40 lines
1.4 KiB
Plaintext
40 lines
1.4 KiB
Plaintext
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') |