أبعاد الجودة
الحديث عن «بيانات نظيفة» دون تحديد الخاصية المقصودة يؤدي إلى جهد في غير موضعه: ساعات تُنفَق في ملء خلايا فارغة بينما الخلل الحقيقي في مكان آخر.
| البعد | السؤال الذي يجيب عنه | هل يُصحَّح لاحقاً؟ |
|---|---|---|
| الدقة | هل تطابق القيمة ما لوحظ؟ | نادراً — يستلزم العودة إلى الملف المصدري |
| الاكتمال | هل ما ينقص موثَّق بوصفه ناقصاً؟ | لا — الغياب غير المتتبَّع يبقى ملتبساً |
| الاتساق | هل تتناقض المتغيرات المرتبطة؟ | نعم، جزئياً |
| المطابقة | هل احتُرمت الصيغة والنوع والوحدة؟ | نعم |
| قابلية التتبع | هل يُعرَف مصدر القيمة؟ | لا — تضيع نهائياً |
| الآنية | هل تقابل القيمة التاريخ الصحيح؟ | لا، إن لم يُسجَّل التاريخ |
الجودة تُصنع قبل الجمع
الانعكاس الشائع هو الجمع أولاً والتنظيف لاحقاً. وهو أغلى الترتيبات، وأكثرها إنتاجاً لمجموعات لا يمكن الدفاع عنها: فالتنظيف اللاحق تخمينٌ لما قصده صاحب البيانات، بعد أشهر.
ما يُقرَّر سلفاً
- النوع والمقياس — العدد الصحيح لا يقبل «متوسط»، والمتغير الرتبي لا يقبل متوسطاً حسابياً.
- الوحدة — معلَنة، موحَّدة وفق UCUM، فتصير قابلة للتحويل بلا لبس.
- الحدود — مستويان متمايزان: الممكن (وراءه رفض) والمعقول (وراءه تنبيه).
- الفئات — قائمة مغلقة، كي لا تصير «ض.د.م» و«ضغط» و«ارتفاع ضغط الدم» ثلاث فئات.
- أسباب الغياب المقبولة — الفرق بين لم يُطلب، وطُلب ولم يوجد، ولا ينطبق.
وهذا كله مضمون قاموس البيانات، ولهذا يسبق الجمع بدل أن يوثّقه.
الضوابط التي تفيد فعلاً
فصل الحدود الممكنة عن المعقولة
عمرٌ قدره 210 سنة مستحيل ويجب رفضه. وعمرٌ قدره 103 سنوات غير مرجَّح لكنه واقعي: ورفضه يُتلف قيمة صحيحة. والخلط بين المستويين ينتج إما رفضاً تعسفياً وإما قبولاً لشواذّ.
الاتساق بين المتغيرات المرتبطة
تاريخ خروج يسبق تاريخ الدخول، أو مرحلة نقيلية بلا موضع نقيلة مسجَّل، أو مضاعفة من الدرجة الرابعة مع إقامة يومين: تناقضاتٌ تُلتقط بقاعدة لا بإعادة القراءة.
الاكتمال لكل متغير لا إجمالاً
نسبة ملء إجمالية قدرها 94% قد تخفي متغيراً مملوءاً بنسبة 30% — وإن كان هو المعيار الأساسي، فالدراسة مهدَّدة بينما يبدو المؤشر العام ممتازاً.
مراجعة بشرية للحالات المحسومة
الضوابط الآلية تلتقط المستحيل، ولا تلتقط المعقول-الخاطئ. والمراجعة ملفاً ملفاً وحدها تفعل، وينبغي تركيزها حيث لزم حكم — وهو ما يجعله تتبع المصدر معلوماً.
كيف تعالج AnzarSeha هذا الموضوع
- التصنيف والوحدات والحدود يحملها القاموس المولَّد عند إنشاء الدراسة، فتكون فاعلة منذ أول إدخال.
- الحدود الممكنة ترفض القيمة، والحدود المعقولة تمرّرها مع تنبيه يُحفظ.
- أسباب الغياب قائمة مغلقة خاصة بكل متغير، ولكل سبب أثره التحليلي.
- يتضمن التصدير جدول القيم الناقصة: ما ينقص، وبأي سبب معلَن، متغيراً بمتغير.
- كل قيمة تحمل مصدرها، ما يتيح توجيه المراجعة إلى الحالات التي استلزمت حكماً.
ما يُبلَّغ عنه في المنشور
جودة البيانات ليست عملاً داخلياً فحسب: تنتظر STROBE من المقال الرصدي أن يصف كيف قِيست المتغيرات، وكيف عولجت البيانات الناقصة، وما بُذل للحد من انحياز المعلومة.
- عدد الملفات المؤهلة والمُدرَجة والمستبعَدة، مع الأسباب.
- لكل متغير مهم: نسبة القيم الناقصة وطريقة المعالجة المعتمدة.
- مصدر كل متغير رئيسي: مقيس، أو محسوب، أو مستخرَج من تقرير.
- قواعد التحقق المطبَّقة وعدد القيم التي رفضتها.
مجموعةٌ مُدارة على النحو السابق تعطي هذه الأرقام بلا عمل إضافي، أما المُدارة في جدول بيانات فتفرض إعادة بنائها، من الذاكرة غالباً.
أسئلة متكررة
هل ينبغي إسناد قيم للبيانات الناقصة؟
هذا قرار إحصائي لا قرار إدارة بيانات. وما يجب أن توفّره إدارة البيانات هو أساس اتخاذه: نسبة النقص لكل متغير والسبب المعلَن لكل غياب. والإسناد دون معرفة آلية النقص إنما هو اختلاق بيانات.
هل نسبة اكتمال 100% علامة جيدة؟
ليس بالضرورة. فالاكتمال التام في فوج رجعي يشير غالباً إلى إدخال قيمة افتراضية حيث غابت المعلومة — وهو أسوأ من خلية فارغة، لأنه غير قابل للكشف.
متى يتوقف ضبط الجودة؟
حين تُفحَص التناقضات المتبقية وتُوثَّق، وقبل تجميد القاعدة. وبعد التجميد يبقى تصحيح القيمة ممكناً لكنه يستلزم إعادة فتح مسبَّبة تُقيَّد في السجل.