NA et doublons

Commandes

colSums(is.na(donnees))        # nombre de NA par colonne
sum(duplicated(donnees))       # nombre de lignes dupliquées
mean(is.na(donnees$age)) * 100 # pourcentage de NA pour une variable

Bonnes pratiques

• Décrivez le nombre et le pourcentage de valeurs manquantes par variable.
• Ne remplacez jamais systématiquement les NA par zéro ou par la moyenne.
• Une analyse en cas complets peut réduire la puissance et introduire un biais.
• Documentez toutes les exclusions, recodages et valeurs impossibles.

Attention : duplicated() détecte des lignes identiques. Deux patients distincts peuvent avoir des valeurs identiques : vérifiez avec un identifiant unique avant de supprimer.

Voir aussi : Données manquantes, biais et qualité.