一種可簡化臨床試驗(yàn)數(shù)據(jù)分析的SAS數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換方法*

東南大學(xué)公共衛(wèi)生學(xué)院流行病與衛(wèi)生統(tǒng)計學(xué)系（210009） 承曉華 王詩遠(yuǎn) 劉 沛

?

一種可簡化臨床試驗(yàn)數(shù)據(jù)分析的SAS數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換方法*

東南大學(xué)公共衛(wèi)生學(xué)院流行病與衛(wèi)生統(tǒng)計學(xué)系（210009） 承曉華 王詩遠(yuǎn) 劉 沛△

數(shù)據(jù)管理標(biāo)準(zhǔn)臨床數(shù)據(jù)交換標(biāo)準(zhǔn)協(xié)會（the clinical data interchange standards consortium，CDISC）建立了一系列標(biāo)準(zhǔn)來規(guī)范藥物臨床試驗(yàn)中的數(shù)據(jù)結(jié)構(gòu)和分庫方式以支持?jǐn)?shù)據(jù)采集、交換、遞交和儲存臨床試驗(yàn)數(shù)據(jù)［1］。數(shù)據(jù)結(jié)構(gòu)的標(biāo)準(zhǔn)化是臨床試驗(yàn)數(shù)據(jù)管理的規(guī)范化和自動化的前提，在CDISC標(biāo)準(zhǔn)的支持下根據(jù)臨床試驗(yàn)數(shù)據(jù)采集特點(diǎn)進(jìn)行規(guī)范化的數(shù)據(jù)管理為大勢所趨。現(xiàn)今臨床試驗(yàn)原始數(shù)據(jù)收集過程中，為方便病例報告表（case report form，CRF）的錄入常常將同一受試者的各種觀察結(jié)果，如基本信息、各階段訪視信息、實(shí)驗(yàn)室檢查數(shù)據(jù)、不良反應(yīng)和合并用藥等列于同一行中，得到同一條記錄內(nèi)具有多個觀察指標(biāo)（變量）的數(shù)據(jù)結(jié)構(gòu)。這種結(jié)構(gòu)因其與CRF的順序一致而具有錄入速度快和符合人們閱讀習(xí)慣，方便研究者觀察等諸多優(yōu)點(diǎn)，但給不良事件、合并用藥以及不同時間段實(shí)驗(yàn)室數(shù)據(jù)的SAS編程造成了較大困難?；谠瓟?shù)據(jù)結(jié)構(gòu)編寫分析程序需要將涉及到的變量全部寫入程序中，過程繁復(fù)易出錯。目前對此問題的解決方法常常是采用數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換，將這種橫向結(jié)構(gòu)的數(shù)據(jù)轉(zhuǎn)換為縱向結(jié)構(gòu)，本文基于此提出一種可簡化臨床試驗(yàn)數(shù)據(jù)分析的SAS數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換方法，可大大簡化臨床試驗(yàn)數(shù)據(jù)集預(yù)處理過程，并為后續(xù)的統(tǒng)計分析提供方便。

方法介紹

從實(shí)現(xiàn)數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換、盡可能減少人工操作成分和擴(kuò)大程序通用性角度出發(fā)，利用SAS宏的字符運(yùn)算功能，實(shí)現(xiàn)僅修改個別宏參數(shù)達(dá)到不同域的原始橫向數(shù)據(jù)向縱向數(shù)據(jù)結(jié)構(gòu)的轉(zhuǎn)換。編程的基本思想為：通過對規(guī)則化命名的變量識別，從原始數(shù)據(jù)集提取所需變量信息并處理成各功能列表，將其應(yīng)用于列表處理和數(shù)組提取。具體編程的各個步驟思路介紹如下。

1.定義宏參數(shù)，這些宏參數(shù)是本程序應(yīng)用過程中唯一需要手工添加的部分。主要包含原始數(shù)據(jù)集、提取的變量和輸出數(shù)據(jù)集等。各個宏參數(shù)的名稱和含義見表1。

表1　程序中使用的宏參數(shù)

2.有效性驗(yàn)證，驗(yàn)證數(shù)據(jù)集參數(shù)是否合法，是否存在對應(yīng)數(shù)據(jù)集，操作變量是否存在于數(shù)據(jù)集中，外部路徑是否有效，并獲取變量信息。提取原始數(shù)據(jù)集每個變量的變量名，標(biāo)簽，長度和格式等信息并將其保存到新的數(shù)據(jù)集中。篩查非數(shù)據(jù)集變量并剔除。

3.通過Scan函數(shù)［2］提取原始數(shù)據(jù)集中前綴符合Targetlist的全部變量，并通過截取尾墜相同的變量組，循環(huán)賦值獲得儲存目標(biāo)變量的宏變量。在此步驟中讀取目標(biāo)變量的順序即為Targetlist中宏參數(shù)的順序，因此最后輸出的數(shù)據(jù)集中的變量順序可以按照要求和目的不同而改動，且不用考慮變量的具體屬性。

4.通過SAS Proc SQL過程［3-4］提取變量的類型（Type）、標(biāo)簽（Label）、縱向維數(shù)，以及日期變量，并將各個變量名儲存至列表型宏變量中。這一步是后續(xù)實(shí)現(xiàn)自動化的關(guān)鍵，提取出的變量屬性用于之后變量的分類和定義，正是因?yàn)檫@一步使得定義宏參數(shù)時可以不再需要對數(shù)據(jù)進(jìn)行預(yù)處理以分別列出字符型和數(shù)值型兩個組。

5.定義AddValueList，添加原始數(shù)據(jù)集中未包含的行信息。

6.對整理好的變量按順序分別整理至字符型和數(shù)值型兩個數(shù)組，并保留變量原本的屬性，使用Compbl函數(shù)［2］將之前步驟中多余的空格去除。

7.最后將之前制作好的數(shù)組和變量組合起來完成行×列的對應(yīng)賦值，形成縱向結(jié)構(gòu)的新數(shù)據(jù)集，見表2。表2程序先判斷是否存在字符型變量，若存在則進(jìn)行排列，數(shù)值型變量同理。然后再將原始數(shù)據(jù)集中的值賦值進(jìn)去，并使用自定義標(biāo)簽變量Tag判斷每條記錄是否為空，見程序第16行，以此輸出到兩個不同的數(shù)據(jù)集，分別為包含記錄的數(shù)據(jù)集和不包含記錄的數(shù)據(jù)集，方便之后的統(tǒng)計分析。

表2　數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換數(shù)組讀取宏程序

應(yīng)用實(shí)例

以某乙肝疫苗合并用藥數(shù)據(jù)結(jié)構(gòu)變換為例，說明程序應(yīng)用結(jié)果，原始數(shù)據(jù)集結(jié)構(gòu)如表3。

為了直觀展示宏程序功能，表3省略了一些中間變量，僅保留NA（藥物名稱）、FO（藥物劑量）和RO（給藥途徑）的前三條信息。由表3可知，原數(shù)據(jù)結(jié)構(gòu)將每個受試者合并用藥的信息列于不同的列中，形成眾多變量，這使得后續(xù)合并用藥率等的統(tǒng)計分析編程較為復(fù)雜。執(zhí)行如下程序：

%TableFormTransform（DataIn =CRF，TargetList =%bquote（CM1NA，CM1FO，CM1RO），DataOut =CM，DataBlank =CM_Blank，Keeplist =，AddValueList=）

這里原始數(shù)據(jù)集為CRF，目標(biāo)變量為字符型的CM1NA，和數(shù)值型的CM1FO和CM1RO，輸出的轉(zhuǎn)換后包含記錄的數(shù)據(jù)集為合并用藥數(shù)據(jù)集（concomitant medications，CM），不包含記錄的為CM_Blank，并保留原始數(shù)據(jù)集中記錄編號。這里這個數(shù)據(jù)集要做的是合并用藥的內(nèi)容，因而AddValueList沒有需要拼接的癥狀名稱，所以為空。運(yùn)行程序后則得到轉(zhuǎn)換后的數(shù)據(jù)集CM，如表4。

比較表4和表3的數(shù)據(jù)結(jié)構(gòu)可知，本文給出的方法將位于不同列中的同屬性變量轉(zhuǎn)化為位于同列的一個變量，同時結(jié)構(gòu)轉(zhuǎn)換后的數(shù)據(jù)集中變量的排列順序即為TargetList中目標(biāo)變量的順序，這為后續(xù)合并用藥率等統(tǒng)計分析提供了方便。

表3　某乙肝疫苗合并用藥原始數(shù)據(jù)結(jié)構(gòu)

討 論

將同一受試者的不同觀察指標(biāo)（多個變量）作為一條記錄列于同一行上的橫向數(shù)據(jù)結(jié)構(gòu)廣泛存在于臨床試驗(yàn)的數(shù)據(jù)庫中。誠然，這種數(shù)據(jù)結(jié)構(gòu)有利于數(shù)據(jù)管理者的數(shù)據(jù)錄入、數(shù)據(jù)核查和研究者對數(shù)據(jù)的認(rèn)識和觀察。但必須指出的是，這種“通用”的“標(biāo)準(zhǔn)”數(shù)據(jù)結(jié)構(gòu)常常給后續(xù)的統(tǒng)計分析帶來困難。使用這種數(shù)據(jù)結(jié)構(gòu)進(jìn)行統(tǒng)計分析，編寫的程序在不同的臨床試驗(yàn)中很難重復(fù)利用?？v向數(shù)據(jù)結(jié)構(gòu)在統(tǒng)計分析時具有很高的效率，有著工作量小、能減少多變量編程過程中可能引起的失誤，并且有著程序更普遍適用性等優(yōu)點(diǎn)。在CDSIC標(biāo)準(zhǔn)中，研究數(shù)據(jù)表格模型（study data tabulation model，STDM）提交的數(shù)據(jù)格式也為縱向數(shù)據(jù)；分析數(shù)據(jù)庫模型（analysis data model，ADam）模塊中基本數(shù)據(jù)結(jié)構(gòu)（basic data structure，DBS），每例受試者不同時點(diǎn)、不同分析指標(biāo)有一條或多條記錄，支持參數(shù)和非參數(shù)分析，這里的數(shù)據(jù)同樣也是縱向數(shù)據(jù)格式。藥物臨床試驗(yàn)中的數(shù)據(jù)管理方法多樣，實(shí)現(xiàn)數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換，通常有兩種思路，一是通過循環(huán)運(yùn)算，二是通過數(shù)組排列。這個過程往往需要對變量進(jìn)行一個個判斷，將其歸類或者重新定義屬性，若處理多個數(shù)據(jù)集，則需要較長時間，且易發(fā)生錯誤。因而，尋找一種高效方法對原始橫向數(shù)據(jù)結(jié)構(gòu)進(jìn)行轉(zhuǎn)換具有實(shí)際意義。

本文所介紹的方法通過識別變量屬于字符型還是數(shù)值型后，直接將其原本的屬性即標(biāo)簽、格式、長度，通過SQL過程繼承下來，一步到位，不需要人為地對其進(jìn)行定義和選取。通常在數(shù)據(jù)結(jié)構(gòu)變換過程中，對字符型數(shù)據(jù)和數(shù)值型數(shù)據(jù)需要分別列出兩個數(shù)組，而本文介紹的程序通過創(chuàng)建宏變量進(jìn)行預(yù)處理識別變量的類型并將其歸入數(shù)值型和字符型兩個列表（List）中，為之后提出變量組成數(shù)組做預(yù)處理。最后得到的輸出數(shù)據(jù)集縱標(biāo)目的順序即為調(diào)用宏語句“TargetList =% Bquote（Parameter1，Parameter2…）”中宏參數(shù)的排列順序，在應(yīng)用時可以隨意調(diào)換參數(shù)位置并且不考慮這些變量是屬于數(shù)值還是字符型，為批量處理提供方便。

表4　某乙肝疫苗合并用藥變換后的數(shù)據(jù)結(jié)構(gòu)

臨床試驗(yàn)中數(shù)據(jù)采集、數(shù)據(jù)管理的規(guī)范化對保證臨床試驗(yàn)質(zhì)量十分重要，而目前國內(nèi)在這些方面和國外相比尚有較大差距。CDSIC標(biāo)準(zhǔn)給臨床試驗(yàn)數(shù)據(jù)標(biāo)準(zhǔn)化提供了基礎(chǔ)。本文以數(shù)據(jù)管理自動化為目標(biāo)，編寫可以廣泛應(yīng)用于CDISC標(biāo)準(zhǔn)化命名變量的宏程序，實(shí)現(xiàn)數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換的規(guī)范化。需要注意的是，在實(shí)際工作中若臨床試驗(yàn)電子CRF數(shù)據(jù)設(shè)計的變量名不規(guī)范，則可采用本課題組先前提出的《流行病學(xué)調(diào)查報告數(shù)據(jù)標(biāo)準(zhǔn)化入口的SAS實(shí)現(xiàn)》［5］進(jìn)行變量命名的標(biāo)準(zhǔn)化，再配合本文方法，即可實(shí)現(xiàn)能廣泛應(yīng)用于臨床試驗(yàn)和/或流行病學(xué)現(xiàn)場調(diào)查的數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換。

參考文獻(xiàn)

［1］Team，C.S.D.S.Study Data Tabulation Model（SDTM）.2008.http：/ / www.cdisc.org/ sdtm.

［2］SAS Institute Inc.Sas9.1.3 Help and Documentation.Cary Nc：Sas Institute Inc，2003.

［3］SAS Institute Inc.Sas Institute Inc .Sas9.1.3 Sql Procedure Users Guide.Cary，Nc，2006.

［4］SAS Institute Inc.Sas Institute Inc .Base Sas9.1.3 Sql Procedure Guide：Statistical Procedures.Cary，Nc，2006.

［5］王詩遠(yuǎn)，劉沛.流行病學(xué)調(diào)查報告數(shù)據(jù)標(biāo)準(zhǔn)化入口的SAS實(shí)現(xiàn).中國衛(wèi)生統(tǒng)計，2013，30（1）：114-118.

（責(zé)任編輯：劉 壯）

*基金項(xiàng)目：國家科技重大專項(xiàng)“艾滋病和病毒性肝炎等重大傳染病防治”（2011ZX10004-902）

通信作者：△劉沛，E-mail：liupeiseu@126.com