Vorbereitung öffentlicher medizinischer Daten
Wie bereinigt man medizinische Forschungsdaten?
Bereinigungsaktionen zuerst in einer prüfbaren Regeltabelle ordnen Gewünschte Ausgaben / Lieferziel: Eine Bereinigungsregeltabelle, Zusammenfassung der Qualitätsprobleme und Änderungsvorlage.
Bereinigung bedeutet nicht, leere Zeilen zu löschen oder Ausreißer zu mitteln. Erst Feldbedeutung, Population und Sondercodes klären, prüfbare Regeln einfrieren sowie Originale und Änderungen bewahren. Die statistische Fehlwertbehandlung gehört separat ins Protokoll.
Für berechtigt genutzte öffentliche oder synthetische medizinische Daten beschreibt dieser Leitfaden konservative Vorbereitung. NHANES-Dokumente erläutern die Semantikprüfung, nicht eine universelle Formel. Bereinigte Daten sind weder fertige Statistik noch bestandene Ethikprüfung.
Eine konkrete Aufgabe mit RigorMed
Bereinigungsaktionen zuerst in einer prüfbaren Regeltabelle ordnen
Dies sind vorgeschlagene Eingaben und anzufragende Ausgaben, keine neue Ausführung, Kundenergebnisse oder Fertigstellungsgarantie.
Benötigte Materialien: Rechtmäßig nutzbares öffentliches oder synthetisches Datenwörterbuch, Kodierungshinweise, deterministische Qualitätszusammenfassungen und Regelkandidaten.
Gewünschte Ausgaben / Lieferziel: Eine Bereinigungsregeltabelle, Zusammenfassung der Qualitätsprobleme und Änderungsvorlage.
Beispielanfrage
Erfassen Sie je Punkt Originalfeld, Problem, Regelvorschlag, Beleg und Auswirkung. Unterscheiden Sie Leerstellen, Sondercodes und echte Fehlwerte und entwerfen Sie einen von mir zu bestätigenden Bereinigungsplan. Nicht automatisch imputieren oder löschen.
Was noch geprüft werden muss
Die Ausführung der Bereinigung benötigt eine gesonderte Bestätigung. Modelle dürfen weder Patientenzeilen noch Fehlwerte oder Datensemantik erraten.
Wörterbuch vor Bereinigungsentscheidungen
Leere Felder und Zahlencodes können nicht gefragt, verweigert, unter Nachweisgrenze oder ausgelassen bedeuten. Bedeutung anhand offizieller Versionsdokumente klären.
| Eintrag | Mindestprüfung | Nutzen |
|---|---|---|
| Quelle und Version | Offizielle Datei, Zyklus oder Version, Download-/Dokumentlinks und Zugriffstag | Unterschiedliche Veröffentlichungen nicht vermischen |
| Variablendefinition | Originalspalte, Label, Typ, Einheit, Messung und Wertebereich | Gleichnamige Spalten oder geänderte Einheiten nicht gleichsetzen |
| Berechtigte Population | Kriterien, Sprunglogik, Teilstichproben und Datensatzgranularität | Strukturell nicht gefragt von tatsächlich fehlend trennen und Nenner definieren |
| Sondercodes | Variablenspezifische Verweigerung, Unwissen, Nachweisgrenzen und reservierte Codes | Nur belegte Zuordnung, keine Sondercodes als kontinuierliche Werte |
| Transformationen | Zielfeld, Original-/Zielwert, Grund, Ausführungsversion und betroffene Zeilen | Umkodierung, Umrechnung und Ausschluss nachvollziehbar machen |
NHANES Data Documentation, Codebook und Frequencies beschreiben Variablen und Häufigkeiten. Komponente, Zyklus und Analytic Notes weiterhin prüfen. Ein Beispieldictionary ersetzt die Definitionen der Zielquelle nicht.
Sechs Schritte zu prüfbaren Daten
Originale bewahren und Frage formulieren
Nutzungsbedingungen, Population, Exposition oder Prädiktoren, Zielvariable und Zyklen klären. Originale nur lesen; Version, Erwerbsdatum und Umfang notieren. Keine Tabelle ändern und danach die Frage ableiten.
Variablen an offizielle Definitionen binden
Typ, Einheit, Werte, Berechtigung, Frage/Messung, Sprunglogik und Sondercodes dokumentieren. Vor Dateiverknüpfung Schlüssel, Granularität und Duplikate prüfen, vor Zykluskombination Mess- und Codevergleichbarkeit.
Qualitätsübersicht vor Wertkorrektur
Originalzeilen, eindeutige Schlüssel, Duplikate, Fehlwerte und Codes je Variable/Population sowie Werte außerhalb offizieller Grenzen zählen. Auffälligkeit ist Prüfsignal, nicht automatisch Fehler. Unterdrückung, Top-Coding und Nachweisgrenzen können Teil des Designs sein.
Konservativen Plan einfrieren
Explizite Regeln nur für dokumentierte Codes, Typen, Einheiten und vordefinierte Ableitungen. Auslöser, alte/neue Werte, Umfang und Stopp bei Unklarheit nennen. Keine stille Imputation, Ausreißerlöschung oder Originaländerung.
Auf Kopie ausführen und Änderungen prüfen
Bereinigte Daten, bestätigtes Wörterbuch und Änderungsprotokoll ausgeben; Zeilen, Schlüssel, Codes und Verteilungen vergleichen. Jeder Ausschluss und Join muss den Teilnehmerfluss erklären. Bei Fehlern zu Regeln oder Quellen zurück, nicht einzelne Zellen zur Kaschierung korrigieren.
Fehlwertentscheidungen dem Analyseplan überlassen
Anzahlen und Anteile je Variable/Population berichten; nicht gefragt, verweigert, Messfehler und unbekannt trennen. Vollständige Fälle, Imputation und Sensitivität hängen von Design, Fehlwertannahmen, Modell und Stichprobe ab, nicht automatisch von einem Schwellenwert. Vorab planen und tatsächliche Behandlung berichten.
Fehlend ist nicht einheitlich: nicht pauschal 0 oder ganze Zeilen löschen
Nicht gemessen wegen Alter, Geschlecht, Sprüngen oder Teilstichprobe ist nicht Verweigerung. Unter Nachweisgrenze ist nicht gewöhnlich leer. Wörterbuch und Nenner beachten; bei Unklarheit unbekannt belassen und automatische Transformation stoppen.
Alles mit 0 zu füllen erfindet Beobachtungen; nur vollständige Fälle können Population und Schätzung verändern. Imputation ist begründete Analysemethode, kein Standard-Bereinigungspatch. Bei komplexen Surveys wie NHANES Gewichte, Strata und PSU für Folgeanalysen bewahren.
Checkliste vor der Analyse
Weitergabe erst, wenn diese Fragen beantwortet sind:
- Sind Originale, Version, Nutzungsbedingungen und Wörterbuch nachvollziehbar?
- Sind Berechtigung, Einheiten, Werte und Sondercodes einzeln geprüft?
- Sind nicht gefragt, Verweigerung, Messausfall und unbekannte Ursache getrennt?
- Sind Schlüssel, Granularität, Duplikate und Vergleichbarkeit geprüft?
- Hat jede Änderung/Ausschluss Regel, Grund, Zeilenzahl und Protokoll?
- Stimmen Teilnehmerfluss, Verteilungen und Wörterbuch vorher/nachher überein?
- Gibt es einen separaten Plan für Fehlwerte, Design und Sensitivität?
STROBE verlangt die Beschreibung der Fehlwertbehandlung. Ein Protokoll belegt Handlungen, nicht allein korrektes Design, Statistik oder Schlussfolgerungen.
Häufige Fragen
Sind 7, 9, 77 und 99 stets Fehlwerte?
Nicht anhand der Zahl raten. Quellen, Variablen und Zyklen nutzen unterschiedliche Codes; dieselbe Zahl kann gültig sein. Versionsbezogenes Codebook, Frequencies und Fragebogen feldweise prüfen.
Darf man bei unter 5% Fehlwerten Zeilen löschen?
Es gibt keinen für alle Studien gültigen Anteil. Nach Ausschluss kann sich die Stichprobe von der ursprünglichen Population unterscheiden; Schätzung und Präzision können sich ändern. Beschreiben Sie zuerst Muster und Ursachen und entscheiden Sie anhand von Design, Analyseplan und erforderlichen Sensitivitätsanalysen.
Ausreißer automatisch kappen oder durch Mittelwerte ersetzen?
Nicht automatisch. Einheiten, Grenzen, Top-Coding, Nachweisgrenze und Ursprung prüfen, legitime Extreme von belegten Fehlern trennen. Kappung und Ausschluss brauchen Vorabbegründung und Protokoll.
Nach Bereinigung direkt Statistik oder Artikel schreiben?
Nein. Frage, Datenrechte, Definitionen, Survey-/Kohortendesign, Fehlwertplan und Berichtsleitlinien prüfen. Bereinigte Daten sind nur Eingaben kontrollierter Folgeanalysen.
Geprüfte Quellen
Die offiziellen Quellen wurden am 2026-09-26 / RigorMed: 2026-10-13 geprüft; Bedingungen und Daten werden vor Veröffentlichung erneut geprüft.
Mit einer konkreten Aufgabe beginnen
Bereinigungsaktionen zuerst in einer prüfbaren Regeltabelle ordnen
Übergeben Sie rechtmäßig nutzbare Materialien und die Beispielanfrage dieser Seite im Arbeitsbereich. Prüfen Sie vor der Bestätigung die Hinweise zu Materialien und Credits, dann die entstandenen Ausgaben.