FreesearchR/inst/translations/translation_da.csv

1	en	da
2	Hello	Hej
3	Get started	Kom i gang
4	File upload	Upload fil
5	REDCap server export	Eksport fra REDCap server
6	Local or sample data	Lokal eller testdata
7	Please be mindfull handling sensitive data	Pas godt på og overvej nøje hvordan du håndterer personfølsomme data
8	The ***FreesearchR*** app only stores data for analyses, but please only use with sensitive data when running locally. [Read more here](https://agdamsbo.github.io/FreesearchR/#run-locally-on-your-own-machine).	***FreesearchR*** opbevarer alene data i forbindelse med din analyse, men du bør kun behandle personfølsomme data når du kører ***FreesearchR*** direkte på din egen maskine. [Læs mere her](https://agdamsbo.github.io/FreesearchR/#run-locally-on-your-own-machine).
9	Quick overview	Hurtigt overblik
10	Select variables for final import	Vælg variabler til den endelige import
11	Exclude incomplete variables:	Ekskluder inkomplette variabler:
12	Manual selection:	Manuel udvælgelse:
13	Let's begin!	Kom i gang!
14	Analysis validation	Analysevalidering
15	Report	Rapport
16	Choose your favourite output file format for further work, and download, when the analyses are done.	Vælge dit foretrukne dataformat, og hent data, når du er ærdig med databehandlingen.
17	www/intro.html	www/intro_da.html
18	<p>The <em><strong>FreesearchR</strong></em> app only stores data for analyses, but please only use with sensitive data when running locally. <a href='https://agdamsbo.github.io/FreesearchR/#run-locally-on-your-own-machine'>Read more here</a></p>	<p><em><strong>FreesearchR</strong></em> opbevarer alene data i forbindelse med din analyse, men du bør kun behandle personfølsomme data når du kører <em><strong>FreesearchR</strong></em> direkte på dine egen maskine. <a href='https://agdamsbo.github.io/FreesearchR/#run-locally-on-your-own-machine'>Læs mere her</a></p>
19	Overview and filter	Overblik og filtre
20	Overview and filtering	Overblik og filtrering
21	Visual overview	Visuelt overblik
22	Filter data types	Filtrer datatyper
23	Filter observations	Filtrer observationer
24	Apply filter on observation	Anvend filtre af observationer
25	Edit and create data	Ændr og opret variabler
26	Subset, rename and convert variables	Udvælg, omdøb og konverter variabler
27	Below, are several options for simple data manipulation like update variables by renaming, creating new labels (for nicer tables in the report) and changing variable classes (numeric, factor/categorical etc.).	Nedenfor er der mulighed for at lave simple ændringer i dit datasæt, såsom at redigere variabelnavne eller beskrivelser (bedre tabeller), eller omklassificering af variabler (numerisk, factoriel/kategorisk).
28	Please note that data modifications are applied before any filtering.	Bemærk at alle ændringer i data anvendes inden filtreringen.
29	Advanced data manipulation	Avanceret datamanipulation
30	Below options allow more advanced varaible manipulations.	Nedenfor er mulighed for avancerede ændringer i data.
31	Reorder factor levels	Arranger niveuer i faktor
32	Reorder the levels of factor/categorical variables.	Arranger rækkefølgen af niveauer i faktorielle/kategoriske variabler.
33	New factor	Ny faktor
34	Create factor/categorical variable from a continous variable (number/date/time).	Opret kategorisk variabel på baggrund af kontinuert variabel (numerisk/dato/tid).
35	New variable	Ny variabel
36	Create a new variable based on an R-expression.	Opret ny variabel baseret på R-kode.
37	Compare modified data to original	Sammenlign ændret data med det originale datasæt
38	Raw print of the original vs the modified data.	Simpel sammenligning af det originale og det ændrede datasæt.
39	Original data:	Original data:
40	Modified data:	Ændret data:
41	New column name:	Navn til ny variabel:
42	Group calculation by:	Grupper udregningen efter:
43	Enter an expression to define new column:	Indtast udregningen til at definere en ny variabel:
44	Click on a column name to add it to the expression:	Tryk på et variabel navn for at tilføje det til udregningen:
45	Create column	Opret variabel
46	New column name cannot be empty	Det nye variabelnavn kan ikke være tomt
47	Create a new column	Opret ny variabel
48	Some operations are not allowed	Nogle beregninger er ikke tilladte
49	Column added!	Variabel oprettet!
50	Unique values:	Unikke værdier:
51	Variable to cut:	Variabel, der skal deles:
52	Close intervals on the right	Luk intervaller til højre
53	Include lowest value	Inkluderer den laveste værdi
54	Create factor variable	Opret kategorisk variabel
55	Fixed breaks:	Faste niveauer:
56	Method:	Metode:
57	Convert Numeric to Factor	Konverter numerisk til kategorisk
58	Unique:	Unique:
59	Missing:	Manglende:
60	Most Common:	Mest hyppige:
61	Min:	Min:
62	Mean:	Mean:
63	Max:	Max:
64	Decimal separator:	Decimal adskiller:
65	First five rows are shown below:	De første fem rækker vises nedenfor:
66	Imported data	Importeret data
67	www/intro.md	www/intro.md
68	Choose your data	Vælg dine data
69	Upload a file, get data directly from REDCap or use local or sample data.	Upload en fil, hent data direkte fra en REDCap-server eller brug test-data eller lokal data.
70	Factor variable to reorder:	Kategoriske variabel der skal ændres:
71	Sort by levels	Sorter efter niveauer
72	Sort by count	Sorter efter antal
73	Create a new variable (otherwise replaces the one selected)	Opret en ny variabel (ellers erstattes den oprindelige)
74	Update factor variable	Updater faktor-variabel
75	Sort count	Sorter antal
76	Levels	Niveauer
77	Count	Antal
78	Update levels of a factor	Updater niveauerne for en faktor
79	Update & select variables	Opdater og vælg variabler
80	Date format:	Datoformat:
81	Date to use as origin to convert date/datetime:	Dato, der skal anvendes som udgangspunkt for konvertering af dato/datotid:
82	Apply changes	Anvend ændringer
83	No data to display.	Ingen data at vise.
84	Data successfully updated!	Data er opdateret!
85	You removed {p_out} % of observations.	Du har fjernet {p_out} % af observationerne.
86	You removed {p_out} % of variables.	Du har fjernet {p_out} % af variablerne.
87	You can import {file_extensions_text} files	Du kan vælge mellem disse filtyper: {file_extensions_text}
88	You can choose between these file types:	Du kan vælge mellem følgene filtyper:
89	Rows to skip before reading data:	Rækker der skal springes over:
90	Missing values character(s):	Tegn for manglende værdier:
91	if several use a comma (',') to separate them	hvis flere, så anvend et komma (',') som seperator
92	Encoding:	Kodning:
93	Upload a file:	Upload en fil:
94	Browse...	Vælg...
95	Select sheet to import:	Vælg ark:
96	No file selected.	Ingen fil valgt.
97	Evaluate	Evaluer
98	Visuals	Grafik
99	Regression	Regression
100	Download	Download
101	{data_text} has {n} observations and {n_var} variables, with {n_complete} ({p_complete} %) complete cases.	{data_text} har {n} observationer og {n_var} variabler, med {n_complete} ({p_complete} %) komplette cases.
102	Prepare	Forbered
103	At 0, only complete variables are included; at 100, all variables are included.	Ved 0 inkluderes alene komplette variabler; ved 100 inkluderes alle variabler.
104	The following variable pairs are highly correlated: {sentence_paste(.x,and_str)}.\nConsider excluding one {more}from the dataset to ensure variables are independent.	De følgende variabel-par er stærkt korrelerede: {sentence_paste(.x,and_str)}.\nOvervej at fjerne en {more}fra datasættet for at sikre at prædiktorer er internt uafhængige.
105	No variables have a correlation measure above the threshold.	Ingen variabler er korrelerede over den angivne tærskelværdi.
106	and	og
107	from each pair	fra hvert par
108	Only non-text variables are available for plotting. Go the "Data" to reclass data to plot.	Kun variabler, der ikke er klassificerede som tekst er tilgængelige. Gå til fanen "Forbered" for at ændre klassifikationer.
109	Plot	Tegn
110	Adjust settings, then press "Plot".	Juster indstillingerne og tryk så "Tegn".
111	Plot height (mm)	Højde af grafik (mm)
112	Plot width (mm)	Bredde af grafik (mm)
113	File format	File format
114	Download plot	Download grafik
115	Select variable	Vælg variabel
116	Response variable	Svarvariable
117	Plot type	Type af grafik
118	Please select	Vælg
119	Additional variables	Yderligere variabler
120	Secondary variable	Sekundær variabel
121	No variable	Ingen variabel
122	Grouping variable	Variabel til gruppering
123	No stratification	Ingen stratificering
124	Drawing the plot. Hold tight for a moment..	Tegner grafikken. Spænd selen..
125	#Plotting\n	#Tegner\n
126	Stacked horizontal bars	Stablede horisontale søjler
127	A classical way of visualising the distribution of an ordinal scale like the modified Ranking Scale and known as Grotta bars	En klassisk visualisering af fordelingen af observationer på en ordinal kategorisk skala. Typisk brugt til modified Rankin Scale og kendes også som 'Grotta bars'
128	Violin plot	Violin-diagram
129	A modern alternative to the classic boxplot to visualise data distribution	Moderne alternativ til den klassiske box-plot og velegnet til at visualisere fordelingen af observationer
130	Sankey plot	Sankey-diagram
131	A way of visualising change between groups	Visualiserer ændring mellem grupper for samme type observationer
132	Scatter plot	Punkt-diagram
133	A classic way of showing the association between to variables	Visualiserer forholdet mellem to variabler
134	Box plot	Kasse-diagram
135	A classic way to plot data distribution by groups	Klassik måde at visualisere fordeling
136	Euler diagram	Eulerdiagram
137	Generate area-proportional Euler diagrams to display set relationships	Generer proportionelt Euler-diagram for at vise forhold mellem forskellige kategoriske observationer
138	Documentation	Dokumentation
139	Data is only stored for analyses and deleted when the app is closed.	Data opbevares alene til brug i analyser og slettes så snart appen lukkes.
140	Consider [running ***FreesearchR*** locally](https://agdamsbo.github.io/FreesearchR/#run-locally-on-your-own-machine) if working with sensitive data.	Overvej at [køre ***FreesearchR*** lokalt](https://agdamsbo.github.io/FreesearchR/#run-locally-on-your-own-machine) hvis du arbejder med personfølsomme data.
141	Feedback	Feedback
142	License: AGPLv3	Licens: AGPLv3
143	Source	Kilde
144	Data includes {n_pairs} pairs of highly correlated variables.	Der er {n_pairs} variabel-par, der er stærkt internt korrelerede.
145	Create plot	Dan grafik
146	Coefficients plot	Koefficientgraf
147	Checks	Test af model
148	Below you find a summary table for quick insigths, and on the right you can visualise data classes, browse observations and apply different data filters.	Nedenfor er en opsummerende tabel, der giver hurtigt overblik. Til højre kan du få et visuelt overblik, gennemgå observationer og oprette datafiltre.
149	Browse observations	Gennemse observationer
150	Settings	Indstillinger
151	The following error occured on determining correlations:	Følgende fejl opstod i forbindelse med korrelationsanalysen:
152	We encountered the following error creating your report:	Følgende fejl opstod, da rapporten blev dannet:
153	No variable chosen for analysis	Ingen variabel er valgt til analysen
154	No missing observations	Ingen manglende observationer
155	There is a total of {p_miss} % missing observations.	Der er i alt {p_miss} % manglende observationer.
156	Median:	Median:
157	Restore original data	Gendan originale data
158	Reset to original imported dataset. Careful! There is no un-doing.	Gendan det oprindeligt importerede datasæt. Forsigtig! Alle dine ændringer vil forsvinde.
159	Characteristics	Karakteristika
160	Only factor/categorical variables are available for stratification. Go back to the 'Prepare' tab to reclass a variable if it's not on the list.	Alene kategoriske variabler kan danne grundlag for stratificering. Mangler du en variabel, så gå til "Forbered" og omklassificer til kategorisk.
161	Compare strata?	Sammenlign strata?
162	Correlations	Korrelationer
163	To avoid evaluating the correlation of the outcome variable, this can be excluded from the plot or select 'none'.	For at udelukke svarvariablen fra korrelationsanalysen, så kan du vælge din svarvariabel eller vælge 'non', hvis du ikke vil angive en.
164	Correlation cut-off	Korrelationsgrænse
165	Set the cut-off for considered 'highly correlated'.	Angiv grænsen for. hvad, der tolkes som 'betydelig korrelation'.
166	Missings	Manglende observationer
167	Class	Klasse
168	Observations	Observationer
169	Data classes and missing observations	Dataklasser og manglende observationer
170	Sure you want to reset data? This cannot be undone.	Er du sikker på at du vil gendanne data? Det kan ikke fortrydes.
171	Cancel	Afbryd
172	Confirm	Bekræft
173	The filtered data	Filtreret data
174	Create new factor	Ny kategorisk variabel
175	This window is aimed at advanced users and require some *R*-experience!	Dette vindue er primært for avancerede brugere med nogen *R*-erfaring!
176	Create new variables	Opret nye variabler
177	Select data types to include	Vælg datatyper, der skal inkluderes
178	Uploaded data overview	Overblik over uploaded data
179	Here is an overview of how your data is interpreted, and where data is missing. Use this information to consider if data is missing at random or if some observations are missing systematically wich may be caused by an observation bias.	Her har du en oversigt over hvordan data er blevet formateret, og hvor der er manglende observationer. Brug informationen til at overveje om manglende data mangler tilfældigt eller og der er et mønster, som kan være et udtryk for systematisk manglende data (observationsbias).
180	Specify covariables	Angiv kovariabler
181	If none are selected, all are included.	Hvis ingen er valgt inkluderes alle.
182	Analyse	Analysér
183	Working...	Arbejder...
184	Press 'Analyse' to create the regression model and after changing parameters.	Tryk 'Analysér' for at danne regressionsmodel og for at opdatere hvis parametre ændres.
185	Show p-value	Vis p-værdi
186	Model checks	Model-test
187	Please confirm data reset!	Bekræft gendannelse af data!
188	Import data from REDCap	Importér data fra REDCap
189	REDCap server	REDCap-server
190	Web address	Serveradresse
191	Format should be either 'https://redcap.your.institution/' or 'https://your.institution/redcap/'	Adressen skal være som 'https://redcap.your.institution/' eller 'https://your.institution/redcap/'
192	API token	API-nøgle
193	The token is a string of 32 numbers and letters.	En API-nøgle består af ialt 32 tal og bogstaver.
194	Connect	Forbind
195	Data import parameters	Data import parameters
196	Select fields/variables to import and click the funnel to apply optional filters	Vælg variabler, der skal importeres og tryk på tragten for at anvende valgfrie filtre
197	Import	Import
198	Click to see data dictionary	Tryk for at se metadata (Data Dictionary)
199	Connected to server!	Forbindelse til serveren oprettet!
200	The {data_rv$info$project_title} project is loaded.	{data_rv$info$project_title}-projektet er forbundet.
201	Data dictionary	Data dictionary
202	Preview:	Forsmag:
203	Imported data set	Importeret datasæt
204	Select fields/variables to import:	Vælg variabler, der skal importeres:
205	Specify the data format	Specificér dataformatet
206	Fill missing values?	Skal manglende observationer udfyldes?
207	Requested data was retrieved!	Det udvalgte data blev hentet!
208	Data retrieved, but it looks like only the ID was retrieved from the server. Please check with your REDCap administrator that you have required permissions for data access.	Data er hentet, men det ser ud til kun at indeholde ID-variablen. Du skal kontakte din REDCap-administrator og sikre dig at du har adgang til faktisk at hente de udvalgte data.
209	Data retrieved, but it looks like not all requested fields were retrieved from the server. Please check with your REDCap administrator that you have required permissions for data access.	Data er hentet, men det ser ud til kun at indeholde nogle af de udvalgte variabler. Du skal kontakte din REDCap-administrator og sikre dig at du har adgang til faktisk at hente de udvalgte data.
210	Click to see the imported data	Tryk for at se de importerede data
211	Regression table	Regressionstabel
212	Import a dataset from an environment	Importer et datasæt fra et kodemiljø
213	Select a dataset:	Vælg datasæt:
214	List of datasets...	Liste af datasæt...
215	No data selected!	Ingen data valgt!
216	No dataset here...	Ingen datasæt her...
217	Use a dataset from your environment or from the environment of a package.	Brug et datasæt fra dit lokale kodemiljø eller fra en tilgængelig pakke.
218	Not a data.frame	Ikke en data.frame
219	Select source	Vælg datakilde
220	Select a data source:	Vælg datakilde:
221	Yes	Ja
222	No	Nej
223	Coefficient plot	Koefficientplot
224	Select outcome variable	Vælg svarvariablen
225	Choose regression analysis	Vælg regressionsanalysen
226	Covariables to format as categorical	Kovariabler, der skal omklassificeres som kategoriske
227	Select variable to stratify baseline	Vælg variabel til a stratificere tabellen
228	Select models to plot	Vælg de modeller, der skal visualiseres
229	Creating regression models failed with the following error:	Oprettelsen af en regressionsmodel fejlede med den følgende besked:
230	Creating a regression table failed with the following error:	Oprettelsen af en regressionstabel fejlede med den følgende besked:
231	Saving the plot. Hold on for a moment..	Gemmer grafikken. Vent et øjeblik..
232	Running model assumptions checks failed with the following error:	Tjek af antagelser for regressionsmodellen fejlede med den følgende besked:
233	Select checks to plot	Vælg modeltests, der skal visualiseres
234	Multivariable regression model checks	Tests af multivariabel regressionsmodel
235	Grouped by {get_label(data,ter)}	Grupperet efter {get_label(data,ter)}
236	Option to perform statistical comparisons between strata in baseline table.	Mulighed for at udføre statistiske tests mellem strata i oversigtstabellen.
237	Press 'Evaluate' to create the comparison table.	Tryk 'Evaluér' for at oprette en oversigtstabel.
238	The data includes {n_col} variables. Please limit to 100.	Data indeholder {n_col} variabler. Begræns venligst til 100.
239	Data import	Data import
240	Data import formatting	Formatering af data ved import
241	Data modifications	Ændringer af data
242	Variables filter	Variables filter
243	Data filter	Data filter
244	Data characteristics table	Oversigtstabel
245	The dataset without text variables	Datasættet uden variabler formateret som tekst
246	Creating the table. Hold on for a moment..	Opretter tabellen. Vent et øjeblik..
247	Select variable to stratify analysis	Vælg variabler til at stratificere analysen
248	Generating the report. Hold on for a moment..	Opretter rapporten. Vent et øjeblik..
249	We encountered the following error showing missingness:	Under analysen af manglende observationer opstod følgende fejl:
250	We encountered the following error browsing your data:	I forsøget på at vise en dataoversigt opstod følgende fejl:
251	Choose a name for the column to be created or modified, then enter an expression before clicking on the button below to create the variable, or cancel to exit without saving anything.	Vælg et navn til den nye variabel, skriv din formel og tryk så på knappen for at gemme variablen, eller annuler for at lukke uden at gemme.
252	Please fill in web address and API token, then press 'Connect'.	Udfyld serveradresse og API-nøgle, og tryk så 'Fobind'.
253	Other	Other
254	Hour of the day	Time på dagen
255	Breaks	Grupper
256	By day of the week	Efter ugedag
257	By weekday	Efter ugedag
258	By week number and year	Efter ugenummer og årstal
259	By month and year	Efter måned og årstal
260	By month only	Efter måned alene
261	By quarter of the year	Efter kvartal
262	By year	Efter år
263	Keep only most common	Behold kun de hyppigste
264	Number	Antal
265	Combine below percentage	Kombiner under procentsats
266	Percentage	Procentsats
267	By specified numbers	Efter specifikke værdier
268	By quantiles (groups of equal size)	I grupper af samme størrelse
269	By week number	Efter ugenummer alene
270	There are more advanced options to modify factor/categorical variables as well as create new factor from an existing variable or new variables with R code. At the bottom you can restore the original data.	Der er mere avancerede muligheder for at ændre kategoriske variable, oprette nye kategoriske variabler fra eksisterende data eller nye variable baseret på R-kode. Nederst kan du gendanne originale data.
271	Split the variable	Split the variable
272	Original data	Original data
273	Preview of result	Preview of result
274	No character variables with accepted delimiters detected.	No character variables with accepted delimiters detected.
275	Variable to split:	Variable to split:
276	Text or character to split string by	Text or character to split string by
277	Select delimiter	Select delimiter
278	Direction:	Direction:
279	Split string to multiple columns. Keep number of rows.	Split string to multiple columns. Keep number of rows.
280	Split string to multiple observations (rows) in the same column. Also ads id and instance columns	Split string to multiple observations (rows) in the same column. Also ads id and instance columns
281	Browse data preview	Browse data preview
282	Split character string	Split character string
283	Split text	Split text
284	Split a text column by a recognised delimiter.	Split a text column by a recognised delimiter.
285	Split a character string by a common delimiter	Split a character string by a common delimiter
286	Apply split	Apply split
287	Stacked relative barplot	Stacked relative barplot
288	Create relative stacked barplots to show the distribution of categorical levels	Create relative stacked barplots to show the distribution of categorical levels
289	Side-by-side barplot	Side-by-side barplot
290	Create side-by-side barplot to show the distribution of categorical levels	Create side-by-side barplot to show the distribution of categorical levels
291	Select table theme	Select table theme
292	Level of detail	Level of detail
293	Minimal	Minimal
294	Extensive	Extensive
295	Letters	Letters
296	Words	Words
297	Shorten to first letters	Shorten to first letters
298	Shorten to first words	Shorten to first words
299	Select missings analysis to apply	Select missings analysis to apply
300	Variables	Variables
301	By outcome	By outcome
302	Missings across variables by the variable **'{input$missings_var}'**	Missings across variables by the variable **'{input$missings_var}'**
303	Missing vs non-missing observations in the variable **'{input$missings_var}'**	Missing vs non-missing observations in the variable **'{input$missings_var}'**
304	Evaluate missingness by either comparing missing values across variables (optionally grouped by af categorical or dichotomous variable) or compare variables grouped by the missing status (missing or not) of an outcome variable. If there is a significant difference i the missingness, this may cause a bias in you data and should be considered carefully interpreting the data and analyses as data may not be missing at random.	Evaluate missingness by either comparing missing values across variables (optionally grouped by af categorical or dichotomous variable) or compare variables grouped by the missing status (missing or not) of an outcome variable. If there is a significant difference i the missingness, this may cause a bias in you data and should be considered carefully interpreting the data and analyses as data may not be missing at random.
305	Calculating. Hold tight for a moment..	Calculating. Hold tight for a moment..
306	There is a significant difference in data missingness in {n_nonmcar} {ifelse(n_nnonmcar==1,'variable','variables')} grouped by the selected outcome/grouping variable {outcome}.	There is a significant difference in data missingness in {n_nonmcar} {ifelse(n_nnonmcar==1,'variable','variables')} grouped by the selected outcome/grouping variable {outcome}.