Сбор и выкопировка данных

<...>

После того, как были собраны исследования, наступает этап выкопировки данных. Естественно, что необходимо следить за тем, чтобы данные от одной группы пациентов использовались только один раз. Хотя это кажется само собой разумеющимся, в реальности обнаружить двойные публикации не так уж легко. Tramer и соавт. (1997) провели анализ 84 исследований по использованию антагониста 5-HT3 рецепторов ондансетрона для профилактики послеоперационной тошноты и рвоты. Они обнаружили, что количество двойных работ составило 17%. При этом в публикациях отсутствовали указания на вторичность публикаций, а результатом являлось завышение эффективности препарата на 23%.

Для выкопировки данных лучше всего разработать специальную форму, которая будет собирать важнейшую информацию об исследовании, такую как количество пациентов в группе контроля и группе лечения, результаты наблюдения за каждой группой и т.д. Переменные, характеризующие результат лечения могут быть количественными - такими как уровень артериального давления, значения шкалы качества жизни и т.п. или качественными - смертность или частота осложнений. В ряде случаев они могут быть упорядоченными качественными переменными (стадия опухоли) или временными (продолжительность жизни или ремиссии). Чаще всего, однако, клиницисту приходится сталкиваться с качественными показателями эффективности терапии, и поэтому пример формы выкопировки данных, приведенный в табл.1, предназначен для анализа именно таких данных.

Наиболее адекватная процедура разработки формы выкопировки данных проходит три стадии (Robey и Dalebout, 1999). На первой стадии аналитик, основываясь на своем опыте и задачах мета-анализа, создает черновой вариант кодировочной схемы. При этом учитываются те переменные, которые влияют на исход данного заболевания. Для их идентификации могут помочь оригинальные работы и литературные обзоры по естественному течению заболевания. На втором этапе данная схема используется для выкопировки данных из 10-12 исследований. В ходе этой работы становятся понятными недостатки кодировочной схемы и проводится ее переработка. Лишь затем схема применяется на всем массиве данных.

При выкопировке данных следует стараться выписывать абсолютные данные, а не проценты (10 пациентов умерло из 20, а не 50%). При выкопировке данных могут возникнуть две основные проблемы.

Во-первых, необходимые данные могут отсутствовать в опубликованных статьях. В этом случае можно попытаться войти в контакт с авторами соответствующих исследований и получить информацию от них. Однако, как отмечают Roberts и Schierhout (1997) исследователи часто отказываются предоставить даже суммарные неопубликованные данные. Поэтому иногда приходится прибегать к трансформации опубликованных данных для того, чтобы получить примерную оценку величин, интересующих аналитика (как будет показано далее размер эффекта, например, можно оценить по значению коэффициента Стьюдента или значению хи2).

Во-вторых, выкопировка данных представляет собой кропотливый и сложный процесс, который уязвим для ошибок и неточностей. Поэтому L'Abbe и соавт (1987) рекомендуют, поручить выкопировку одновременно двум исследователям, знакомым с данной клинической проблемой. Затем результаты сравниваются и таким образом ошибки исключаются.

--------------------------------------------------
Note added at 10 hrs (2018-02-13 23:51:49 GMT)
--------------------------------------------------

> Однако мне кажется, что в Вашем примере речь идет о выкопировке вторичных данных (т.е. данных, представленных в виде результатов исследований), в моем случае речь о выкопировке, как сборе первичных данных из медицинских карт детей.

Не спорю. Я привел эту информацию только для того, чтобы показать, как производится выкопировка.


--------------------------------------------------
Note added at 10 hrs (2018-02-14 00:47:39 GMT)
--------------------------------------------------

What is the difference between big data and data mining?
https://www.techopedia.com/7/29678/technology-trends/what-is...
== BEGIN QUOTE ==

Big data is a term for a large data set. Big data sets are those that outgrow the simple kind of database and data handling architectures that were used in earlier times, when big data was more expensive and less feasible. For example, sets of data that are too large to be easily handled in a Microsoft Excel spreadsheet could be referred to as big data sets.

Data mining refers to the activity of going through big data sets to look for relevant or pertinent information. This type of activity is really a good example of the old axiom "looking for a needle in a haystack." The idea is that businesses collect massive sets of data that may be homogeneous or automatically collected. Decision-makers need access to smaller, more specific pieces of data from those large sets. They use data mining to uncover the pieces of information that will inform leadership and help chart the course for a business.

== END QUOTE ==
(подчеркивание мое)

Намекаю на то, что термин data mining обычно применяется к большим и очень большим объемам данных, чего бы там ни думали некоторые специалисты. Например, 1 млн наборов записей (record sets) — это big data. Сомневаюсь, что при выкопировке данных можно обеспечить подобные объемы.