Discussion :

[Nass42]

Bonjour,

Je suis en informatique médicale et nous avons un projet qui consiste à identifier correctement les patients d'une base de donnée.
Dans ma table j'ai 5 champs : id, nom, prenom, sexe et date de naissance.

Dans notre sujet il nous est dit que les variables nom et date de naissance sont fiables par contre il peut y avoir des erreurs sur le prénom ou le sexe.
ex :
id nom prénom sexe date de naissance
5 DUGAT PAUL 1 1947-08-24
8 DUGAT POL 1 1947-08-24

Je voudrais pouvoir afficher les différentes lignes suspectées d'être des doublons.
Merci pour votre aide.

[CinePhil]

La première analyse pour détecter les doublons doit être faite sur le nom et la date de naissance.

Il suffit donc de grouper par ces deux colonnes, de compter le nombre de lignes et de ne garder que les couples {nom, date_naissance} qui ont plus de 2 lignes.

Tout le matérie nécessaire à cette requête se trouve dans le cours de SQLPro sur les groupages.

[islamov2000]

essaie ça:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
select count(*) doublon ,nom,date_Naissance from la_table 
group by nom,date_Naissance 
having cont(*)>1

[Invité]

Comment détecter des doublons si les seules données fiables sont les nom et date de naissance ? des jumeaux portent le même nom et sont nés le même jour ! comment les départager alors que l'on considère le reste des données non fiable ?...
En informatique médical, la seule donnée qui permettrait d'identifier un individu est son numéro SécuSocial non ?
Après la syntaxe proposée par islamov2000 me semble être celle qui répond le plus à l'exposé

[islamov2000]

Comment détecter des doublons si les seules données fiables sont les nom et date de naissance ? des jumeaux portent le même nom et sont nés le même jour ! comment les départager alors que l'on considère le reste des données non fiable ?...
En informatique médical, la seule donnée qui permettrait d'identifier un individu est son numéro SécuSocial non ?
Après la syntaxe proposée par islamov2000 me semble être celle qui répond le plus à l'exposé

Dans ce cas ,cladsous, tu as raison.
Mais je comprend Nass42, apparement il veut nettoyer la base de données. on ne sais s'ils ont indentifiant comme numéro de sécurité sociale ou un matricule... sinon on filtre par rapport avec l'indentifiant.

[Nass42]

Le problème que me pose les GROUP BY HAVING c'est qu'en résultat je n'ai qu'une seule ligne alors que je voudrais afficher les 2 lignes du doublon pour que l'utilisateur puisse choisir quel est le vrai enregistrement et quel est celui erroné. J'ai pu réglé le problème avec un WERE :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
SELECT a.id_pat, a.nom, a.prenom, a.sexe, a.datenais
FROM patient AS a, patient AS b
WHERE a.nom = b.nom
AND a.datenais = B.datenais
AND a.id_pat != B.id_pat;

Ensuite, pour cladsou, ce n'est qu'un exercice donné par un de nos professeurs mais sur des données réelles d'hôpitaux et de laboratoires elles ne sont donc pas complètes pour ne pas pouvoir reconnaitre les patients dont il est question. Donc bien sur nous n'avons pas d'identifiant patient sinon je ne me serais pas posée de question ^^

Merci à tous pour vos réponses !