Les données recueillies dans le cadre d’une thèse de médecine sont pour la plupart des données à caractère personnel. Elles sont de fait soumises à une réglementation forte, en particulier au RGPD (Réglementation Générale sur la Protection des Données). A ce titre, votre fichier de données ne doit pas contenir de données identifiantes telles que : nom de famille, prénom, date de naissance complète, adresse, code postal, numéro de téléphone, NIP, NDA… Afin de maintenir un niveau de sécurité minimal :

• Les patients doivent être identifiés par un numéro unique propre au travail de thèse (« id_patient »).
• Un fichier de correspondance, contenant la correspondance entre le numéro de patient propre à l’étude (« id_patient ») et, par exemple, le numéro de patient interne au CHU (NIP), doit être conservé au sein de l’établissement duquel sont issues les données, ou du moins dans un lieu différent de celui dans lequel sont stockées les données
• Au mieux, les fichiers (données et correspondance) peuvent être chiffrés par mot de passe. Quelques liens vers des ressources expliquant comment procéder, selon l’outil de saisie utilisé
  • Tutoriel chiffrement Excel (Microsoft)
  • Tutoriel chiffrement Calc (LibreOffice)
  • Tutoriel chiffrement Calc (OpenOffice)
  • Tutoriel chiffrement Numbers (Apple)

Afin de faciliter l’analyse statistique, les données doivent être organisées sous la forme de 3 feuillets :

• Un fichier contenant les données
• Un fichier contenant les libellés des variables
• Un fichier contenant les libellés des modalités des variables qualitatives

• Chaque colonne correspond à une variable. Pour le nom des variables :
  • Ils ne doivent contenir ni caractères spéciaux (&, €, <, µ, +, etc.), ni ponctuation ni accent. Les majuscules sont autorisées. Les espaces doivent être remplacés par des « _ ». Exemple : « age_sup_18_ans ».
  • Un nom de variable doit toujours commencer par une lettre.
  • Dans le cas de mesure répétée à différents temps, on préfixe les variables par le temps de mesure. Exemple : « M3_saignement ».
  • Toutes les variables doivent avoir un nom différent.
• Chaque ligne correspond à une unité d’étude (souvent un patient).
• Dans ce fichier, les données à analyser doivent être saisies sous forme de nombre :
  • Pour les paramètres quantitatifs, la valeur saisie est celle de la mesure du paramètre quantitatif. Le séparateur décimal peut être la virgule ou le point mais il doit être constant dans l’ensemble du fichier de données. Ne pas mettre d’unité de mesure.
  • Pour les paramètres qualitatifs, la valeur saisie est celle du nombre servant à coder la modalité du paramètre qualitatif (cf. feuillet 3).
  • Concernant les données temporelles :
    • Pour les dates, le format de saisie doit être toujours le même pour toutes les dates, par exemple « JJ/MM/AAAA ». (et bien sûr, une seule date par cellule !) Au besoin, créer plusieurs variables de date. (Par exemple date_prescription, date_debut_ttt et date_fin_ttt). Si pour un patient il vous manque une information, par exemple vous n’avez que le mois et l »année mais pas la date, il faut soit considérer la donnée comme manquante (et donc laisser la cellule vide), soit décider d’une date (mais préciser comment dans le rapport).
    • L’heure, si elle est intéressante, doit être saisie dans une cellule différente de celle de la date. Son format de saisie doit être « hh24:mi:ss ».
  • Il est possible de saisir du texte, mais ce dernier ne pourra pas être analysé, il s’agira de commentaire (enlever ou indiquer quelles variables sont des commentaires pour une analyse). 

Imaginons que l’on souhaite recueillir des informations en lien avec le traitement d’une affection particulière, par exemple la grippe. On s’intéresse au fait que le patient ait pu recevoir un traitement symptomatique, un traitement par inhibiteur de la neuraminidase et/ou un traitement antibiotique. Les traitements n’étant pas mutuellement exclusifs (un patient pouvant donc être traité et par antibiotique et par TAMIFLU), il convient de créer une colonne par type de traitement puis de saisir, dans chacune d’elle, si le patient a oui ou non été traité par le traitement considéré.

• Une donnée manquante doit correspondre à une cellule vide.
• Une donnée « non-applicable » doit être représentée par une unique chaîne de caractère, par exemple « NonApp ».

Donnée manquante = cellule vide

Ce feuillet est composé de 3 colonnes :

• Une colonne « Variable », contenant le nom des variables qualitatives telles que saisies dans le feuillet contenant les données.  Il ne doit pas y avoir de variable quantitative ou temporelle dans le fichier des modalités.
• Une colonne « Modalité », contenant le codage numérique des variables qualitatives.
• Une colonne « Libellé », contenant la signification des modalités des variables qualitatives (telle qu’il apparaîtra dans le tableau : il doit donc être assez long pour être compréhensible mais assez court pour ne pas l’alourdir).

Ci-dessous l’exemple d’un tableau de données avec un format non analysable :

• Il contient des données nominatives
• Il ne respecte pas la structure : données / libellé des variables / libellé des modalités des variables qualitatives + tableau de correspondance
• Les données ne sont pas codées sous forme de nombre
• Certaines cellules contiennent plusieurs informations
• Les données textuelles n’ont pas été codées pour l’analyse

Les données « ttt_autre_detail » et « motif_detail » ne peuvent pas être analysées telles quelles. Leurs formats analysables, codés, sont respectivement « ttt_autre » et « motif ».