نُشر في | آخر تحديث في

يواجه كل باحث تحدي التعامل مع البيانات الصحية المعقدة. وجدت الدكتورة إميلي رودريغيز، خبيرة الصحة العامة، نفسها غارقة في دراسة استقصائية على مستوى البلاد. فاكتشفت برنامج Stata، الذي غيّر نهجها في معالجة البيانات وإدارتها.

9 أوامر أساسية في برنامج Stata لتحويل بيانات الصحة السكانية الفوضوية إلى ذهب

ملاحظة مختصرة | 9 أوامر أساسية في برنامج Stata لتحويل بيانات الصحة السكانية غير الدقيقة إلى بيانات ذهبية

ستاتا – برنامج إحصائي كامل

حقوق الصورة: شركة ستاتا كورب ذ.م.م.

البعدمعلومات مهمة
تعريف تُشكّل هذه المجموعة من أوامر Stata الأساسية التسعة سير عمل مُمنهجًا لتحويل مجموعات بيانات الصحة السكانية الخام والمُعقدة إلى هياكل بيانات جاهزة للتحليل. تُمثل هذه الأوامر إطارًا شاملًا لإدارة البيانات يُعالج التحديات الشائعة في بيانات الصحة السكانية، بما في ذلك تصاميم المسوحات المُعقدة، والهياكل الهرمية المُتداخلة، والقيم المفقودة، والحاجة إلى مقاييس وبائية مُوحدة. تُمكّن هذه الأوامر الباحثين من تنقية بيانات الصحة السكانية وإعادة هيكلتها وتحليلها وتصورها بكفاءة، مع الحفاظ على صحتها الإحصائية ودقتها الوبائية. صُممت هذه الأوامر خصيصًا للتعامل مع الخصائص الفريدة لبيانات الصحة السكانية، بما في ذلك أخذ العينات التمثيلية، والملاحظات المُجمّعة، والمتغيرات المُصاحبة المُتغيرة بمرور الوقت، والحاجة إلى إنشاء مقاييس مُوحدة مثل المعدلات المُعدّلة حسب العمر، ونسب المخاطر، والكسور السكانية المُعزاة.
مؤسسة رياضية تتضمن الأسس الرياضية لأوامر Stata هذه ما يلي:

1. تحليل بيانات المسح: استنادًا إلى مقدرات هورفيتز-ثومبسون للتحليلات المرجحة:
\[ \hat{\theta} = \frac{1}{N} \sum_{i=1}^{n} \frac{y_i}{\pi_i} \]
حيث \(y_i\) هي النتيجة للوحدة \(i\)، و\(\pi_i\) هي احتمالية الاختيار، وتقدير التباين يأخذ في الاعتبار التجميع:
\[ \text{Var}(\hat{\theta}) = \sum_{h=1}^{H} \frac{n_h}{n_h-1} \sum_{i=1}^{n_h} (z_{hi} – \bar{z}_h)^2 \]
حيث يشير \(h\) إلى الطبقات، و\(n_h\) هو عدد وحدات PSU في الطبقة \(h\)، و\(z_{hi}\) هي إجمالي وحدات PSU.

2. الإسناد المتعدد: استناداً إلى قواعد روبين لدمج التقديرات:
\[ \bar{Q} = \frac{1}{m} \sum_{j=1}^{m} \hat{Q}_j \]
\[ T = \bar{U} + (1 + \frac{1}{m})B \]
حيث \(\bar{Q}\) هو التقدير المجمع، و\(\hat{Q}_j\) هو التقدير من الإسناد \(j\)، و\(\bar{U}\) هو متوسط ​​التباين داخل الإسناد، و\(B\) هو التباين بين الإسناد.

3. مطابقة درجة الميل: بناءً على الاحتمالية الشرطية للعلاج:
\[ e(X) = P(Z=1 | X) \]
حيث \(Z\) هو مؤشر المعالجة و\(X\) هو متجه المتغير المشترك، حيث تعمل المطابقة عادةً على تقليل المسافة:
\[ d(i,j) = |e(X_i) – e(X_j)| \]
بين الوحدة المعالجة \(i\) ووحدة التحكم \(j\).

4. النمذجة متعددة المستويات: بالنسبة لهياكل البيانات المتداخلة:
\[ y_{ij} = \beta_0 + \beta_1 x_{ij} + u_j + \epsilon_{ij} \]
حيث \(y_{ij}\) هي النتيجة للفرد \(i\) في المجموعة \(j\)، و\(u_j \sim N(0, \sigma_u^2)\) هو التأثير العشوائي على مستوى المجموعة، و\(\epsilon_{ij} \sim N(0, \sigma_\epsilon^2)\) هو الخطأ على مستوى الفرد.

5. التدابير الوبائية: بما في ذلك الأسعار الموحدة:
\[ \text{DSR} = \frac{\sum_i w_i r_i}{\sum_i w_i} \]
حيث \(r_i\) هو المعدل العمري و\(w_i\) هو الوزن القياسي للسكان؛ والكسور القابلة للإسناد:
\[ \text{PAF} = \frac{p(RR-1)}{1+p(RR-1)} \]
حيث \(p\) هو معدل انتشار التعرض و \(RR\) هو الخطر النسبي.
الافتراضات
  • تتبع بيانات صحة السكان تصميم أخذ عينات معروفًا مع وحدات أخذ عينات أولية قابلة للتحديد (PSUs)، وطبقات، وأوزان أخذ عينات تعكس بدقة احتمالات الاختيار وتعديلات عدم الاستجابة
  • يمكن تصنيف آليات البيانات المفقودة بشكل معقول على أنها مفقودة تمامًا عشوائيًا (MCAR) أو مفقودة عشوائيًا (MAR) للتطبيق الصحيح لتقنيات الاستناد المتعددة؛ تتطلب سيناريوهات البيانات المفقودة غير العشوائية (MNAR) تحليلات حساسية إضافية
  • بالنسبة لأوامر الاستدلال السببي، يجب أن يكون افتراض التبادل الشرطي (لا يوجد تداخل غير مقاس) صحيحًا، مما يتطلب قياس جميع المتغيرات التي تؤثر على كل من تعيين العلاج والنتيجة وإدراجها في التحليل
  • يتم تحديد هياكل البيانات الهرمية بشكل صحيح مع تحديد مستويات التعشيش المناسبة (على سبيل المثال، الأفراد داخل الأسر داخل الأحياء داخل المناطق) لمراعاة التجميع في تقدير التباين بشكل صحيح
  • يتم قياس التعرضات المتغيرة مع الوقت والعوامل المربكة بتردد كافٍ لالتقاط التغييرات ذات الصلة، ويتم تحديد الترتيب الزمني للمتغيرات المؤثرة على التعرض والعوامل المربكة والنتيجة بشكل صحيح للتحليلات الطولية
تطبيق الأمر 1: svyset – إعلان تصميم المسح المعقد

* Declare complex survey design with primary sampling units, strata, and weights svyset psu [pweight=finalwgt], strata(strata) vce(linearized) singleunit(centered)* For multi-stage sampling with probability proportional to size svyset county [pweight=countyweight], strata(region) || household, weight(hhweight) || individual, weight(indweight)* Check survey settings svydescribe* Basic survey statistics with proper variance estimation svy: mean bloodpressure diabetes bmi svy: tabulate smoking_status diabetes, row ci

الأمر 2: mi – الإسناد المتعدد للبيانات المفقودة

* Register variables for imputation mi set wide mi register imputed bmi income education physical_activity mi register regular age sex race ethnicity* Examine patterns of missingness mi misstable patterns mi misstable summarize* Perform multiple imputation with chained equations (20 imputations) mi impute chained (regress) bmi (ologit) education (pmm, knn(5)) income (logit) physical_activity = age i.sex i.race i.ethnicity diabetes, add(20) rseed(12345)* Analyze imputed data with survey design mi svyset psu [pweight=finalwgt], strata(strata) mi estimate, dots: svy: logistic diabetes bmi i.education i.income physical_activity age i.sex i.race* Check imputation quality mi xeq 0: summarize bmi income education physical_activity mi xeq 1/5: summarize bmi income education physical_activity

الأمر 3: إعادة التشكيل - إعادة هيكلة البيانات الطولية

* Convert from wide to long format for longitudinal analysis * Wide format: each row is a person, columns for each timepoint (bmi_2010, bmi_2015, etc.) reshape long bmi_ bp_ diabetes_, i(person_id) j(year) rename bmi_ bmi rename bp_ blood_pressure rename diabetes_ diabetes* Add time-varying covariates merge 1:1 person_id year using policy_data, keep(match master) nogen* Convert back to wide format if needed reshape wide bmi blood_pressure diabetes, i(person_id) j(year)* Create balanced panel (only complete cases) egen count_years = count(bmi), by(person_id) keep if count_years == 4 // Keep only if data for all 4 years

الأمر 4: التأثيرات - تأثيرات العلاج والاستدلال السببي

* Propensity score matching for treatment effect estimation teffects psmatch (bmi) (treatment age i.sex i.race i.education income), atet nn(3)* Inverse probability weighting teffects ipw (bmi) (treatment age i.sex i.race i.education income), atet* Regression adjustment teffects ra (bmi age i.sex i.race i.education income) (treatment), atet* Doubly-robust method: augmented IPW teffects aipw (bmi age i.sex i.race i.education income) (treatment age i.sex i.race i.education income), atet* Check balance after matching tebalance summarize tebalance density education

الأمر 5: مختلط – النمذجة متعددة المستويات للبيانات المتداخلة

* Two-level random intercept model (individuals nested within neighborhoods) mixed bmi age i.sex i.education income || neighborhood_id:, reml* Three-level random intercept model (individuals within neighborhoods within counties) mixed bmi age i.sex i.education income || county_id: || neighborhood_id:, reml* Random slope model (allowing effect of income to vary by neighborhood) mixed bmi age i.sex i.education income || neighborhood_id: income, reml cov(un)* Calculate intraclass correlation coefficient estat icc* Predict random effects predict re*, reffects predict se*, reses* Calculate neighborhood-level predicted means with confidence intervals margins neighborhood_id, at(age=45 sex=1 education=2 income=50000) vsquish

الأمر 6: الهوامش - تنبؤات ما بعد التقدير والتأثيرات الهامشية

* Fit logistic regression model for diabetes svy: logistic diabetes c.age i.sex c.bmi##c.bmi i.race i.education c.income* Calculate average marginal effects margins, dydx(*)* Calculate predicted probabilities across BMI values margins, at(bmi=(18(2)40))* Calculate predicted probabilities by sex and race margins sex#race* Calculate average adjusted predictions for interaction margins, at(bmi=(20 25 30 35) sex=(0 1))* Visualize predictions marginsplot, recast(line) recastci(rarea) title("Predicted Probability of Diabetes") marginsplot, noci by(sex) title("Predicted Probability of Diabetes by Sex")

الأمر 7: ssc install epidist – التدابير الوبائية

* Install epidemiological extensions ssc install distrate ssc install punaf* Calculate age-standardized rates distrate cases pop using "standard_population.dta", stand(pop) by(region) format(%8.2f)* Calculate population attributable fraction punaf, covar(smoking_status) adjust(age sex education) rr* Calculate years of potential life lost (YPLL) gen ypll = 75 - age if death == 1 & age < 75 replace ypll = 0 if ypll < 0 svy: total ypll svy: mean ypll, over(cause_of_death)* Calculate disability-adjusted life years (DALYs) gen daly = yll + yld svy: total daly, over(disease)

الأمر 8: putexcel - إنشاء جدول تلقائي

* Create Excel file for results putexcel set "population_health_results.xlsx", replace* Add header row with formatting putexcel A1="Characteristic" B1="Prevalence (%)" C1="95% CI" D1="p-value", bold* Run analysis and export results directly local row = 2 foreach var of varlist hypertension diabetes obesity smoking { svy: mean `var' matrix results = r(table) local mean = results[1,1]*100 local lb = results[5,1]*100 local ub = results[6,1]*100 putexcel A`row'="`var'" B`row'=`mean', nformat("0.0") putexcel C`row'="(`lb', `ub')", nformat("0.0") local row = `row' + 1 }* Add regression results svy: logistic diabetes i.age_group i.sex i.race i.education putexcel A10="Risk factors for diabetes" B10="Odds Ratio" C10="95% CI" D10="p-value", bold* Extract and format regression results matrix results = r(table) local row = 11 foreach var in 2.age_group 3.age_group 4.age_group 2.sex 2.race 3.race 2.education 3.education { local i = colnumb(results, "`var'") local or = results[1,`i'] local lb = results[5,`i'] local ub = results[6,`i'] local p = results[4,`i'] putexcel A`row'="`var'" B`row'=`or', nformat("0.00") putexcel C`row'="(`lb', `ub')", nformat("0.00") putexcel D`row'=`p', nformat("0.000") local row = `row' + 1 }

الأمر 9: grstyle - تصورات بجودة النشر

* Install and set up visualization package ssc install grstyle ssc install palettes ssc install colrspace grstyle init grstyle set imesh, horizontal compact grstyle set color tableau* Create forest plot of risk factors coefplot, drop(_cons) xline(1) eform xtitle("Odds Ratio") /// coeflabels(2.age_group="45-64 years" 3.age_group="65+ years" /// 2.sex="Female" 2.race="Black" 3.race="Hispanic" /// 2.education="High school" 3.education="College") /// title("Risk Factors for Diabetes") subtitle("Adjusted Odds Ratios with 95% CI")* Create trend analysis with multiple groups preserve collapse (mean) diabetes [pweight=finalwgt], by(year sex) twoway (connected diabetes year if sex==1, lpattern(solid)) /// (connected diabetes year if sex==2, lpattern(dash)), /// by(race, note("")) ylabel(0(5)25) /// ytitle("Diabetes Prevalence (%)") xtitle("Year") /// legend(order(1 "Male" 2 "Female")) /// title("Diabetes Trends by Sex and Race") restore* Create map visualization spmap diabetes using "state_coordinates.dta", id(state_fips) /// clmethod(custom) clbreaks(5 10 15 20 25) /// title("Diabetes Prevalence by State") /// legend(title("Prevalence (%)") position(5))* Create standardized epidemiological pyramid pyramid age_count if sex==1, half(lower) percent(age_group) /// addplot(pyramid age_count if sex==2, half(upper) percent(age_group)) /// title("Population Age Structure") /// legend(order(1 "Male" 2 "Female"))
التفسير عند تفسير النتائج من أوامر Stata هذه لبيانات صحة السكان:

تقديرات مرجحة بالمسح: يُرجى دائمًا الإبلاغ عن تقديرات النقاط مع أخطاء معيارية أو فترات ثقة مبنية على التصميم (على سبيل المثال، "بلغ معدل انتشار داء السكري المُعدَّل حسب العمر 10.2% (95% فاصل ثقة: 9.7-10.7%)"). يجب الإبلاغ عن تأثيرات التصميم (DEFF) للإشارة إلى مدى تضخم التباين الناتج عن التصميم المعقد مقارنةً بالعينة العشوائية البسيطة (على سبيل المثال، "DEFF=2.3، مما يشير إلى تأثيرات تجميعية كبيرة").

نتائج الإسناد المتعددة: اذكر عدد الافتراضات، ونسبة المعلومات المفقودة (FMI)، والكفاءة النسبية (RE) إلى جانب التقديرات المجمعة (على سبيل المثال، "بناءً على 20 افتراضًا (الكفاءة النسبية = 98.7%)، كانت نسبة الأرجحية المعدلة 1.42 (فاصل ثقة 95%: 1.28-1.57)"). أجرِ تحليلات حساسية لمقارنة تحليل الحالة الكاملة بالنتائج المُفترضة لتقييم مدى متانتها.

آثار العلاج: التمييز بوضوح بين متوسط ​​تأثيرات العلاج (ATE) ومتوسط ​​تأثيرات العلاج بين المُعالجين (ATET)، والإبلاغ عن تشخيصات متوازنة لأساليب درجات الميل (مثل: "بعد المطابقة، كانت الفروق المعيارية لجميع المتغيرات المصاحبة أقل من 0.1، مما يشير إلى توازن جيد"). بالنسبة للأساليب ذات القوة المزدوجة، يُرجى الإبلاغ عن النتائج من مواصفات متعددة لإثبات الاتساق.

نماذج متعددة المستويات: أبلغ عن مكونات التباين ومعاملات الارتباط داخل الفئة لتحديد كمية التجمعات (على سبيل المثال، "بلغت قيمة ICC 0.15، مما يشير إلى أن 15% من إجمالي التباين في مؤشر كتلة الجسم يُعزى إلى عوامل على مستوى الحي"). بالنسبة للمنحدرات العشوائية، فسّر معاملات التباين لتحديد ما إذا كانت التأثيرات تختلف بشكل منهجي عبر المجموعات.

التأثيرات الهامشية: التمييز بين التأثيرات الهامشية المتوسطة (AME) والتأثيرات الهامشية عند المتوسطات (MEM)، وتفسيرها من حيث التغيرات المطلقة للنتائج المستمرة أو تغيرات الاحتمالية للنتائج الثنائية (على سبيل المثال، "كان كل عام إضافي من العمر مرتبطًا بزيادة قدرها 0.3 نقطة مئوية (95% CI: 0.2-0.4) في احتمال الإصابة بارتفاع ضغط الدم").

التدابير الوبائية: بالنسبة للمعدلات المعيارية، يُرجى تحديد الفئة السكانية المعيارية المستخدمة بوضوح (مثال: "باستخدام عدد السكان المعياري في الولايات المتحدة لعام 2000، بلغ معدل الوفيات المعياري حسب العمر 423.7 لكل 100,000 شخص/سنة"). بالنسبة للكسور السكانية المنسوبة، يُرجى تفسيرها على أنها نسبة عبء المرض التي يُمكن نظريًا القضاء عليها إذا تم إيقاف التعرض (مثال: "تُقدر نسبة حالات سرطان الرئة المُعزاة إلى التدخين بـ 21.4% (95% فاصل ثقة: 18.9-23.8%)").

التصورات: تأكد من تمثيل فترات الثقة أو الأخطاء المعيارية بصريًا، وأن المحاور مُقاسة بشكل مناسب لتجنب التشوهات البصرية. بالنسبة للتصورات الجغرافية، استخدم أساليب تصنيف مناسبة ووثّقها بوضوح في الأساطير.
تطبيقات مشتركة
  • البحث في التفاوتات الصحية: تحليل الفوارق الاجتماعية والاقتصادية والعرقية/الإثنية في انتشار المرض باستخدام نماذج متعددة المستويات مرجحة بالمسح؛ وتحليل الفوارق إلى عوامل تركيبية وسياقية؛ وتوليد مقاييس موحدة لمقارنة النتائج الصحية عبر الفئات الفرعية السكانية مع مراعاة الهياكل السكانية المختلفة
  • تقييم السياسات: تقييم تأثير السياسات الصحية أو التدخلات أو التجارب الطبيعية باستخدام تصميمات الاختلاف في الاختلافات مع مطابقة درجة الميل؛ وتقييم آثار السياسات على مستوى الدولة على النتائج الصحية مع مراعاة الارتباط الذاتي المكاني؛ وتقدير تأثيرات التدخلات المستهدفة على مستوى السكان
  • مراقبة المرض: إنشاء تقديرات لمدى انتشار المرض في مناطق صغيرة باستخدام الانحدار متعدد المستويات مع التقسيم الطبقي اللاحق؛ وتتبع الاتجاهات الزمنية في معدلات الإصابة أو الوفيات المعيارية حسب العمر؛ وتحديد التجمعات الجغرافية للأمراض باستخدام الإحصاءات المكانية؛ وإنشاء أنظمة إنذار مبكر لتفشي الأمراض
  • تحليل عامل الخطر: تقدير نسب السكان المنسوبة لعوامل الخطر القابلة للتعديل؛ تحليل التأثيرات المشتركة لعوامل الخطر المتعددة على نتائج المرض؛ نمذجة علاقات الاستجابة للجرعة بين التعرضات والنتائج الصحية؛ تقييم مسارات الوساطة بين المحددات الاجتماعية والصحة
  • بحوث الخدمات الصحية: تقييم أنماط استخدام الرعاية الصحية مع مراعاة هياكل البيانات المتداخلة (المرضى داخل مقدمي الخدمات داخل أنظمة الرعاية الصحية)؛ تحليل التباين الجغرافي في مقاييس جودة الرعاية الصحية؛ قياس تأثير التدخلات على مستوى مقدمي الخدمات على نتائج المرضى باستخدام نماذج هرمية
القيود والبدائل
  • قد تكون إدارة الذاكرة في Stata محدودةً في مجموعات البيانات السكانية الضخمة للغاية التي تحتوي على ملايين الملاحظات أو آلاف المتغيرات. البديل: استخدم R مع حزمة data.table لمعالجة الذاكرة بكفاءة أكبر، أو استخدم Python مع pandas و dask لإجراء عمليات حسابية خارج الذاكرة، خاصةً عند العمل مع سجلات صحية إلكترونية واسعة النطاق أو قواعد بيانات المطالبات.
  • يُعد تطبيق بعض أساليب الاستدلال السببي المتقدمة، وخاصةً للمعالجات المتغيرة زمنيًا وتحليل الوساطة باستخدام وسطاء متعددين، محدودًا في برنامج Stata مقارنةً بالحزم المتخصصة. البديل: استخدم حزم R مثل mediation أو gfoRmula أو tmle لحساب g، وتقدير أقصى احتمال مستهدف، وغيرها من أساليب الاستدلال السببي المتقدمة.
  • على الرغم من تحسّن قدرات التصور في برنامج Stata، إلا أنها لا تزال أقل مرونة من أدوات التصور المخصصة لإنشاء تصورات معقدة أو تفاعلية أو عبر الإنترنت لبيانات صحة السكان. كبديل: استخدم R مع ggplot2 وshinh للتصورات التفاعلية، أو Python مع matplotlib وseaborn وplotly للتصور المتقدم للبيانات، وخاصةً للبيانات الجغرافية المكانية أو لوحات المعلومات التفاعلية.
  • يُعد تطبيق Stata لخوارزميات التعلم الآلي لنمذجة التنبؤ محدودًا مقارنةً بالمنصات المتخصصة. البديل: استخدم Python مع scikit-learn أو TensorFlow أو PyTorch لتطوير نماذج التعلم الآلي للتنبؤ بنتائج صحة السكان، خاصةً عند التعامل مع بيانات متعددة الأبعاد أو عند استخدام أساليب التعلم العميق.
معايير إعداد التقارير عند إعداد التقارير التحليلية باستخدام أوامر Stata هذه في المنشورات الأكاديمية:

• اتبع إرشادات STROBE (تعزيز الإبلاغ عن الدراسات الرصدية في علم الأوبئة) للدراسات الرصدية، مع الاهتمام بشكل خاص بالعناصر المتعلقة بتصميم الدراسة والأساليب الإحصائية والتعامل مع المتغيرات الكمية

• بالنسبة لتحليلات بيانات المسح، قم بوصف تصميم المسح المعقد بوضوح، بما في ذلك إطار العينة، والتقسيم الطبقي، والتجميع، وإجراءات الترجيح، وفقًا للتوصيات الواردة في بيان GATHER (المبادئ التوجيهية لإعداد تقارير دقيقة وشفافة عن تقديرات الصحة)

• عند استخدام الإسناد المتعدد، يجب الالتزام بالمبادئ التوجيهية الواردة في إطار عمل MICE (الإسناد المتعدد بالمعادلات المتسلسلة)، والإبلاغ عن نموذج الإسناد، وعدد الإسنادات، وتشخيصات التقارب، وتحليلات الحساسية التي تقارن النتائج المنسوبة بتحليل الحالة الكاملة

• بالنسبة لتحليلات الاستدلال السببي، اتبع التوصيات الواردة في مبادرة STRATOS (تعزيز التفكير التحليلي للدراسات الرصدية)، مع بيان الافتراضات السببية بوضوح، وتقديم تشخيصات التوازن، وإجراء تحليلات الحساسية للعوامل المربكة غير المقاسة

• بالنسبة للنماذج متعددة المستويات، قم بالإبلاغ عن تقديرات التأثيرات الثابتة والعشوائية، ومكونات التباين، ومعاملات الارتباط داخل الفئة، باتباع التوصيات الواردة في ملحق CONSORT-CLUSTER للتجارب العشوائية العنقودية أو ما يعادلها للدراسات متعددة المستويات الرصدية

• عند الإبلاغ عن مقاييس موحدة مثل المعدلات المعدلة حسب العمر، حدد بوضوح السكان القياسيين المستخدمين، وطريقة التوحيد القياسي (مباشرة أو غير مباشرة)، وقدم تقديرات أولية وموحدة للشفافية.

• تضمين مقاييس الدقة المناسبة (الأخطاء المعيارية، فترات الثقة) المحسوبة باستخدام الأساليب التي تأخذ في الاعتبار ميزات التصميم المعقدة للبيانات، والإبلاغ عن الطريقة المستخدمة لتقدير التباين (على سبيل المثال، الخطية، والتمهيد، والسكين الجاكنايف)

• لتصور النتائج، اتبع التوصيات الواردة في إرشادات شبكة EQUATOR (تعزيز الجودة والشفافية في البحوث الصحية) لأنواع الدراسات المحددة، مع التأكد من أن العروض الرسومية تمثل البيانات الأساسية وعدم اليقين بدقة

• تقديم تفاصيل كافية حول إجراءات إدارة البيانات وتحليلها لتمكين إمكانية إعادة الإنتاج، ومن الأفضل من خلال مشاركة كود التحليل في مستودعات عامة أو كمواد تكميلية، مع التوثيق المناسب

خدمات الخبراء

هل تحتاج إلى مساعدة في التحليل الإحصائي الخاص بك؟
جميع المعلومات المقدمة هي لأغراض تعليمية. في حين أننا نسعى جاهدين للدقة، في حال وجود أي أخطاء أو عدم دقة، يُرجى التواصل معنا. co*****@*******se.comللحصول على استشارة إحصائية احترافية أو دعم للمخطوطة، تفضل بزيارة www.editverse.comتم تحديث هذا المحتوى آخر مرة في 29 مارس 2025.

تم تقديم برنامج Stata لأول مرة في يناير 1985. بدأ كأداة للحسابات الأساسية والإحصاءات الموجزة 1. واليوم، أصبح أداة رئيسية للعديد من الباحثين في مجالات مثل علم الأوبئة والصحة العامة 1.

تطور البرنامج ليواكب احتياجات تحليل البيانات. صُمم في الأصل لأجهزة الكمبيوتر ذات الذاكرة المحدودة، باستخدام لغة البرمجة C. والآن، يمكن للباحثين استخدام موارد مثل البرنامج التعليمي لمجموعة بيانات NHANES لتحسين مهاراتهم في تنظيف البيانات.

الوجبات السريعة الرئيسية

  • توفر Stata أدوات قوية لتحويل مجموعات البيانات الصحية المعقدة
  • تم تطوير هذا البرنامج في عام 1985، وقد أحدث ثورة في التحليل الإحصائي
  • ضروري للباحثين في مختلف التخصصات العلمية
  • يدعم تقنيات تنظيف وإدارة البيانات المتقدمة
  • تمكين المزيد من الكفاءة على الصعيد الوطني تحليل بيانات المسح

فهم بيانات صحة السكان

تُعد بيانات صحة السكان أساسية لفهم الرعاية الصحية. يتعمق بحثنا في البرمجة الإحصائية وجودة البيانات، مما يساعدنا على رؤية الصحة العامة بوضوح.

يستخدم الباحثون بيانات مفصلة لاكتشاف الاتجاهات الصحية المهمة. ويُعدّ المسح الوطني للمقابلات الصحية مثالاً رائعاً على ذلك، إذ يجمع معلومات صحية من العديد من الأشخاص.

تعريف بيانات صحة السكان

تتضمن بيانات صحة السكان معلومات إحصائية غزيرة، مستمدة من المسوحات والأبحاث. تُقدم لنا هذه البيانات رؤىً أساسية حول:

  • الخصائص الصحية الديموغرافية
  • انتشار المرض
  • أنماط الوصول إلى الرعاية الصحية
  • المحددات الصحية الاجتماعية والاقتصادية

أهمية تقنيات تنظيف البيانات

يُعدّ تنظيف البيانات أمراً بالغ الأهمية لإجراء بحوث موثوقة. فالبرمجة الإحصائية الفعّالة تُزيل الأخطاء والتحيزات، مما يضمن الحصول على نتائج دقيقة.

جانب جودة البياناتالتأثير على البحوث
قيم مفقودةيقلل من دقة التحليل
إدخالات مكررةتمثيلات إحصائية منحرفة
التنسيق غير المتسقتعقيد تفسير البيانات

بفضل عمليات التحقق الصارمة من جودة البيانات، يحوّل الباحثون البيانات الصحية الخام إلى رؤى مفيدة. تساعدنا هذه الرؤى على فهم الصحة بشكل أفضل وصياغة السياسات الصحية.

نظرة عامة على برنامج Stata لتحليل البيانات

برنامج Stata هو برنامج إحصائي من الطراز الأول يغير طريقة تعاملنا مع البيانات الصحية. فهو يجعل التعامل مع مجموعات البيانات الضخمة أسهل وأسرع.

إنه مثالي للعمل مع مجموعات بيانات صحية كبيرة. يتوفر برنامج Stata بإصدارات مختلفة لتلبية احتياجات البحث المختلفة:

  • Stata/BE: يتعامل مع ما يصل إلى 2,048 متغيرًا5
  • Stata/SE: إدارة ما يصل إلى 32,766 متغيرًا5
  • Stata/MP: معالجة مجموعات البيانات التي تحتوي على حوالي تريليون ملاحظة5

الميزات الرئيسية لبرنامج Stata

يحتوي برنامج Stata على مجموعة واسعة من الأدوات لمعالجة البيانات. وهو يدعم التحليلات الإحصائية التفصيلية. بالإضافة إلى ذلك، يتميز بواجهات سهلة الاستخدام للتعامل مع مهام البيانات المعقدة.

لماذا تستخدم Stata للبيانات الصحية؟

يتميّز برنامج Stata في مجال أبحاث البيانات الصحية. فهو يُتيح للباحثين:

  1. قم بالتفاصيل تأكيد صحة البيانات الشيكات
  2. بناء نماذج إحصائية دقيقة
  3. إنشاء تصورات تفصيلية للبيانات6

يُحوّل برنامج Stata البيانات الصحية الخام إلى رؤى مفيدة. إنه أداة أساسية للأبحاث الطبية اليوم.

يساعد برنامج Stata الباحثين في الحصول على معلومات مهمة من مجموعات بيانات الرعاية الصحية الكبيرة 6.

تحضير بياناتك للتحليل

يُعدّ تجهيز بيانات الاستبيان للتحليل أمراً أساسياً. يحتاج الباحثون إلى معرفة كيفية التعامل مع البيانات وبرمجتها للحصول على رؤى مفيدة.

يُعدّ التعامل مع بيانات المسوحات الصحية أمراً معقداً. يُسهّل برنامج Stata الأمر من خلال توفير أدوات لأنواع البيانات المختلفة، مما يُمكّن الباحثين من إدارة بياناتهم بسهولة ضمن عمليات البرمجة الإحصائية.

استيراد مجموعات البيانات بكفاءة

يعد برنامج Stata رائعًا في استيراد تنسيقات البيانات المختلفة:

  • ملفات كسف
  • اكسل جداول البيانات
  • مجموعات بيانات SAS وSPSS
  • ملفات البيانات النصية

فهم بنية مجموعة البيانات

يتطلب التعامل مع بيانات المسح المعقدة معرفة أجزاء مجموعة البيانات. وفيما يلي المكونات الرئيسية:

العنصرالوصف
المتغيراتخصائص القياس المحددة
الملاحظاتنقاط البيانات الفردية
البيانات الوصفيةمعلومات سياقية حول مجموعة البيانات

تُظهر مجموعة بيانات NHANES مدى تعقيد المسوحات الصحية، إذ تضم 10,337 مشاهدة من 62 وحدة معاينة أولية . يؤدي إعداد البيانات بشكل جيد إلى تحليل دقيق وبحوث مفيدة.

إن إدارة البيانات الناجحة لا تتعلق فقط بجمع المعلومات، بل بتحويلها إلى رؤى قابلة للتنفيذ.

أوامر Stata الأساسية لتنظيف البيانات

يُعدّ تنظيف البيانات أمرًا أساسيًا في أبحاث صحة السكان. سنستعرض أوامر Stata القوية التي تحوّل البيانات الخام إلى مجموعات بيانات نظيفة وجاهزة للاستخدام.

يواجه الباحثون العديد من التحديات عند تجهيز البيانات. يوفر برنامج Stata أدوات قوية لهذه المهام، مما يُسهّل عملية تجهيز البيانات بفضل طرقه السبعة.

التعامل مع البيانات المفقودة بفعالية

قد تُلحق البيانات المفقودة الضرر بنتائج البحث. يحتوي برنامج Stata على أوامر للعثور على القيم المفقودة وتصحيحها:

  • غير مستقر:يظهر أنماط البيانات المفقودة
  • أنماط mv:التحقق من إعدادات القيمة المفقودة
  • دروبميس:يحذف الصفوف التي تحتوي على متغيرات رئيسية مفقودة

إعادة ترميز المتغيرات وتحويلها

يُعد توحيد المتغيرات أمرًا أساسيًا لجودة البيانات. يتيح أمر إعادة الترميز للباحثين ما يلي:

  1. وضع المتغيرات المستمرة في فئات
  2. إنشاء مؤشرات ثنائية
  3. توحيد المقاييس

دمج مجموعات البيانات وتنظيفها

تعتمد أبحاث الصحة العامة غالبًا على مصادر بيانات متعددة. وتُسهّل أوامر دمج البيانات في برنامج Stata عملية دمج البيانات . ومن الخطوات المهمة ما يلي:

  • مطابقة معرفات فريدة
  • التعامل مع البيانات غير المتطابقة
  • الحفاظ على نظافة البيانات أثناء الدمج

إزالة الإدخالات المكررة

قد تؤدي البيانات المكررة إلى تشويه التحليل. يساعد أمر duplicates في برنامج Stata على إيجادها وإزالتها:

  1. يجد الصفوف المكررة
  2. إزالة الإدخالات الإضافية
  3. يحتفظ ببعض التكرارات

إن تعلم أوامر Stata هذه يجعل البيانات الخام موثوقة لأبحاث صحة السكان المهمة.

تقنيات التحليل الإحصائي لبيانات صحة السكان

يتطلب التعامل مع بيانات الاستبيانات مهارات إحصائية متقدمة. نختار أفضل الطرق لتحويل البيانات الخام إلى رؤى مفيدة باستخدام قواعد إحصائية صارمة.

تقنيات التحليل الإحصائي

يجب على الباحثين في مجال صحة السكان تعلم كيفية استخلاص البيانات المهمة من مجموعات البيانات الضخمة. ويُعد اختيار الاختبار الإحصائي المناسب أمراً أساسياً للحصول على نتائج صحيحة.

اختيار الاختبارات الإحصائية الصحيحة

عند اختيار الاختبارات الإحصائية، ضع عدة أشياء في الاعتبار:

  • خصائص توزيع البيانات
  • احتياجات حجم العينة
  • ما مدى تعقيد سؤال البحث
  • ما نوع المتغيرات والمقاييس المستخدمة؟
نوع البياناتالاختبار الموصى بهالغرض الأساسي
المتغيرات المستمرةاختبار T/ANOVAمقارنة متوسطات المجموعة
بيانات تسلسليةتشي مربعاختبار الاستقلال
الملاحظات المقترنةاختبار t المقترنمقارنة المجموعات ذات الصلة

استخدام أوامر Stata للتحليل

يحتوي برنامج Stata على أوامر قوية لإجراء التحليلات الإحصائية في مجال صحة السكان. فهو يساعد في التحليل متعدد المتغيرات لضبط عوامل مثل العمر والجنس . كما يتيح لنا تحليل الانحدار الخطي البسيط (OLS) معرفة كيفية ارتباط الصحة بالوضع الاجتماعي والاقتصادي.

يقوم التحليل الإحصائي القوي بتحويل البيانات الخام إلى رؤى صحية مفيدة.

إن استخدام أساليب متقدمة مثل أخذ العينات العنقودية والتحليل الطبقي يجعل نتائجنا أكثر دقة 8. ومن خلال تعديل الأخطاء المعيارية والتعامل مع التباين غير المتجانس، نحصل على نتائج أكثر موثوقية في الدراسات الصحية 9.

إنشاء التصورات في Stata

تُسهّل تقنيات عرض البيانات فهم البيانات الصحية المعقدة. يتميز برنامج Stata بأدوات رسم بياني قوية، تُساعد الباحثين على مشاركة نتائج تحليل بيانات المسح التفصيلية بوضوح.

تُعد أدوات التصور في برنامج Stata رائعة لتحويل البيانات ، فهي تساعد في إنشاء رسومات بيانية تُظهر رؤى مهمة . معرفة كيفية استخدام هذه الأدوات أمر أساسي لمشاركة البحوث الصحية.

أفضل الممارسات لتصور البيانات الصحية

فيما يلي بعض النصائح لإنشاء تصورات جيدة:

  • اختر نوع المخطط المناسب لبياناتك
  • تأكد من أن الألوان سهلة الرؤية والقراءة
  • استخدم ملصقات بسيطة وواضحة
  • حافظ على تنسيقك متسقًا

أوامر Stata للرسم البياني

يحتوي برنامج Stata على العديد من الأوامر لإنشاء رسوم بيانية مفصلة. من أهمها:

أمرالهدف
الرسم البيانيإنشاء توزيعات التردد
تبعثرإنشاء مخططات ذات متغيرين
شريط الرسم البيانيتطوير مخططات الأشرطة المقارنة

باستخدام أساليب التحقق من صحة البيانات ، يستطيع الباحثون تحويل البيانات الصحية الخام إلى رسوم بيانية واضحة. وتُقدم هذه الرسوم البيانية رؤى إحصائية معقدة.

نصائح رئيسية لإدارة البيانات بفعالية

يُعدّ تنظيم البيانات أمرًا أساسيًا لتحويل البيانات الصحية الخام إلى رؤى قيّمة. يواجه الباحثون صعوبة في التعامل مع مجموعات البيانات الضخمة، حيث تُكلّف البيانات غير الدقيقة الشركات الأمريكية 12.9 مليون دولار سنويًا . تتمثل استراتيجيتنا في بناء أنظمة بيانات قوية تُعزّز موثوقية الأبحاث.

  • استخدام واضح اصطلاحات التسمية للحصول على البيانات
  • الاحتفاظ بسجلات البيانات الوصفية التفصيلية
  • اتبع فحوصات جودة البيانات الصارمة

تنظيم مجموعة البيانات الخاصة بك

يُعدّ تنظيم مجموعة البيانات أمرًا أساسيًا للنجاح. تتضمن عملية تنظيف البيانات خطوات مثل جمعها، والتحقق منها ، وتخزينها . يجد حوالي 57% من خبراء البيانات صعوبة في التنظيف اليدوي للبيانات . وهذا يدل على حاجتنا إلى طرق أفضل لإدارة البيانات.

توثيق عملية تنظيف البيانات الخاصة بك

البيانات النظيفة هي الأساس لرؤى بحثية موثوقة.

يُعدّ حفظ السجلات أمرًا حيويًا لضمان سلامة البيانات. ويمكن لإدارة البيانات الجيدة تجنّب المشاكل القانونية . وتشمل الخطوات المهمة ما يلي :

  1. كتابة قواميس البيانات التفصيلية
  2. حفظ ملفات السجل الشاملة
  3. تسجيل كل تغيير في البيانات

باستخدام أساليب معالجة البيانات هذه ، يمكن للباحثين جعل البيانات المعقدة مفيدة 11. هدفنا هو الحصول على بيانات واضحة ومنظمة لتحسين البحوث الصحية.

موارد لتعلم ستاتا

إن تعلم البرمجة الإحصائية رحلة لا تنتهي. فهي تتطلب الأدوات المناسبة لإتقان تنظيف البيانات وتحليل الاستبيانات في برنامج Stata.

يُوفر برنامج Stata مجموعة واسعة من المواد التعليمية لجميع مستويات المهارة. بدءًا من الدروس التعليمية عبر الإنترنت وصولًا إلى الكتب المفصلة، ​​يمكن لهذه الأدوات أن تُعزز مهاراتك في البرمجة الإحصائية.

منصات التعلم عبر الإنترنت

غيّر التعلّم الرقمي طريقة تعلمنا للإحصاء. تُقدّم العديد من المنصات تدريبًا مُتميّزًا على برنامج Stata:

للحصول على نظرة متعمقة، هذه الكتب هي المفتاح:

  1. ستاتا: دليل شامل من قبل شركة ستاتا كورب
  2. إدارة البيانات باستخدام Stata بقلم مايكل ن. ميتشل
  3. تحليل بيانات المسح التطبيقي بقلم ستيفن جي هيرينجا

"التعلم المستمر هو حجر الأساس لإتقان البرمجة الإحصائية." - معهد البحوث الإحصائية

برنامج Stata قوي للغاية، فهو يدعم مجموعات البيانات الكبيرة ومعالجة البيانات المعقدة 5. وباستخدام هذه الموارد، يمكن للباحثين تحسين مهاراتهم في تحليل بيانات صحة السكان والأساليب الإحصائية.

إن تعلم برنامج Stata رحلة مستمرة. حافظ على فضولك، وواصل التدريب، واستكشف الموارد العديدة المتاحة لتصبح ماهراً في البرمجة الإحصائية 7.

استكشاف الأخطاء وإصلاحها للمشاكل الشائعة

يُعدّ التحقق من صحة البيانات وضمان جودتها عنصرين أساسيين في أبحاث الصحة العامة. غالبًا ما يواجه الباحثون مشكلات أثناء إعداد البيانات قد تُؤثر سلبًا على تحليلهم . من الضروري معرفة هذه المشكلات ومعالجتها لضمان موثوقية البحث.

يتطلب التعامل مع مشاكل البيانات خطة واضحة. إليك بعض الطرق لمعالجة المشاكل الشائعة:

  • تحديد أنماط البيانات المفقودة
  • حل تعارضات تسمية القيمة
  • عدم تطابق مجموعة بيانات العناوين
  • التحقق من سلامة البيانات

استكشاف مشكلات البيانات المفقودة وإصلاحها

يمكن أن تؤثر البيانات المفقودة بشكل كبير على نتائج البحث. لذا ، من الضروري وضع خطط محكمة للتعامل معها. قد تكون تكلفة أخطاء البيانات باهظة، حيث تصل الغرامات إلى 250 ألف دولار أمريكي في حال ضعف حماية البيانات.

حل تعارضات تسمية القيمة

غالباً ما تحدث اختلافات في تسميات القيم عند دمج البيانات من مصادر مختلفة. ويساعد التدقيق الدقيق وتوحيد تسميات المتغيرات على تجنب الأخطاء. تحتفظ بعض المجموعات بالبيانات الأولية لأكثر من 35 عاماً لأغراض التدقيق ، مما يدل على ضرورة التعامل الدقيق مع البيانات.

معالجة مجموعات البيانات غير المتطابقة

يحتاج الباحثون إلى طرق لجعل المتغيرات متسقة عبر مجموعات البيانات المختلفة. قد يختلف مدى تعقيد مشاركة البيانات اختلافًا كبيرًا بين الأماكن 13.

تحدي البياناتالحل الموصى به
قيم مفقودةتنفيذ تقنيات الإسناد
تعارضات العلاماتتوحيد تعريفات المتغيرات
عدم تطابق مجموعة البياناتاستخدم أوامر الدمج في Stata

ومن خلال تعلم مهارات إعداد البيانات هذه، يمكن للباحثين التأكد من أن دراساتهم موثوقة ودقيقة.

أفكار ختامية حول جودة البيانات وتأثيرها

شهد عالم أبحاث الصحة العامة تحولاً كبيراً بفضل أدوات إدارة البيانات الحديثة. وقد لعب برنامج Stata دوراً بارزاً في هذا التغيير، إذ يُساعد الباحثين على تحليل بيانات الاستبيانات بدقة عالية . وتُظهر الدراسات التي أُجريت في 22 دولة مدى أهمية جودة البيانات في الدراسات الصحية.

تُعدّ جودة البيانات أساسيةً لإجراء بحوث صحية جيدة. وتتزايد البيانات العالمية بوتيرة متسارعة، مع زيادات كبيرة في المعلومات الرقمية<sup> 15</sup> . لذا، تتطلب إدارة بيانات الاستبيانات استراتيجيات ذكية للتعامل مع البيانات المعقدة، مما يضمن دقة وموثوقية البحوث<sup> 15</sup>.

يحتاج باحثو الصحة إلى استخدام تقنيات وأساليب جديدة. ستُغيّر البيانات الضخمة والتعلم الآلي طريقة تحليلنا لصحة السكان. من خلال تعلم أوامر Stata المتقدمة والحفاظ على معايير بيانات عالية، يُمكن للباحثين الوصول إلى رؤى أعمق. وهذا يُؤدي إلى تحسين إجراءات الصحة العامة.

سنواصل التركيز على جودة البيانات لصياغة مستقبل البحوث الصحية. سيؤدي ذلك إلى تحويل البيانات الخام إلى معرفة مفيدة، مما يُسهم في تحسين صحة المجتمع ورفاهيته.

الأسئلة الشائعة

ما هي بيانات صحة السكان؟

بيانات صحة السكان هي مجموعة واسعة من المعلومات المستمدة من مسوحات ودراسات واسعة النطاق. تُظهر هذه البيانات الحالة الصحية والسلوكيات والنتائج لمجموعات سكانية بأكملها. وتشمل هذه البيانات معلومات مثل البيانات الديموغرافية والتاريخ الطبي ونمط الحياة والمؤشرات الصحية. تُعد هذه المعلومات أساسية للباحثين وصانعي السياسات.

لماذا يعد تنظيف البيانات مهمًا في أبحاث صحة السكان؟

يُعدّ تنظيف البيانات أمرًا بالغ الأهمية لأنه يُزيل الأخطاء والتحيزات. وهذا يجعل البحث أكثر موثوقية. بفضل البيانات الدقيقة، يُمكن للباحثين اتخاذ قرارات أفضل ووضع خطط صحية فعّالة.

ما الذي يجعل برنامج Stata فريدًا لتحليل بيانات صحة السكان؟

يتميز برنامج Stata بإدارة البيانات بكفاءة عالية، ويضم العديد من الأدوات الإحصائية. كما أنه سهل الاستخدام، ويعمل مع بيانات ضخمة ومعقدة. وهو مثالي للباحثين في مجال الصحة على جميع المستويات.

كيف أتعامل مع البيانات المفقودة في Stata؟

يوفر برنامج Stata طرقًا متعددة للتعامل مع البيانات المفقودة. يمكنك استخدام أوامر مثل `mvpatterns` و`misstable` و`mi`. تساعد هذه الأوامر في تحديد القيم المفقودة وإدارتها.

ما هي الاختبارات الإحصائية الأكثر ملاءمة لبيانات صحة السكان؟

يعتمد الاختبار المناسب على سؤالك وبياناتك. يمكنك استخدام اختبارات t، أو الانحدار، أو تحليل التباين، أو أساليب أكثر تطورًا مثل النمذجة متعددة المستويات وتحليل البقاء.

كيف يمكنني التأكد من فعالية تصور البيانات الخاص بي؟

اجعل تصوراتك واضحة باختيار المخططات والألوان المناسبة. استخدم التسميات وركّز على عرض المعلومات المهمة. تساعد أوامر "الرسم البياني" و"الثنائي الاتجاه" في Stata على إنشاء رسومات احترافية.

ما هي الموارد التي يمكن أن تساعدني في تحسين مهاراتي في Stata؟

تشمل الموارد الجيدة دروسًا تعليمية عبر الإنترنت، ودورات، وكتبًا، وأدلة Stata الرسمية، ومنتديات، وورش عمل. تُساعد هذه الموارد في البرمجة وأبحاث صحة السكان.

كيف أقوم بدمج مجموعات البيانات في Stata؟

استخدم "الدمج" لربط مجموعات البيانات حسب المتغيرات المشتركة. تأكد من التحقق من الدمج وسلامته. استخدم التحقق بعد الدمج للتأكد من دقة البيانات.

ما هي ممارسات التوثيق الموصى بها لتنظيف البيانات؟

احتفظ بسجلات مفصلة مثل قواميس البيانات وملفات السجلات وملاحظات التحويل. استخدم أدوات برنامج Stata لتتبع التغييرات. هذا يضمن إمكانية تكرار بحثك وفهمه.

كيف يمكنني إصلاح مشكلات البيانات الشائعة في Stata؟

حدّد المشاكل، واستخدم أوامر التشخيص، وطبّق تقنيات التنظيف. فحص الأخطاء في Stata مفيد. تحقق دائمًا من بياناتك بعد إجراء أي تغييرات.

  1. https://www.stata-press.com/books/tywsar-download.pdf
  2. https://pmc.ncbi.nlm.nih.gov/articles/PMC3175126/
  3. https://pophealthmetrics.biomedcentral.com/articles/10.1186/1478-7954-11-14
  4. https://www.milbank.org/wp-content/uploads/2023/11/P-M-Analytic-Resources_Data-Use-Guide_final.pdf
  5. https://grodri.github.io/stata/
  6. https://cph.osu.edu/sites/default/files/cer/docs/02HCUP_PS.pdf
  7. https://stats.oarc.ucla.edu/stata/seminars/survey-data-analysis-in-stata-17/
  8. https://www.worldbank.org/content/dam/Worldbank/document/HDN/Health/HealthEquityCh10.pdf
  9. https://equityhealthj.biomedcentral.com/articles/10.1186/s12939-024-02229-w
  10. https://nariyoo.com/stata-creating-custom-graphs-in-stata/
  11. https://www.altexsoft.com/blog/data-cleaning/
  12. https://www.techtarget.com/searchdatamanagement/definition/data-scrubbing
  13. https://www.ncbi.nlm.nih.gov/books/NBK362423/
  14. https://pmc.ncbi.nlm.nih.gov/articles/PMC10646672/
  15. https://datascience.codata.org/articles/10.5334/dsj-2015-002