Beim Zusammenführen werden Daten aus einem Datensatz in einen anderen integriert (Spalten hinzugefügt) und ist erforderlich, wenn sich die zu analysierenden Daten in mehreren Datensätzen befinden. Die Anzahl der Zeilen entspricht im Allgemeinen dem größeren der Originaldatensätze. Beispielsweise erfordern die meisten Analysen sowohl demografische als auch klinische Daten, diese sind jedoch in zwei verschiedenen Datensätzen enthalten (Profil Und einschreiben jeweils). Der Analysedatensatz kann durch Zusammenführen der demografischen und klinischen Datensätze erhalten werden subjid Und visdy. Tabelle 3 zeigt das Ergebnis nach der Zusammenführung von Tabelle 1 und Tabelle 2.

Tisch 3. Ergebnis nach Zusammenführung teilnehmer- und besuchsbasierter Datensätze

Unterteilung ist eine weitere wichtige Technik in der Datensatzverwaltung, bei der ein Datensatz so gefiltert wird, dass er nur Teilnehmer enthält, die ein bestimmtes Kriterium erfüllen (Zeilen entfernen). Nach der Unterteilung ist die Anzahl der Zeilen im neuen Datensatz geringer als im ursprünglichen Datensatz. Einige Analysen könnten sich beispielsweise auf HDGECs konzentrieren, was erfordert, dass diejenigen ohne Generweiterung aus dem Datensatz entfernt werden. Tabelle 4 zeigt das Ergebnis nach Unterteilung von Tabelle 3 für HDGECs.

Tabelle 4. Ergebnis nach Unterteilung des Datensatzes für HDGEC

Eine dritte Technik bei der Datensatzverwaltung ist die Erstellung abgeleiteter Variablen, die durch eine Funktion oder Gruppierung in Bezug auf andere Variablen definiert werden. Eine Kategorie abgeleiteter Variablen ist eine Gesamtpunktzahl; Viele Gesamtpunktzahlen sind in den PDSs enthalten, darunter Motscore und funktionale Maßnahmen TFC (d. h. tfcscore) und FAS (d. h. fascore). Eine zweite Kategorie abgeleiteter Variablen ist ein zusammengesetzter Score, der häufig zur Verwendung in oder als Ergebnis einer Analyse erstellt wird. Der CAP-Score (in anderen Artikeln dieser Reihe beschrieben; Warner et al. 2020) wird mithilfe generiert Alter Und caghigh. Der Prognostic Index (Long et al. 2017) verwendet Alter, caghigh, und Motscore zusammen mit einem kognitiven Maß, dem Symbol Digit Modalities Test (d. h. sdmt1). Das zusammengesetzte UHDRS (cUHDRS; Schobel et al. 2017) wird aus berechnet Motscore, tfcscore, und sdmt1 plus ein anderes kognitives Maß, der Stroop Word Reading Test (d. h. swrt1). Diese zusammengesetzten Ergebnisse sind wichtig für das Verständnis des Verlaufs der Huntington-Krankheit.

Enroll-HD Fehlende Daten

Fehlende Datenwerte sind in großen Beobachtungsstudien unvermeidlich, und zwei übergreifende Kategorien fehlender Daten sind für PDS-Veröffentlichungen relevant: systemdefiniert fehlende Daten (angezeigt durch leere Variablenwerte) und benutzerdefinierte fehlende Daten (angezeigt durch spezifische Codes, die den Grund für das Fehlen angeben). Benutzerdefinierte fehlende Daten treten auf, wenn ein vom EDC-System festgelegtes obligatorisches Variablenfeld nicht ausgefüllt ist oder wenn der in das EDC eingegebene Wert bekanntermaßen falsch ist. Das PDS bietet zusätzliche Informationen zu vier möglichen Gründen für benutzerdefinierte fehlende Daten; Es ist bekannt, dass der Datenwert „falsch“ oder höchst fragwürdig ist, was auf einen Verwaltungs- oder Instrumentierungsfehler zurückzuführen sein kann. das Item ist „nicht anwendbar“, was der Fall ist, wenn das Item vom Teilnehmer nicht beantwortet werden kann oder aufgrund bestimmter Umstände nicht zutrifft; ein „fehlender Wert“, der aus der Weigerung eines Teilnehmers, die Daten weiterzugeben, oder aus versehentlichem Weglassen der Daten resultiert; die Daten sind dem Teilnehmer und/oder dem Administrator „unbekannt“ (gilt nur für bestimmte Variablenfelder). Die fehlenden Wertcodes aus diesen vier Gründen sind in Tabelle 5 aufgeführt. 

Tabelle 5. Fehlende Wertcodes