可视化提取

可视化查询

不写 SQL,用点选的方式提取数据。

如果你不需要 AI 助手开展端到端的假设检验,而只是希望快速从 MIMIC-IV 或 eICU 数据库中筛选出一批特定患者、提取几项关键检验指标并导出为表格用于手动分析,可以使用 CherryN 的可视化数据提取功能。全程无需编写一行 SQL,鼠标点选即可完成复杂的多表关联与数据导出。

提取权限与算力说明

  • 权限要求:可视化筛选条件配置与指标字典检索向所有登录用户开放;点击【提取数据】生成合并表并导出为 CSV / Excel 属于会员专享能力,需要具备高级科研会员或体验会员(通过兑换码获取)权限。
  • 免算力消耗:可视化提取数据完全在你的本地 PostgreSQL 数据库中执行,不消耗任何个人科研算力点,在会员有效期内可无限次提取与导出。

#选择数据库与表

在顶部导航栏中,点击【MIMICIV数据提取】或【eICU数据提取】,即可进入对应数据库的可视化提取面板。

#Derived 衍生表 vs 原始事件表

在选择数据指标时,系统支持从两类数据源中选取:

来源类型 特点 推荐使用场景
Derived 衍生表
(推荐)
• 由官方社区针对临床科研深度清洗与标准化
• 将复杂的时间序列记录按天或单次入住聚合规整
• 表格结构清晰,避免了重复记录与脏数据
绝大多数临床回顾性研究。例如提取患者入科首日生命体征均值、首日生化检验最差值、SOFA 评分等。
原始事件表
(LabEvents / Chartevents)
• 包含数据库中所有未做聚合的原始高频打点记录
• 记录量达数亿行,包含每次检验的具体时间戳
需要分析精细时间动态趋势(如每小时尿量变化、微小给药滴速调整)的专科前沿研究。

界面针对常用的成百上千种检验指标与监护项目,内置了完善的医疗术语中英文双语翻译与分类(如血常规、血细胞分类、生化指标、血气分析、凝血功能等),查找指标直观便捷。

#设置筛选条件

在左侧与上方的纳排面板中,你可以通过可视化的方式灵活设定队列标准:

可视化数据提取
可视化配置纳排条件与入组标准

#1. 人口学与住院基线筛选

  • 年龄范围:设定患者入科年龄区间(例如设定最小值 18 岁以筛选成人队列);
  • 性别与入科次数:筛选男性/女性,或者勾选“仅保留首次入住 ICU 的记录”,排除同一患者多次转科带来的样本聚集效应;
  • 住院时长 (LOS):设定患者在重症监护室的最低停留时间(例如限制 ICU 时长 ≥ 24 小时,剔除转运或极早期出院病例)。

#2. 疾病诊断与手术筛选

  • 支持通过 ICD-9 与 ICD-10 标准诊断编码或中文疾病名称进行联想检索;
  • 支持逻辑关系组合(满足全部条件 / 满足任意条件),准确锁定研究的目标疾病人群。

#提取并导出 CSV

完成人群纳排并勾选好所需提取的数据指标后,即可在右下方配置导出参数并提取文件:

  1. 点击提取按钮:
    • 已开通会员:点击【点击提取数据】,系统将在本地数据库中全自动构建多表关联 SQL 并物化合并数据集;
    • 未开通会员:点击提取按钮时,系统将弹出会员服务窗口,引导开通高级科研会员或使用兑换码兑换体验会员;
  2. 选择导出格式:
    • CSV 格式:以纯文本逗号分隔,体积紧凑,便于在 Python、R、SPSS、Stata 等统计分析软件中快速读取与大规模批处理;
    • Excel (XLSX) 格式:适合直接使用 Microsoft Excel 或 WPS 打开查看、制作汇总汇报;
  3. 中英文双表头功能: 勾选【包含中英文双表头】后,导出的文件第一行为人类易读的中文指标名称(如“血红蛋白”、“白蛋白”),第二行为数据库标准的英文字段名(如 hemoglobin、albumin)。

在 R 或 Python 中读取双表头 CSV 文件时,只需跳过首行中文即可:

#R 语言读取示例

r
# 读取 CSV 文件(跳过第一行中文表头,使用第二行英文列名)
data <- read.csv("mimic_extracted_data.csv", skip = 1, header = TRUE)

# 或读取 Excel 文件
library(readxl)
data <- read_excel("mimic_extracted_data.xlsx", skip = 1)

#Python 读取示例

python
import pandas as pd

# 读取 CSV 文件
df = pd.read_csv("mimic_extracted_data.csv", skiprows=1)

# 读取 Excel 文件
df = pd.read_excel("mimic_extracted_data.xlsx", skiprows=1)