Guide de préparation de données médicales publiques
Comment nettoyer les données de recherche médicale ?
Commencer par un tableau de règles de nettoyage à examiner Livrables demandés / objectif de livraison: Un tableau de règles, un résumé des problèmes de qualité et un modèle de journal des modifications.
Nettoyer n'est ni supprimer les lignes vides ni remplacer les valeurs extrêmes par la moyenne. Confirmez sens, population et codes, fixez règles vérifiables et conservez originaux et changements. Le traitement analytique des manquants relève séparément du protocole.
Ce guide décrit un nettoyage conservateur de données médicales publiques ou synthétiques autorisées jusqu'à leur préparation analytique. NHANES illustre la sémantique, pas une formule universelle. Les données nettoyées n'ont pas automatiquement passé analyse statistique ou revue éthique.
Une tâche concrète avec RigorMed
Commencer par un tableau de règles de nettoyage à examiner
Ce sont des entrées suggérées et des livrables à demander, non une nouvelle exécution, un résultat client ou une garantie d'achèvement.
Documents à fournir: Dictionnaire de données publiques ou synthétiques autorisées, documentation des codes, résumés déterministes de qualité et règles candidates.
Livrables demandés / objectif de livraison: Un tableau de règles, un résumé des problèmes de qualité et un modèle de journal des modifications.
Exemple de demande
Pour chaque élément, notez champ original, problème, règle proposée, justification et impact. Distinguez blancs, codes spéciaux et vrais manquants. Préparez un plan à confirmer par moi, sans imputation ni suppression automatique.
Ce qui reste à vérifier
L'exécution du nettoyage demande une confirmation distincte. Un modèle ne doit pas deviner les lignes de patients, valeurs manquantes ou la sémantique des données.
Construire le dictionnaire avant de nettoyer
Un blanc ou code peut signifier non-interrogation, refus, sous la limite de détection ou omission réelle. Consultez la documentation officielle de la version avant traitement.
| Élément | Vérification minimale | Rôle dans le nettoyage |
|---|---|---|
| Source et version | Fichiers officiels, cycle/version, liens de téléchargement et documentation, date d'accès | Éviter de mélanger plusieurs versions |
| Définition des variables | Colonnes originales, libellés, types, unités, mesures et valeurs admissibles | Éviter de confondre noms identiques ou unités modifiées |
| Population concernée | Éligibilité, sauts, sous-échantillons et granularité | Distinguer non-interrogation structurelle et manque réel, fixer dénominateurs |
| Codes spéciaux | Explications par variable des refus, inconnus, limites de détection et codes réservés | Mapper uniquement selon preuves, sans traiter codes comme quantités continues |
| Transformations | Champ cible, valeurs anciennes/nouvelles, motif, version et lignes affectées | Rendre recodages, unités et exclusions traçables |
Data Documentation, Codebook et Frequencies NHANES décrivent variables et fréquences, mais cycle, composant et Analytic Notes restent à vérifier. Un dictionnaire illustratif ne remplace pas les définitions officielles.
Six étapes des originaux aux données vérifiables
Conserver originaux et question
Confirmez usages, population, exposition ou prédicteurs, résultat et cycles. Gardez originaux en lecture seule et notez version, acquisition et usages. Ne modifiez pas d'abord le tableau pour reconstruire ensuite la définition.
Relier variables au dictionnaire officiel
Consignez types, unités, valeurs, population, questions ou mesures, sauts et codes. Avant fusion, vérifiez clés, granularité, doublons ; entre cycles, vérifiez mesures et codages comparables.
Décrire la qualité avant correction
Comptez lignes, clés uniques, doublons, manquants et codes par variable/population, valeurs hors limites officielles. Une distribution inhabituelle appelle vérification, pas correction automatique. Suppression, codage supérieur et détection peuvent relever du plan.
Fixer un plan conservateur
N'autorisez que conversions documentées de codes, types, unités et dérivations prédéfinies. Précisez déclencheurs, valeurs, portée et arrêt face à l'incertitude. Pas d'imputation silencieuse, suppression de valeurs atypiques ou écrasement des originaux.
Exécuter sur copie et contrôler
Fournissez données nettoyées, dictionnaire confirmé et historique. Comparez lignes, clés, codes et distributions. Chaque exclusion et fusion doit expliquer le flux. Si un contrôle échoue, revenez aux règles ou sources plutôt que modifier quelques cellules.
Réserver les décisions de manquants au protocole
Présentez quantités et proportions par variable/population, distinguant non-interrogation, refus, échec de mesure et inconnu. Cas complets, imputation et sensibilité dépendent de plan, hypothèses, modèle et échantillonnage, pas d'un seuil automatique. Prédéfinissez puis rapportez le traitement effectif.
Les manquants ne sont pas uniques : pas de remplissage global par 0 ni suppression générale
Absence de mesure due à âge, sexe, sauts ou sous-échantillonnage n'est pas refus ; sous-détection n'est pas un blanc ordinaire. Distinguez selon dictionnaire et dénominateur. Si indéterminé, gardez inconnu et arrêtez la conversion automatique.
Remplir tout par 0 invente des observations ; garder seulement lignes complètes peut changer population et estimation. L'imputation exige justification préalable, pas un correctif par défaut. Conservez poids, strates et PSU des enquêtes complexes telles que NHANES.
Liste avant analyse
Le passage à l'étape suivante est conditionné aux réponses suivantes :
- Originaux, versions, usages et dictionnaires sont-ils traçables ?
- Population, unités, valeurs et codes des variables clés sont-ils vérifiés ?
- Non-interrogation, refus, mesure absente et inconnu sont-ils séparés ?
- Clés, granularité, doublons et comparabilité sont-ils vérifiés ?
- Chaque transformation ou exclusion a-t-elle règle, motif, effectif et historique ?
- Flux, distributions et dictionnaire sont-ils cohérents avant/après ?
- Existe-t-il un plan séparé pour manquants, échantillonnage et sensibilité ?
STROBE exige expliquer les manquants. L'historique prouve les opérations, pas à lui seul la validité du plan, des statistiques ou des conclusions.
Questions fréquentes
7, 9, 77 et 99 sont-ils toujours manquants ?
Le nombre seul ne suffit pas. Sources, variables et cycles ont des codes différents, parfois des valeurs ordinaires. Consultez Codebook, Frequencies et questionnaires du bon millésime avant conversion.
Moins de 5% de manquants autorise-t-il à supprimer des lignes ?
Il n'existe pas de proportion fixe valable pour toutes les études. L'échantillon après exclusion peut différer de la population initiale et modifier estimations et précision. Décrivez d'abord les profils et causes, puis décidez selon le plan d'étude, le protocole analytique et les analyses de sensibilité nécessaires.
Faut-il automatiquement tronquer les valeurs extrêmes ou les remplacer par la moyenne ?
Pas automatiquement. Vérifiez unités, étendue, codage supérieur, détection et origine pour séparer valeurs extrêmes plausibles et erreurs établies. Toute troncature ou exclusion exige justification prédéfinie et historique.
Peut-on analyser ou rédiger immédiatement après nettoyage ?
Non. Confirmez question, droits, définitions, plan d'enquête/cohorte, manquants et normes. Les données nettoyées sont seulement l'entrée d'une analyse contrôlée ultérieure.
Sources vérifiées
Les sources officielles ont été vérifiées le 2026-09-26 / RigorMed: 2026-10-13; les conditions et dates sont revérifiées avant publication.
Commencez par une tâche précise
Commencer par un tableau de règles de nettoyage à examiner
Transmettez à l'espace de travail des documents utilisables légalement et l'exemple de demande de cette page. Vérifiez les indications préalables sur les documents et les crédits avant de confirmer, puis examinez les livrables obtenus.