piotr-dziurny / pima_indians_diabetes Goto Github PK

Zbiór danych, zawiera informacje na temat 768 pacjentów. Są to rdzenne mieszkanki Ameryki Północnej (Pima Indians), kobiety w wieku od 21 wzywż. Celem projektu jest budowa i ocena modeli objasniających ryzyko wystąpienia cukrzycy u pacjentów na podstawie 8 następujących predyktorów:

• Pregnancies - liczba przebytych ciąż
• Glucose - stężenie glukozy w osoczu po 2 godzinach od doustnego testu obciążenia glukozą (OGTT)
• BloodPressure - ciśnienie krwi (mm Hg)
• SkinThickness - grubość fałdu skórnego na tricepsie (w milimetrach)
• Insulin - poziom insuliny po 2 godzinach od podania glukozy (mu U/ml)
• BMI - wskaźnik masy ciała (kg/m^2)
• DiabetesPedigreeFunction - wartość oceniająca prawdopodobieństwo wystąpienia cukrzycy na podstawie historii rodziny
• Age - wiek pacjenta w latach

• Outcome - 1: pacjent chory na cukrzycę, 0: pacjent zdrowy

W zbiorze danych znajduje się 268 pacjentów ze stwierdzoną cukrzycą, oraz 500 pacjentów bez cukrzycy.

W projekcie nie uwzględnono analizy interakcji między zmiennymi. W przyszłości należałoby ją wykonać, aby lepiej zrozumieć jak poszczególne interakcje wpływają na ryzyko wystąpienia cukrzycy.

1. Zmiana Pregnancies o jedną jednostkę powoduje wzrost szansy na wystąpienie cukrzycy o 12.1%, ceteris paribus.
2. Zmiana Glucose o jedną jednostkę powoduje wzrost szansy na wystąpienie cukrzycy o 4.02%, ceteris paribus.
3. Zmiana BMI o jedną jednostkę powoduje wzrost szansy na wystąpienie cukrzycy o 8.52%, ceteris paribus.
4. Zmiana DiabetesPedigreeFunction o jedną jednostkę powoduje wzrost szansy na wystąpienie cukrzycy o 174.89%, ceteris paribus.
5. Zmiana Age o jedną jednostkę powoduje wzrost szansy na wystąpienie cukrzycy o 2.58%, ceteris paribus.

• Dane użyte do analizy
• https://stackoverflow.com/questions/22428625/does-statsmodels-or-another-python-package-offer-an-equivalent-to-rs-step-f
• https://scikit-learn.org/0.21/user_guide.html
• https://www.statology.org/likelihood-ratio-test-in-python/
• https://www.geeksforgeeks.org/qqplot-quantile-quantile-plot-in-python/
• https://www.statsmodels.org/stable/user-guide.html