Predizione dello stato del paziente - Simulazione OJIA 2

🏥 Problema: Analisi e predizione dello stato del paziente

Per questo problema dovete implementare un modello di apprendimento automatico per predire il valore del campo Status utilizzando un set di dati disponibile, che contiene informazioni sui pazienti. Il set di dati è organizzato in un file CSV che include diverse caratteristiche (features), e la valutazione del modello si baserà sulla precisione per la classe Dead.

📊 Il set di dati

Il set di dati contiene i seguenti campi:

• Age: Età del paziente.
• Race: Razza del paziente (es: White, Other).
• Marital Status: Stato civile del paziente.
• T Stage: Stadio del tumore (T1, T2, T3, T4).
• N Stage: Grado di coinvolgimento dei linfonodi.
• 6th Stage: Stadio del cancro secondo la classificazione TNM della sesta edizione.
• differentiate: Grado di differenziazione tumorale.
• Grade: Grado istologico del tumore (1, 2, 3 ecc.).
• A Stage: Classificazione dello stadio della malattia.
• Tumor Size: Dimensione del tumore.
• BMI: Indice di massa corporea.
• Heart Rate: Frequenza cardiaca.
• Serum Creatinine: Livello sierico di creatinina.
• Uric Acid: Livello di acido urico.
• Hemoglobin: Concentrazione di emoglobina.
• GFR (Glomerular Filtration Rate): Tasso di filtrazione glomerulare.
• Serum Sodium: Concentrazione di sodio sierico.
• Serum Potassium: Concentrazione di potassio sierico.
• Serum Albumin: Livello di albumina sierica.
• Lactate: Concentrazione di lattato.
• Status: Stato del paziente („Dead" o „Alive") – campo target.

📝 Task

Per i primi subtask, dovrete caricare il set di dati ed effettuare analisi statistiche su train.csv.

Subtask 1 (10 punti)

Classificate la funzione renale per ogni paziente in base al valore GFR:

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

Subtask 2 (10 punti)

Calcolate i quartili dei valori della colonna Serum Creatinine (Q1, Q2, Q3) e classificate i pazienti nel test:

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

Subtask 3 (10 punti)

Determinazione del valore BMI:

• 1 se BMI > mediana dal train
• 0 se BMI <= mediana

Subtask 4 (10 punti)

Numero di pazienti dal train che si trovano nello stesso T Stage del paziente nel test.

Subtask 5 (60 punti)

Costruite un modello di ML per predire Status (Dead o Alive) in base alle caratteristiche. La valutazione si basa sulla precisione per la classe Dead.

🧮 Valutazione

La metrica di valutazione è la precisione per la classe Dead:

dove:

• TP = numero di pazienti correttamente predetti Dead
• FP = numero di pazienti predetti Dead incorrettamente

Formato del file di submission

Il file di submission deve essere in formato CSV (Comma-Separated Values), con le seguenti colonne:

• subtaskID - indice del task per cui forniamo la risposta
• datapointID - identificatore unico del paziente dal set di dati
• answer - risposta associata al paziente dal set di dati per il task indicato

Esempio:

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

📌 Note

• Il campo target è Status.
• Alcuni campi possono contenere valori mancanti (NaN) e devono essere trattati.
• Si raccomanda l'analisi della correlazione tra variabili e variabile target.
• Rilevate ed eliminate valori estremi se influenzano le prestazioni del modello.
• L'invio di un sample_output per test locali offre 5 punti.

🗂️ Risorse utili

• Starter Kit completo – contiene uno scheletro da cui potete iniziare la risoluzione del problema