Mimic-code: ¿Consejos sobre cómo ejecutar scripts SQL complicados heredados de otros proyectos / estudios?

Bueno, aquí hay un par de consejos para los novatos que pueden tener el mismo problema,

• Para ejecutar varios bloques de consultas, usando query tool en pgAdmin4, intente terminar cada bloque con un punto y coma;

El problema es que parece que solo la última consulta se ejecuta realmente en Data Output Panel . Supongo que debe usar una cláusula UNION o JOIN para fusionarlos de alguna manera.

• Para guardar su mesa final, es decir, para exportar desde Postgres a CSV, puede usar la declaración COPY , vea # 214

No creo que pueda proporcionar una solución general, pero tal vez pueda indicarles la dirección correcta. Mi forma favorita de trabajar es escribir scripts SQL modulares que crean vistas materializadas de los datos para conceptos particulares (por ejemplo, ventilación). Luego combino todas estas vistas juntas al final para hacer una tabla grande, y la envío a CSV o la leo directamente en Python. Si está buscando aprender SQL, estoy seguro de que hay muchos tutoriales en línea para ayudarlo con eso. En particular, leería sobre las vistas materializadas, ya que son muy útiles para crear tablas intermedias que luego puede usar más adelante (creo que eso es lo que necesita en su última pregunta).

Si observa la subcarpeta aline (https://github.com/MIT-LCP/mimic-code/tree/master/notebooks/aline) puede ver un ejemplo de un estudio clínico completamente reproducible. Recomendaría hacer algo como lo que se hace en esa carpeta. Hay un montón de archivos SQL modulares que generan tablas subyacentes; puede ver que primero genero una tabla de "cohorte" aline_cohort.sql , que dice "estos son los icustay_id s que me interesan". Luego ejecuto una serie de otros scripts para generar conceptos para estos icustay_id s. Finalmente, el cuaderno extrae todos los datos de estas tablas (en aline.ipynb @ [7]). El cuaderno ha ido un paso más allá y en realidad ejecuta todas las consultas anteriores directamente desde Python. Como mínimo, debería darte una idea de cómo puedes construir una cohorte / conjunto de datos a partir de múltiples consultas SQL. ¡Espero que eso ayude!

Hola Alistair @alistairewj , muchas gracias por esta gran ayuda, se agradece mucho: +1:

Estoy invirtiendo algo de tiempo en revisar el estudio del catéter arterial permanente (estudio de línea) y sus

Es una curva de aprendizaje un poco empinada, pero está empezando a tener sentido :) El análisis secundario de los registros médicos electrónicos también está demostrando ser realmente útil :)

¡Estupendo! ¡Buena suerte!