🧹 Veri Temizliği Rehberi
Klinik araştırmacılar için pratik bir başlangıç
👋 Bu Rehber Kimin İçin?
Bu rehber; istatistiksel analiz için bana, bir biyoistatistikçiye ya da metodoloji danışmanına başvurmadan önce kendi verisini hazırlamak isteyen araştırmacılar için yazıldı.
Hedef kitle:
- Klinisyenler ve sağlık araştırmacıları
- Tez aşamasındaki uzmanlık ve doktora öğrencileri
- Excel’i günlük araç olarak kullanan, ama kod yazmayan araştırmacılar
- “Verim hazır mı, hazır değil mi” sorusuna net cevap arayanlar
🎯 Neden Veri Temizliği?
Bir veri analizi projesinin %60-80’i veri temizliğine harcanır. Eğer veriniz analiz için hazır değilse:
- ❌ Yanlış sonuçlar üretebilirsiniz
- ❌ Yayın hakem süreçlerinde geri dönüşler yersiniz
- ❌ İstatistikçi ile defalarca yazışmak zorunda kalırsınız
- ❌ Zaman ve enerji kaybedersiniz
Bu rehber, verinizi bir uzmana göndermeden önce kendi başınıza halledebileceğiniz adımları gösterir.
📚 Rehber İçeriği
1. Veri Toplama Disiplini
Daha veri toplamadan, doğru başlamak için bilmeniz gereken prensipler. Kod sözlüğü, uzun format, isimlendirme kuralları.
2. Sık Karşılaşılan Sorunlar
Birleştirilmiş hücreler, tarih kabusu, eksik değer kodlaması, kategori tutarsızlıkları — örneklerle.
3. OpenRefine Rehberi
Kod yazmadan, tarayıcıda çalışan ücretsiz araçla veri temizliği. Adım adım anlatım.
4. R ile Temizlik
Otomatik kontrol raporu üretmek isteyenler için R’ın janitor paketiyle pratik temizlik.
5. Kontrol Listesi
İstatistikçinize göndermeden önce verinizin geçmesi gereken sınav. Tek sayfa.
🚀 Nereden Başlayayım?
- Veri henüz toplanmadıysa: 1. Veri Toplama Disiplini ile başlayın.
- Veri elde, kirli, R bilmiyorum: 3. OpenRefine Rehberi.
- Veri elde, biraz R bilirim: 4. R ile Temizlik.
- “Hazır mı?” diye kontrol etmek istiyorum: 5. Kontrol Listesi.
📜 Lisans ve Katkı
Bu rehber CC BY 4.0 altında paylaşılmaktadır. Kaynağı belirterek özgürce kullanabilir, dağıtabilir ve uyarlayabilirsiniz.
Hata ya da öneri için GitHub Issues üzerinden ulaşabilirsiniz.
“Hatalı veri, hatalı sonuç. Garbage in, garbage out.”