数据库中三个病人ID

最近在用MIMICIII数据库提取一些数据，突然意识到一个问题，提取出的数据很多患者都是多次入院的。因此，特地去查看下数据库中到底有多少患者住了多少次的医院。
在MIMICIII数据库中，存在这三个病人ID，分别为：subject_id, hadm_id, icustay_id。这三个不同的ID分别代表了不同的意义：

subject_id：

在数据库的官方文档是这样描述的：

SUBJECT_ID is a unique identifier which specifies an individual patient.

因此subject_id代表了每一个患者，在数据库中，一个subject_id就收入了一个患者。

hadm_id

数据库的官方文档，对于hamd_id的定义为：

HADM_ID, which represents a single patient’s admission to the hospital.

hadm_id相当于国内医院的住院号，每一次的住院就会自动给你生成一个住院号，一个患者可能会拥有多个住院号。

icustay_id

这个标识符用于患者在ICU中停留，在官方文档的解释是：

ICUSTAY_ID is unique to a patient ICU stay.

当然，一个患者一次住院可以有多次进入ICU。但是同时也存在这一个ICU转入另一个ICU单元时，icustay_id不变的情况：

As an ICUSTAY_ID groups all ICU admissions within 24 hours of each other, it is possible for a patient to be transferred from one type of ICU to another and have the same ICUSTAY_ID.

理解这三个不同的标识符很重要，详情可以仔细阅读MIMICIII数据库的官方文档。

数据库患者住院次数的分布

在这里，我们主要使用SQL查询语句进行查询。想要知道“每个患者在这个数据库中住了多少次医院？”，我们只需要知道，“每个患者到底有多少个hamd_id”，也就是说，“在以hadm_id，作为唯一标识符的ADMISSIONS表中，查看出现了多少次的subject_id”就行了。

使用聚合函数进行查询

要完成上述这个目标，我们需要对ADMISSIONS表进行聚合查询。聚合函数有很多，以下五种比较常用：

COUNT：计算表中的记录数目
SUM：计算表中数值列中数据的合计值
AVG：计算表中数值列中数据的平均值
MAX：计算表中数值列中数据的最大值
MIN：计算表中数值列中数据的最小值

我们所需要的是COUNT函数来计算出现多少次的subject_id。当然，仅仅使用COUNT函数，回报的就是这个表有多少行。比如：

SELECT COUNT(*)
FROM mimiciii.admissions

执行结果为：

count
------
58976

所以，我们还需要使用GROUP BY语句进行分组，查询如下：

SELECT subject_id,count(*) as admissiontimes
FROM mimiciii.admissions
GROUP BY subject_id

这样，我们就可以得到每个subject_id出现了多少次了。
那么，如果我们想要得到仅仅只住了一次医院的病人怎么办？
我们可以使用HAVING子句在分组中选择住院一次的患者：

SELECT subject_id,COUNT(*) as admissiontimes
FROM mimiciii.admissions
GROUP BY subject_id
HAVING COUNT(*) =1

至于，HAVING和WHERE子句的区别，这里主要简单的提一点。
WHERE子句是指定行所对应的条件，而HAVING子句指定组所对应的条件。

使用R链接数据库进行绘图

比起SQL，我更加喜欢把数据导入到R进行探索和分析。这个过程最容易联想到的是，从SQL的软件中将查询好的表格导出，然后用R将表格进行导入。其实不用那么麻烦，在R中提供了外接数据库的包，这里我使用的是PostgreSQL，因此我在R中配置的也是这个数据的包。由于我嫌麻烦，所以直接写了一个函数，方便直接调用进行查询，具体代码如下：

#载入数据库的包
library(RPostgreSQL)
library(DBI)
#连接数据库，并将其封装为一个函数
query <-function(query)
{
drv<-dbDriver("PostgreSQL")
con<-dbConnect(drv,host="localhost",port="5432",dbname="mimic",
               user="",password="")  ## 这里删除了用户名和密码
on.exit(
          {
                    dbDisconnect(con)
          }
)
dbGetQuery(con,query)
}

这样我就可以调用函数直接导入数据：

## MIMIC数据库中患者入院次数的统计
### 将SQL语句传入pt_sql的向量中
pt_sql <- "SELECT subject_id,count(*) as admissiontimes
FROM mimiciii.admissions
GROUP BY subject_id"
### 进行查询
pt_times <- query(pt_sql) 
### 生成表格
x <- table(pt_times$admissiontimes)
###绘制条形图
barplot(x)

得到的结果挺让我惊讶的。
在这里插入图片描述
居然最多的患者住了42次医院？！
好了，这次就这样，如有错误，请大家多多指正。

MIMICIII 数据库中患者住院次数分布