نُشر في | آخر تحديث في
شعرت الدكتورة راشيل إيفانز بالإحباط من فوضى بيانات التجارب السريرية المعروضة على شاشتها. فقد اعتمدت سنوات بحثها على بيانات دقيقة، لكن جداول بياناتها كانت مليئة بالأخطاء. وهددت هذه الأخطاء بإفشال دراستها حول دواء جديد لمرض السكري.
قد يستغرق إعداد البيانات ما يصل إلى 80% من وقت الباحث. وهذا يجعل تقنيات التنظيف السريعة والفعالة ضرورية للنجاح.
يتطلب تحليل بيانات التجارب السريرية دقة متناهية. توفر مكتبة Pandas الخاصة بنا، والمكتوبة بلغة Python، أدوات فعّالة لتنظيف بيانات التجارب السريرية . تساعد هذه الأدوات في تحويل مجموعات البيانات غير المنظمة إلى قواعد بيانات بحثية نظيفة. والهدف هو تسريع عملية إعداد البيانات لتسريع الاكتشافات العلمية.
في البحوث السريرية، تُعدّ جودة البيانات أساسية. فالبيانات غير الدقيقة قد تؤدي إلى قرارات خاطئة وتضرّ بالمرضى . يُقدّم دليلنا سبع تقنيات باستخدام مكتبة Pandas في بايثون لتغيير طريقة تنظيف البيانات.
الوجبات السريعة الرئيسية
- إتقان Python Pandas لتنظيف بيانات التجارب السريرية بكفاءة
- تخفيض معالجة البيانات الوقت بنسبة تصل إلى 50٪
- تحديد وحل التناقضات الشائعة في البيانات
- تنفيذ المتقدمة معالجة البيانات تقنيات
- ضمان سلامة البحث من خلال التحقق المنهجي من البيانات
فهم بيانات التجارب السريرية
تُعدّ التجارب السريرية أساسية في البحث الطبي، إذ تُتيح لنا فهمًا أعمق لكيفية عمل العلاجات وحالة المرضى. نبدأ باستعراض عالم إدارة البيانات السريرية ، حيث تُعتبر الدقة وضمان جودة البيانات أمرًا بالغ الأهمية.
تحتوي بيانات التجارب السريرية على معلومات حيوية للتقدم الطبي. يستثمر ما يقرب من 80% من مجموعات الرعاية الصحية في تحليلات البيانات، إذ يدركون الأثر الكبير الذي يمكن أن تُحدثه بيانات البحث الجيدة.
أنواع بيانات التجارب السريرية
يجمع الباحثون أنواعًا عديدة من البيانات أثناء التجارب. ويشمل ذلك:
- التركيبة السكانية للمرضى
- تاريخ طبى
- بروتوكولات العلاج
- نتائج المختبر
- تقارير الأحداث السلبية
أهمية تنظيف البيانات
تنظيف البيانات أمرٌ لا غنى عنه. حوالي 80% من التجارب السريرية تعاني من مشكلة اتساق البيانات. وقد تحتوي 30% من البيانات على أخطاء . 60% فقط من الباحثين يثقون ببياناتهم.
المشكلات الشائعة في مجموعات بيانات التجارب السريرية
غالباً ما تواجه مجموعات البيانات السريرية مشاكل تُضرّ بمصداقية البحث، ومنها القيم المفقودة، وعدم اتساق التنسيق ، والقيم الشاذة. ويمكن أن تؤثر هذه المشاكل بشكل كبير على التحليل.
قد تؤدي جودة البيانات الرديئة إلى زيادة تكاليف البحث بنسبة تصل إلى 25%. لذا، فإن الإدارة الجيدة للبيانات السريرية أمر حيوي لنجاح البحث العلمي والتمويل على حد سواء.
إعداد بيئة بايثون الخاصة بك
يُعدّ إنشاء بيئة بايثون قوية أمرًا أساسيًا لتحليل البيانات ، كما هو الحال في التجارب السريرية. يُساعدك دليل البدء السريع لعلم البيانات باستخدام بايثون على جعل عملك أكثر سلاسة وإنتاجية.
يتضمن إعداد بيئة عمل بايثون لتحليل البيانات عدة خطوات مهمة. تساعدك هذه الخطوات على استخدام مكتبة باندا وغيرها من الأدوات بسلاسة.
تثبيت الحزم الأساسية
لبدء تحليل البيانات السريرية، تحتاج إلى تثبيت مكتبات Python المهمة:
- باندا: المكتبة الرئيسية للتعامل مع البيانات
- NumPy: الأساس للحسابات العددية
- Matplotlib: أداة لتصور البيانات
- Scipy: يوفر الدعم للحوسبة العلمية
استراتيجيات استيراد المكتبات ومجموعات البيانات
يتطلب استيراد المكتبات في بايثون بناء جملة صحيحًا. عادةً ما يتبع الباحثون طرقًا قياسية لاستيراد كل مكتبة:
- استيراد الباندا كما pd:الطريقة المعتادة لاستيراد الباندا
- استيراد numpy كـ np:كيفية استيراد NumPy
- استيراد matplotlib.pyplot كـ PLT:لاستخدام Matplotlib للمرئيات
يتطلب العمل مع البيانات السريرية معرفة كيفية تحميلها ومعالجتها بشكل صحيح. تسهل مكتبة Pandas استيراد أنواع مختلفة من الملفات، مثل ملفات CSV وExcel وقواعد بيانات SQL.
نصيحة احترافية: تحقق دائمًا من استيراد البيانات باستخدام طرق مثل .head() لرؤية بنية مجموعة البيانات الخاصة بك.
بفضل بيئة بايثون المجهزة جيدًا لتحليل البيانات، يمكن للباحثين الغوص في بيانات التجارب السريرية المعقدة 5.
استكشاف البيانات والتفتيش الأولي
تُعدّ معالجة البيانات الأولية أساسية لفهم مجموعات بيانات التجارب السريرية. سنستكشف أساليب فعّالة لتحويل البيانات الخام إلى رؤى مفيدة. وهذا يضمن جودة البيانات من خلال دراسة تفصيلية.
ملخص الإحصائيات التي تكشف عن خصائص مجموعة البيانات
توفر مكتبة Pandas أدوات قوية لإجراء عمليات فحص البيانات الأولية. تُقدم دالة describe() إحصائيات موجزة مفصلة. تُظهر هذه الإحصائيات سمات مهمة لمجموعة البيانات، وتساعد تقنيات استكشاف البيانات في الكشف عن 6.
- تحديد إجمالي الملاحظات والمتغيرات
- حساب المتوسط والوسيط والانحراف المعياري
- اكتشاف القيم الدنيا والقصوى
- فهم توزيع البيانات
تصور توزيعات البيانات
Matplotlib أداة رائدة لعرض بيانات التجارب السريرية. تساعد الباحثين على:
- الهستوجرامات التي توضح توزيعات التردد
- مخططات الصناديق التي تكشف عن القيم المتطرفة الإحصائية
- مخططات التشتت التي تستكشف العلاقات بين المتغيرات
| تقنية التصور | الهدف | الفكرة الرئيسية |
|---|---|---|
| الرسم البياني | تحليل التوزيع | فهم انتشار البيانات |
| مربع مؤامرة | كشف خارجي | تحديد القيم المتطرفة |
| مخطط مبعثر | استكشاف الارتباط | كشف العلاقات المتغيرة |
يبدأ ضمان جودة البيانات الفعال بالاستكشاف البصري والإحصائي الشامل.
باستخدام هذه الأساليب، يمكن للباحثين جعل بيانات التجارب السريرية المعقدة واضحة ومفيدة 7.
تحديد البيانات المفقودة ومعالجتها
يُعدّ نقص البيانات مشكلة كبيرة في أبحاث التجارب السريرية، إذ يُمكن أن يُقلّل من موثوقية البحث العلمي. لذا ، يُعدّ تنظيف البيانات أساسيًا للحفاظ على جودة البحث العالية . غالبًا ما تحتوي البيانات السريرية على قيم مفقودة لأسباب عديدة، كالأخطاء أو مخاوف تتعلق بالخصوصية.
من المهم معرفة سبب نقص البيانات. هناك ثلاثة أسباب رئيسية:
- MCAR (مفقود تمامًا عشوائيًا)
- MAR (مفقود عشوائيًا)
- MNAR (مفقود وليس عشوائيًا)
استراتيجيات لتحديد القيم المفقودة
تُعد مكتبة Pandas في بايثون أداةً ممتازةً لاكتشاف البيانات المفقودة وتصحيحها. تُظهر الدالة isnull() مكان البيانات المفقودة . تنظيف البيانات جيدًا أمرٌ بالغ الأهمية للبحث.
تقنيات احتساب البيانات المفقودة
هناك عدة طرق للتعامل مع البيانات المفقودة:
- الحذف حسب الصف
- الحذف حسب العمود
- المتوسط الحسابي/الوسيط للأرقام
- إسناد الوضع للفئات
| طريقة الإسناد | نوع البيانات | وأوصت الاستخدام |
|---|---|---|
| حذف بالقائمة | كل الانواع | استخدم عندما تكون نسبة البيانات المفقودة أقل من 5%10 |
| يعني الإسناد | مستمر | مناسب للبيانات الموزعة بشكل طبيعي |
| وضع البتر | قاطع | يحافظ على الفئة الأكثر تكرارًا |
يُعدّ اختيار الطريقة المناسبة لتعويض البيانات المفقودة أمرًا معقدًا. لا توجد طريقة مثالية للتعامل مع البيانات المفقودة . من الأفضل اختبار طرق مختلفة لكل مجموعة بيانات.
باستخدام أساليب تنظيف البيانات القوية، يستطيع الباحثون تقليل التحيز. وهذا يجعل تحليلاتهم للتجارب السريرية أكثر موثوقية 8.
اتساق البيانات وتنسيقها
يُعدّ تنظيم البيانات أمرًا أساسيًا في تجهيز مجموعات بيانات التجارب السريرية للتحليل. من المهم توحيد تنسيقات البيانات والتعامل مع المتغيرات الفئوية بشكل جيد، مما يضمن جودة البحث العلمي . كما أن استخدام تقنيات المعالجة المسبقة المناسبة للبيانات يُمكن أن يجعل نتائج التجارب السريرية أكثر موثوقية وأسهل فهمًا.
توحيد تنسيقات البيانات
يمكن أن تؤدي أخطاء التنسيق إلى إفساد تحليل البيانات بشكل كبير، لا سيما مع أنواع البيانات المختلطة 11. تحتوي مكتبة Pandas الخاصة بلغة Python على أدوات رائعة لمعالجة هذه المشكلات:
- استعمل .astype() لتغيير أنواع البيانات باستمرار
- توظيف .to_datetime() لتوحيد تنسيقات التاريخ
- تطبيق .to_numeric() للحفاظ على اتساق الأرقام
يمكن إصلاح مشاكل تنسيق النصوص باستخدام طرق معالجة السلاسل النصية مثل .str.lower() و .str.replace() و .str.strip() 11. وباستخدام هذه الطرق ، يمكن للباحثين تسهيل معالجة البيانات وتقليل الأخطاء.
التعامل مع المتغيرات التصنيفية
تتطلب المتغيرات الفئوية عناية خاصة أثناء إعداد البيانات. يُعدّ ترميز One-hot طريقةً ممتازةً لتحويل البيانات الفئوية إلى صيغةٍ يمكن لخوارزميات التعلّم الآلي استخدامها . تُسهّل دالة get_dummies() في مكتبة Pandas هذه العملية من خلال إنشاء أعمدة ثنائية لكل فئة فريدة.
عند التعامل مع بيانات التجارب السريرية، يُعدّ الحفاظ على اتساق البيانات أمرًا بالغ الأهمية لتجنب نتائج التحليل الخاطئة. من المهم للباحثين توثيق خطوات تنظيف البيانات ومعرفة سياقها.
الكشف عن الحالات الخارجية وعلاجها
غالبًا ما تحتوي بيانات التجارب السريرية على قيم متطرفة قد تؤثر على النتائج. من الضروري فهم هذه القيم الشاذة وإدارتها لضمان جودة البيانات ودقة التحليل . تساعد أساليبنا التفصيلية لتنظيف البيانات في رصد هذه البيانات المعقدة والتعامل معها بكفاءة.
يمكن أن تؤثر القيم المتطرفة سلبًا على التحليل الإحصائي، مما يجعل نتائج البحث أقل موثوقية . فهي تؤثر على مقاييس مثل النزعة المركزية والانحراف المعياري . من الضروري للباحثين استخدام أساليب قوية لاكتشاف هذه المشكلات ومعالجتها.
تحديد القيم المتطرفة باستخدام بايثون
نقترح طريقتين رئيسيتين للعثور على القيم المتطرفة:
- طريقة Z-score: تجد القيم المتطرفة كنقاط بيانات أكثر من 3 انحرافات معيارية عن المتوسط15
- طريقة النطاق الربيعي (IQR): ترى القيم المتطرفة كنقط بيانات 1.5 مرة من النطاق الربيعي فوق Q3 أو أقل من Q114
تقنيات التعامل مع القيم المتطرفة
لدى الباحثين عدة طرق للتعامل مع القيم المتطرفة:
- تحديد الحد الأقصى بناءً على الكمية:استبدال القيم المتطرفة بقيم النسبة المئوية العاشرة والتسعين14
- استبدال المتوسط: تبديل القيم المتطرفة بمتوسط مجموعة البيانات14
- تقنيات التصور: تستخدم المخططات الصندوقية للتحقق من البيانات بعد المعالجة14
باستخدام أساليب تنظيف البيانات هذه، يمكن للباحثين تحسين جودة البيانات وجعل تحليلات التجارب السريرية الخاصة بهم أكثر موثوقية 15.
إنشاء تصورات بيانات جذابة
تحوّل تقنيات عرض البيانات معلومات التجارب المعقدة إلى رؤى واضحة 16. تستخدم طريقتنا تقنيات عرض قوية لمشاركة النتائج الرئيسية 17.
لقد تغيرت عملية تصوير البيانات في البحوث السريرية بشكل كبير. فهي تساعد الآن في إيجاد الأنماط والروابط في البيانات 16.
المكتبات الأساسية للتصور
يحتوي بايثون على مكتبات رائعة لتصور البيانات :
- Matplotlib: الأساسيات مكتبة التصور مع الكثير من الخيارات17
- Seaborn: ينشئ رسومات إحصائية جميلة16
- Plotly: إنشاء صور تفاعلية17
استراتيجيات بصرية فعالة
يتطلب التصور الجيد للبيانات خطةً ذكية. ينبغي على الباحثين:
- اختر أنواع الحبكة الصحيحة
- الحفاظ على البيانات واضحة
- يبقيه بسيط
| نوع متغير | التصور الموصى به |
|---|---|
| متغير مفرد تصنيفي | رسم بياني للعد |
| متغير واحد مستمر | الرسم البياني |
| المتغيرات المستمرة/المستمرة | مخطط مبعثر |
نصيحة احترافية : اختر أفضل طريقة لعرض بياناتك 16.
الاختبارات الإحصائية الرئيسية لتحليل التجارب السريرية
تتطلب إدارة البيانات السريرية تحليلاً إحصائياً دقيقاً لاستخلاص رؤى قيّمة منها. يستخدم الباحثون أساليب إحصائية قوية للتحقق من نتائجهم واتخاذ قرارات طبية هامة . ومن الضروري معرفة الاختبارات الإحصائية المناسبة للحصول على نتائج دقيقة للتجارب السريرية.

يُعدّ النمذجة الإحصائية أمراً بالغ الأهمية لتحليل البيانات المعقدة والتنبؤ بها . وفي التجارب السريرية، يُعدّ اختيار الاختبار الإحصائي المناسب أمراً حيوياً للوصول إلى استنتاجات موثوقة. كما تُعدّ تقنيات تحليل البيانات ضرورية للباحثين.
اختيار الاختبار الإحصائي المناسب
عند تحليل البيانات في الأبحاث السريرية، هناك عدة عوامل مهمة:
- تفاصيل سؤال البحث
- توزيع البيانات
- حجم العينة
- أنواع المتغيرات
| الاختبار الإحصائي | الحلول المقترحة | دالة بايثون |
|---|---|---|
| اختبار t لعينة واحدة | مقارنة متوسط العينة بمتوسط السكان | scipy.stats.ttest_1samp() |
| اختبار t لعينتين | مقارنة المتوسطات بين مجموعتين | scipy.stats.ttest_ind() |
| ANOVA | مقارنة المتوسطات عبر مجموعات متعددة | scipy.stats.f_oneway() |
فهم افتراضات الاختبار
يجب على الباحثين التحقق من صحة افتراضات الاختبار إحصائيًا. غالبًا ما يُستخدم مستوى الدلالة 0.05 لاختبار الفرضيات . تشير قيمة p الأقل من 0.05 إلى رفض الفرضية الصفرية، مما يدل على وجود دليل قوي على الدلالة.
توفر مكتبات بايثون مثل scipy و statsmodels أدوات لإجراء اختبارات إحصائية متقدمة في إدارة البيانات السريرية 18. تساعد هذه الأدوات الباحثين على إجراء تحليلات معقدة بكفاءة ودقة أكبر.
استكشاف الأخطاء وإصلاحها للمشاكل الشائعة
يواجه الباحثون تحديات كبيرة عند التعامل مع بيانات التجارب السريرية. فهم بحاجة إلى حل مشكلات معقدة لضمان موثوقية تحليل البيانات . ونحن نساعدهم في معالجة المشكلات التقنية الشائعة التي تظهر أثناء تنظيف البيانات وإعدادها.
تُعدّ مشاكل دمج جداول البيانات وعدم تطابق أنواع البيانات من أبرز التحديات في البحوث السريرية. لذا، يجب على العلماء إيجاد حلول فعّالة للتعامل مع مشاكل البيانات غير المتوقعة . نقترح استخدام عمليات تدقيق تفصيلية للتحقق من صحة البيانات واكتشاف الأخطاء مبكرًا وتجنب نتائج التحليل غير الدقيقة.
يُعدّ التعامل مع مجموعات البيانات السريرية الضخمة تحديًا كبيرًا آخر. يمكن للباحثين تجنّب الأخطاء باستخدام مكتبات بايثون الذكية وكتابة التعليمات البرمجية بذكاء . فمن خلال تقسيم مجموعات البيانات الكبيرة، واستخدام الذاكرة بكفاءة، واختيار أنواع البيانات المناسبة، يُمكنهم جعل مسارات معالجة البيانات أكثر موثوقية.
يتطلب إصلاح أخطاء بايثون دراسة متأنية ومعرفة كيفية تغير البيانات. بفضل خطة فعّالة لحل المشكلات، يستطيع الباحثون حل المشكلات التي قد تعيق أبحاثًا مهمة بسرعة . يساعد دليلنا علماء البيانات على التعامل مع المشكلات الحسابية المعقدة بثقة.
الأسئلة الشائعة
ما هي التحديات الأكثر أهمية في تنظيف بيانات التجارب السريرية؟
يُعدّ التعامل مع القيم المفقودة وضمان اتساق البيانات من التحديات الرئيسية. كما يُعدّ اكتشاف القيم الشاذة وإدارتها، وتوحيد صيغ البيانات، والحفاظ على سلامتها، من الأمور الأساسية. يجب على الباحثين معالجة هذه القضايا لضمان دقة تحليل نتائج التجارب السريرية.
لماذا يعتبر Python Pandas ضروريًا لتنظيف بيانات التجارب السريرية؟
يقدم باندا أدوات فعّالة لمعالجة البيانات. فهو يساعد على معالجة القيم المفقودة، وتحويل أنواع البيانات، واكتشاف القيم الشاذة، واستكشاف البيانات بشكل شامل. كما يُسهّل تعدد استخداماته تنظيف البيانات المعقدة، مما يُقلل الوقت والأخطاء في إدارة بيانات التجارب السريرية.
كيف يمكنني تحديد البيانات المفقودة في مجموعة بيانات التجارب السريرية الخاصة بي؟
استخدم دالة isnull() في Pandas للعثور على القيم المفقودة. ثم احذف الصفوف أو الأعمدة التي تحتوي على بيانات مفقودة باستخدام dropna(). فكّر في استخدام المتوسط الحسابي أو الوسيط أو استبدال المنوال للإسناد للحفاظ على اكتمال مجموعة البيانات.
ما هي أفضل الممارسات للتعامل مع القيم المتطرفة في البيانات السريرية؟
استخدم الدرجات المعيارية والمدى الربيعي (IQR) للكشف عن القيم المتطرفة. اختر من بين استراتيجيات الإزالة، أو التحويل، أو الحد الأقصى بناءً على السياق وتأثير التحليل. ضع دائمًا الأهمية العلمية للقيم المتطرفة في الاعتبار قبل إجراء أي تعديلات.
ما هي مكتبات Python الأكثر فائدة لتصور بيانات التجارب السريرية؟
يُعدّ Matplotlib وSeaborn من أفضل الخيارات للتصورات. فهما يوفران أدوات لإنشاء مخططات التشتت، ومخططات الصناديق، والمدرجات التكرارية، وغيرها. تساعد هذه التصورات الباحثين على فهم توزيعات البيانات المعقدة وعلاقاتها.
كيف يمكنني ضمان اتساق البيانات عبر متغيرات التجارب السريرية المختلفة؟
استخدم دالة astype() في Pandas لتحويل أنواع البيانات بشكل متسق. استخدم دالة get_dummies() للمتغيرات الفئوية. طبّق تنسيقًا موحدًا لإعداد المتغيرات للتحليل وخوارزميات التعلم الآلي.
ما هي الاختبارات الإحصائية الأكثر ملاءمة لتحليل بيانات التجارب السريرية؟
تشمل الاختبارات الشائعة اختبارات t لمقارنة المتوسطات، وتحليل التباين (ANOVA) للمقارنات المتعددة، وتحليل الانحدار لعلاقات المتغيرات. يعتمد الاختيار على سؤال البحث، وتوزيع البيانات، وافتراضات الاختبار الإحصائي.
كيف يمكنني استكشاف مشكلات تنظيف البيانات الشائعة في Python وإصلاحها؟
عالج تعارضات الدمج بالتحقق من محاذاة المفاتيح. حلّ تناقضات أنواع البيانات من خلال التحويل. استخدم تصحيح الأخطاء لمشاكل الذاكرة أو قيم NaN. طوّر نهجًا منهجيًا لتحديد تحديات خط أنابيب البيانات وحلها.
ما هي الاعتبارات الرئيسية للحفاظ على سلامة البيانات أثناء التنظيف؟
احتفظ بتوثيق مفصل لخطوات التنظيف. استخدم شيفرة قابلة للتكرار وتحقق من صحة التحويلات. ضع دائمًا في اعتبارك تأثير تعديلات البيانات على التحليل. احتفظ بمجموعة البيانات الأصلية وأنشئ نسخة منقحة للتحليل.
كم من الوقت تستغرق عملية تنظيف بيانات التجارب السريرية النموذجية؟
يختلف الوقت باختلاف تعقيد مجموعة البيانات. يمكن لتقنيات Python Pandas الفعّالة تقليل وقت التنظيف بنسبة تصل إلى 50%. قد تستغرق العملية من بضع ساعات إلى عدة أيام لمجموعات البيانات الكبيرة.
روابط المصدر
- https://kili-technology.com/data-labeling/machine-learning/cleaning-your-dataset-in-python-an-introduction
- https://moldstud.com/articles/p-exploring-the-essentials-of-clinical-data-management-using-python-a-complete-resource-for-researchers
- https://guides.library.stonybrook.edu/data-cleaning-and-wrangling/wrangling
- https://ourcodingclub.github.io/tutorials/pandas-python-intro/
- https://www.geeksforgeeks.org/medical-analysis-using-python-revolutionizing-healthcare-with-data-science/
- https://medium.com/@ugursavci/complete-exploratory-data-analysis-using-python-9f685d67d1e4
- https://www.geeksforgeeks.org/quick-guide-to-exploratory-data-analysis-using-jupyter-notebook/
- https://spotintelligence.com/2024/10/18/handling-missing-data-in-machine-learning/
- https://towardsdatascience.com/increase-productivity-data-cleaning-using-python-and-pandas-5e369f898012/
- https://www.analyticsvidhya.com/blog/2021/10/guide-to-deal-with-missing-values/
- https://www.linkedin.com/advice/0/how-can-you-handle-inconsistent-data-python-using-pukaf
- https://talent500.com/blog/data-preprocessing/
- https://realpython.com/python-for-data-analysis/
- https://www.analyticsvidhya.com/blog/2021/05/detecting-and-treating-outliers-treating-the-odd-one-out/
- https://www.analyticsvidhya.com/blog/2021/05/feature-engineering-how-to-detect-and-remove-outliers-with-python-code/
- https://pmc.ncbi.nlm.nih.gov/articles/PMC10728683/
- https://medium.com/@jinalg.tagline/mastering-data-visualization-in-python-a-comprehensive-guide-0164a8b61493
- https://www.qodo.ai/blog/statistical-modeling-with-python-how-to-top-libraries/
- https://phuse.s3.eu-central-1.amazonaws.com/Archive/2024/Connect/EU/Strasbourg/PAP_AD07.pdf
- https://medium.com/tomtalkspython/statistical-analysis-using-scipy-6db9fa891903
- https://www.osedea.com/insight/data-cleaning-with-python
- https://builtin.com/data-science/data-wrangling-pandas
