{
  "fetched_at": "2026-10-19T12:49:25Z",
  "source_url": "https://www.kaggle.com/competitions/early-prediction-of-sepsis/data",
  "pages": [
    {
      "name": "data-description",
      "content": "[Ссылка на оригинальную базу соревнования](https://physionet.org/content/challenge-2019/1.0.0/).\n[Ссылка на репозиторий, где выполнена предобработка данных](https://github.com/Daniel-Yang-A/Early-Prediction-for-Sepsis/tree/main).\n[Другой пример аналогичной базы на kaggle](https://www.kaggle.com/datasets/salikhussaini49/prediction-of-sepsis).\n\n\n\nВ лабораторной работе нужно использовать созданное здесь разбиение (train, test).\n\nФайлы train_x.csv и test_x.csv содержат 40 столбцов (`Hour` - час наблюдения, `ID` - ID пациента, далее - столбцы признаков).\nВ файле train_y.csv содержится информация о развитии сепсиса.\n\n\nВ test_x.csv содержатся наблюдения, по которым для конкретного пациента требуется определить метку класса о будущем развитии сепсиса (0 или 1), а затем сформировать файл submission.csv и отправить решение.\n\n\n## Файлы\n\n*   **sample_submission.csv** - тестовый submission-файл корректного формата\n\n\n## Столбцы\n\n\n*   `ID` - ID пациента\n*   `Outcome` - предполагаемая метка класса (0 или 1)",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "**ЛР №8**\nВ данном учебном соревновании используется информация, собранная во время пребывания пациента в отделении интенсивной терапии.\nЦель - предсказать, разовьется ли у пациента сепсис (0 при отсутствии сепсиса и 1 при сепсисе). \nДанные состоят из записей пациентов и были разделены на обучающий и тестовый наборы. Результаты представлены для обучающего набора и не указаны для тестового набора.\n\nРекомендуется использовать блокнот «baseline_classification_sepsis» (во вкладке «code»).\n\nДля улучшения результата в базовом решении разрешено менять гиперпараметры нейронной сети и параметры обучения, использовать разные архитектуры рекуррентных сетей и применять другие возможные модификации.\n\n\n### Признаки\n\n38 переменных были зарегистрированы по крайней мере один раз после поступления пациента в отделение интенсивной терапии.  Некоторые из этих переменных являются общими описаниями (такими как возраст, пол), а остальные - клиническими показателями жизнедеятельности и лабораторными измерениями, для которых может быть доступно несколько наблюдений.  Каждому показателю жизнедеятельности или лабораторному измерению соответствует временная метка, указывающая прошедшее время (в часах) измерения с момента поступления в отделение интенсивной терапии.  Таким образом, например, отметка времени, равная 3, означает, что соответствующее измерение было произведено через 3 часа после поступления пациента в отделение интенсивной терапии.\n\nИстории болезни пациентов объединены в csv-файл.\n#### Жизненно важные показатели\n\n- HR: Частота сердечных сокращений (ударов в минуту)\n- O2Sat: Пульсоксиметрия (%)\n- Temp: Температура (град. С)\n- SBP: Систолическое АД (мм рт.ст.)\n- MAP: Среднее артериальное давление (мм рт.ст.)\n- DBP: Диастолическое АД (мм рт.ст.)\n- Resp: Частота дыхания (вдохов в минуту)\n- EtCO2: Диоксид углерода в конце выдоха (мм рт.ст.)\n\n#### Лабораторные показатели\n- BaseExcess: Показатель избытка бикарбоната (ммоль/л)\n- HCO3: Бикарбонат (ммоль/л)\n- FiO2: Доля вдыхаемого кислорода (%)\n- pH: N/A\n- PaCO2: Парциальное давление углекислого газа в артериальной крови (мм рт.ст.)\n- SaO2: Насыщение артериальной крови кислородом (%)\n- AST: Аспартаттрансаминаза (МЕ/л)\n- BUN: Азот мочевины крови (мг/дл)\n- Alkalinephos: Щелочная фосфатаза (МЕ/л)\n- Calcium: Кальций (мг/дл)\n- Chloride: Хлорид (ммоль/л)\n- Creatinine: Креатинин (мг/дл)\n- Bilirubin_direct: Прямой билирубин (мг/дл)\n- Glucose: Глюкоза сыворотки (мг/дл)\n- Lactate: Молочная кислота (мг/дл)\n- Magnesium: Магний (ммоль/дл)\n- Phosphate: Фосфат (мг/дл)\n- Potassium: Калий (ммоль/л)\n- Bilirubin_total: Общий билирубин (мг/дл)\n- TroponinI: Тропонин I (нг/мл)\n- Hct: Гематокрит (%)\n- Hgb: Гемоглобин (г/дл)\n- PTT: Частичное тромбопластиновое время (секунды)\n- WBC: Количество лейкоцитов (количество*10^3/мкл)\n- Fibrinogen: Фибриноген (мг/дл)\n- Platelets: Тромбоциты (количество*10^3/мкл)\n\n#### Демография\n- Age: Возраст в годах (100 для пациентов 90 лет и старше)\n- Gender: Пол, женщина (0) или мужчина (1)\n- Unit1: Административный идентификатор для отделения интенсивной терапии (MICU)\n- Unit2: Административный идентификатор для отделения интенсивной терапии (SICU)\n\n### Примечание\n\nДанные взяты из соревнования physionet:\nhttps://physionet.org/content/challenge-2019/1.0.0/\n\nПредобработка данных выполнена в репозитории:\nhttps://github.com/Daniel-Yang-A/Early-Prediction-for-Sepsis\n\nВидео о применении подходов на основе рекуррентных сетей к данной задаче:\nhttps://www.youtube.com/watch?v=tBBvZQuZorg\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "Для оценки точности будет применяться метрика Balanced Accuracy Score.\n\n\n\n\n\n---\n\n\n## Submission File\nКаждому ID пациента в тестовом наборе вы должны сопоставить предсказанную метку Outcome о развитии сепсиса. Файл должен содержать заголовок и иметь следующий формат:\n\n\n\n\n    ID,Outcome\n    1,0\n    2,1\n    3,0\n    etc.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "Доступно 10 загрузок решения в день",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}