Analize hazır veri setinde her satırın ve sütunun anlamı açık, değişken adları tutarlı, kategori kodları belgelenmiş, eksik değerler gerçek boşluklardan ayrılmış ve olası hatalar kaynak kayıt üzerinden kontrol edilmiş olmalıdır. Veri temizliği kayıt silmek değil, kararları izlenebilir biçimde belgelemektir.
Önce analiz birimini tanımlayın
Bir satırın neyi temsil ettiği veri yapısının temelidir. Kesitsel bir çalışmada bir satır bir katılımcı olabilir. Tekrarlı ölçümlerde ise her satır bir katılımcı-zaman kaydı olabilir. Bir hastanın iki gözü, birden fazla yatışı veya birden çok örneği varsa gözlemler bağımsız değildir; kimlik ve küme değişkenleri baştan oluşturulmalıdır.
Değişken adları ve kodlama
- Tek sütun tek değişkeni, tek hücre tek değeri içermelidir
- Birleştirilmiş hücre, renk veya yorum analiz verisi olarak kullanılmamalıdır
- Değişken adları kısa, benzersiz ve makine tarafından okunabilir olmalıdır
- Kategori kodları veri sözlüğünde açıkça tanımlanmalıdır
- Aynı anlam için farklı kodlar kullanılmamalıdır: E/H, 0/1 ve Var/Yok karışmamalıdır
- Tarih ve saatler tek bir standart biçimde tutulmalıdır
- Birim değişken adında veya ayrı birim alanında belirtilmelidir
Eksik değerleri sıfırla karıştırmayın
Boş hücre, “ölçülmedi”, “uygulanamaz”, “katılımcı reddetti” ve “kayıp” aynı şey değildir. Analiz açısından farklı anlam taşıyan eksiklik nedenleri gerekirse ayrı bir durum değişkeniyle belgelenmelidir. 0, 99, 999 veya tire gibi kodlar gerçek değerlerle karışabilir.
Eksik veri oranı kadar örüntüsü de önemlidir. Belirli bir merkezde, grupta veya zaman noktasında sistematik eksiklik bulunması yanlılık oluşturabilir. Eksik kayıtları otomatik silmek örneklemi ve hedef popülasyonu değiştirebilir.
Kaynak dosyaya dönülerek kontrol edilmesi gerekenler
- Teorik veya klinik olarak olanaksız değerler
- Başlangıçtan önce görünen izlem tarihleri
- Yinelenen katılımcı kodları
- Ölçek toplamı ile madde toplamlarının uyuşmaması
- Boy–kilo, doz–birim veya laboratuvar birimi karışıklıkları
- Aynı katılımcıda çelişen demografik alanlar
- Metin olarak kaydedilmiş sayısal değerler ve ondalık ayırıcı sorunları
Analiz dosyasıyla birlikte tutulması gereken dört belge
Sağlık verileri özel nitelikli kişisel veri içerebilir. Analiz dosyası doğrudan tanımlayıcılardan arındırılmalı; anahtar dosya ayrı ve kontrollü tutulmalıdır. Anonimleştirme ve takma adlandırma aynı kavram değildir; yeniden kimliklendirme riski ayrıca değerlendirilmelidir.
- Ham verinin değiştirilmeyen, erişimi sınırlandırılmış kopyası
- Değişken adı, açıklama, tür, birim ve kodları içeren veri sözlüğü
- Yapılan her dönüşüm ve düzeltmeyi gösteren temizleme günlüğü
- Analiz için türetilen değişkenlerin formülleri ve sürüm bilgisi
Sık sorulan sorular
Excel dosyasında birden fazla sayfa kullanılabilir mi?
Kullanılabilir; ancak her tablonun anahtarı ve tablolar arası ilişki açık olmalıdır. Analize gönderilen nihai veri yapısı ve birleştirme kuralları belgelenmelidir.
Eksik değerler 99 olarak kodlanabilir mi?
Teknik olarak mümkündür fakat 99 gerçek bir değer olabilecekse risklidir. Yazılımda tanımlı eksik değer veya ayrı eksiklik nedeni kullanmak daha güvenlidir.
Aykırı değerler analizden çıkarılmalı mı?
Yalnız önceden tanımlanmış, bilimsel olarak gerekçeli ölçütlerle ve duyarlılık analiziyle değerlendirilmelidir. Veri hatası doğrulanmadan otomatik silinmemelidir.
Temel kaynaklar
- KVKK — Özel Nitelikli Kişisel Veriler
- FAIR Guiding Principles for scientific data
- RECORD — Routinely collected health data reporting guideline
Bu içerik genel bilimsel bilgilendirme amacı taşır; tek başına çalışma özelinde istatistiksel karar veya etik/hukuki görüş oluşturmaz.
Bu yöntemin sizin tasarımınıza uygun olup olmadığını birlikte değerlendirelim.
Araştırma sorusu, değişken listesi ve mevcut aşamanızı kısaca paylaşın; ihtiyaç duyulan desteğin kapsamını netleştirelim.