：

 --创建一个临时表格，计算每个患者的年龄
with age as (
  select
    p.subject_id,
    p.gender,
    a.hadm_id,
    a.admittime,
    a.dischtime,
    a.deathtime,
    a.admission_type,
    a.diagnosis,
    -- 计算年龄
    round((cast(a.admittime as date) - cast(p.dob as date))/365.242, 2) as age
  from patients p
  inner join admissions a
  on p.subject_id = a.subject_id
)

-- 主查询，使用join语句拼接临时表格和其他表格
select
  a.subject_id,
  a.gender,
  a.hadm_id,
  a.admittime,
  a.dischtime,
  a.deathtime,
  a.admission_type,
  a.diagnosis,
  -- 处理年龄异常值
  case
    when a.age > 89 then '>89'
    else cast(a.age as varchar)
  end as age,
  i.first_careunit as icu
from age a
left join icustays i
on a.hadm_id = i.hadm_id
order by a.subject_id, a.hadm_id;

有的表属于纵向结构，代表记录条目的ID列是有重复的。每个表格内的变量的组织也是有主有次，往往有且只有一个变量是核心变量，其他是都是符号关键变量的注释或者解释，这种结构组织的数据，便于录入，但是不便于分析。有些临床数据可以使用这种形式来进行组织。比如MIMIC数据库中有多个长表格，例如：
- chartevents: 包含患者在ICU期间的各种生理测量和护理记录
- labevents: 包含患者在住院期间的各种实验室检查结果
- microbiologyevents: 包含患者在住院期间的各种微生物检查结果
- outputevents: 包含患者在ICU期间的各种出液记录
- inputevents_cv: 包含使用CareVue系统的患者在ICU期间的各种入液记录
- inputevents_mv: 包含使用MetaVision系统的患者在ICU期间的各种入液记录
- procedureevents_mv: 包含使用MetaVision系统的患者在ICU期间的各种操作记录
- 如何查询，需要将多条变量变成一条变量，通过取mean,max等。以MIMIC数据库为例，假设我们想要从chartevents表中提取以下信息：每个患者在ICU期间的平均心率（心率的item_id为211）;每个患者在ICU期间的平均血压（血压的item_id为220045）;每个患者在ICU期间的平均体温（体温的item_id为223761）;每个患者的性别（性别在patients表中）.我们可以用以下SQL语句来实现：

-- 创建一个临时表格，筛选出心率、血压和体温的数据
with vital_signs as (
  select
    subject_id,
    itemid,
    valuenum
  from chartevents
  where itemid in (211, 220045, 223761)
)

-- 主查询，使用join语句连接临时表格和patients表，使用aggregate函数计算平均值
select
  v.subject_id,
  p.gender,
  -- 计算平均心率
  avg(case when v.itemid = 211 then v.valuenum else null end) as avg_hr,
  -- 计算平均血压
  avg(case when v.itemid = 220045 then v.valuenum else null end) as avg_bp,
  -- 计算平均体温
  avg(case when v.itemid = 223761 then v.valuenum else null end) as avg_temp
from vital_signs v
inner join patients p
on v.subject_id = p.subject_id
group by v.subject_id, p.gender
order by v.subject_id;

有的表属于宽表，代表记录条目的ID列是唯一的，也是我们组织自己数据的一种形式。从宽表格中提取数据相对简单。MIMIC数据库中的宽表格有以下几个：admissions: 包含了每个患者的入院信息，如入院时间、出院时间、入院类型、死亡标志等；patients: 包含了每个患者的基本信息，如性别、出生日期、死亡日期等；transfers: 包含了每个患者在医院内部的转移信息，如转移时间、转移前后的位置、转移类型等；icustays: 包含了每个患者在重症监护病房的停留信息，如停留时间、停留时长、停留位置等；services: 包含了每个患者在重症监护病房的服务信息，如服务类型、服务开始时间、服务结束时间等；prescriptions: 包含了每个患者在重症监护病房的药物处方信息，如药物名称、药物剂量、药物开始时间、药物结束时间等。以MIMIC数据库为例，假设我们想要从admissions表中提取以下信息：每个患者的入院次数；每个患者的平均住院天数；每个患者的死亡率；我们可以用以下SQL语句来实现：

-- 主查询，使用aggregate函数计算入院次数、平均住院天数和死亡率
select
  subject_id,
  -- 计算入院次数
  count(*) as admission_count,
  -- 计算平均住院天数
  avg(datediff(day, admittime, dischtime)) as avg_los,
  -- 计算死亡率
  sum(case when hospital_expire_flag = 1 then 1 else 0 end) * 1.0 / count(*) as mortality_rate
from admissions
group by subject_id
order by subject_id;