bericht_beispiel.qmd

---
title: "Intensivkohorte – Kurzauswertung"
author: "Ihr Name"
date: today
lang: de
format:
  html:
    toc: true
    echo: true          # Code im Bericht sichtbar (Transparenz!)
    warning: false
    code-fold: true     # Code einklappbar, aber vorhanden
execute:
  freeze: false         # bei jedem Render neu ausfuehren
---

## Hintergrund

Dieser Bericht wertet die synthetische Intensivkohorte des Data-Science-Kurses
aus. Er demonstriert das Quarto-Prinzip: **Analyse und Text in einer Datei**.
Beim Rendern wird der Code ausgeführt und das Ergebnis direkt eingebettet — kein
Copy-Paste, keine manuellen Übertragungsfehler.

> **Datenschutz-Hinweis:** Dieser Bericht enthält ausschließlich **fiktive**
> Daten. Für echte Patientendaten gilt: Datei nie committen, nur auf genehmigten
> Systemen auswerten, `.gitignore` korrekt konfigurieren.

## Einrichtung

```{python}
#| label: setup
#| echo: true

import sys
from pathlib import Path

# ROOT detection: Quarto runs Python chunks in a persistent Jupyter kernel,
# where `__file__` is never defined - the __file__ trick that plain .py
# scripts use does NOT work here. Quarto's default execute-dir is this .qmd
# file's own directory (code/), no matter where `quarto render` is invoked
# from. So we walk upward from the working directory until we find the repo
# root (identified by the `lib/` package shared by every module).
ROOT = Path.cwd().resolve()
while not (ROOT / "lib").exists() and ROOT != ROOT.parent:
    ROOT = ROOT.parent
sys.path.insert(0, str(ROOT))

import numpy as np
import pandas as pd
from lib.helpers import SEED, load_cohort, load_labs

# Seed setzen — Pflicht fuer Reproduzierbarkeit
np.random.seed(SEED)

cohort = load_cohort()
labs   = load_labs()
df = cohort.merge(labs, on="patient_id", how="left")

print(f"Kohorte: {len(df)} Patient:innen geladen (Seed {SEED})")
```

## Patientencharakteristika

```{python}
#| label: tbl-characteristics
#| tbl-cap: "Deskriptive Statistik der Gesamtkohorte"

characteristics = pd.Series({
    "N":                  df["patient_id"].count(),
    "Alter Median":       df["alter"].median(),
    "Alter IQR 25.":      df["alter"].quantile(0.25),
    "Alter IQR 75.":      df["alter"].quantile(0.75),
    "30-Tage-Mortalität": df["verstorben_30d"].mean(),
})
print(characteristics.to_frame(name="Wert").round(2).to_string())
```

Die Kohorte umfasst **`{python} len(df)`** Patient:innen. Die
30-Tage-Mortalität beträgt
**`{python} f"{df['verstorben_30d'].mean():.1%}"`**.

## Mortalität nach Aufnahmegrund

```{python}
#| label: tbl-mortality-by-reason
#| tbl-cap: "30-Tage-Mortalität nach Aufnahmegrund"

mortality_table = (
    df
    .groupby("aufnahmegrund")
    .agg(
        n=("patient_id", "count"),
        verstorben=("verstorben_30d", "sum"),
        mortalitaet=("verstorben_30d", "mean"),
    )
    .assign(mortalitaet=lambda d: d["mortalitaet"].map("{:.1%}".format))
    .sort_values("verstorben", ascending=False)
)
print(mortality_table.to_string())
```

## Paketversionen

```{python}
#| label: package-versions

import importlib.metadata

tracked_packages = ["numpy", "pandas", "scipy", "scikit-learn"]
for pkg in tracked_packages:
    try:
        ver = importlib.metadata.version(pkg)
    except importlib.metadata.PackageNotFoundError:
        ver = "nicht installiert"
    print(f"{pkg}: {ver}")

print(f"Python: {sys.version.split()[0]}")
```

---

*Erzeugt mit Quarto · Code und Text in einer Quelle — vollständig reproduzierbar.*