Veröffentlicht | Letzte Aktualisierung:

Jeder Forscher steht vor der Herausforderung, mit komplexen Gesundheitsdaten zu arbeiten. Dr. Emily Rodriguez, Expertin für öffentliche Gesundheit, fühlte sich von einer landesweiten Umfrage überfordert. Sie entdeckte Stata, was ihren Umgang mit Datenaufbereitung und -management grundlegend veränderte.

9 wichtige Stata-Befehle, die unübersichtliche Gesundheitsdaten in Gold verwandeln

Kurznotiz | 9 wichtige Stata-Befehle, die unübersichtliche Gesundheitsdaten in Gold verwandeln

Erhöhte Sicherheit. Geringerer Aufwand. Nachhaltiger Erfolg. Gewesen – Komplette Statistiksoftware

Bildnachweis: StataCorp LLC

AspektSchlüsselinformation
Definition Dieser Satz von neun essentiellen Stata-Befehlen bildet einen systematischen Workflow zur Transformation unstrukturierter Bevölkerungsgesundheitsdaten in analysebereite Datenstrukturen. Diese Befehle stellen ein umfassendes Datenmanagement-Framework dar, das häufige Herausforderungen im Zusammenhang mit Bevölkerungsgesundheitsdaten adressiert, darunter komplexe Umfragedesigns, verschachtelte hierarchische Strukturen, fehlende Werte und die Notwendigkeit standardisierter epidemiologischer Messgrößen. Zusammen ermöglichen sie es Forschern, Gesundheitsdaten auf Bevölkerungsebene effizient zu bereinigen, neu zu strukturieren, zu analysieren und zu visualisieren und gleichzeitig die statistische Validität und epidemiologische Genauigkeit zu wahren. Die Befehle wurden speziell ausgewählt, um die besonderen Merkmale von Bevölkerungsgesundheitsdaten zu berücksichtigen, darunter repräsentative Stichproben, geclusterte Beobachtungen, zeitvariable Kovariaten und die Notwendigkeit, standardisierte Messgrößen wie altersbereinigte Raten, Risikoverhältnisse und bevölkerungsbezogene Anteile zu generieren.
Mathematische Grundlagen Zu den mathematischen Grundlagen dieser Stata-Befehle zählen:

1. Analyse der Umfragedaten: Basierend auf Horvitz-Thompson-Schätzern für gewichtete Analysen:
\[ \hat{\theta} = \frac{1}{N} \sum_{i=1}^{n} \frac{y_i}{\pi_i} \]
wobei \(y_i\) das Ergebnis für Einheit \(i\) ist, \(\pi_i\) die Auswahlwahrscheinlichkeit ist und die Varianzschätzung die Clusterbildung berücksichtigt:
\[ \text{Var}(\hat{\theta}) = \sum_{h=1}^{H} \frac{n_h}{n_h-1} \sum_{i=1}^{n_h} (z_{hi} – \bar{z}_h)^2 \]
wobei \(h\) die Schichten indiziert, \(n_h\) die Anzahl der PSUs in Schicht \(h\) ist und \(z_{hi}\) die Gesamtzahl der PSUs ist.

2. Mehrfachimputation: Basierend auf Rubins Regeln zum Kombinieren von Schätzungen:
\[ \bar{Q} = \frac{1}{m} \sum_{j=1}^{m} \hat{Q}_j \]
\[ T = \bar{U} + (1 + \frac{1}{m})B \]
wobei \(\bar{Q}\) die kombinierte Schätzung, \(\hat{Q}_j\) die Schätzung aus Imputation \(j\), \(\bar{U}\) die durchschnittliche Varianz innerhalb der Imputation und \(B\) die Varianz zwischen den Imputationen ist.

3. Neigungsscore-Matching: Basierend auf der bedingten Behandlungswahrscheinlichkeit:
\[ e(X) = P(Z=1 | X) \]
wobei \(Z\) der Behandlungsindikator und \(X\) der Kovariatenvektor ist, wobei durch das Matching normalerweise die Distanz minimiert wird:
\[ d(i,j) = |e(X_i) – e(X_j)| \]
zwischen behandelter Einheit \(i\) und Kontrolleinheit \(j\).

4. Mehrebenenmodellierung: Für verschachtelte Datenstrukturen:
\[ y_{ij} = \beta_0 + \beta_1 x_{ij} + u_j + \epsilon_{ij} \]
wobei \(y_{ij}\) das Ergebnis für Individuum \(i\) im Cluster \(j\) ist, \(u_j \sim N(0, \sigma_u^2)\) der Zufallseffekt auf Clusterebene ist und \(\epsilon_{ij} \sim N(0, \sigma_\epsilon^2)\) der Fehler auf Individuumsebene ist.

5. Epidemiologische Maßnahmen: Einschließlich standardisierter Tarife:
\[ \text{DSR} = \frac{\sum_i w_i r_i}{\sum_i w_i} \]
wobei \(r_i\) die altersspezifische Rate und \(w_i\) das Standardbevölkerungsgewicht ist; und zurechenbare Anteile:
\[ \text{PAF} = \frac{p(RR-1)}{1+p(RR-1)} \]
wobei \(p\) die Expositionsprävalenz und \(RR\) das relative Risiko ist.
Annahmen
  • Die Daten zur Bevölkerungsgesundheit folgen einem bekannten Stichprobendesign mit identifizierbaren primären Stichprobeneinheiten (PSUs), Schichten und Stichprobengewichten, die Auswahlwahrscheinlichkeiten und Nichtantwortanpassungen genau widerspiegeln
  • Fehlende Datenmechanismen können für die gültige Anwendung von Mehrfachimputationstechniken sinnvoll als Missing Completely at Random (MCAR) oder Missing at Random (MAR) klassifiziert werden; Missing Not at Random (MNAR)-Szenarien erfordern zusätzliche Sensitivitätsanalysen
  • Für kausale Inferenzbefehle muss die Annahme der bedingten Austauschbarkeit (keine unermesslichen Störfaktoren) gelten. Dies erfordert, dass alle Variablen, die sowohl die Behandlungszuweisung als auch das Ergebnis beeinflussen, gemessen und in die Analyse einbezogen werden.
  • Hierarchische Datenstrukturen werden korrekt spezifiziert und entsprechende Verschachtelungsebenen identifiziert (z. B. Einzelpersonen innerhalb von Haushalten innerhalb von Nachbarschaften innerhalb von Regionen), um die Clusterbildung bei der Varianzschätzung richtig zu berücksichtigen.
  • Zeitlich variierende Expositionen und Störfaktoren werden mit ausreichender Häufigkeit gemessen, um relevante Änderungen zu erfassen, und die zeitliche Reihenfolge der Expositions-, Stör- und Ergebnisvariablen ist für Längsschnittanalysen korrekt festgelegt.
Umsetzung Befehl 1: svyset – Deklarieren eines komplexen Umfragedesigns

* 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

Befehl 2: mi – Multiple Imputation für fehlende Daten

* 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

Befehl 3: reshape – Restrukturierung von Längsschnittdaten

* 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

Befehl 4: teffects – Behandlungseffekte und kausale Inferenz

* 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

Befehl 5: gemischt – Mehrebenenmodellierung für verschachtelte Daten

* 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

Befehl 6: Margen – Vorhersagen nach der Schätzung und Randeffekte

* 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")

Befehl 7: ssc install epidist – Epidemiologische Maßnahmen

* 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)

Befehl 8: putexcel - Automatisierte Tabellengenerierung

* 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 }

Befehl 9: grstyle – Visualisierungen in Publikationsqualität

* 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"))
Dolmetschen Bei der Interpretation der Ergebnisse dieser Stata-Befehle für Daten zur Bevölkerungsgesundheit:

Umfragegewichtete Schätzungen: Geben Sie Punktschätzungen immer mit ihren designbasierten Standardfehlern oder Konfidenzintervallen an (z. B. „Die altersbereinigte Prävalenz von Diabetes betrug 10.2 % (95%-KI: 9.7–10.7 %)“). Designeffekte (DEFF) sollten angegeben werden, um anzugeben, wie stark das komplexe Design die Varianz im Vergleich zur einfachen Zufallsstichprobe erhöht hat (z. B. „DEFF = 2.3, was auf erhebliche Clustereffekte hinweist“).

Ergebnisse der Mehrfachimputation: Geben Sie die Anzahl der Imputationen, den Anteil fehlender Informationen (FMI) und die relative Effizienz (RE) zusammen mit den gepoolten Schätzungen an (z. B.: „Basierend auf 20 Imputationen (relative Effizienz = 98.7 %) betrug die adjustierte Odds Ratio 1.42 (95%-KI: 1.28–1.57)“). Führen Sie Sensitivitätsanalysen durch, indem Sie die Gesamtfallanalyse mit den imputierten Ergebnissen vergleichen, um die Robustheit zu bewerten.

Behandlungseffekte: Unterscheiden Sie klar zwischen durchschnittlichen Behandlungseffekten (ATE) und durchschnittlichen Behandlungseffekten unter den Behandelten (ATET) und berichten Sie über die Ausgewogenheitsdiagnostik bei Propensity-Score-Methoden (z. B.: „Nach dem Matching lagen die standardisierten Differenzen für alle Kovariaten <0.1, was auf eine gute Ausgewogenheit hindeutet“). Bei doppelt robusten Methoden berichten Sie Ergebnisse aus mehreren Spezifikationen, um die Konsistenz nachzuweisen.

Mehrebenenmodelle: Geben Sie Varianzkomponenten und Intraklassenkorrelationskoeffizienten an, um die Clusterbildung zu quantifizieren (z. B.: „Der ICC betrug 0.15, was darauf hindeutet, dass 15 % der Gesamtvarianz des BMI auf Faktoren auf Nachbarschaftsebene zurückzuführen sind“). Bei zufälligen Steigungen interpretieren Sie die Kovarianzparameter, um festzustellen, ob die Effekte zwischen den Clustern systematisch variieren.

Randeffekte: Unterscheiden Sie zwischen durchschnittlichen Grenzeffekten (AME) und Grenzeffekten am Mittelwert (MEM) und interpretieren Sie diese im Hinblick auf absolute Änderungen bei kontinuierlichen Ergebnissen oder Wahrscheinlichkeitsänderungen bei binären Ergebnissen (z. B. „Jedes zusätzliche Lebensjahr war mit einer Erhöhung der Wahrscheinlichkeit für Bluthochdruck um 0.3 Prozentpunkte (95 % KI: 0.2–0.4) verbunden“).

Epidemiologische Maßnahmen: Bei standardisierten Raten geben Sie bitte die zugrunde gelegte Standardbevölkerung klar an (z. B.: „Bei Verwendung der US-Standardbevölkerung des Jahres 2000 betrug die altersstandardisierte Mortalitätsrate 423.7 pro 100,000 Personenjahre.“). Bei bevölkerungsbezogenen Anteilen interpretieren Sie diese als den Anteil der Krankheitslast, der theoretisch eliminiert werden könnte, wenn die Belastung durch Rauchen beseitigt würde (z. B.: „Schätzungsweise 21.4 % (95% KI: 18.9–23.8 %) der Lungenkrebsfälle waren auf das Rauchen zurückzuführen.“).

Visualisierungen: Stellen Sie sicher, dass Konfidenzintervalle oder Standardfehler visuell dargestellt werden und die Achsen angemessen skaliert sind, um visuelle Verzerrungen zu vermeiden. Verwenden Sie für geografische Visualisierungen geeignete Klassifizierungsmethoden und dokumentieren Sie diese in Legenden.
Allgemeine Anwendungen
  • Forschung zu Gesundheitsunterschieden: Analyse sozioökonomischer und ethnischer Unterschiede in der Krankheitsprävalenz mithilfe von umfragegewichteten Mehrebenenmodellen; Zerlegung der Unterschiede in Zusammensetzungs- und Kontextfaktoren; Entwicklung standardisierter Maßnahmen zum Vergleich der Gesundheitsergebnisse zwischen Bevölkerungsuntergruppen unter Berücksichtigung unterschiedlicher Bevölkerungsstrukturen
  • Richtlinienbewertung: Bewertung der Auswirkungen von Gesundheitspolitiken, Interventionen oder natürlichen Experimenten mithilfe von Differenz-von-Differenzen-Designs mit Propensity-Score-Matching; Bewertung der Auswirkungen staatlicher Politik auf die Gesundheitsergebnisse unter Berücksichtigung der räumlichen Autokorrelation; Schätzung der Auswirkungen gezielter Interventionen auf Bevölkerungsebene
  • Krankheitsüberwachung: Erstellung kleinräumiger Schätzungen der Krankheitsprävalenz mittels mehrstufiger Regression mit Poststratifizierung; Verfolgung zeitlicher Trends bei altersstandardisierten Inzidenz- oder Mortalitätsraten; Identifizierung geografischer Krankheitscluster mithilfe räumlicher Statistiken; Schaffung von Frühwarnsystemen für Krankheitsausbrüche
  • Risikofaktorenanalyse: Schätzung der bevölkerungsbezogenen Anteile veränderbarer Risikofaktoren; Analyse der gemeinsamen Auswirkungen mehrerer Risikofaktoren auf Krankheitsergebnisse; Modellierung von Dosis-Wirkungs-Beziehungen zwischen Expositionen und Gesundheitsergebnissen; Bewertung von Vermittlungswegen zwischen sozialen Determinanten und Gesundheit
  • Versorgungsforschung: Bewertung von Nutzungsmustern im Gesundheitswesen unter Berücksichtigung verschachtelter Datenstrukturen (Patienten innerhalb von Anbietern innerhalb von Gesundheitssystemen); Analyse geografischer Unterschiede bei Qualitätsmaßstäben im Gesundheitswesen; Messung der Auswirkungen von Interventionen auf Anbieterebene auf die Patientenergebnisse mithilfe hierarchischer Modelle
Einschränkungen und Alternativen
  • Die Speicherverwaltung von Stata kann bei extrem großen Populationsdatensätzen mit Millionen von Beobachtungen oder Tausenden von Variablen einschränkend sein. Alternative: Verwenden Sie R mit dem Paket data.table für eine effizientere Speicherverwaltung oder Python mit Pandas und Dask für Berechnungen bei Speichermangel, insbesondere bei der Arbeit mit umfangreichen elektronischen Patientenakten oder Schadensdatenbanken.
  • Die Implementierung einiger fortgeschrittener Methoden der kausalen Inferenz, insbesondere für zeitvariable Behandlungen und Mediationsanalysen mit mehreren Mediatoren, ist in Stata im Vergleich zu spezialisierten Paketen eingeschränkter. Alternative: Verwenden Sie R-Pakete wie „mediation“, „gfoRmula“ oder „tmle“ für g-Berechnungen, gezielte Maximum-Likelihood-Schätzungen und andere fortgeschrittene Methoden der kausalen Inferenz.
  • Obwohl sich die Visualisierungsmöglichkeiten von Stata verbessert haben, sind sie nach wie vor weniger flexibel als dedizierte Visualisierungstools für die Erstellung komplexer, interaktiver oder webbasierter Visualisierungen von Gesundheitsdaten. Alternativ: Verwenden Sie R mit ggplot2 und Shiny für interaktive Visualisierungen oder Python mit matplotlib, seaborn und plotly für erweiterte Datenvisualisierungen, insbesondere für Geodaten oder interaktive Dashboards.
  • Die Implementierung von Machine-Learning-Algorithmen für die Vorhersagemodellierung ist bei Stata im Vergleich zu spezialisierten Plattformen eingeschränkter. Alternative: Verwenden Sie Python mit scikit-learn, TensorFlow oder PyTorch für die Entwicklung von Machine-Learning-Modellen zur Vorhersage von Gesundheitsergebnissen in der Bevölkerung, insbesondere bei hochdimensionalen Daten oder Deep-Learning-Ansätzen.
Berichtsstandards Beim Berichten von Analysen mit diesen Stata-Befehlen in wissenschaftlichen Veröffentlichungen:

• Befolgen Sie die STROBE-Richtlinien (Strengthening the Reporting of Observational Studies in Epidemiology) für Beobachtungsstudien, insbesondere im Hinblick auf Aspekte im Zusammenhang mit dem Studiendesign, den statistischen Methoden und dem Umgang mit quantitativen Variablen.

• Beschreiben Sie bei der Analyse von Umfragedaten klar das komplexe Umfragedesign, einschließlich Stichprobenrahmen, Schichtung, Clusterung und Gewichtungsverfahren, und folgen Sie dabei den Empfehlungen der GATHER-Erklärung (Guidelines for Accurate and Transparent Health Estimates Reporting).

• Halten Sie sich bei der Verwendung der multiplen Imputation an die Richtlinien des MICE-Frameworks (Multiple Imputation by Chained Equations) und berichten Sie über das Imputationsmodell, die Anzahl der Imputationen, die Konvergenzdiagnose und Sensitivitätsanalysen, die imputierte Ergebnisse mit der Gesamtfallanalyse vergleichen

• Befolgen Sie bei kausalen Inferenzanalysen die Empfehlungen der STRATOS-Initiative (STRengthening Analytical Thinking for Observational Studies), indem Sie kausale Annahmen klar formulieren, eine ausgewogene Diagnostik präsentieren und Sensitivitätsanalysen für nicht gemessene Störfaktoren durchführen.

• Bei Mehrebenenmodellen sind sowohl die Schätzungen der festen als auch der zufälligen Effekte, die Varianzkomponenten und die Intraklassenkorrelationskoeffizienten anzugeben. Dabei sind die Empfehlungen der CONSORT-CLUSTER-Erweiterung für clusterrandomisierte Studien oder das Äquivalent für beobachtende Mehrebenenstudien zu beachten.

• Wenn Sie standardisierte Messungen wie altersbereinigte Raten melden, geben Sie die verwendete Standardbevölkerung und die Standardisierungsmethode (direkt oder indirekt) klar an und stellen Sie aus Gründen der Transparenz sowohl grobe als auch standardisierte Schätzungen zur Verfügung.

• Fügen Sie geeignete Präzisionsmaße (Standardfehler, Konfidenzintervalle) ein, die mit Methoden berechnet wurden, die die komplexen Designmerkmale der Daten berücksichtigen, und geben Sie die zur Varianzschätzung verwendete Methode an (z. B. Linearisierung, Bootstrap, Jackknife).

• Befolgen Sie zur Visualisierung der Ergebnisse die Empfehlungen in den Richtlinien des EQUATOR-Netzwerks (Enhancing the QUAlity and Transparency Of health Research) für bestimmte Studientypen und stellen Sie sicher, dass die grafischen Darstellungen die zugrunde liegenden Daten und Unsicherheiten genau darstellen.

• Geben Sie ausreichend Details zu Datenverwaltung und Analyseverfahren an, um Reproduzierbarkeit zu ermöglichen, idealerweise durch die gemeinsame Nutzung von Analysecode in öffentlichen Repositorien oder als ergänzende Materialien mit entsprechender Dokumentation

Expertendienste

Benötigen Sie Hilfe bei Ihrer statistischen Analyse?
Alle dargestellten Informationen dienen Bildungszwecken. Obwohl wir uns um Genauigkeit bemühen, wenden Sie sich bei Ungenauigkeiten oder Fehlern bitte an co*****@*******se.com. Für professionelle statistische Beratung oder Manuskriptunterstützung besuchen Sie www.editverse.com. Dieser Inhalt wurde zuletzt am 29. März 2025 aktualisiert.

Stata wurde erstmals im Januar 1985 vorgestellt. Es begann als Werkzeug für grundlegende Berechnungen und zusammenfassende Statistiken 1 . Heute ist es ein wichtiges Werkzeug für viele Forscher in Bereichen wie Epidemiologie und öffentliche Gesundheit 1.

Die Software wurde mit den Anforderungen der Datenanalyse weiterentwickelt. Sie wurde für Computer mit begrenztem Speicher und in der Programmiersprache C entwickelt. Forscher können nun Ressourcen wie das Tutorial zum NHANES-Datensatz nutzen , um ihre Fähigkeiten zur Datenbereinigung zu verbessern.

Wichtige Erkenntnisse

  • Stata bietet leistungsstarke Tools zur Transformation komplexer Gesundheitsdatensätze
  • Die 1985 entwickelte Software hat die statistische Analyse revolutioniert
  • Unverzichtbar für Forscher verschiedener wissenschaftlicher Disziplinen
  • Unterstützt erweiterte Techniken zur Datenbereinigung und -verwaltung
  • Ermöglicht effizientere landesweite Analyse der Umfragedaten

Bevölkerungsgesundheitsdaten verstehen

Daten zur Bevölkerungsgesundheit sind der Schlüssel zum Verständnis des Gesundheitswesens. Unsere Forschung befasst sich eingehend mit statistischer Programmierung und Datenqualität. Sie hilft uns, die öffentliche Gesundheit klarer zu sehen.²

Forscher nutzen detaillierte Daten, um wichtige Gesundheitstrends zu ermitteln. Die National Health Interview Survey ist ein gutes Beispiel dafür. Sie sammelt Gesundheitsinformationen von vielen Menschen².

Definition von Bevölkerungsgesundheitsdaten

Daten zur Bevölkerungsgesundheit enthalten zahlreiche statistische Informationen. Sie stammen aus Umfragen und Forschungsarbeiten. Diese Datensätze liefern uns wichtige Erkenntnisse zu:

  • Demografische Gesundheitsmerkmale
  • Prävalenz von Krankheiten
  • Zugangsmuster zur Gesundheitsversorgung
  • Sozioökonomische Gesundheitsdeterminanten

Bedeutung von Datenbereinigungstechniken

Die Datenbereinigung ist für verlässliche Forschung unerlässlich. Effektive statistische Programmierung beseitigt Fehler und Verzerrungen. Dies gewährleistet genaue Ergebnisse³.

DatenqualitätsaspektAuswirkungen auf die Forschung
Fehlende WerteReduziert die analytische Genauigkeit
Doppelte EinträgeVerzerrt statistische Darstellungen
Inkonsistente FormatierungErschwert die Dateninterpretation

Durch strenge Datenqualitätsprüfungen wandeln Forscher Rohdaten aus dem Gesundheitswesen in nützliche Erkenntnisse um. Diese Erkenntnisse helfen uns, Gesundheit besser zu verstehen und politische Maßnahmen zu gestalten⁴.

Übersicht über Stata für die Datenanalyse

Stata ist eine erstklassige Statistiksoftware, die die Art und Weise, wie wir mit Gesundheitsdaten arbeiten, verändert. Sie macht die Bearbeitung großer Datensätze einfacher und schneller⁵.

Es eignet sich hervorragend für die Arbeit mit großen Gesundheitsdatensätzen. Stata ist in verschiedenen Versionen erhältlich, um unterschiedlichen Forschungsanforderungen gerecht zu werden:

  • Stata/BE: Verarbeitet bis zu 2,048 Variablen5
  • Stata/SE: Verwaltet bis zu 32,766 Variablen5
  • Stata/MP: Verarbeitet Datensätze mit etwa einer Billion Beobachtungen5

Hauptmerkmale von Stata

Stata bietet eine breite Palette an Werkzeugen zur Datenbearbeitung. Es unterstützt detaillierte statistische Analysen. Darüber hinaus verfügt es über benutzerfreundliche Schnittstellen zur Bewältigung komplexer Datenaufgaben⁶.

Warum Stata für Gesundheitsdaten verwenden?

Stata ist in der Gesundheitsdatenforschung ein herausragendes Produkt. Forscher können damit:

  1. Machen Sie detaillierte Datenvalidierung Schecks
  2. Erstellen Sie genaue statistische Modelle
  3. Erstellen Sie detaillierte Datenvisualisierungen6

Stata verwandelt Rohdaten aus Gesundheitsdaten in nützliche Erkenntnisse. Es ist ein wichtiges Werkzeug für die moderne medizinische Forschung.

Stata hilft Forschern, wichtige Informationen aus großen Datensätzen im Gesundheitswesen zu gewinnen 6.

Vorbereiten Ihrer Daten für die Analyse

Die Aufbereitung der Umfragedaten für die Analyse ist entscheidend. Forscher müssen wissen, wie sie Daten aufbereiten und programmieren, um nützliche Erkenntnisse zu gewinnen.

Die Arbeit mit Daten aus Gesundheitsumfragen ist komplex. Stata bietet hierfür hilfreiche Werkzeuge für verschiedene Datentypen. Dies erleichtert Forschern die Datenverwaltung in ihren statistischen Programmierabläufen.

Effizientes Importieren von Datensätzen

Stata eignet sich hervorragend zum Importieren verschiedener Datenformate:

  • CSV-Dateien
  • Excel-Tabellen
  • SAS- und SPSS-Datensätze
  • Textbasierte Datendateien

Grundlegendes zur Datensatzstruktur

Der Umgang mit komplexen Umfragedaten erfordert die Kenntnis der einzelnen Bestandteile des Datensatzes. Hier sind die Hauptkomponenten:

ElementBeschreibung
VariablenSpezifische Messmerkmale
BeobachtungenEinzelne Datenpunkte
MetadatenKontextinformationen zum Datensatz

Der NHANES-Datensatz verdeutlicht die Komplexität von Gesundheitsbefragungen. Er umfasst insgesamt 10,337 Beobachtungen aus 62 primären Stichprobeneinheiten⁷ . Eine gute Datenaufbereitung ist die Grundlage für präzise Analysen und nutzbringende Forschung.

Erfolgreiches Datenmanagement besteht nicht nur darin, Informationen zu sammeln, sondern diese in umsetzbare Erkenntnisse umzuwandeln.

Wichtige Stata-Befehle zur Datenbereinigung

Die Datenbereinigung ist in der Bevölkerungsgesundheitsforschung von zentraler Bedeutung. Wir werden uns leistungsstarke Stata-Befehle ansehen. Diese wandeln Rohdaten in saubere, sofort nutzbare Datensätze um.

Forscher stehen bei der Datenaufbereitung vor vielen Herausforderungen. Stata bietet hierfür leistungsstarke Werkzeuge. Mit seinen Methoden wird die Datenaufbereitung deutlich vereinfacht.

Effektiver Umgang mit fehlenden Daten

Fehlende Daten können Forschungsergebnisse beeinträchtigen. Stata bietet Befehle zum Auffinden und Beheben fehlender Werte:

  • misstable: Zeigt fehlende Datenmuster an
  • mvpatterns: Überprüft fehlende Werteeinstellungen
  • dropmiss: Löscht Zeilen mit fehlenden Schlüsselvariablen

Umkodieren und Transformieren von Variablen

Die Standardisierung von Variablen ist entscheidend für die Datenqualität. Der Befehl „recode“ ermöglicht Forschern Folgendes:

  1. Kontinuierliche Variablen in Kategorien einteilen
  2. Erstellen Sie binäre Indikatoren
  3. Skalen standardisieren

Zusammenführen und Bereinigen von Datensätzen

In der bevölkerungsbezogenen Gesundheitsforschung werden häufig viele Datenquellen genutzt. Die Merge-Befehle von Stata erleichtern das Zusammenführen von Daten . Wichtige Schritte sind:

  • Abgleichen eindeutiger IDs
  • Umgang mit nicht übereinstimmenden Daten
  • Daten beim Zusammenführen sauber halten

Entfernen doppelter Einträge

Duplikate können die Analyse verfälschen. Der Stata -Befehl „ duplicates“ hilft dabei, sie zu finden und zu entfernen:

  1. Findet doppelte Zeilen
  2. Entfernt zusätzliche Einträge
  3. Behält bestimmte Duplikate

Durch das Erlernen dieser Stata-Befehle werden Rohdaten für wichtige Forschungen zur Bevölkerungsgesundheit zuverlässig.

Statistische Analysetechniken für Bevölkerungsgesundheitsdaten

Die Arbeit mit Umfragedaten erfordert fortgeschrittene statistische Kenntnisse. Wir wählen die besten Methoden aus, um Rohdaten mithilfe strenger statistischer Regeln in nützliche Erkenntnisse umzuwandeln.

Statistische Analysetechniken

Forscher im Bereich der Bevölkerungsgesundheit müssen lernen, wichtige Daten aus großen Datensätzen zu extrahieren. Die Wahl des richtigen statistischen Tests ist entscheidend für korrekte Ergebnisse.

Auswahl der richtigen statistischen Tests

Berücksichtigen Sie bei der Auswahl statistischer Tests mehrere Dinge:

  • Datenverteilungseigenschaften
  • Erforderliche Stichprobengröße
  • Wie komplex die Forschungsfrage ist
  • Welche Arten von Variablen und Skalen werden verwendet?
DateitypEmpfohlener TestHauptzweck
Kontinuierliche VariablenT-Test/ANOVAVergleichen Sie die Gruppenmittelwerte
Kategoriale DatenChi-QuadratTestunabhängigkeit
Gepaarte BeobachtungenGepaarter T-TestVergleichen verwandter Gruppen

Verwenden von Stata-Befehlen zur Analyse

Stata verfügt über leistungsstarke Befehle für statistische Analysen im Bereich der Bevölkerungsgesundheit. Es unterstützt multivariate Analysen zur Berücksichtigung von Faktoren wie Alter und Geschlecht<sup> 8</sup> . Mithilfe der Methode der kleinsten Quadrate (OLS-Regression) lässt sich der Zusammenhang zwischen Gesundheit und sozioökonomischem Status untersuchen<sup> 8</sup>.

Durch eine robuste statistische Analyse werden aus Rohdaten nützliche Erkenntnisse zur Gesundheit gewonnen.

Durch den Einsatz fortgeschrittener Methoden wie Cluster-Sampling und stratifizierter Analysen werden unsere Ergebnisse genauer 8 . Durch die Anpassung von Standardfehlern und den Umgang mit Heteroskedastizität erhalten wir in Gesundheitsstudien zuverlässigere Ergebnisse 9.

Erstellen von Visualisierungen in Stata

Datenvisualisierung macht komplexe Gesundheitsdaten leicht verständlich. Stata verfügt über leistungsstarke Grafikwerkzeuge. Diese Werkzeuge helfen Forschern, detaillierte Ergebnisse der Umfragedatenanalyse übersichtlich darzustellen . <sup>10</sup>

Die Visualisierungswerkzeuge von Stata eignen sich hervorragend für die Datentransformation . Sie helfen bei der Erstellung von Grafiken, die wichtige Erkenntnisse veranschaulichen . <sup>7</sup> Die Kenntnis des Umgangs mit diesen Werkzeugen ist entscheidend für die Vermittlung von Forschungsergebnissen im Gesundheitswesen.

Best Practices für die Visualisierung von Gesundheitsdaten

Hier sind einige Tipps zum Erstellen guter Visualisierungen:

  • Wählen Sie den richtigen Diagrammtyp für Ihre Daten
  • Stellen Sie sicher, dass die Farben gut sichtbar und lesbar sind
  • Verwenden Sie einfache, klare Beschriftungen
  • Achten Sie auf eine einheitliche Formatierung

Stata-Befehle zum Plotten

Stata bietet zahlreiche Befehle zum Erstellen detaillierter Diagramme. Einige wichtige sind:

BefehlZweck
HistogrammErstellen von Häufigkeitsverteilungen
verstreuenErstellen Sie Diagramme mit zwei Variablen
DiagrammleisteEntwickeln Sie vergleichende Balkendiagramme

Mithilfe von Datenvalidierungsmethoden können Forscher Rohdaten aus dem Gesundheitswesen in übersichtliche Visualisierungen umwandeln. Diese Visualisierungen vermitteln komplexe statistische Erkenntnisse <sup>10</sup>.

Wichtige Tipps für ein effektives Datenmanagement

Die Datenaufbereitung ist entscheidend, um aus Rohdaten im Gesundheitswesen wertvolle Erkenntnisse zu gewinnen. Forscher haben mit großen Datensätzen zu kämpfen, und fehlerhafte Daten kosten US-Unternehmen jährlich 12.9 Millionen US-Dollar<sup> 11</sup> . Unsere Strategie besteht darin, robuste Datensysteme aufzubauen, die die Forschung verlässlicher machen.

  • Verwenden Sie klare Regeln der Namensgebung für Daten
  • Führen Sie detaillierte Metadatenaufzeichnungen
  • Befolgen Sie strenge Datenqualitätsprüfungen

Organisieren Ihres Datensatzes

Die richtige Strukturierung Ihrer Datensätze ist entscheidend für den Erfolg. Die Datenbereinigung umfasst Schritte wie das Sammeln, Prüfen und Speichern von Daten<sup> 11</sup> . Etwa 57 % der Datenexperten empfinden die manuelle Datenbereinigung als schwierig <sup>11</sup> . Dies zeigt, dass wir bessere Methoden zur Datenverwaltung benötigen.

Dokumentieren Ihres Datenbereinigungsprozesses

Saubere Daten sind die Grundlage für zuverlässige Forschungserkenntnisse.

Die ordnungsgemäße Dokumentation ist für die Datenintegrität unerlässlich. Ein gutes Datenmanagement kann rechtliche Probleme vermeiden . Wichtige Schritte sind:

  1. Schreiben detaillierter Datenwörterbücher
  2. Führen umfassender Protokolldateien
  3. Aufzeichnung jeder Datenänderung

Mithilfe dieser Datenaufbereitungsmethoden können Forscher komplexe Daten nutzbar machen . Unser Ziel ist es, klare und strukturierte Daten für eine bessere Gesundheitsforschung zu erhalten.

Ressourcen zum Erlernen von Stata

Das Erlernen statistischer Programmierung ist ein lebenslanger Prozess. Um Datenbereinigung und Umfrageanalyse in Stata zu beherrschen, benötigt man die richtigen Werkzeuge.

Stata bietet eine große Auswahl an Lernmaterialien für alle Kenntnisstufen. Von Online-Tutorials bis hin zu ausführlichen Büchern können diese Tools Ihre Fähigkeiten in der statistischen Programmierung verbessern.

Online-Lernplattformen

Digitales Lernen hat die Art und Weise verändert, wie wir Statistik lernen. Viele Plattformen bieten erstklassige Stata-Schulungen an:

Für einen tieferen Einblick sind diese Bücher entscheidend:

  1. Stata: Ein umfassender Leitfaden von StataCorp
  2. Datenmanagement mit Stata von Michael N. Mitchell
  3. Angewandte Umfragedatenanalyse von Steven G. Heeringa

„Kontinuierliches Lernen ist der Grundstein für die Beherrschung statistischer Programmierung.“ – Statistisches Forschungsinstitut

Stata ist unglaublich leistungsstark und unterstützt große Datensätze sowie komplexe Datenverarbeitung 5 . Durch die Nutzung dieser Ressourcen können Forscher ihre Fähigkeiten in der Analyse von Bevölkerungsgesundheitsdaten und statistischen Methoden verbessern.

Das Erlernen von Stata ist ein kontinuierlicher Prozess. Bleiben Sie neugierig, üben Sie fleißig und erkunden Sie die vielen verfügbaren Ressourcen, um sich in der statistischen Programmierung zu qualifizieren.

Fehlerbehebung bei allgemeinen Problemen

Datenvalidierung und Qualitätssicherung sind in der Bevölkerungsgesundheitsforschung von zentraler Bedeutung. Forschende stoßen bei der Datenaufbereitung häufig auf Probleme, die ihre Analysen beeinträchtigen können <sup>13</sup> . Es ist unerlässlich, diese Probleme zu erkennen und zu beheben, um die Zuverlässigkeit der Forschung zu gewährleisten.

Der Umgang mit Datenproblemen erfordert einen klaren Plan. Hier sind einige Möglichkeiten zur Lösung häufiger Probleme:

  • Identifizieren fehlender Datenmuster
  • Wertbeschriftungskonflikte lösen
  • Nichtübereinstimmungen bei Adressdatensätzen
  • Überprüfen der Datenintegrität

Fehlerbehebung bei fehlenden Daten

Fehlende Daten können Forschungsergebnisse erheblich beeinträchtigen. Daher ist es unerlässlich, über solide Pläne für den Umgang mit fehlenden Daten zu verfügen. Die Kosten von Datenfehlern können hoch sein; bei mangelhaftem Datenschutz drohen Bußgelder von bis zu 250,000 US-Dollar . <sup>13</sup>

Lösen von Wertebeschriftungskonflikten

Abweichungen in den Wertebezeichnungen treten häufig auf, wenn Daten aus verschiedenen Quellen zusammengeführt werden. Sorgfältige Prüfung und Standardisierung der Variablenbezeichnungen helfen, Fehler zu vermeiden. Einige Gruppen bewahren Rohdaten über 35 Jahre lang für Audits auf<sup> 13</sup> , was die Notwendigkeit eines sorgfältigen Umgangs mit Daten verdeutlicht.

Umgang mit nicht übereinstimmenden Datensätzen

Forscher benötigen Methoden, um Variablen über verschiedene Datensätze hinweg zu vereinheitlichen. Die Komplexität des Datenaustauschs kann sich von Ort zu Ort stark unterscheiden 13.

DatenherausforderungEmpfohlene Lösung
Fehlende WerteImplementieren Sie Imputationstechniken
BeschriftungskonflikteStandardisieren Sie Variablendefinitionen
Datensatz-NichtübereinstimmungenVerwenden Sie die Zusammenführungsbefehle von Stata

Durch das Erlernen dieser Fähigkeiten zur Datenvorbereitung können Forscher sicherstellen, dass ihre Studien vertrauenswürdig und genau sind.

Abschließende Gedanken zur Datenqualität und -auswirkung

Die Forschung im Bereich der Bevölkerungsgesundheit hat sich durch neue Datenmanagement-Tools stark verändert. Stata hat maßgeblich zu diesem Wandel beigetragen. Es unterstützt Forschende bei der hochpräzisen Analyse von Umfragedaten <sup> 14</sup> . Studien in 22 Ländern belegen die Bedeutung einer guten Datenqualität in Gesundheitsstudien <sup>14</sup>.

Datenqualität ist der Schlüssel zu guter Gesundheitsforschung. Die weltweite Datenmenge wächst rasant, insbesondere durch den starken Anstieg digitaler Informationen <sup>15</sup> . Für die Verwaltung von Umfragedaten sind daher intelligente Strategien erforderlich, um mit komplexen Daten umzugehen. Dies gewährleistet präzise und zuverlässige Forschungsergebnisse<sup> 15</sup>.

Gesundheitsforscher müssen neue Technologien und Methoden nutzen. Big Data und maschinelles Lernen werden die Analyse der Bevölkerungsgesundheit verändern. Durch das Erlernen fortgeschrittener Stata-Befehle und die Einhaltung hoher Datenstandards können Forscher tiefere Erkenntnisse gewinnen. Dies führt zu besseren Maßnahmen im Bereich der öffentlichen Gesundheit.

Wir werden uns weiterhin auf die Datenqualität konzentrieren, um die Zukunft der Gesundheitsforschung zu gestalten. So werden Rohdaten in nützliches Wissen umgewandelt. Dieses Wissen wird dazu beitragen, die Gesundheit und das Wohlbefinden der Bevölkerung zu verbessern.

FAQ

Was sind Bevölkerungsgesundheitsdaten?

Bevölkerungsgesundheitsdaten umfassen ein breites Spektrum an Informationen aus großen Umfragen und Studien. Sie zeigen Gesundheitszustand, Verhalten und Ergebnisse ganzer Gruppen. Sie umfassen Aspekte wie Demografie, Krankengeschichte, Lebensstil und Gesundheitsindikatoren. Diese Informationen sind für Forscher und politische Entscheidungsträger von entscheidender Bedeutung.

Warum ist Datenbereinigung in der Bevölkerungsgesundheitsforschung wichtig?

Die Bereinigung von Daten ist entscheidend, da sie Fehler und Verzerrungen beseitigt. Dies macht die Forschung zuverlässiger. Mit genauen Daten können Forscher bessere Entscheidungen treffen und effektive Gesundheitspläne erstellen.

Was macht Stata für die Analyse von Bevölkerungsgesundheitsdaten einzigartig?

Stata zeichnet sich durch eine gute Datenverwaltung und zahlreiche statistische Tools aus. Es ist benutzerfreundlich und kann mit großen, komplexen Datenmengen arbeiten. Es eignet sich hervorragend für Gesundheitsforscher aller Ebenen.

Wie gehe ich mit fehlenden Daten in Stata um?

Stata bietet verschiedene Möglichkeiten, mit fehlenden Daten umzugehen. Sie können Befehle wie „mvpatterns“, „misstable“ und „mi“ verwenden. Diese helfen, fehlende Werte zu identifizieren und zu verwalten.

Welche statistischen Tests eignen sich am besten für Gesundheitsdaten der Bevölkerung?

Der richtige Test hängt von Ihrer Fragestellung und Ihren Daten ab. Sie können T-Tests, Regression, ANOVA oder fortgeschrittenere Methoden wie Multilevel-Modellierung und Überlebensanalyse verwenden.

Wie kann ich sicherstellen, dass meine Datenvisualisierung effektiv ist?

Gestalten Sie Ihre Visualisierungen übersichtlich, indem Sie die richtigen Diagramme und Farben wählen. Verwenden Sie Beschriftungen und konzentrieren Sie sich auf die Darstellung wichtiger Informationen. Die Stata-Befehle „graph“ und „twoway“ helfen Ihnen bei der Erstellung professioneller Grafiken.

Welche Ressourcen können mir helfen, meine Stata-Kenntnisse zu verbessern?

Zu den guten Ressourcen zählen Online-Tutorials, Kurse, Bücher, offizielle Stata-Leitfäden, Foren und Workshops. Diese helfen bei der Programmierung und der Bevölkerungsgesundheitsforschung.

Wie füge ich Datensätze in Stata zusammen?

Verwenden Sie „merge“, um Datensätze anhand gemeinsamer Variablen zu verknüpfen. Überprüfen Sie die Zusammenführung und die Datenintegrität. Verwenden Sie nach der Zusammenführung eine Validierung, um die Datengenauigkeit zu bestätigen.

Welche Dokumentationspraktiken werden für die Datenbereinigung empfohlen?

Führen Sie detaillierte Aufzeichnungen wie Datenwörterbücher, Protokolldateien und Transformationsnotizen. Nutzen Sie die Stata-Tools, um Änderungen nachzuverfolgen. So stellen Sie sicher, dass Ihre Forschung reproduzierbar und nachvollziehbar ist.

Wie kann ich häufige Datenprobleme in Stata beheben?

Identifizieren Sie Probleme, verwenden Sie Diagnosebefehle und wenden Sie Bereinigungstechniken an. Die Fehlerprüfung von Stata hilft Ihnen dabei. Überprüfen Sie Ihre Daten immer nach Änderungen.

  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