Курение: фактор риска рака легких

Я выбрала для анализа датасет, содержащий информацию о пациентах с раком легких и различных факторах риска. Этот датасет включает такие параметры как возраст, пол, статус курения, стаж курения, воздействие вторичного дыма, профессиональные вредности, уровень загрязнения воздуха, генетические маркеры и другие показатели здоровья. Однако я решила сделать упор именно на влияние курения.

Я решила проанализировать именно эти данные, потому что в моем окружении многие люди имеют эту вредную привычку.

Несмотря на то, что часто мы видим предупреждения о вреде курения, это не останавливает человека прекратить убивать себя ежедневно. Рак легких остается одной из ведущих причин смертности от онкологических заболеваний.

Мне стало интересно узнать кто наиболее подвержен этому риску и есть ли взаимосвязь между стажем курения и возрастом. Визуализация этих зависимостей может помочь в понимании ключевых факторов риска.

Для основной цветовой палитры были использованы цвета с фотографии рака легких. Красный часто ассоциируется с различными болезнями, поэтому хорошо подходит под тематику. Два оттенка синего дополняют и отсылают к флюорографии. Жемчужные ленты или эмблемы часто используют в качестве символов борьбы против рака легких, поэтому этот цвет также есть в палитре.

Мой датасет с платформы Kaggle под названием «Lung_Cancer_Trends_Realistic».

Виды графиков я выбрала исходя из того, какой из вариантов покажется мне наиболее логичным и уместным для конкретной ситуации. В итоге я проанализирую датасет по 5 диаграммам разных видов: столбчатой, гистограмме, линейной и круговой.

Первоначально я импортировала необходимые библиотеки и задала необходимые параметры для стилистики моей визуализации. Использовала цвета из подобранной ранее палитры и выбрала шрифт Cofo Sans Mono Trial.

На первом графике столбчатая диаграмма, показывающая распределение пациентов по стадиям рака лёгких. Сначала фильтруются пациенты с диагнозом рака (исключая значение None), затем подсчитывается количество пациентов для каждой стадии. Столбцы окрашены в заданные цвета, а над каждым отображается точное количество пациентов.

Первый график - это столбчатая диаграмма с распределением пациентов по стадиям рака. В базе данных представлены различные пациенты из которых мы проводим фильтрацию только тех, кто болен раком. А после этого разделяем их на стадии.

График показывает нелинейное распределение пациентов по стадиям рака лёгких. Наблюдается повышение количества больных людей на третьей стадии, возможно это связано поздним обнаружением симптомов рака.

Этот код строит гистограмму распределения возраста пациентов с помощью numpy.histogram, разбивая данные на 30 интервалов. Каждый столбец гистограммы центрируется по середине интервала. Добавляется вертикальная пунктирная линия со средним возрастом.

Распределение возраста пациентов с раком лёгких показывает пик заболеваемости в 55–60 лет, что соответствует типичной группе риска. Средний возраст — 56.7 года. Резкий спад после 70 лет может быть связан с меньшей продолжительностью жизни или менее агрессивной диагностикой у пожилых.

Код строит сгруппированную столбчатую диаграмму, чтобы сравнить распределение стадий рака лёгких среди пациентов с разным статусом курения. Я отфильтровала данные: исключила пациентов без диагноза рака. Далее сгруппировала по статусу курения и стадии рака, подсчитала количество пациентов в каждой группе.

Использовала столбцы с накоплением, чтобы показать вклад каждой стадии в общее число пациентов.

Курение — ключевой фактор риска: у курящих рак чаще обнаруживают на поздних стадиях, что снижает шансы на успешное лечение.

Код строит линейный график, показывающий динамику выживаемости пациентов с раком лёгких по регионам. Используется группировка данных по году диагностики, региону и статусу выживаемости, а линии разного типа (сплошные/пунктирные) отражают выживших и умерших пациентов.