Esercizio - Esplorare i dati SDOH nei data lakehouse

Completato

In questo esercizio si esplorano i dati caricati in OneLake. È possibile utilizzare i dati nella silver lakehouse per comprendere in che misura l'ambiente alimentare e la composizione socioeconomica di un'area influiscono sul numero di pazienti con diabete.

Analizzare i dati dal Silver Lakehouse

Ora è possibile interrogare i ristoranti fast food e il reddito familiare mediano in un'area per visualizzare le metriche pertinenti.

1. Selezionare l'area di lavoro FL HC Cloud creata.

2. Trova e apri la FLHealthcare_msft_silver lakehouse.

3. Selezionare Apri notebook Nuovo notebook>.

   

4. Incolla la query seguente. Sostituire FL con le proprie iniziali.

   %%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. Selezionare Esegui cella.

   

6. I risultati vengono visualizzati nel modo seguente. Selezionare + Nuovo grafico.

   

   Il primo grafico suggerito è simile all'immagine seguente.

   

   A questo punto, aggiungere il paziente alla query e correlare i record dei pazienti ai determinanti sociali della salute (SDOH) per ottenere un riepilogo a livello di stato.

7. Selezionare Aggiungi cella di codice.

   

8. Incolla la query seguente. Sostituire FL con le proprie iniziali.

   %%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. Selezionare Esegui cella.

10. Vengono visualizzati i risultati seguenti. Selezionare + Nuovo grafico.

    

    Il primo grafico suggerito viene visualizzato come segue.

    

11. Nell'area Grafici suggeriti selezionare Media di Fast_food_restaurants_2016.

    

    Il grafico viene visualizzato come segue.

    

12. Seleziona il grafico Median_household_income per Total_Asthma_Patients. Questo grafico è un buon esempio di combinazione della condizione del paziente con i dati dei determinanti sociali.