تمرين - استكشاف بيانات SDOH في البحيرات

مكتمل

في هذا التمرين، يمكنك استكشاف البيانات التي قمت بتحميلها في OneLake. يمكنك استخدام البيانات في مستودع الفضة لفهم مدى تأثير البيئة الغذائية والتركيب الاقتصادي الاجتماعي لمنطقة ما على عدد المرضى الذين يعانون من مرض السكري.

تحليل البيانات من منصة سيلفر ليك هاوس

الآن، يمكنك الاستعلام عن مطاعم الوجبات السريعة ودخل الأسرة الوسيط من منطقة ما لعرض المقاييس ذات الصلة.

1. حدد مساحة عمل FL HC Cloud التي قمت بإنشائها.

2. حدد موقع FLHealthcare_msft_silver lakehouse وافتحه.

3. حدد فتح دفتر الملاحظات > دفتر ملاحظات جديد.

   

4. الصق الاستعلام التالي. استبدل FL بالأحرف الأولى من اسمك.

   %%sql
   SELECT
     sd.SocialDeterminantName,
     sd.SocialDeterminantValue,
     sd.SocialDeterminantDescription,
     parsedJson.CountyName AS CountyName,
     parsedJson.CountyFIPS AS CountyFIPS,
     parsedJson.StateName AS StateName
   FROM
     FLHealthcare_msft_silver.SocialDeterminant sd
   LATERAL VIEW json_tuple(sd.LocationJson, 'STATENAME', 'COUNTYNAME', 'COUNTYFIPS') 
     parsedJson AS StateName, CountyName, CountyFIPS
   WHERE
     sd.SocialDeterminantName IN ('GROC16', 'FFR16', 'ACS_MEDIAN_HH_INC')
   AND sd.SocialDeterminantValue IS NOT NULL;
   

5. حدد Run cell.

   

6. يتم عرض النتائج على النحو التالي. حدد + New chart.

   

   يشبه المخطط المقترح الأول الصورة التالية.

   

   الآن، يمكنك إضافة المريض إلى الاستعلام وربط سجلات المريض بالمحددات الاجتماعية لبيانات الصحة (SDOH) للحصول على ملخص على مستوى الحالة.

7. حدد إضافة خلية برمجية.

   

8. الصق الاستعلام التالي. استبدل FL بالأحرف الأولى من اسمك.

   %%sql
     WITH base_query AS (
     SELECT
         sd.SocialDeterminantName,
         CAST(sd.SocialDeterminantValue AS DOUBLE) AS SocialDeterminantValue, 
       -- Ensure Numeric Data
         UPPER(sd.StateName) AS State, 
       -- Standardized State Format
         sd.CountyName AS County,
         sd.CountyFIPS
     FROM (
         SELECT
             SocialDeterminantName,
             SocialDeterminantValue,
             SocialDeterminantDescription,
             parsedJson.CountyName AS CountyName,
             parsedJson.CountyFIPS AS CountyFIPS,
             UPPER(parsedJson.StateName) AS StateName 
         -- Standardized Case
         FROM
             FLHealthcare_msft_silver.SocialDeterminant sd
         LATERAL VIEW json_tuple(sd.LocationJson, 'STATENAME', 'COUNTYNAME', 'COUNTYFIPS') 
             parsedJson AS StateName, CountyName, CountyFIPS
     ) sd
         WHERE sd.SocialDeterminantName IN ('GROC16', 'FFR16', 'ACS_MEDIAN_HH_INC', 'SAIPE_PCT_POV')
         AND sd.SocialDeterminantValue IS NOT NULL
     ),
     social_determinants AS (
         SELECT
             State,
             MAX(CASE WHEN SocialDeterminantName = 'GROC16' THEN SocialDeterminantValue END) AS Grocery_stores_2016,
             MAX(CASE WHEN SocialDeterminantName = 'FFR16' THEN SocialDeterminantValue END) AS Fast_food_restaurants_2016,
             MAX(CASE WHEN SocialDeterminantName = 'ACS_MEDIAN_HH_INC' THEN SocialDeterminantValue END) AS Median_household_income,
             MAX(CASE WHEN SocialDeterminantName = 'SAIPE_PCT_POV' THEN SocialDeterminantValue END) AS Estimated_percentage_of_people_of_all_ages_in_poverty
         FROM base_query
         GROUP BY State
         ),
         ExpandedPatients AS (
         SELECT
             p.idOrig AS id_orig,
             address_item.postalCode AS postalCode,
             UPPER(address_item.state) AS state -- Standardized Case
         FROM
             FLHealthcare_msft_silver.Patient p
         LATERAL VIEW explode(p.address) exploded_address AS address_item
         ),
     patient_conditions AS (
         SELECT
             ep.state AS State,
             COUNT(DISTINCT CASE WHEN c.code.text LIKE '%Asthma%' THEN ep.id_orig END) AS Total_Asthma_Patients,
             COUNT(DISTINCT CASE WHEN c.code.text LIKE '%Diabetes%' THEN ep.id_orig END) AS Total_Diabetes_Patients,
             COUNT(DISTINCT CASE WHEN c.code.text LIKE '%Hypertension%' THEN ep.id_orig END) AS Total_Hypertension_Patients
         FROM
             ExpandedPatients ep
         JOIN FLHealthcare_msft_silver.Condition c 
             ON ep.id_orig = c.subject.idOrig
         GROUP BY ep.state
         )
         SELECT
             sd.State,
             COALESCE(sd.Grocery_stores_2016, 0) AS Grocery_stores_2016,
             COALESCE(sd.Fast_food_restaurants_2016, 0) AS Fast_food_restaurants_2016,
             COALESCE(sd.Median_household_income, 0) AS Median_household_income, -- Ensure No NULLs
             COALESCE(sd.Estimated_percentage_of_people_of_all_ages_in_poverty, 0) AS Estimated_percentage_of_people_of_all_ages_in_poverty,
             COALESCE(pc.Total_Asthma_Patients, 0) AS Total_Asthma_Patients,
             COALESCE(pc.Total_Diabetes_Patients, 0) AS Total_Diabetes_Patients,
             COALESCE(pc.Total_Hypertension_Patients, 0) AS Total_Hypertension_Patients
         FROM
             social_determinants sd
         LEFT JOIN
             patient_conditions pc
         ON
             sd.State = pc.State;
   

9. حدد Run cell.

10. يتم عرض النتائج التالية. حدد + New chart.

    

    يعرض المخطط المقترح الأول كما يلي.

    

11. من منطقة المخططات المقترحة، قم بتحديد متوسط Fast_food_restaurants_2016.

    

    يعرض المخطط كما يلي.

    

12. حدد مخطط متوسط دخل الأسر بواسطة إجمالي مرضى الربو . هذا المخطط هو مثال جيد على الجمع بين حالة المريض وبيانات المحددات الاجتماعية.