jupyter notebook

FK-TODO:
- https://www.howbadismybatch.com/firstsecond.html:
 "I would suggest that you filter the vax table first for just C19 vaccines, and for just first dose.
  Then carry out the analysis as before.
  Repeat for second dose and third dose separately. The cumulative effect will then appear.
  It should be analysed separately anyway, because adverse reactions increase with each dose."
  # 1. filter the vax table first for just C19 vaccines
  # 2. and for just n-th (VAERSVAX.VAX_DOSE_SERIES == n \in {1, 2, 3}) dose => VAERSDATA --> VAERSVAX ist 1:1-Beziehung statt 1:n und kann einfacher in eine einzige Tabelle gemergt werden
  # 3. filter for manufacturer
- Prüfe, ob die VAERS_ID wirklich eindeutig ist. Antwort: VAERS_ID ist in der VAERSVAX-Tabelle nicht eindeutig, da es mehrere Impfungen pro Person geben kann.
- VAX_LOT-Spalte normalisieren, d.h. mindestens toUpperCase() darauf anwenden
- Format des jeweiligen Herstellers berücksichtigen und "verschmutzte" Einträge säubern, denn sie stellen alle dieselbe Charge dar:
039k20a
MOD039K20A
#039K20A
039K20A-MODERNA
039K20A-2A (vielleicht nicht)
039K20A or 039L
Moderna/039K20A
MODERNA 039K20A
MODERNA039K20A
Modena 039k20A
L039K20A
M039K20A
MOD; 039K20A
m0039k20A
u039k20a
6/21 039K20A
2039K20A
013L20A 039K20A#039K20A
#039K
039K20A  12-31-
039K20A & 031M2
039K20A and 032
039K20A, 011L20


df[df.index.duplicated(False)].to_excel('results/pfizer_duplicates.xlsx')