Übungen

Code in Englisch, Prosa/Antworten Deutsch. Lösungen: loesungen.md.

Aufgabe 1 – Datentypen identifizieren

Lege in Python und R je eine Variable für folgende klinische Werte an: CRP-Wert 22.4 (mg/l), SOFA-Score 8, Aufnahmegrund "Pneumonie", beatmungspflichtig True/TRUE. Gib für jede Variable den Datentyp aus (type() in Python, class() in R).

Aufgabe 2 – Vektoren und Grundrechenarten

Gegeben sind die Kreatinin-Werte (mg/dl) von 7 Patient:innen: [0.9, 1.4, 2.1, 0.8, 3.7, 1.1, 1.6].

a) Berechne Minimum, Maximum und Mittelwert. b) Welche Patient:innen haben ein Kreatinin > 2,0 mg/dl (mögliche Niereninsuffizienz)? c) Wie viel Prozent der Patient:innen erfüllen dieses Kriterium?

Aufgabe 3 – Eigene Funktion schreiben

Schreibe eine Funktion is_tachycardic(heart_rate), die True/TRUE zurückgibt, wenn die Herzfrequenz > 100 bpm beträgt.

Wende die Funktion auf folgende Werte an: [72, 88, 115, 54, 103, 98, 122]. Wie viele Patient:innen sind tachykard?

Aufgabe 4 – Kontrollfluss

Schreibe eine Funktion assess_map(map_mmhg), die den mittleren arteriellen Druck (MAP) bewertet:

• MAP < 65 → "Schock-Grenzwert unterschritten"
• MAP 65–90 → "Normbereich"
• MAP > 90 → "Erhöht"

Teste mit den Werten [58, 72, 95, 63, 88].

Aufgabe 5 – DataFrame-Basics mit dem Kohortendatensatz

Lade die Kohorte, z. B. mit pd.read_csv("https://schradern.github.io/data-science-coach/data/kohorte.csv") (Python) bzw. read_csv("https://schradern.github.io/data-science-coach/data/kohorte.csv") (R, Paket readr).

a) Wie viele Patient:innen sind älter als 70 Jahre? b) Was ist die durchschnittliche Verweildauer bei Patient:innen mit Hypertonie? c) Erstelle eine neue Spalte high_crp, die True ist, wenn crp_mg_l > 50. Wie viele Patient:innen haben ein hohes CRP?

Bonus

Berechne die Standardisierung des Alters (z-Score): (alter - Mittelwert) / Standardabweichung. Füge die z-Werte als neue Spalte age_z zum DataFrame hinzu. Welche Wertebereiche erwartest du theoretisch?