🐛 Issue: Pneumonia Cohort Filtering – Alignment Between Expected vs Actual Treatment

[netanelcyber]

בעת ניתוח Expected vs Actual Treatment על בסיס נתוני MIMIC-IV, נדרש סינון מדויק של מטופלים עם חשד או אבחנה של דלקת ריאות (Pneumonia).
כיום, ללא Phenotype אחיד, קיימת סכנה ל־הכללת מטופלים שאינם Pneumonia אמיתית, מה שעלול להטות מדדי טיפול, זמני TTAT, ו-Activation Scores.

Issue זה מציע להוסיף ולשלב Pneumonia Cohort Filter אחיד, המבוסס על שילוב של:

קודי ICD-9 / ICD-10

עדות קלינית (Hypoxemia)

ממצאים מיקרוביולוגיים נשימתיים

טיפול אנטיביוטי בפועל (inputevents)

---

בעיה נוכחית

ניתוחים רצים על כלל האשפוזים או ICU stays

אבחנת Pneumonia נסמכת לעיתים רק על ICD (שאינו תמיד מלא/מדויק)

אין הפרדה ברורה בין:

זיהום נשימתי

ספסיס ממקור אחר

קולוניזציה ללא מחלה קלינית

---

פתרון מוצע

הוספת מודול Pneumonia Phenotype Filter שמגדיר מטופל כ-Pneumonia אם מתקיים אחד מהבאים:

✔️ Criteria A – ICD-based

ICD-9: 480–486

ICD-10: J12–J18

✔️ Criteria B – Suspected Pneumonia (לפחות 2 מתוך 3):

1. פתוגן נשימתי ב-microbiologyevents

2. היפוקסמיה:

PaO₂ < 60 או

P/F < 300

3. התחלת אנטיביוטיקה סיסטמית (inputevents)

---

Expected Behavior

רק אשפוזים שעומדים בקריטריונים ייכנסו ל:

Expected vs Actual analysis

TTAT calculations

PenuX activation / alerting

שיפור בדיוק הקליני של התוצאות

צמצום False Positives

---

Actual Behavior

ניתוח כולל מטופלים ללא Pneumonia מובהקת

מדדי טיפול/תגובה אינם ספציפיים למחלה

קושי בפרשנות קלינית של התוצאות

---

השפעה (Impact)

⚠️ הטיה במדדי איכות טיפול

⚠️ מסקנות שגויות על עיכוב/כשל טיפולי

⚠️ פגיעה ביכולת להפעיל Real-Time Alerts מדויקים

---

הצעת מימוש

הוספת קובץ עצמאי:
pneumonia_cohort_filter.py

חשיפה כ-API:

pneumonia_hadm_ids = pneumonia_cohort(
diagnoses_df,
micro_df,
chart_df,
input_df
)

שימוש אחיד בכל pipeline downstream

---

הערות נוספות

הפתרון תואם לספרות על Phenotyping ב-MIMIC

מאפשר הכללת “suspected pneumonia” שלא קודדו רשמית

בסיס טוב להרחבות עתידיות (mortality, MDR, alerts)