Données manquantes : MCAR, MAR, MNAR expliqués avec R | Analyser ses données, Épisode 2 (Partie 1)

66 % de femmes anémiées, un code juste… et pourtant un chiffre faux. Pourquoi ? Parce que l'hémoglobine manque pour près d'1 femme sur 3, et ces femmes-là ne sont pas n'importe lesquelles. Dans cette première partie de l'épisode 2 de la série « Analyser ses données : les bons réflexes », nous apprenons à comprendre les données manquantes avant de les traiter : ✅ Les 3 mécanismes de Rubin : MCAR, MAR et MNAR, avec des définitions claires et des exemples en santé publique ✅ Le piège du saut logique ✅ La pratique dans R en 4 étapes : compter (colSums, is.na), repérer les combinaisons (md.pattern du package mice), identifier le mécanisme (table, régression logistique avec glm) et mesurer l'impact Lionel AGOSSOU, biostatisticien et épidémiologiste, coordonnateur de la R Users Community #RStats #Biostatistique #Epidemiologie #DonneesManquantes #SantePublique #RUsersCommunity