Anonymizovaný dataset o výsledcích léčby pacientů s mozkovou příhodou ve FN Plzeň za 2016-2017. U pacientů je mimo jiné identifikován etiologický typ mozkové mrtvice, klinický výsledek (škála mRS), míra vstupního deficitu (škála NIHSS), přítomnost rizikových faktorů. Data nejsou úplná, často jsou některé hodnoty neznámé.

1. Zhodnoťte závislosti dobrého klinického výsledku (mRS-out: hodnota 1 oproti 0), případně mortalitu (mRS – 1Y: hodnota 6 oproti 0-5) jednorozměrnou regresí na:

   1. věku
   2. pohlaví
   3. vstupního NIHSS (TSS příjem)
   4. rozdílu výstupní-vstupní NIHSS

2. Vytvořte Kaplan–Meierovu křivku přežití pro jednotlivé stanovené diagnózy a podrobně popište proces vytvoření a její vlastnosti.

Pozn.: Hodnota mRS-out = 7 je u chybějících dat, tyto pacienty je nutno z analýzy vyloučit, případně zpětně podle výsledků analýzy do diskuse porovnat strukturu těchto pacientů se strukturou hodnoceného souboru. Je otázka, jak se postavit k problému mRS Před s hodnotou 3, kdy už byl vstupní stav "nedobrý".

1. cleaning.py vytvoří ze zadaného datasetu nový, vyčištěný a bavený nepotřebých sloupců
2. app.py načte vyčištěný dataset a vytvoří grafy pro analýzu

$ pip freeze > requirements.txt