Get automated translation from babeldown

[Bisaloo]

No description provided.

[github-actions]

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:

• 🎯 correct output
• 🖼️ correct figures
• ❓ new warnings
• ‼️ new errors

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:

 md5sum.txt    |  34 ++---
 read-cases.md | 427 +++++++++++++++++++++++++++++++++++++++++++++-------------
 setup.md      |   4 +-
 3 files changed, 354 insertions(+), 111 deletions(-)

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 2025-08-29 19:52:28 +0000

[Karim-Mane]

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.

[Karim-Mane]

Suggested change

	- Comment nettoyer et normaliser les données des dossiers ?
	- Comment nettoyer et standardiser les données épidémiologiques ?

[Karim-Mane]

Suggested change

	- 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}`.

[Karim-Mane]

Suggested change

	- 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.

[Karim-Mane]

Suggested change

	Cet épisode vous demande de :
	Pour cet épisode, nous utiliserons les données de la fièvre hémorargique ébola que vous devez :

[Karim-Mane]

Suggested change

library(here) # for easy file referencing

[Karim-Mane]

Suggested change

	### Le double point-virgule
	### L'opérateur double deux-points (`::`)

[Karim-Mane]

Suggested change

	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}`.

[avallecam]

hi @Karim-Mane, thanks for this last commit addition. Sorry for my delay reviewing this PR. I think this is now stable, ready to review, right?

[avallecam]

workflows passed, but not ready to merge yet.

[avallecam]

will keep this branch freezed in the meantime. until pending list above gets resolved

[Karim-Mane]

@avallecam - let me update the French version of setup.md before merging this.