Dix-neuf cellules à un

Diapositive 1 / 24

Ce que couvre cette leçon

• Le jeu de données est anonyme et le tableau ne l'est pas
• Pourquoi quatre et non un
• Une règle, écrite comme du code
• Que faire au lieu de publier la cellule
• Le constat d'équité survit à la règle
• La demande qu'il faut refuser
• La suite

Diapositive 2 / 24

Le jeu de données est anonyme et le tableau ne l'est pas — En Python

import pandas as pd

referrals = pd.read_csv("protection-referrals-2024.v1.csv")

cells = referrals.groupby(
    ["admin2", "case_category", "age_band", "sex"], dropna=False
).size()

print(f"{len(cells)} cells")
print(f"  holding 1 case:  {(cells == 1).sum()}")
print(f"  holding 4 or fewer: {(cells <= 4).sum()}")

Diapositive 3 / 24

Le jeu de données est anonyme et le tableau ne l'est pas — En R

library(dplyr)

referrals |>
  count(admin2, case_category, age_band, sex) |>
  summarise(cells = n(), of_one = sum(n == 1), of_four_or_fewer = sum(n <= 4))

Diapositive 4 / 24

Le jeu de données est anonyme et le tableau ne l'est pas

• 200 cellules, dont 85 avec quatre cas ou moins, et 19 avec exactement un

Diapositive 5 / 24

Pourquoi quatre et non un

• Une cellule à deux identifie les deux personnes l'une à l'autre — et à quiconque en connaît une
• La différenciation récupère les cellules supprimées — Si un total de ligne est publié et que toutes les cellules de…

Diapositive 6 / 24

Pourquoi quatre et non un — En Python

by_area = referrals.groupby(["admin2", "case_category"]).size().unstack()
print(by_area)
print("\nIf one cell is suppressed and the row total is printed,")
print("the suppressed cell is the total minus the others.")

Diapositive 7 / 24

Pourquoi quatre et non un — En R

referrals |> count(admin2, case_category) |>
  tidyr::pivot_wider(names_from = case_category, values_from = n)

Diapositive 8 / 24

Pourquoi quatre et non un

• Une règle de suppression exige donc un seuil et une suppression secondaire — supprimer les petites cellules, puis en…

Diapositive 9 / 24

Une règle, écrite comme du code — En Python (suite)

THRESHOLD = 5

def suppress(counts, threshold=THRESHOLD):
    """Primary suppression, then a secondary pass so rows cannot be differenced."""
    table = counts.copy()
    small = table < threshold
    table = table.mask(small, other=pd.NA)

    # Secondary: if a row has exactly one suppressed cell, the row total gives
    # it away. Suppress the next smallest cell in that row as well.
    for index, row in table.iterrows():
        if row.isna().sum() == 1:
            remaining = counts.loc[index][~small.loc[index]]
            if len(remaining):
                table.loc[index, remaining.idxmin()] = pd.NA
    return table

Diapositive 10 / 24

Une règle, écrite comme du code — En Python (suite)

print(suppress(by_area))

Diapositive 11 / 24

Une règle, écrite comme du code — En R

suppress <- function(x, threshold = 5) ifelse(x < threshold, NA, x)
# Plus the secondary pass: a row with exactly one NA is not suppressed at all.

Diapositive 12 / 24

Une règle, écrite comme du code

• Écrivez la règle comme une fonction et appliquez-la à chaque tableau — Une règle appliquée à l'œil est appliquée de…

Diapositive 13 / 24

Que faire au lieu de publier la cellule

• Agréger vers le haut — Retirez une dimension

Diapositive 14 / 24

Que faire au lieu de publier la cellule — En Python

coarse = referrals.groupby(["admin2", "case_category"]).size()
print(f"cells under 5: {(coarse < 5).sum()} of {len(coarse)}")

Diapositive 15 / 24

Que faire au lieu de publier la cellule — En R

referrals |> count(admin2, case_category) |> summarise(small = sum(n < 5))

Diapositive 16 / 24

Que faire au lieu de publier la cellule

• Rapporter le taux, non l'effectif, sur un dénominateur assez grand pour le porter — « L'aboutissement est de 31 % pour…
• Répondre à la question plutôt que fournir le tableau — Un demandeur qui réclame zone par âge par sexe veut généralement…

Diapositive 17 / 24

Le constat d'équité survit à la règle — En Python

def completion(frame):
    consenting = frame[frame["consent_to_refer"]]
    reached = consenting[consenting["referral_accepted"] &
                         consenting["days_to_first_service"].notna()]
    return len(reached), len(consenting), len(reached) / len(consenting)

disability = referrals["disability_reported"].isin([True, "true", "Yes"])
print("reported:    %d/%d = %.1f%%" % completion(referrals[disability]))
print("not reported: %d/%d = %.1f%%" % completion(referrals[~disability]))

Diapositive 18 / 24

Le constat d'équité survit à la règle — En R

referrals |>
  filter(consent_to_refer) |>
  summarise(reached = sum(referral_accepted & !is.na(days_to_first_service)),
            n = n(), .by = disability_reported) |>
  mutate(completion = reached / n)

Diapositive 19 / 24

Le constat d'équité survit à la règle

• 26,7 % contre 46,2 %, sur des dénominateurs de 202 et 1 436 — L'écart d'équité de dix-neuf points — le constat le plus…
• Les analyses qui échouent au test de divulgation ne sont presque jamais celles qui comptent — Une désagrégation à…

Diapositive 20 / 24

La demande qu'il faut refuser — Exemple (suite)

Request: case counts by commune, month and incident category.
Response: declined.

  Commune-by-month cells hold zero to three cases. At that resolution a
  count identifies individuals to anyone working in the area, and the
  dataset cannot be re-identified back but a person can be.

  What I can provide instead:
    - the same counts at district by quarter, no cell below five
    - the completion rate and time to service for each commune, on
      annual denominators
    - a written answer to the question the request is for, if you tell me
      what decision it feeds

  If the requirement is genuinely commune-level operational planning, the
  right route is a data sharing agreement with the case management agency,

Diapositive 21 / 24

La demande qu'il faut refuser — Exemple (suite)

  not an extract.

Diapositive 22 / 24

La demande qu'il faut refuser

• Proposez trois solutions de remplacement et demandez quelle décision la demande alimente — Un refus sans alternative…

Diapositive 23 / 24

La suite

• Les règles sont posées.

Diapositive 24 / 24

La suite

Lire la leçon complète, avec le code exécutable Retour à la leçon