本文是继上一篇《如何应对数据荒（1）》的第二个案例分析，
案例二
《Datamining: Seasonal and temperature fluctuations inthyroid-stimulating hormone》
摘要
研究目的：探索季节和气温对TSH的影响
数据源：2013.9.1-2016.8.31期间，医院LIS系统上339,985例患者的部分检验信息和同期中国气象局公布的每日气温，数据变量如下:
图片
研究结果：
TSH中位值的季节性变化
图片
SH检测值与气温的相关性
|
图片
|
|
每个月TSH的中位数波动，以及同期的每个月温度的平均值的波动
|
统计学解读
该文章的所使用的数据维度非常有限（日期、检测结果、气温），所使用的统计学方法也非常简单（K-S检验，ANOVA，Pearson相关性分析），但是作者非常聪明地对数据进行了切割，其将日期先分组（3个整年阶段，其实是一个因素分不同阶段看，可视化上显得数据维度更丰富），再把时间切割成日、月、季节，再把所有切割维度下TSH的中位值计算并可视化，以成文。为了增强文章的说服力，作者将数据标准化进行了自验证以提高研究结果的可靠性。
数据处理的流程图如下：
图片
模式拓展
当数据维度较低时，对原有数据进行切割是丰富数据统计内容，增加文章说服性的一种常用方法，也是应对‘数据荒’和数据过度丰富时的常见方法。
参考文献
Danchen Wanga, Xinqi Chenga,Songlin Yua，et.al. Data mining: Seasonal and temperature fluctuations in thyroid-stimulating hormone. Clinical Biochemistry 60 2018,59-63
网友评论