هل احتاج لطبيب المعرفت القيمه الشاذ في البيانات الطبية ؟

وعليكم السلام ورحمة الله،

لا، لا تحتاج لطبيب بشكل مباشر فانت تعرف القيمة الشاذة بانها قيمة تختلف بشكل كبير عن باقي القيم الموجودة في البيانات.

على سبيل المثال، لو كان لديك بيانات عن درجات حرارة الجسم لعينة من المرضى، وكل القيم تتراوح بين 36 و 38 درجة مئوية، ولكن هناك قيمة واحدة مثل 42 درجة، فهذا قد يكون "قيمة شاذة" لأنها بعيدة جدا عن باقي القيم.

لذلك، اكتشاف القيم الشاذة يمكن أن يتم باستخدام الإحصاءات أو أدوات تحليل البيانات، مثل رسم بياني أو استخدام برامج مثل Excel أو Python. لكن إذا كنت تريد معرفة السبب الطبي وراء تلك القيمة أو تفسيرها، قد يكون من الجيد استشارة طبيب للتأكد من أن هذه القيم ليست نتيجة لحالة مرضية خاصة أو خطأ في القياس.

وعليكم السلام ورحمة الله وبركاته .

نعم بالفعل قد تحتاج إلى طبيب أو خبير طبي في حال كان لديك بيانات طبية وتريد تحليل القيم الشاذة أو القيم غير الطبيعية الموجودة لديك في تلك البيانات. وهذا بسبب أن البيانات الطبية قد تكون معقدة وتتعلق بحالات صحية قد تختلف بشكل كبير من شخص لآخر ومعرفة القيم الشاذة يتطلب شخصا ملما بالطب .

فمثلا في حالة ضغط الدم فالطبيعي هو 120/80 و توجد قيم لا يمكن الوصول إليها وهنا تعتبر قيم شاذة فمثلا لو كان ضغط الدم 60/30 فهنا تلك القيمة خاطئة فلايوجد شخص لديه تلك القيمة والتي تدل على أن هذا الشخص سيتوفي في الحال فإذا تلك القيمة شاذة .

وغيرها من البيانات الأخرى لن تستطيع معرفة القيم الشاذة أو النطاقات الخاصة بالقيم الصحيحة دون وجود شخص متمرس في الطب ليقوم بإرشادك بذلك .

أما بالنسبة للبيانات البسيطة فهنا البحث قليلا على الإنترنت ستعرف حولها الكثير ومن الممكن عدم إحتياجك لطبيب .

إذا هذا يعتمد على مدي تعقيد البيانات التي لديك والحالات التي تعمل عليها.

بالطبع فمثل تلك الأمور حساسة جدًا، والقيم بها بحاجة لمتخصص وليس شخص عادي، ففي البيانات الطبية، تكون القيم الشاذة ناتجة عن أخطاء في القياس أو التسجيل، أو قد تكون مؤشرًا على حالة طبية غير عادية.

بالتالي بإمكان الطبيب معرفة القيمة الشاذة وتحديد هل القيمة الشاذة حقيقية أم لا، وهل هي ذات أهمية سريرية أم لا.

لكن في حال كان النموذج أو التحليل لغرض التدريب فلا مشكلة، تستطيع الإعتماد على بيانات قياسية أو نسب شائعة في المجال الطبي والقياس عليها، ثم تنظيف البيانات على أساسها ومعالجة الـ Outlier.

مثلاً لو قمت بعمل رسم بياني للبيانات من خلال:

• Scatter plots
• Box plots
• Histograms
• Density plots

ربما تجد بعض البيانات التي تختلف بشكل كبير مقارنًة بباقي البيانات ولا تتبع نمط متشابه، وأيضًا مرتفعة بشكل كبير بالنسبة النسب المتعارف عليها طبيًا (ستحتاج للبحث عن النسب)، لذا قم بحذفها لتنظيف البيانات.

بتاريخ 24 دقائق مضت قال Mustafa Suleiman:

مثلاً لو قمت بعمل رسم بياني للبيانات من خلال:

• Scatter plots
• Box plots
• Histograms
• Density plots

ايوه انا بعمل كده بس في حاجه ممكن نحصل زي ان يكون مستوي الانسولين يكون عاليه عن طبيعي واكتشاف بعد كده ان في خلال فيه مقاومة الانسولين دي حاجه حصلت معي وانا بحليل البيانات لمرض السكري

شكراا جدا لحضرتكم