AmnaShahid999.github.io
HTML / 作品集 · 作者 AmnaShahid999
基于 Diabetes 130-US Hospitals 数据集，用 BigQuery SQL 与 Tableau 分析 101,710 次住院就诊的 30 天再入院率，并给出可复现的规则化风险分层。
模板详细介绍
这是一个以医疗再入院为主题的数据分析作品集项目，使用 Google BigQuery SQL 与 Tableau，对 Diabetes 130-US Hospitals 数据集中的 101,710 次住院就诊记录进行分析。分析单位是住院就诊，而非唯一患者。项目用 CASE 表达式构建高利用、高复杂度和高风险三个规则化标签，并通过子查询、CTE、连接、窗口函数和永久分析表来验证逻辑与计算基准。
主要发现均为描述性、未调整的关联：整体 30 天再入院率为 11.2%，平均住院 4.4 天；被标记为高风险的 13.5% 就诊再入院率为 20.5%，低风险为 9.7%。既往住院使用呈现梯度：无既往住院 8.4%，一次 12.9%，多次 21.4%。高利用叠加高复杂度并未比单独高利用带来更高再入院率。
仓库包含按编号排列的 SQL 脚本、codebook.md、methodology.md、打包的 Tableau 工作簿以及仪表板截图。仪表板提供性别、风险类别和年龄筛选，展示整体再入院率、年龄分组、既往住院使用、风险类别和利用—复杂度对比等视图。README 明确说明阈值是分析规则，不是经过临床验证的预测模型。
主要特点
- 使用 BigQuery SQL 的 CASE、COUNTIF、子查询、CTE、JOIN、窗口函数和 QUALIFY 构建可复用的风险与再入院特征
- 在 101,710 次住院就诊记录上生成永久分析表，并验证行数、键唯一性、连接行为和派生类别逻辑
- 按编号组织 SQL 脚本（01 风险分类、02 子查询与 CTE、03 连接、04 分析表、05 窗口函数），便于按顺序复现
- 提供 Tableau 工作簿与浏览器仪表板，含性别、风险类别和年龄筛选，展示再入院率、住院时长和利用—复杂度对比
- 附带 codebook.md 与 methodology.md，说明字段定义、分析决策和局限性
适用场景
- 学习如何用 BigQuery SQL 从原始医疗数据构建规则化风险分层并验证派生逻辑
- 参考 Tableau 仪表板设计，展示再入院率、年龄分组、既往住院使用和风险类别对比
- 作为数据作品集，演示从数据加载、SQL 分析到可视化呈现的完整流程
- 在学术或课程项目中复现医疗利用与再入院关联的描述性分析
适合人群
- 数据分析学习者与求职者，用于展示 SQL 和 Tableau 技能
- 医疗数据分析入门者，了解再入院率与利用、复杂度指标的关联分析
- 需要可复现分析流程示例的教学者或课程设计者
- 希望参考规则化风险分层写法的数据从业者
使用前需要核对
- 从 UCI Machine Learning Repository 下载 Diabetes 130-US Hospitals 数据集
- 将就诊文件加载到 BigQuery 作为 diabetes.staging_diabetic_data，或替换 SQL 脚本中的表引用
- 按编号顺序运行 SQL 脚本；03_joins.sql 中的补充连接示例需要 diabetes.encounter_risk_profile 和 diabetes.follow_up 练习表
- 打开打包的 Tableau 工作簿（.twbx）以查看仪表板，其中包含所需的数据提取
- 仓库不重新分发原始数据集，分析基于 101,710 次就诊记录
本介绍由 AI 根据目录元数据和仓库 README 整理，实际功能以原仓库为准。
功能与适用范围
目录记录的用途为作品集，主要技术栈为HTML。功能是否完整实现，需要在源码和演示中进一步确认。
- HTML
- 作品集