Prédiction du statut du patient - Simulation OJIA 2

🏥 Problème : Analyse et prédiction de l'état du patient

Pour ce problème, vous devez implémenter un modèle d'apprentissage automatique pour prédire la valeur du champ Status en utilisant un ensemble de données disponible, qui contient des informations sur les patients. L'ensemble de données est organisé dans un fichier CSV qui inclut diverses caractéristiques (features), et l'évaluation du modèle se fera sur la base de la précision pour la classe Dead.

📊 L'ensemble de données

L'ensemble de données contient les champs suivants :

• Age : Âge du patient.
• Race : Race du patient (ex : White, Other).
• Marital Status : État civil du patient.
• T Stage : Stade de la tumeur (T1, T2, T3, T4).
• N Stage : Degré d'atteinte des ganglions lymphatiques.
• 6th Stage : Stade du cancer selon la classification TNM de la 6ème édition.
• differentiate : Degré de différenciation tumorale.
• Grade : Grade histologique de la tumeur (1, 2, 3 etc.).
• A Stage : Classification du stade de la maladie.
• Tumor Size : Taille de la tumeur.
• BMI : Indice de masse corporelle.
• Heart Rate : Rythme cardiaque.
• Serum Creatinine : Niveau sérique de créatinine.
• Uric Acid : Niveau d'acide urique.
• Hemoglobin : Concentration d'hémoglobine.
• GFR (Glomerular Filtration Rate) : Taux de filtration glomérulaire.
• Serum Sodium : Concentration de sodium sérique.
• Serum Potassium : Concentration de potassium sérique.
• Serum Albumin : Niveau d'albumine sérique.
• Lactate : Concentration de lactate.
• Status : État du patient (« Dead » ou « Alive ») – le champ cible.

📝 Tâches

Pour les premiers subtasks, vous devrez charger l'ensemble de données et effectuer des analyses statistiques sur train.csv.

Subtask 1 (10 points)

Classifiez la fonction rénale pour chaque patient sur la base de la valeur GFR :

• Normal si GFR >= 90
• Mildly Decreased si 60 <= GFR < 90

Subtask 2 (10 points)

Calculez les quartiles des valeurs de la colonne Serum Creatinine (Q1, Q2, Q3) et classifiez les patients en test :

• Very Low si Serum Creatinine <= Q1
• Low si Q1 < Serum Creatinine <= Q2
• High si Q2 < Serum Creatinine <= Q3
• Very High si Serum Creatinine > Q3

Subtask 3 (10 points)

Détermination de la valeur BMI :

• 1 si BMI > médiane du train
• 0 si BMI <= médiane

Subtask 4 (10 points)

Nombre de patients du train qui se trouvent dans le même T Stage que le patient du test.

Subtask 5 (60 points)

Construisez un modèle de ML pour prédire Status (Dead ou Alive) en fonction des caractéristiques. L'évaluation se fait sur la base de la précision pour la classe Dead.

🧮 Évaluation

La métrique d'évaluation est la précision pour la classe Dead :

où :

• TP = nombre de patients correctement prédits Dead
• FP = nombre de patients prédits Dead incorrectement

Format du fichier de soumission

Le fichier de soumission doit être au format CSV (Comma-Separated Values), avec les colonnes suivantes :

• subtaskID - l'indice de la tâche pour laquelle nous fournissons la réponse
• datapointID - l'identifiant unique du patient de l'ensemble de données
• answer - la réponse associée au patient de l'ensemble de données pour la tâche indiquée

Exemple :

1subtaskID,datapointID,answer21,3220,Normal32,3220,Very High43,3220,054,3220,128165,3220,1

📌 Notes

• Le champ cible est Status.
• Certains champs peuvent contenir des valeurs manquantes (NaN) et doivent être traités.
• Il est recommandé d'analyser la corrélation entre les variables et la variable cible.
• Détectez et éliminez les valeurs extrêmes si elles affectent les performances du modèle.
• L'envoi d'un sample_output pour les tests locaux offre 5 points.

🗂️ Ressources utiles

• Kit de démarrage complet – contient un squelette à partir duquel vous pouvez commencer la résolution du problème