我是一名SAS程序员

Adrian2Hope 发表于 2016-12-3 19:53
回复：hyquid
这位朋友，你好！JD里面说的SDTM是属于CDISC里面的内容，另外，它还有ADaM等等。关于CDISC， ...

楼主你好
我想请问一下
我现在SAS是只有base的水平，下面会进一步学习
上学时学的数学、统计等都忘的差不多了
但是想从事SAS相关的分析工作
是不是还要把数学、统计这些再拾起来才可以
还是说有对这方面要求不那么高的起步的工作呢
谢谢了

回复：DriftKingHan。
我上面已经说得很清楚，现在有很多公司是面对高校毕业生的，同一职位有不同的leval，只要你是相关专业的，比如统计，数学，计算机，类似于理工的，只要不是特别文科的专业，条件适当的，用人单位都会认真考虑的。希望你成功！
另外，朋友们有什么问题想问我的话，如果我回答过，可以参考之前的。如果没有，可以在这里发问，也可以私信我。
我不太喜欢那样直接在后面点击回复的，那样整帖子看起来不整齐。

2. many-to-many merge：
在SDTM中，EX domain是存放exposure信息的，SV domain是放subject visit信息的。大多数时候，我们需要将EX中的dose date定位在哪个visit，因而这是需要和SV merge的。现假设：EX中的数据是每条subject有多条dosing record(exstdtc=2012-08-12T09-45, exstdtc=2013-9...)，一条对应一个日期/时间，SV中的数据是每个subject有多个visit(visitnum=1, visit=screening, svstdtc=2013-05-15, svendtc=2013-06-12; visitnum=2, visit=run-in, svstdtc=2013-06-13, svendtc=2013-6-20...)。
通过sql能解决这样的问题。

**** Use Proc SQL for many-to-many merge.;
**** Assign dose date to a specific visit window by comparing to visit start and visit stop date.;
proc sql;
        create table exvisit as
                select distinct ex.usubjidn, exstdtn, visitnum, svstdtn, svendtn
                from ex left join sv
                on ex.usubjidn = sv.usubjidn and svstdtn le exstdtn le svendtc
                order by ex.usubjidn, exstdtn
        ;
quit;
tips:
1). 像--STDTC, --ENDTC是标准的CDISC变量，是字符型的，如果要涉及到日期数值的比较，肯定是要先转化为可比较的数值型变量。因为日期时间很多是不完整的，所以可能会用到calculation algorithm，这就看specification中么规定了。
2). EX中总有某个date不落入某个visit，有些computation会define visit window。比如visitnum=2这一天的前后3天都算是visit是等于2的。
3). 由于sql overlap value，所以尽可能只选择一些只要处理变量，这样也不容易出错。

2. many-to-many merge：
在SDTM中，EX domain是存放exposure信息的，SV domain是放subject visit信息的。大多数时候，我们需要将EX中的dose date定位在哪个visit，因而这是需要和SV merge的。现假设：EX中的数据是每条subject有多条dosing record(exstdtc=2012-08-12T09-45, exstdtc=2013-9...)，一条对应一个日期/时间，SV中的数据是每个subject有多个visit(visitnum=1, visit=screening, svstdtc=2013-05-15, svendtc=2013-06-12; visitnum=2, visit=run-in, svstdtc=2013-06-13, svendtc=2013-6-20...)。
通过sql能解决这样的问题。

**** Use Proc SQL for many-to-many merge is required.;
**** Assign dose date to a specific visit window by comparing to visit start and visit stop date.;
proc sql;
        create table exvisit as
                select distinct ex.usubjidn, exstdtn, visitnum, svstdtn, svendtn
                from ex left join sv
                on ex.usubjidn = sv.usubjidn and svstdtn le exstdtn le svendtc
                order by ex.usubjidn, exstdtn
        ;
quit;

tips:
1). 像--STDTC, --ENDTC是标准的CDISC变量，是字符型的，如果要涉及到日期数值的比较，肯定是要先转化为可比较的数值型变量。因为日期时间很多是不完整的，所以可能会用到calculation algorithm，这就看specification中么规定了。
2). EX中总有某个date不落入某个visit，有些computation会define visit window。比如visitnum=2这一天的前后3天都算是visit是等于2的。
3). 由于sql overlap value，所以尽可能只选择一些只要处理变量，这样也不容易出错。

1. 分类数据中的缺失值和0意义很不同
如果某个分类变量的值为缺失值，这说明这个值的结果是不知道的，这条观测不会纳入分析人群和分母的计算；而如果它的值是0，这说明结果是已知的，此时0会对应一个相应的临床意义，同时纳入分析和分母人数的计算。
比如说：考察疗后病人对药物的有效反应率。1=有效，0=无效，这里的有效和无效可依据相应的医学指标来判定。很显然，如果某个病人的反应变量值为1，那说明治疗是有效的，反之，如果为0，则药物无效。但如果数据收集不完全（比如病人失访，关键指标缺失等）而导致无法判定时，那出现缺失值，而不应该是0。
从描述性统计和推断性分析角度看疾病死亡率。
1=死亡，0=没有死亡。如果有几个人的死亡情况从0变为缺失值，也就是不确定，各组（如治疗组，对照组）中变量值为1的类由于分母变小而total percenage值变大，检查相关统计量的p值，发现以前有统计学意义的变得没有统计学意义，治疗组会降低死亡率变成两组药物治疗效果没有统计上区别。
在实际的临床试验中，缺失值非常常见，有的时候是data issue。不过不用担心，在项目的各种文件中会规定缺失值的处理方法，同时在编程的同时注意程序的严密性。

Performing Many-to-Many Comparions/Joins

The following program defines the two data sets and joins them with PROC SQL so that you get all medications taken during any specific adverse event.

**** MERGE/JOIN ADVERSE EVENTS WITH CONCOMITANT MEDICATIONS.
**** KEEP MEDICATIONS THAT STARTED OR STOPPED DURING AN ADVERSE
**** EVENT OR ENTIRELY SPANNED ACROSS AN ADVERSE EVENT.;
proc sql;
create table ae_meds as
select a.subject, a.ae_start, a.ae_stop,
a.adverse_event, c.cm_start, c.cm_stop,
c.conmed from
aes as a left join conmeds as c
on (a.subject = c.subject) and
( (a.ae_start <= c.cm_start <= a.ae_stop) or
(a.ae_start <= c.cm_stop <= a.ae_stop) or
((c.cm_start < a.ae_start) and (a.ae_stop < c.cm_stop)));
quit;

tips:
1. sql能处理非常复杂的merge，写法体现在select...on...语句上。
2. 这里要找出的是哪些CM会落在对应这个人的AE中，因而on条件语句的写法异常重要，大家可以画个时间轴图来帮助理解。
3. missing start and stop dates在临床试验数据中很常见，这会带来处理难度，因而在写程序的时候要认真看specification，仔细推敲并验正逻辑的正确性。
4. 谨记遇到多对多的时候，首选sql。
本例是在某书上抄来的，觉得好，所以共享上来。

3. Redefining a Variable within a DATA Step
在merge数据集的同时derive新的变量容易出现“易想不到”的问题。我曾经就碰到过，明明if...then...写的很清晰，字符型变量值的也严格和数据集里面的值完全一样，但就是得不到正确的结果，后来不为省事分两个data步写，先完成merge，然后再derive。这是最保险的一种方法，当然是正确的。其实这里忽视了一个问题：在data步里面通过merge, set, update语句产生一个变量的时候，sas会自动"Retain"所有衍生变量值。在sas base相关资料里面会详有细说明类似PDV这样的概念。所以容易出现这样的情况：不仅满足条件的那条record result是赋予的新值，而且其他在同一个by group里面的也是这值，你当然不是你想要的。我们可以用rename在一个data step里面处理。

reference code:
**** FLAG EVENTS THAT RESULTED IN DEATH;
data aes;
merge death(rename = (death = _death)) aes;
by subject;
**** DROP OLD DEATH VARIABLE.;
drop _death;
**** CREATE NEW DEATH VARIABLE.;
if adverse_event = "Fatal MI" then
death = 1;
else
death = _death;
run;

在给这个帖子起名字的时候，我纠结了一番。现在做一些基本说明。

正如标题所指出的，我是一名医药行业SAS程序员。诚然，我首先是个程序员，但需要特别强调的是，因为只是略懂了点SAS，然后才做起了SAS程序员。据目前我所了解的，我同学进银行的多，也有读博的，也有当老师的。关于我们这个就业的，没有做过统计，只知道一些要好朋友的情况。可以毫不夸张的说，我完全是走偏了。我的专业是数量经济学，但因为在实习阶段误打误撞进入这个行业，然后几年下来，想出来也出来不了了。“千不该，万不该”学那个SAS！当时我们学的是SPSS，但我本人“要求上进”，觉得学门技术吧，以后总不至于饿死。就这样，在学校阶段参加了那个SAS公司的Base和Advance考试。因为是学生，所以拿得到discount。Base比较顺利，Advance我连考两次竟然都差一点点。算下加上打印资料什么的，快花了3000块吧。我感到很泄气，为什么老失败。后来仔细一想，我完全是为了考试而考试，准备时间也短，心态很出问题。后来想通了，无所谓了。去找工作去吧。谁知道，在网上一投，非常多的公司说可以来实习呀，基本上面一个准一个，无非就是比较和选择。关于考试这块，坛子里信息很多，我就不废话了。现在回想起当初的考试，觉得自己当时的执着有点搞笑。我就是为了完美和好看，总觉得两个总比一个好！关于对SAS的学习，多用多想多查才是根本，才是王道。另外，如果学习没劲的话，可以花钱逼自己学啊，我当初就是这样想的。哎呀，钱都花了，好吃好喝好玩的都省了，这书还不得看点啊，要不，你对得起自己么？人生呐，如果有那么一段日子让你过的特别地难受，特别地孤独，那就是说明你在进步了！

进了这个行业才知道，原来，医药行业还有这个类啊。对大多数普通人来说，医药也只有自己生病了，住院了，才想起来需要吃药，才想起来我们除了食品来填饱肚子之外，还需要有药品来保护自己不让生病，不是有一个有关部门叫“国家食品药品监督管理局”嘛！

上面那个部门就是这个行业的权力机关，有对某个上市新药的生杀予夺大权。由于所涉猎的行业跨度很小，我只能在有限的范围内对一些环节，步骤做个基本说明，如有不妥，还望海涵！

一般来说，SAS程序员并不会运用像C，JAVA，C++…类似这样的编程语言，我们只是在特定的环境，特定的平台写程序，我们编程生成的结果是数据集、图、表或其他一些文字性的东西。所以，在向别人介绍自己工作的时候，经常会被误解的。啊？IT啊！是不是经常加班？你说做统计的话，是不是统计卖了多少药？那既然你不是做销售卖药的话，想象不到你是干什么的？反正关于这个话题吧，很有趣。做技术有时候挺怪怪的，别人在那边说起工作口沫横飞，口若悬河，我们插不上话，也没人懂我们做什么。所以，玩技术的朋友们，做人不能太闷了哦。

一个药物，并不是公司一经研发出来，马上就可以批量生产和对外销售的，它必须经过严格的临床试验，被一步步证明是安全的，是有效的，才可能会被ZF批准，才会上市。这一过程投资巨大，风险巨高。当然利润与之伴随。接下来，我会在帖子里贴点GCP的知识，让感兴趣的朋友循序渐进的了解它，认识它。

好的 洗耳恭听