A1.2.1a Introduction à Stata

Syntaxe générale

Il existe plusieurs façons de se familiariser avec votre jeu de données. Au fur et à mesure que vous progressez dans cette section, notez que la syntaxe générale des commandes dans Stata est la suivante :

command {space} variable_name(s) {space}  [if expression], {space} options

Notez qu’après la commande et le nom de la variable, une virgule précède toute liste d’options. Certaines commandes peuvent également être abrégées. Les instructions conditionnelles utilisant le mot « if » apparaissent avant la virgule. Gardez cette syntaxe générale à l’esprit lorsque vous utilisez les commandes ci-dessous.

Dépannage – comment obtenir de l’aide

La commande ‘help’ dans Stata peut être très utile pour en apprendre davantage sur les commandes disponibles. Il suffit de taper help suivi du nom de la commande pour laquelle vous souhaitez obtenir plus d’informations ; une fenêtre d’aide s’ouvrira.

Par exemple, si vous souhaitez obtenir plus d’informations sur la commande ‘tabulate’, vous pouvez taper :

help tabulate

Vous pouvez également rechercher une commande. Par exemple, si vous souhaitez obtenir de l’aide générale sur les histogrammes, vous pouvez taper :

search histogram

Explorer vos données

La commande ‘describe‘ permet d’afficher les noms des variables ainsi que leurs étiquettes. Vous pouvez examiner l’ensemble du jeu de données ou des variables spécifiques. Essayez :

describe

describe bmi_grp4

La commande ‘codebook‘ fournit des informations supplémentaires sur les variables du jeu de données, notamment les valeurs minimales et maximales ainsi que des informations sur les données manquantes. Dans Stata, les valeurs manquantes sont généralement codées par un point (.). Toutefois, elles peuvent aussi être codées, par exemple, comme 99 ou 0 ; il est donc important de bien comprendre comment les valeurs manquantes sont codées avant d’explorer votre jeu de données. Essayez :

codebook bmi_grp4

Vous pouvez également vous faire une idée du jeu de données en utilisant les commandes ‘list‘ et ‘tabulate‘. Essayez d’examiner les variables ‘currsmoker’ et ‘frailty’ :

tabulate currsmoker

tab currsmoker, missing

tab currsmoker frailty, row

tab currsmoker frailty, col

Vous pouvez utiliser la condition ‘if ‘ pour visualiser des observations spécifiques. Essayez d’explorer les données pour les fumeurs actuels âgés de 60 à 70 ans :

browse if currsmoker==1 & age_grp==1

Essayez maintenant de tabuler le niveau de fragilité chez les fumeurs actuels âgés de 60 à 70 ans à l’aide de la condition ‘if’ :

tab frailty if currsmoker==1 & age_grp==1

Notez que dans Stata, si vous souhaitez indiquer qu’une variable est « égale à » une certaine valeur, vous devez utiliser deux signes égal, comme ceci : ==.

Question A1.2.1b:  Examiner la variable bmi_grp4.

• • Quelle information est collectée dans variable ?
  • Comment les réponses sont-elles codées ?
  • Y a-t-il des données manquantes ?

Étiquetage des variables

Si vous regardez la fenêtre « Variables », vous remarquerez que certaines variables ne possèdent pas d’étiquettes, ou que le nom de la variable n’est pas très explicite. Les données peuvent être plus faciles à exploiter si vous disposez d’une courte description (ou étiquette) des variables. Vous pouvez ajouter des étiquettes aux variables à l’aide de la commande ‘label variable’.

Syntaxe générale :

 label variable variable_name “label”

Lorsque vous ajoutez une étiquette à une variable, la commande est ‘label variable ‘ ; simplement taper label est incorrect. Par exemple :

label variable prior_cvd “Prior CVD” 

Si vous regardez la fenêtre « Variables », vous devriez maintenant voir qu’une étiquette apparaît à côté de ‘prior_cvd’. Vous pouvez ensuite examiner cette variable en utilisant la commande ‘codebook ‘ ou ‘tab‘ :

 codebook prior_cvd      … (or tab prior_cvd)

Vous pouvez voir que la variable ‘currsmoker’ est une variable binaire et qu’elle prend la valeur 0 ou 1. Cela n’est pas très informatif ; en réalité, 0 = non et 1 = oui. Nous devons donc réétiqueter les valeurs numériques de la variable en “yes” et “no”.

L’étiquetage d’une variable se fait en deux étapes. Tout d’abord, vous devez définir l’étiquette, puis l’assigner à la variable. La syntaxe générale est présentée ci-dessous :

label define label_name 0 “label1” 1 “label2” …[, add modify replace]

label values variable_name(s)  label_name

Pour la variable ‘currsmoker’, nous devons d’abord utiliser la commande ‘label define’ afin de créer une étiquette de valeurs appelée ‘smoke_lab’, qui associe 0 à “no” et 1 à “yes”. Par exemple :

 label define smoke_lab 0 “no” 1 “yes”

Ensuite, nous devons appliquer cette nouvelle étiquette (‘smoke_lab’) à la variable ‘currsmoker’. Par exemple :

label values currsmoker smoke_lab

Examinez maintenant la variable ‘currsmoker’ (avec ‘tab ‘ ou ‘codebook‘) ; vous devriez constater que les valeurs 0 et 1 sont désormais étiquetées “no” et “yes”. Vous pouvez également consulter les étiquettes d’une variable en tapant :

label list label_name

Par exemple, tapez :  label list smoke_lab

• Pouvez-vous suivre les commandes décrites ici pour étiqueter la variable ‘currsmoker’ dans votre propre jeu de données et votre version de Stata ?

Créer de nouvelles variables – ‘generate’

La commande ‘generate ‘ vous permet de créer de nouvelles variables. La syntaxe générale est :

generate new_variable=expression [if ]

Essayez les commandes suivantes :

generate var1 = 1

generate var2 = 5

browse

Vous pouvez également copier des variables existantes ou créer de nouvelles variables à partir de données existantes. Par exemple :

generate age4 = age_grp

Vous pouvez également utiliser des opérations mathématiques et des fonctions telles que + (addition), – (soustraction), * (multiplication), / (division), ^ (puissance), sqrt (racine carrée), ln (logarithme naturel), exp (exponentielle). Par exemple :

 generate var3 = var1+var2

 gen var4 = var3*var2

Ces calculs peuvent être utilisés pour créer différentes variables. Par exemple, vous pouvez calculer le nombre total de maladies antérieures diagnostiquées chez un participant :

gen prior_disease = prior_cvd + prior_t2dm + prior_cancer

tab prior_disease, m

Il existe également une extension de la commande ‘generate’, appelée ‘egen’, qui peut être utile (voir ‘help egen’ pour plus d’informations).

Remplacer et coder  

Vous pouvez modifier des variables à l’aide des commandes ‘replace’ et ‘recode’. VEUILLEZ NOTER QU’IL EXISTE PLUSIEURS FAÇONS (CORRECTES) DE RECODER ET DE CRÉER DE NOUVELLES VARIABLES. Vous verrez quelques exemples dans cet exercice pratique, et d’autres dans les séances suivantes. Le choix de la méthode pour remplacer ou recoder des variables relève généralement d’une préférence personnelle, et il importe rarement laquelle vous utilisez, car différentes commandes peuvent produire le même résultat.

Essayez de modifier la variable ‘bmi’ afin de créer une variable binaire indiquant les individus obèses et ceux qui ne le sont pas. Toutefois, ne modifiez jamais directement la variable originale (au cas où vous changeriez d’avis).

Dupliquez d’abord la variable, puis recodez-la. Par exemple :

gen bmi2=bmi 

recode bmi2 min/29=0 30/max=1

Comparer maintenant ‘bmi’ et ‘bmi2’ :

 browse bmi bmi2

Voici une autre façon de recoder l’IMC :

gen bmi_bin = 1 if bmi_grp4<=2

replace bmi_bin = 0 if bmi_grp4>2

Il est recommandé de croiser vos variables binaires et catégorielles afin de vérifier votre codage :

tab bmi_bin bmi_grp4, miss

Dans Stata, les valeurs manquantes sont considérées comme les valeurs numériques les plus élevées ; observez donc où elles apparaissent à l’aide de cette commande.

Question A1.2.1c:

• • Pouvez-vous générer une nouvelle variable identique à la variable ‘ldlc’ ? (appelez-la ‘ldl2’)
  • Pouvez-vous recoder cette nouvelle variable afin d’indiquer les individus ayant un LDL-C inférieur ou égal à 4, et ceux ayant un LDL-C supérieur à 4 mmol/L ? (indice : utilisez la commande ‘replace’ comme ci-dessus, avec les signes ‘<=’)
  • Optionnel : examinez la syntaxe de ‘recode’ (tapez ‘help recode’) pour comprendre comment définir des étiquettes de valeurs directement dans la commande.

Supprimer des variables 

Vous pouvez supprimer des variables du jeu de données si vous ne souhaitez plus les utiliser. Cependant, une fois cette action effectuée, elle est irréversible ; soyez donc prudent lorsque vous utilisez cette commande. Une variable peut être supprimée du jeu de données en tapant la commande suivante:

 drop var1

Modifier les données — effectuer des changements dans l’éditeur de données

Stata dispose d’un éditeur de données qui vous permet de visualiser les données de votre jeu de données et d’y apporter des modifications. Pour accéder à cette fenêtre, vous pouvez soit taper ‘edit’, soit l’ouvrir à partir du menu déroulant (Data > Data Editor > Data Editor (Edit)). Vous pouvez ensuite cliquer sur la cellule appropriée dans la fenêtre d’édition et modifier les valeurs des données.

CEPENDANT, lors du nettoyage des données, il est fortement recommandé d’enregistrer les commandes pertinentes dans un fichier .do et de les exécuter à chaque session. Cela permet de conserver votre jeu de données original intact en cas d’erreur lors de l’édition, ou si vous devez vous rappeler ultérieurement des modifications effectuées. Vous disposez ainsi d’un enregistrement permanent du processus de nettoyage des données.

Le « nettoyage des données » (data cleaning) correspond au processus qui consiste à préparer l’ensemble des variables de votre jeu de données brut afin qu’elles puissent être utilisées dans votre analyse.