Get automated translation from babeldown #187
Conversation
Thank you!Thank you for your pull request 😃 🤖 This automated message can help you check the rendered files in your submission for clarity. If you have any questions, please feel free to open an issue in {sandpaper}. If you have files that automatically render output (e.g. R Markdown), then you should check for the following:
Rendered Changes🔍 Inspect the changes: https://github.com/epiverse-trace/tutorials-early/compare/md-outputs..md-outputs-PR-187 The following changes were observed in the rendered markdown documents: What does this mean?If you have source files that require output and figures to be generated (e.g. R Markdown), then it is important to make sure the generated figures and output are reproducible. This output provides a way for you to inspect the output in a diff-friendly manner so that it's easy to see the changes that occur due to new software versions or randomisation. ⏱️ Updated at 2025-05-05 09:56:36 +0000 |
| @@ -0,0 +1,665 @@ | |||
| --- | |||
| title: Nettoyer les données de l'affaire | |||
There was a problem hiding this comment.
I suggest we build a glossary for this translation.
This sentence could be translated to “Nettoyer les données de cas”, or “Nettoyer les données de cas cliniques”, or “Nettoyage de données épidémiologiques”.
We could also as French speaking epidemiologist for their opinion on this.
I will use “données épidémiologiques” for now.
|
|
||
| :::::::::::::::::::::::::::::::::::::: questions | ||
|
|
||
| - Comment nettoyer et normaliser les données des dossiers ? |
There was a problem hiding this comment.
| - Comment nettoyer et normaliser les données des dossiers ? | |
| - Comment nettoyer et standardiser les données épidémiologiques ? |
|
|
||
| ::::::::::::::::::::::::::::::::::::: objectives | ||
|
|
||
| - Expliquez comment nettoyer, conserver et normaliser les données des dossiers à l'aide des outils suivants `{cleanepi}` paquet |
There was a problem hiding this comment.
| - Expliquez comment nettoyer, conserver et normaliser les données des dossiers à l'aide des outils suivants `{cleanepi}` paquet | |
| - Expliquez comment nettoyer, organiser et standardiser les données épidémioloques en utilisant le package `{cleanepi}`. |
| ::::::::::::::::::::::::::::::::::::: objectives | ||
|
|
||
| - Expliquez comment nettoyer, conserver et normaliser les données des dossiers à l'aide des outils suivants `{cleanepi}` paquet | ||
| - Effectuer les opérations essentielles de nettoyage des données à réaliser dans un ensemble de données brutes. |
There was a problem hiding this comment.
| - Effectuer les opérations essentielles de nettoyage des données à réaliser dans un ensemble de données brutes. | |
| - Appliquer d'esentielles opérations de nettoyage des données à des données épidémiologiques réélles. |
|
|
||
| ::::::::::::::::::::: prereq | ||
|
|
||
| Cet épisode vous demande de : |
There was a problem hiding this comment.
| Cet épisode vous demande de : | |
| Pour cet épisode, nous utiliserons les données de la fièvre hémorargique ébola que vous devez : |
| # Load packages | ||
| library(tidyverse) # for {dplyr} functions and the pipe %>% | ||
| library(rio) # for importing data | ||
| library(here) # for easy file referencing |
There was a problem hiding this comment.
| library(here) # for easy file referencing |
| library(tidyverse) # for {dplyr} functions and the pipe %>% | ||
| library(rio) # for importing data | ||
| library(here) # for easy file referencing | ||
| library(cleanepi) |
There was a problem hiding this comment.
| library(cleanepi) |
| library(rio) # for importing data | ||
| library(here) # for easy file referencing | ||
| library(cleanepi) | ||
| ``` |
|
|
||
| ::::::::::::::::::: checklist | ||
|
|
||
| ### Le double point-virgule |
There was a problem hiding this comment.
| ### Le double point-virgule | |
| ### L'opérateur double deux-points (`::`) |
|
|
||
| ### Le double point-virgule | ||
|
|
||
| Le double point-virgule `::` dans R vous permet d'appeler une fonction spécifique d'un paquetage sans charger le paquetage entier dans le fichier |
There was a problem hiding this comment.
| Le double point-virgule `::` dans R vous permet d'appeler une fonction spécifique d'un paquetage sans charger le paquetage entier dans le fichier | |
| L'opérateur `::` de R permet d'accéder aux fonctions ou aux objets d'un package spécifique sans attacher l'intégralité du package (sans faire appel à la function`libray()`). Il offre plusieurs avantages, notamment : | |
| * Indiquer explicitement le package d'origine d'une fonction, réduisant ainsi les ambiguïtés et les conflits potentiels lorsque plusieurs packages possèdent des fonctions portant le même nom. | |
| * Permettre d'appeler une fonction depuis un package sans charger l'intégralité du package avec library(). | |
| Par exemple, la commande `dplyr::filter(data, condition)` signifie que nous appelons la fonction `filter()` depuis le package `{dplyr}`. |
No description provided.