Guide d’utilisation des données
Interpréter les valeurs manquantes et préparer les données pour l’analyse.
Ce guide présente les marqueurs de données manquantes, les relations mère–fille et les précautions d’import en Python, R et SAS.
Guide des valeurs manquantes
Définition des marqueurs
La Golden Base 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.
NDNon disponible
L’information est attendue, mais n’a pas été retrouvée dans le dossier du patient.
NANon applicable
La valeur ne peut pas exister dans ce contexte. Par exemple : la dose d’un traitement qui n’a pas été administré.
NRNon renseigné
La variable n’était pas collectée dans cette source ou pendant cette période.
IMPImprenable
Une mesure physiologique n’a pas pu être obtenue, par exemple en raison d’un signal trop faible ou absent.
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 Golden Base. Dans ce contexte, elle peut être imputée à 0 avec une relative fiabilité.
Relations mère–fille
Dans le formulaire de recueil (eCRF), une réponse peut ouvrir ou fermer une autre question. La variable mère détermine si la variable fille est applicable.
Transport médicalisé ?
Exemple d’imputation : dose de catécholamines
Si aucune catécholamine n’a été administrée, la dose est codée NA dans la Golden Base. L’absence de traitement permet alors d’imputer cette dose à 0 pour l’analyse.
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.
Ressources suggérées pour le traitement des valeurs manquantes
R-miss-tastic propose des méthodes, références, tutoriels et exemples en R et Python pour choisir une approche adaptée aux données manquantes.
Notes techniques
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.
Le fichier CSV de la Golden Base utilise la virgule comme séparateur, et aussi comme marque décimale (entre guillemets, par exemple "12,5"). Les colonnes qui contiennent des marqueurs restent textuelles : après le traitement des marqueurs selon le plan d’analyse, les convertir en nombres (en remplaçant la virgule par un point) ou en dates. Préserver le format des identifiants dont les zéros initiaux sont significatifs.
Python / pandas
Pour importer le fichier CSV ou Excel avec pandas :
import pandas as pd
na_values = ["", "nan", "NaN"]
# Si vous avez un fichier CSV
df_csv = pd.read_csv(
"golden_base.csv",
decimal=",",
keep_default_na=False,
na_values=na_values,
)
# Si vous avez un fichier Excel
df_excel = pd.read_excel(
"golden_base.xlsx",
keep_default_na=False,
na_values=na_values,
)Documentation de référence
R
Pour importer le fichier CSV ou Excel dans R :
# Si vous avez un fichier CSV
df_csv <- read.csv(
"golden_base.csv",
dec = ",",
na.strings = c("", "nan", "NaN"),
check.names = FALSE
)
# Si vous avez un fichier Excel
df_excel <- readxl::read_excel(
"golden_base.xlsx",
na = c("", "nan", "NaN"),
guess_max = 1048576
)Documentation de référence
SAS
Pour importer le fichier CSV ou Excel dans SAS :
/* Si vous avez un fichier CSV */
filename gb "golden_base.csv" encoding="utf-8" lrecl=1048576;
proc import datafile=gb out=work.golden_base dbms=csv replace;
delimiter=",";
guessingrows=max;
getnames=yes;
run;
/* Si vous avez un fichier Excel */
proc import datafile="golden_base.xlsx" out=work.golden_base dbms=xlsx replace;
getnames=yes;
run;