Výber databázy: Rakovina prsníka a onkologické dáta
Author
Yevheniia Khomenko
Popis zvolenej databázy
Pre ďalšie spracovanie a analýzu na budúcich hodinách som si zvolila databázu zameranú na štatistiky a záznamy pacientok s rakovinou prsníka (Breast Cancer dataset).
Tento dataset obsahuje klinické a demografické dáta pacientok. Zaznamenáva faktory ako vek, veľkosť nádoru, štádium ochorenia, hormonálny status (Estrogen/Progesterone) a dobu prežitia v mesiacoch. Tieto dáta nám umožňujú sledovať, aké faktory najviac ovplyvňujú prežitie pacientok.
Aktuálnosť témy a jej význam pre Slovensko
Téma je na Slovensku, ale aj celosvetovo, mimoriadne aktuálna. Rakovina prsníka je najčastejšie zhubné onkologické ochorenie u žien.
Dôvody aktuálnosti pre Slovensko:
1. Nedostatočná prevencia: Účasť na preventívnych mamografických skríningoch je na Slovensku v porovnaní s priemerom EÚ stále veľmi nízka.
2. Včasný záchyt: Analýza onkologických dát ukazuje, že včasný záchyt ochorenia radikálne zvyšuje šance na prežitie.
3. Záťaž na zdravotníctvo: Predikcia vývoja ochorení pomáha zdravotníctvu lepšie alokovať zdroje, financie a kapacity na liečbu.
Prečo sú tieto dáta vhodné?
* Klasifikácia a prežitie: Na základe vstupných parametrov (vek, veľkosť nádoru, štádium) môžeme modelovať pravdepodobnosť prežitia pacientky (Status: Alive/Dead) alebo predikovať dĺžku prežitia v mesiacoch (Survival Months).
* Identifikácia rizík: Modely nám vedia ukázať, ktoré konkrétne premenné (napr. počet pozitívnych uzlín - Regional Node Positive) majú najväčšiu váhu pri zhoršenej prognóze.
Predbežný náhľad dát
Keďže mám k dispozícii reálny .csv súbor, v nasledujúcom bloku kódu ho načítam.
Code
# Načítanie knižnice pre krajšie tabuľkylibrary(knitr)# Načítanie reálnych dát z CSV súborudata_rakovina <-read.csv("Breast_Cancer.csv", stringsAsFactors =TRUE)# 1. Zistenie rozmerov databázy (počet riadkov a stĺpcov)dim_data <-dim(data_rakovina) cat("Databáza má", dim_data[1], "riadkov a", dim_data[2], "stĺpcov.\n\n")
Databáza má 4024 riadkov a 16 stĺpcov.
Code
# Zobrazenie prvých 6 riadkov v peknej tabuľke (namiesto bežného výpisu v konzole)kable(head(data_rakovina), caption ="Náhľad prvých 6 záznamov v databáze")