Définition
Le dictionnaire de variables — souvent appelé *codebook* — associe à chaque colonne du jeu de données un ensemble de propriétés déclarées : identifiant technique stable, libellé lisible, type, échelle de mesure, unité, bornes du possible et du plausible, liste fermée des modalités pour les variables catégorielles, raisons d'absence admises, et correspondances vers les référentiels.
Sa propriété décisive est temporelle : il est écrit avant le recueil, pas déduit après. Un dictionnaire reconstitué a posteriori documente ce que les données semblent contenir ; un dictionnaire écrit d'avance contraint ce qu'elles peuvent contenir.
Pourquoi il compte
- Il rend la colonne interprétable.
imc = 31,2ne veut rien dire sans savoir si la valeur est mesurée ou calculée, à quelle date, et selon quelle formule. - Il rend l'absence lisible. Une cellule vide peut signifier « non recherché », « recherché et introuvable », ou « non applicable ». Ces trois cas se traitent différemment en analyse, et seul le dictionnaire les distingue.
- Il rend les unités comparables. Une glycémie en
mg/dLet une autre enmmol/Lne s'agrègent pas ; déclarer l'unité rend la conversion possible et vérifiable. - Il rend le contrôle automatique possible. Sans bornes déclarées, aucune règle ne peut refuser une valeur aberrante au moment de la saisie.
Exemple
Une entrée de dictionnaire pour une variable de score, telle qu'elle se présente dans une étude d'urologie :
| Propriété | Valeur | À quoi elle sert |
|---|---|---|
| Identifiant | ipss_total | Stable, jamais renommé — c'est lui que le script d'analyse appelle |
| Libellé | Score IPSS total | Ce que lit un humain |
| Type | Entier | Interdit « modéré » dans une colonne numérique |
| Échelle | Ordinale | Détermine les tests statistiques recevables |
| Unité | point (sans dimension) | Évite la confusion avec un pourcentage |
| Borne possible | 0 – 35 | Au-delà, la valeur est refusée : le score n'existe pas |
| Borne plausible | 0 – 30 | Au-delà, la valeur passe avec un avertissement |
| Absence admise | non recherché · patient non interrogeable | Deux situations distinctes, tracées séparément |
Concepts voisins
- Provenance des données — le dictionnaire dit ce qu'une valeur doit être ; la provenance dit d'où celle-ci vient.
- Qualité des données cliniques — le dictionnaire est l'instrument principal de la qualité a priori.
- Gestion des données cliniques — le dictionnaire en est la deuxième étape.
- Table des manquants — le compte rendu, par variable, de ce qui manque et pour quelle raison déclarée.
Référentiels associés
CDASH propose des noms et des définitions de variables réutilisables pour le recueil ; UCUM normalise l'écriture des unités ; LOINC identifie les observations biologiques ; les principes FAIR font des métadonnées la condition de la réutilisation.