🏥 Diabetes Readmission Analysis with dbt + DuckDB + Python

A complete analytics pipeline to explore, transform, and explain hospital readmission patterns in diabetic patients using modern tools like dbt, DuckDB, UMAP, HDBSCAN, and LIME.

🩺 Diabetes Readmission Project

---

📦 Dataset

• Source: diabetic_data.csv (UCI Machine Learning Repository)
• Patients: 101,766 with diabetes
• Target: readmitted → <30, >30, NO
• Features: Diagnoses, hospital usage, procedures, medications

---

🧱 Project Structure (DBT + Python)

📁 diabetes-readmission-dbt/ │ ├── data/ │ ├── diabetic_data.csv │ └── diabetes.duckdb # DuckDB database │ ├── dbt-project/ │ ├── models/ │ │ ├── staging/ │ │ │ ├── stg_patients.sql │ │ │ ├── stg_encounters.sql │ │ │ ├── stg_diagnoses.sql │ │ │ ├── stg_treatments.sql │ │ │ └── stg_hospital_use.sql │ │ └── marts/ │ │ ├── mart_readmission_analysis.sql │ │ ├── mart_diagnosis_risk_factors.sql │ │ └── mart_hospital_usage.sql │ ├── notebooks/ │ ├── 01_analysis_readmission.ipynb │ ├── 02_diagnosis_analysis.ipynb │ └── 03_hospital_usage_analysis.ipynb

---

📊 Analisi clinico-descrittiva

Distribuzione readmitted

Classe	Numero pazienti
>30	109,596
NO	75,970
<30	44,326

---

Diagnosi principali (da diag_1, diag_2, diag_3)

• Codici più frequenti: 428 (insufficienza cardiaca), 414 (malattia coronarica), 786 (dispnea)
• Diagnosi più associate a riospedalizzazione entro 30 giorni: 428, 414, 410

📸

---

🧬 Clustering pazienti con explainability

• One-hot encoding su diagnosi
• Clustering non supervisionato: HDBSCAN
• Visualizzazione con UMAP 2D/3D
• Interpretazione locale con LIME

📸

Spiegazione locale del cluster con diagnosi dominanti nel paziente 42

---

🏥 Analisi utilizzo ospedale

Mart mart_hospital_usage.sql integra:

• number_inpatient: ricoveri precedenti
• number_emergency: accessi PS
• number_outpatient: visite ambulatoriali

📈 Boxplot comparativi:

Variabile	Grafico
Ricoveri inpatient
Visite ambulatoriali
Accessi emergenza

🔎 I pazienti readmitted <30 mostrano valori più alti di number_inpatient e number_emergency.

---

🚀 Come eseguire

1. Installa i pacchetti richiesti

pip install -r requirements.txt 2. Esegui la pipeline dbt bash Copia Modifica dbt run

3. Esplora i notebook interattivi 📊 01_analysis_readmission.ipynb – Overview sulla distribuzione delle riospedalizzazioni

🧬 02_diagnosis_analysis.ipynb – Analisi dei codici ICD e clustering con explainability

🏥 03_hospital_usage_analysis.ipynb – Analisi dell’utilizzo ospedaliero e associazione con il rischio

🧰 Tecnologie utilizzate

dbt + DuckDB per gestione dati e trasformazioni SQL Python con librerie: pandas, seaborn, hdbscan, umap-learn, lime Ambiente di sviluppo: Visual Studio Code, JupyterLab, Git

✍️ Autore

Dante Trabassi Biomedical Engineer · PhD Neuroscience · AI for Movement & Health 📧 Email: dantetrb@gmail.com 🔗 ResearchGate Profile

📄 Licenza

Questo progetto è distribuito sotto licenza MIT.