電子書籍
Pythonによる医療データ分析入門――pandas+擬似レセプト編
著者 著者:青木 智広 , 著者:橋田 和典 , 監修:山本 光穂
(概要)本書は、医療データをもとにさまざま保険商品を開発するアクチュアリーの第一人者による本格的なプログラミング+統計解析の入門書です。PythonをJupyter No...
Pythonによる医療データ分析入門――pandas+擬似レセプト編
ワンステップ購入とは ワンステップ購入とは
Pythonによる医療データ分析入門 pandas、NumPy、SciPy、Matplotlibによるデータ分析プログラミング技法詳解 pandas+疑似レセプト編
商品説明
(概要)
本書は、医療データをもとにさまざま保険商品を開発するアクチュアリーの第一人者による本格的なプログラミング+統計解析の入門書です。PythonをJupyter Notebook環境で使う方は多くいますが、さまざまなライブラリと組み合わせると大容量のデータを視覚的に分析することができるようになります。pandasを使えば既存の表形式のデータを読み込めるようになり、複雑な計算でもすぐに出力できるようになります。本書では、擬似医療データを例にとりあげ、さらにNumPy(数値演算)、SciPy(科学技術計算)、Matplotlib(グラフ表示)などを組み合わせたPythonプログラミング技法を紹介します。これらは医療データだけでなく、自然科学やエンジニアリング分野でのビッグデータ解析にも役立つでしょう。もちろんデータサイエンスの現場でも利用可能です。
(こんな方におすすめ)
・プログラミング言語Pythonを使って、大容量のデータを統計的に分析をしたいプログラマ、医療関係者、保険関係者、科学者など。
(目次)
第1章 死亡率を推定しよう
1-1 「日本版死亡データベース」の利用
1-2 加入者情報レコードの擬似生成
1-3 発生率の信頼区間
1-4 死亡率の計算方法の妥当性確認
第2章 発生率を推定しよう
2-1 「患者調査」の利用
2-2 レセプトの擬似生成
2-3 傷病条件付き新入院発生率・新入院平均在院日数
2-4 傷病条件付き診療行為
2-5 バイアスと修正
第3章 血圧別発生率に挑戦
3-1 「国民健康・栄養調査」の利用
3-2 健診レコードの擬似生成
3-3 健診結果別入院・外来レコードの擬似生成
3-4 健診結果別入院発生率状況の観察
第4章 医療統計の導入
4-1 セミパラメトリック分析~点推定
4-2 セミパラメトリック分析~区間推定
4-3 予測精度の評価~混同行列と性能評価指標
4-4 予測精度の評価~AUC
4-5 予測精度の評価~予実比較
あわせて読みたい本
前へ戻る
- 対象はありません
次に進む
この著者・アーティストの他の商品
前へ戻る
- 対象はありません
次に進む
小分け商品
前へ戻る
- 対象はありません
次に進む
この商品の他ラインナップ
前へ戻る
- 対象はありません
次に進む