DatasetCovid

Este repositório tem o intuito de manter maior organização e melhorar as decisões sobre como os datasets serão utilizados. De forma a manter o versionamento dos conjuntos, ao fazer qualquer alteração, por favor, crie um novo branch com um nome explicativo (ex: /limpezaGabriel) e faça alterações nesse branch. Ao finalizar as alterações necessárias, efetue um pull request e peça para um dos colegas de equipe revisar o seu trabalho, assim evitamos erros ao fazer qualquer modificação. O colega solicitado deve revisar e permitir o merge.

Caso não conheça o funcionamento do GitHub, siga o seguinte tutorial: https://guides.github.com/activities/hello-world/. Suficiente para aprender todas as funcionalidades aqui necessárias. A estrutura de texto aceita aqui no read.me do GitHub é o markdown, mesma do Jupyter Notebook, se tiverem dúvidas sobre como deixar o texto de vocês bonitinho, segue o link de um guia: https://docs.pipz.com/central-de-ajuda/learning-center/guia-basico-de-markdown#open

Caso esteja adicionando um arquivo ao invés de alterando algum já existente no repositório, adicione uma breve descrição sobre tal arquivo neste read.me, seguindo a descrição dos outros arquivos.

Descrição das features:

• patientid = Identificador interno do paciente
• offset = Número de dias desde o início dos sintomas ou hospitalização para cada imagem. Se um relatório indicar "depois de alguns dias", serão considerados 5 dias. Isso é muito importante quando existem várias imagens para o mesmo paciente acompanhar a progressão.
• sex = Masculino (1), Feminino (0) ou em Branco
• age = Idade do paciente em anos
• finding = Tipo de pneumonia
• RT_PCR_positive = Sim (1) ou não (0) ou em branco se não for relatado
• survival = Sim (1) ou não (0) ou em branco se desconhecido
• intubated = Sim (1) se o paciente foi intubado (ou ventilado) em qualquer momento da doença ou Não (0) ou em branco, se desconhecido.
• went_icu = Sim (1) se o paciente estava na UTI (unidade de terapia intensiva) ou na UTI em qualquer momento da doença ou Não (0) ou em branco, se desconhecido.
• needed_supplemental_O2 = Sim (1) se o paciente necessitou de oxigênio suplementar em qualquer momento da doença ou Não (0) ou em branco se desconhecido
• extubated = Sim (1) se o paciente foi extubado com sucesso ou Não (0) ou em branco se desconhecido
• temperature = Temperatura do paciente em Celsius no momento da imagem
• pO2_Saturation = Pressão parcial da porcentagem de saturação de oxigênio no momento da imagem
• wbc_count = Contagem de glóbulos brancos em unidades de 10^3 / uL no momento da imagem
• neutrophil_count = Contagem de células neutrófilas em unidades de 10^ 3 / uL no momento da imagem
• lymphocyte_count = Contagem de células linfocitárias em unidades de 10 ^ 3 / uL no momento da imagem
• view = Posteroanterior (AP), Anteroposterior (AP), AP Supino (APS) ou Lateral (L) para raios-X; Axial ou Coronal para tomografias computadorizadas. Traduções: Notaufnahme> Supine, Liegend-> Supine
• modality = Raio-x, CT
• date = Data em que a imagem foi adquirida
• location = Nome do hospital, cidade, estado, país
• filename = Nome com a extensão
• doi = Identificador digital de objeto (DOI) do artigo de pesquisa
• url = URL do artigo ou site de onde a imagem veio
• license = Licença da imagem como CC BY-NC-SA. Em branco se desconhecido
• clinical_notes = Notas clínicas sobre a imagem e / ou o paciente
• other_notes = e.g. credit

Arquivos:

• metadate_cleaned.csv é o banco de dados após a limpeza e numerização feita pelo Pedro. Este dataset será utilizado como base para os próximos particionamentos e alterações no banco de dados. Será utilizado para a realização de testes do Pedro e da Natália para as apresentações a partir do dia 19.

• metadata_option1.csv corresponde ao banco de dados acordado para análise na reunião sobre tratamento de dados, no qual foi feita a eliminação de todas as instâncias com NaN na coluna 'intubated', que apresenta o menor número razoável para utilização dos dados clínicos em um modelo de predição. Esse dataset é para os testes iniciais do Alberto e do Gabriel.

• metadata_option2.csv é uma segunda alternativa para os dados clínicos. Foram removidas todas as instâncias com dados faltantes na coluna 'intubated' e após isso foram removidas todas as instâncias com dados faltantes na coluna 'in_icu'. Esse dataset é para os testes iniciais do Alberto e do Gabriel.

• metadata_option3.csv é a mesma base de dados option2 com 196 instâncias, porém foram utilizadas técnicas de inputação para mitigar os dados faltantes nas features que serão utilizadas nos testes iniciais