Nettoyage des données NHANES

Pendant le nettoyage des données, nous avons constaté que personne de moins de 16 ans n'avait reçu le traitement. Rappelez‑vous que nous supposons que la variable indiquant si un médecin a déjà conseillé de réduire les gras ou les calories dans l'alimentation correspond à un service de counseling nutritionnel ciblé, notre traitement. Conservons uniquement les patientes et patients de plus de 16 ans dans le jeu de données.

Vous avez peut‑être aussi remarqué que les paramètres par défaut de ggplot2 suppriment toute observation ayant une variable dépendante manquante, dans ce cas‑ci le poids corporel. Une option pour traiter les poids manquants, l'imputation, peut être mise en œuvre avec le paquet simputation. L'imputation est une technique de traitement des valeurs manquantes où vous les remplacez soit par une statistique sommaire, comme la moyenne ou la médiane, soit à l'aide d'un modèle pour prédire une valeur de remplacement.

Nous utiliserons impute_median(), qui prend en arguments un jeu de données et la variable à imputer ou une formule pour indiquer le regroupement d'imputation. Par exemple, impute_median(ToothGrowth, len ~ dose) remplirait toute valeur manquante de la variable len avec la médiane de len par dose. Ainsi, si un cobaye ayant reçu une dose de 2,0 avait une valeur manquante pour la variable len, elle serait remplacée par la médiane de len pour les cobayes ayant une dose de 2,0.

Cette activité fait partie du cours

Plan d'expériences avec R

Voir le cours

Instructions de l’exercice

Créez nhanes_filter en utilisant filter() pour ne garder que les personnes de plus de 16 ans dans le jeu de données, sans inclure celles et ceux qui ont 16 ans. L'âge est stocké dans la variable ridageyr.
Chargez simputation. Utilisez impute_median() pour remplir les observations manquantes de bmxwt dans nhanes_filter, en regroupant par riagendr.
Recoder la variable nhanes_final$mcq365d en remplaçant toute observation ayant la valeur 9 par 2. Vérifiez que le recodage a fonctionné avec count().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Filter to keep only those 16+
nhanes_filter <- ___ %>% filter(___)

# Load simputation & impute bmxwt by riagendr
___
nhanes_final <- impute_median(___, ___)

# Recode mcq365d with recode() & examine with count()
nhanes_final$mcq365d <- recode(nhanes_final$mcq365d, 
                               `1` = 1,
                               `2` = 2,
                               `9` = ___)
___ %>% ___

Modifier et exécuter le code