肝硬化患者生存数据集：特征预处理及生存分析

资源摘要信息:"肝硬化患者生存预测数据集" 数据集背景介绍： 肝硬化是一种严重的肝脏疾病，它指的是肝脏由于长期的损伤导致广泛的疤痕形成。这种情况通常是由慢性饮酒、肝炎病毒等引起的。梅奥诊所自1974年至1984年间进行了一项原发性胆汁性肝硬化（PBC）的研究，提供了本数据集。PBC是一种特殊类型的肝硬化，它涉及到胆汁流经肝脏的管道系统受损，导致胆汁在肝脏中积累，进而损害肝脏细胞。 数据预处理说明： 数据集在使用之前经过了特定的预处理步骤，以确保数据的质量和可用性： 1. 删除了“药物”列中含有缺失值（NA）的记录，以确保这一关键变量的完整性。 2. 将剩余数据中的缺失值用平均值替代，以减少缺失值对统计分析的影响。 3. 对所有类别型属性进行了独热编码（One-Hot Encoding），这通常用于将分类变量转换为机器学习模型能够识别和处理的格式。 问题描述： 数据集包含了1974年至1984年间，424名PBC患者的记录，其中312名患者参加了梅奥诊所的一项药物D-青霉素的随机安慰剂对照试验，另外112名患者虽未参加试验，但同意进行基本指标记录及生存跟踪。研究中还包含了这些患者登记日期至1986年7月的生存时间数据，即从登记日期到死亡、肝移植或研究分析截止时间的天数。数据集最终除了312名随机试验患者外，还包括了106名未参与试验的患者数据。 字段介绍： - ID：患者唯一标识符。 - N_Days：患者从登记至死亡、肝移植或研究截止日期之间的天数。 - Status：患者状态，包括C（审查）、CL（因肝脏移植而审查）或D（死亡）。 - Drug：患者被分配的药物类型，为D-青霉素或安慰剂。 - Age：患者的年龄，以天为单位。 - Sex：患者性别，包括男性（M）或女性（F）。 - Ascites：是否患有腹水，N为否，Y为是。 - Hepatomegaly：是否存在肝肿大，N为否，Y为是。 - Spiders：蜘蛛痣的存在，N为没有，Y为有。 - Edema：水肿情况，N表示无水肿且未接受利尿剂治疗，S表示无利尿剂的水肿或通过利尿剂解决的水肿，Y表示尽管接受利尿剂治疗仍有水肿。 - Bilirubin：血清胆红素含量，单位为毫克/分升。 - Cholesterol：血清胆固醇含量，单位为毫克/分升。 - Albumin：白蛋白含量，单位为克/分升。 - Copper：尿铜排泄量，单位为微克/天。 - Alk_Phos：碱性磷酸酶活性，单位为单位/升。 - SGOT：血清谷草转氨酶活性，单位为单位/毫升。 - Triglycerides：甘油三酯含量，单位为毫克/分升。 - Platelets：血小板含量，单位为毫克/分升。 - Prothrombin：凝血酶原时间，单位为秒。 引用格式： 当使用本数据集进行研究或分析时，应当遵循相应的引用格式。数据集引用格式如下： @misc{Cirrhosis3291, title = {肝硬化患者生存预测}, author = {z}, howpublished = {\url{***}}, year = {2023}, } 这说明了数据集的标题、作者、获取途径以及发布年份，便于学术引用和数据来源追溯。 文件名称列表说明： - cirrhosis.csv：该文件包含了肝硬化患者生存预测数据集的详细数据信息，是一个CSV格式的数据表，可以用于数据分析和机器学习模型训练。 - 肝硬化患者生存预测_readme.md：这是一个Markdown格式的文档，通常包含了数据集的详细说明、字段描述、预处理步骤、问题描述和可能的使用建议等，便于用户理解和使用数据集。 上述内容汇总了数据集的核心信息和背景，对数据预处理、字段内容以及引用格式进行了详细介绍，为进行肝硬化患者生存预测的研究提供了重要的参考资料。