Como limpar dados de pesquisa médica?

Uma tarefa concreta com RigorMed

1. Começar organizando a limpeza numa tabela de regras revisável

   São entradas sugeridas e entregáveis a solicitar, não uma nova execução, resultados de clientes ou garantia de conclusão.

   Materiais a fornecer: Dicionário de dados públicos ou sintéticos autorizados, documentação dos códigos, resumos determinísticos de qualidade e regras candidatas.

   Entregáveis solicitados / objetivo de entrega: Tabela de regras, resumo de problemas de qualidade e modelo de registro de alterações.

2. Exemplo de solicitação

   Descreva por item campo original, problema, regra proposta, fundamento e impacto. Diferencie espaços em branco, códigos especiais e ausências reais. Prepare um plano para minha confirmação, sem imputar ou excluir automaticamente.

3. O que ainda precisa de revisão

   Executar a limpeza requer confirmação separada. Modelos não devem adivinhar linhas de pacientes, valores ausentes ou semântica dos dados.

Construir o dicionário antes de limpar

Uma célula vazia ou código pode significar não perguntado, recusa, abaixo da detecção ou registro omitido. Determine o sentido pela documentação da versão antes de tratar.

Data Documentation, Codebook e Frequencies do NHANES fornecem descrições e frequências, mas confira componente, ciclo e Analytic Notes. Um dicionário ilustrativo não substitui as definições oficiais da fonte escolhida.

Seis etapas para dados verificáveis

1. Preservar originais e formular a pergunta

   Confirme usos, população, exposição ou preditores, desfecho e ciclos. Mantenha originais somente para leitura; registre versão, obtenção e escopo. Não altere primeiro a tabela para depois inventar definições.

2. Vincular cada variável ao dicionário oficial

   Registre tipo, unidade, valores, elegibilidade, pergunta ou medida, saltos e códigos. Antes de unir arquivos, confira chaves, granularidade e duplicatas; antes de reunir ciclos, comparabilidade de medidas e códigos.

3. Resumir qualidade antes de corrigir

   Conte linhas, chaves únicas, duplicatas, ausências e códigos por variável e grupo, e valores fora do intervalo oficial. Distribuição atípica é um sinal a verificar, não erro automático. Supressão, codificação superior e limites de detecção podem integrar o desenho.

4. Congelar um plano conservador

   Escreva regras explícitas só para códigos, tipos, unidades e derivações predefinidas com documentação. Informe gatilhos, valores antigos e novos, alcance e parada quando indeterminado. Não impute, exclua extremos ou reescreva originais silenciosamente.

5. Executar em cópia e conferir mudanças

   Produza dados limpos, dicionário confirmado e registro, comparando linhas, chaves, códigos e distribuições. Toda exclusão ou união deve explicar o fluxo. Se falhar, retorne à regra ou fonte, sem corrigir células manualmente para esconder problemas.

6. Reservar decisões de ausências ao protocolo

   Relate números e proporções por variável e população, separando não perguntado, recusa, falha e causa desconhecida. Casos completos, imputação e sensibilidade dependem de desenho, hipóteses, modelo e estrutura amostral, não de um limiar automático. Predefina e relate o tratamento efetivo.

Lista antes de analisar

Só encaminhe à próxima etapa se puder responder:

• Originais, versão, usos e dicionário oficial são rastreáveis?
• Elegibilidade, unidades, valores e códigos essenciais foram verificados?
• Não perguntado, recusa, falha e causa desconhecida são separados?
• Chaves, granularidade, duplicatas e comparabilidade foram verificadas?
• Cada conversão ou exclusão tem regra, motivo, número afetado e registro?
• Fluxo, distribuições e dicionário são consistentes antes e depois?
• Ausências, desenho e sensibilidades da análise formal têm plano separado?

STROBE exige explicar o tratamento de dados ausentes. O registro mostra o que foi feito, não prova sozinho desenho, métodos ou conclusões corretos.

Perguntas frequentes