Werden wir Helden für einen Tag
Home | About | ArchiveCRI 101: normalization for clinical scientists I
我真係寫。
我都是一個初學者，但求大家切磋下。
CRI ，是 Clinical Research Informatics 是 Medical Informatics 的一個小分支。香港沒有大學開辦 Medical Informatics 課程，更遑論 CRI ！但這是對研究多麼的重要呀！
我只好憑經驗和知識，將我對這方面的知識傾囊相授。為香港科學發展，以及 Research Assistant 的福祉好好著想。 RA 都有阿媽生，別亂入 Data 要他們幫你做 Cleaning 。要是你不會如何有效入數據，不妨先問問他們。
COPYRIGHT CH CHAN 2008
This work is licensed under a
Creative Commons Attribution-Share Alike 3.0 Unported License.
以中文寫多次。如要轉載請標示本文作者及以同樣的 CC Attribution-Share Alike 再發表。
---------------
作為一個研究人員，最重要的是數據。數據常常用試算表如 Excel 儲存。最常見的情況是這樣：
Excel 不是一個良好的數據儲存軟件。從上圖所見，一般的做法是隨意選一行作為首行，定義數據的名稱，再在之下的格仔儲存每一個數據。這是一般人仕直覺的做法，很想當然的。我不是說這樣做有錯，只不過這不是一個有效儲存的方法，以後亦難於作修改、檢視和選取。
從圖表我們找到了以下的問題：
1. 每個病人可以同時有多種病。故此在 Disease 的空格內有多個病，以 Coma 分隔。
2. 有打錯字（FeVR）
假定你要選出發燒的病人，從以上的 Excel ，就算使用搜尋功能，都不會找出 Fung 是發燒病人。要是這是 用於疾病控制， Fung 這個有肺炎的發燒病人就會「走漏眼」，說不會放他回社區，感染其他人。可見數據的 consistence 是多麼的重要。
又或者，有一天你發現這批病人有發燒的，其實是患上 SARS 。你想將所有 Fever 轉成 SARS 。用 Excel Search & Replace 功能，這個簡單的試算表要改 2 次。而且 Fung 這個人你改不到。
另外，性別沒有規範的寫法。
在這種情況，使用數據庫（ Database ）會是更好的選擇。使用數據庫可解決數據輸入沒有規範化的問題。可是一個設計差勁的數據庫，同樣會有 Excel 的問題。故此在決定轉用數據庫之前，需要妥善設計數據庫。
坊間有很多磚頭咁厚的數據庫設計書藉。本文只想講一個概念，叫做正規化。（ Normalization ）