支持临床 COVID 数据的纵向探索性分析
人机交互
2022-07-01 v1
摘要
随着 COVID-19 疫情持续影响世界，人们正在收集和分析数据以更好地了解该疾病。认识到可视化分析技术在支持从纵向临床数据中进行探索性分析和假设生成方面的潜力，一个合作团队致力于将现有的事件序列可视化分析技术应用于 998 名 COVID-19 高感染率患者队列的纵向临床数据。本文描述了实现该目标的初步步骤，包括：(1) 为准备用于可视化分析的数据而进行的数据转换与处理工作；(2) 初步的发现与观察；(3) 定性反馈与经验教训，突出了关键特性以及未来工作中需解决的局限性。
引用
@article{arxiv.2108.11476,
title = {Enabling Longitudinal Exploratory Analysis of Clinical COVID Data},
author = {David Borland and Irena Brain and Karamarie Fecho and Emily Pfaff and Hao Xu and James Champion and Chris Bizon and David Gotz},
journal= {arXiv preprint arXiv:2108.11476},
year = {2022}
}
备注
To Appear in Proceedings of Visual Analytics in Healthcare 2021