TraumaBase — Documentation de la Golden Base

La Traumabase est constituée de trois bases successives. Au fil du temps, des variables ont été ajoutées ou supprimées, certains formats et définitions ont changé, et les liens entre les données se sont structurés.

65 727 patients au total dans les trois sources, au 9 juillet 2026.

Différences entre les sources

Un pipeline aligne et traite les données des trois sources pour construire la Golden Base. Certaines définitions ont évolué au cours du temps ; il faut en tenir compte lors de l’analyse.

Quelques exemples de différences entre les sources :

Définition des marqueurs

La Traumabase utilise quatre marqueurs pour distinguer différentes significations et origines des données manquantes. Leur sens doit être pris en compte dans l’analyse des données et dans le choix d’une stratégie de traitement des valeurs manquantes, en tenant compte du mécanisme de données manquantes.

Prise en compte dans l’analyse

NA : utiliser le contexte clinique

Une imputation fondée sur le sens clinique de la variable peut être justifiée pour NA. Lorsque la réponse à la question mère établit l’absence d’un événement ou d’un traitement, la réponse attendue peut être « Non » ou 0. Par exemple, si un traitement n’a pas été administré, sa dose est codée NA par défaut dans la Traumabase. Dans ce contexte, elle peut être imputée à 0 avec une relative fiabilité.

ND, NR et IMP : méthodes statistiques

Pour ND, NR et IMP (ainsi que dans les rares cas où NA ne peut pas être imputé à partir d’une hypothèse clinique), il faut choisir une méthode statistique adaptée à la question de recherche et au mécanisme de données manquantes. Selon le contexte, cela peut inclure une imputation multiple, une méthode d’estimation tenant compte des données manquantes et des analyses de sensibilité.

NR peut concerner une période entière de collecte ; IMP peut être lié à l’état clinique.

La Golden Base contient la chaîne de caractères littérale "NA" pour « Non applicable ». Certains logiciels la convertissent automatiquement en valeur manquante générique à l’import, ce qui efface cette distinction. Préserver les quatre marqueurs avant de préparer les variables pour l’analyse.

Python / pandas

Pour importer un fichier CSV ou Excel de la Golden Base, utiliser keep_default_na=False afin de préserver le marqueur littéral "NA", et na_values pour préciser les valeurs à convertir en valeurs manquantes génériques. L’option dtype=str importe les colonnes sous forme de texte.

import pandas as pd

na_values = ["", "nan", "NaN"]

df_csv = pd.read_csv(
    "golden_base.csv",
    sep=";",
    keep_default_na=False,
    na_values=na_values,
    dtype=str,
)

df_excel = pd.read_excel(
    "golden_base.xlsx",
    keep_default_na=False,
    na_values=na_values,
    dtype=str,
)

Seules les cellules vides et les chaînes "nan" et "NaN" deviennent des valeurs manquantes génériques. Les chaînes "NA", "ND", "NR" et "IMP" sont conservées. dtype=str seul ne suffit pas à empêcher la conversion de "NA".

R

read.csv() interprète également "NA" comme une valeur manquante par défaut : définir na.strings sans y inclure "NA". Pour Excel, readxl::read_excel() ne convertit par défaut que les cellules vides ; ses options sont rendues explicites ci-dessous pour obtenir le même comportement que dans l’exemple pandas.

df_csv <- read.csv(
  "golden_base.csv",
  sep = ";",
  na.strings = c("", "nan", "NaN"),
  colClasses = "character",
  check.names = FALSE
)

df_excel <- readxl::read_excel(
  "golden_base.xlsx",
  na = c("", "nan", "NaN"),
  col_types = "text"
)

Adapter le séparateur et l’encodage au fichier reçu. Après avoir traité les marqueurs selon le plan d’analyse, convertir les colonnes utiles en nombres ou en dates ; ces exemples les importent volontairement sous forme de texte.