Analisi e sviluppo di modelli predittivi per fattori ematochimici in pazienti affetti da SARS-CoV-2

In questa fase i dati sono stati analizzati mediante l’uso di tecniche di statistica descrittiva e di inferenza statistica. Innanzitutto, la statistica descrittiva ha il compito di descrivere, rappresentare e sintetizzare in modo opportuno un campione di dati. In questo caso, si è analizzato il dataset in questione, proveniente da una popolazione d’interesse che presenta la totalità dei casi sulle quali è possibile rilevare un fenomeno significativo. Se la statistica descrittiva si occupa della rappresentazione e visualizzazione dell’informazione contenuta nei dati, l’inferenza statistica si occupa di come utilizzare le stesse informazioni per estrarre delle affermazioni generalizzate. Per effettuare un’ottima elaborazione statistica bisogna farsi un’idea di come siano distribuiti i dati presenti nel dataset per individuare eventuali outliers ed errori. Motivo per cui, è stata svolta sia un’analisi descrittiva per descrivere le caratteristiche ulteriori del campione sia un’analisi esplorativa delle variabili di interesse al fine di studiare e ricercare le relazioni tra di esse.

Nel dettaglio, le variabili di interesse si suddividono in:

- Variabili quantitative, ovvero le variabili continue che contengono valori numerici come l’età, il valore minimo, il valore medio, il valore massimo, la prima e l’ultima occorrenza di ogni esame;
- Variabili qualitative, ovvero le variabili che descrivono lo stato del paziente come le fasce d’età determinate successivamente, il sesso, la morte, il trasferimento nel reparto ICU e il trasferimento nel reparto RICU considerate come variabili categoriche o variabili nominali;

I dati qualitativi vengono spesso ulteriormente classificati come binari/booleani, nominali oppure ordinali. Si parla di dati binari o booleani quando l'osservazione può avere solo due esiti tra loro non confrontabili. Infatti, nei dati nominali, di cui i dati binari rappresentano un caso particolare, i valori osservabili non sono tra loro confrontabili, sebbene non vi sia limite sul numero di diverse etichette. Infatti, sono dati qualitativi nominali, oltre al già considerato Sex_Class, anche ID, Morte, TrasferimentoICU e TrasferimentoRICU. In questo tipo di dati (e quindi anche nel caso binario/booleano) è solo possibile stabilire una relazione di equivalenza tra i valori osservabili: l’informazione estratta tra due osservazioni si può riassumere nel verificare se esse presentano valori uguali oppure diversi. Nei dati ordinali, invece, è possibile stabilire una relazione d'ordine tra i valori osservabili, e quindi quando due valori sono diversi è anche possibile dire quale tra i due sia il più piccolo e quale il più grande. Infatti, nel dataset in questione, l’età è stata trasformata in un dato qualitativo ordinale.
Per quanto riguarda i dati quantitativi, vista la mole di dati si è cercato analizzare e di raggruppare in un’unica variabile le informazioni significative, come la prima occorrenza e l’ultima occorrenza di un esame effettuato dal paziente e variabili in cui ha senso considerare un intervallo di valori.