PLAGH-MIT Critical Data Datathon
Datathon玩家手册
在datathon,团队将获得3种确定的电子病历数据集。团队可以选择使用这些数据集中的一个或全部来回答他们的临床问题
Datathon是什么?
Data + Hackthon = Datathon
在datathon,团队将获得3种确定的电子病历数据集。团队可以选择使用这些数据集中的一个或全部来回答他们的临床问题
Datathon是一项新颖的数据实践活动,其前身是源自于硅谷的“Hackthon”。Hackthon通常是短期,高强度的小组竞赛,旨在促进各大公司的技术创新和新观念的产生。对于医疗数据分析来说,Datathon是通过组建跨学科的团队,在短期内以小组竞赛的形式完成临床研究项目,旨在汇集知识背景和技术不同但互补的参与者,包括临床专家、数据科学家、统计学家、工程师和计算生物学家等,通过使用来自“真实世界”的医疗数据,基于数据计算的方法,合作解决临床医生面临的众多问题和未满足的医疗需求。
在datathon,团队将获得3种确定的电子病历数据集。团队可以选择使用这些数据集中的一个或全部来回答他们的临床问题
Datathon怎么玩?
在datathon,团队将获得3种确定的电子病历数据集。团队可以选择使用这些数据集中的一个或全部来回答他们的临床问题
Datathon活动通常持续2-3天,所有参赛者根据个人兴趣和专业背景加入不同的小组,每个小组集中解决一个基于医疗大数据分析的临床研究问题。

整个Datathon分为三个阶段:
筹备期
● 确定临床题目
(全国海选,确定Datathon队长,与MIT/哈佛医学院团队和国内临床专家团队互动,将临床问题转化为科研问题,并测试-筛选-确定研究题目)
竞赛期
1.路演,所有参赛的带队临床医生对题目进行阐述,进行2分钟的路演,招募队员
2.组队。一般datathon小组的人员配置为:2~3名临床专家,3~5名医工人员, 1~2名高校或企业人员。
3.对题目进行组内讨论,明确研究问题,并根据数据集情况选用合适的数据库及研究变量。
4.进行数据提取及数据分析的工作。
5.项目汇报展示。每个组准备3分钟的幻灯汇报,在比赛最后一天下午进行展示。组委会进行评审并颁奖。

后续合作
● 形成合作团队
(Datathon团队成员进一步合作,基于Datathon的题目进一步优化研究题目和方案,
完成项目并发表论文)

在datathon,团队将获得3种确定的电子病历数据集。团队可以选择使用这些数据集中的一个或全部来回答他们的临床问题
参赛人员要求
在datathon,团队将获得3种确定的电子病历数据集。团队可以选择使用这些数据集中的一个或全部来回答他们的临床问题
临床人员(带队医生)
最重要的是有明确的研究思路!
我们希望通过Datathon可以解答医生们在日常工作中遇到的问题
筹备期:带队医生根据平时遇到的问题及感兴趣的方面,提出初步的研究问题;
招募队员:作为带队医生,需要做两分钟的路演,阐述题目,并招募队员;
Datathon实战期:与小组成员一起制定研究问题,明确研究队列、暴露变量、结局变量等,并根据数据库情况及时调整计划,指导辅助工程人员进行数据分析,最后进行成果汇报


在datathon,团队将获得3种确定的电子病历数据集。团队可以选择使用这些数据集中的一个或全部来回答他们的临床问题
工程人员

工程人员主要负责数据提取、处理、分析、建模、结果呈现等工作
要求至少满足以下一条
会至少一种数据分析的工具:Python/R/SPSS/SAS等;
会使用数据提取的语言:SQL

2017参考展示视频




2017参考题目

What is the urine output in the 6 hours before a significant norepinephrine dose increase vs. the 6 hours after such an increase in patients with sepsis associated acute kidney injury(AKI)?


The effectiveness, safety and outcomes of bolus vs. continues infusion of loop diuretics among critically ill patients with a bad response to routine dose of diuretics


PEEP level and weaning progress in COPD patients


Multiple risk factors analysis for predicting Incident of major adverse cardiac event

in postoperative vascular patients


Will CVP/MAP probably increase in severe ARDS patients?


A study of early warning features for oliguria in ARDS patients


The effect of hypocapnia on the prognosis of patients with type II respiratory failure after mechanical ventilation


The prognosis value of platelete and Hb after IABP in AMI patient

The relationship between diuretic resistance and prognosis of patients in ICU


The relationship among drug sensitivity, antibiotic therapy and patient's conditions

in nosocomial infection of Non-fermentives


Study on the Risk Early Warning Model of Death in 48 Hours of Patients with Acute Heart Failure due to Acute Myocardial Infarction in-Hospital Based on Machine Learning Algorithm


The Association Between Peripheral Venous PO2 And Clinical Outcomes In Septic Patients


The relationship between BMI and the duration mechanical ventilation postoperative.


The treatment for sepsis: water load as the initial standard for hem filtration.


Big data based case matching to predict personal prognosis.