SAS编程-Table：层级关系的频数汇总处理 ——层级拼接法
临床试验TFL输出中，有一类频数汇总表的各条目是包含层级关系的。例如，之前介绍的SAS编程：按SOC和PT类别汇总AE的受试者发生率，单个SOC下，可能会对应多个PT。
对于具有层级关系的频数汇总表，常规的处理方式是，先对各个层级进行单独统计，之后再汇总进行排序，前面提到的AE SOCPT表格就是这样处理的。
今天，介绍另一种方法，我给这种方法取名为层级拼接法。层级拼接法的本质是，将多层级转化为单层级进行处理。这个方法的效率要比各个层级单独处理高很多，推荐大家尝试使用。
层级拼接的处理主要在文章3.3、3.5、3.6部分，结合代码和输出结果，希望读者能够掌握这样的处理方法。
1. 层级处理介绍
看过我前面介绍受试者处置频数汇总的读者，应该有印象。频数汇总中，各条目对应不同的变量条件的情况，是很常见的。对应的处理方法，无外乎单条目条件处理后汇总，或者各条目条件合并为一个变量控制，统一处理。
具有层级关系的频数表，跟之前介绍的汇总表有2点不同。第一，层级关系的条目数量由具体数据确认，没有事先指定；第二，层级关系的条目需按所要求的顺序排序。
基于此，将多层级转化为单层级时，需要保留各层级信息，方便后续排序。
临床试验TFL中，常见的具有层级关系的内容有，地区国家、AE SOCPT的频数汇总。
这篇介绍，国家地区汇总表的层级拼接处理，后续介绍AE SOCPT的层级处理。
2. 具体示例
这是一个涉及多个地区、国家的多中心1期试验，这张Table需要汇总Region、Country、Site的信息。
这些信息保存在ADSL中，Site信息由两个变量拼接而成，这里看成一个变量进行处理。
这三个变量中“范围”最小的是Site，一个Site有对应的Country，一个Country有对应的Region。一行记录有对应3个变量的信息，每个变量信息都会被计数，也就是说一行记录会被计数3次。
这样的“重复计数”，可以通过两种方式实现：第一，计数3次，每次计数不同的变量；第二，将记录拆分成3条，一次计数3个变量的信息。
层次拼接法，就是采取第二种方式，拆分时，通过变量拼接，保留对应的层级关系。
3. SAS代码演示
首先，附上我的QC“5段论”：
***1. Create formats for output;
***2. Get data for analysis;
***3. Calculate statistics;
***4. Create dataset for QC;
***5. Compare;
3.1 汇总组的设置
这是一个Ongoing的1期剂量扩大试验，计划有6个试验组，目前数据中只有前4个试验组的信息。缺失组别的内容，我会使用Means过程步中的preloadfmt选项补充缺失组别的信息，具体参考SAS编程：频数汇总时如何处理分析分组种类不全的情况？。
Shell中要求这张Table有汇总组（Total），这个我会采用Format过程步中multilabel选项进行实现，具体内容可以参考SAS编程：生成Table时，汇总组(Total)组如何处理？。
基于上面两点考虑，部分Format可以这样设置：
***1. Craete Formats for output;
proc format;
value trt01pn(notsorted multilabel)
1 = 1
2 = 2
3 = 3
4 = 4
5 = 5
6 = 6
1-6 = 99 /*For total*/
;
run;
3.2 计算BigN的人群获取
***2. Get data for analysis;
**2,1 Get data for BigN;
data adsl;
set adam.adsl;
where fasfl = "Y";
*Flag for count;
flag = 1;
length site $50;
site = catx("/", siteidss, invnam);
run;
3.3 计算小n的人群获取——层级拼接
**2.2 Get data for small n;
data adsl_n;
set adsl;
length cat $200;
cat = strip(geogr1); output;
cat = strip(geogr1)||"!"||strip(propcase(countryl)); output;
cat = strip(geogr1)||"!"||strip(propcase(countryl))||"!"||strip(site); output;
proc sort;
by cat;
run;
第2部分提到，一条记录的3类信息会被计数 (Region、Country、Site)，利用Output语句将1条记录输出为3条，每一条对应需要计数的那一类信息。拆分时，各变量以感叹号!分隔，这样可以通过感叹号的数目来判断所属具体层级。
排序变量是新建的cat变量，其实这就相当于按照by geogr1 countryl site进行排序。因为ADSL数据集本身是Subject Level，1个受试者1条记录，所以计算频率时，数据集是不需要去重的。
3.4 计算BigN
处理好分析数据后，BigN的计算与之前的文章一样：
***3. Calculate statistics;
**3.1 Derive BigN and save them to macro vars;
proc means data =adsl nway completetypes;
format trt01pn trt01pn.;
class trt01pn / preloadfmt mlf order = data;
var flag;
output n = bign nmiss = nmiss out = BigN;
run;
data _null_;
set BigN;
call symputx("N_"||strip(trt01pn), put(bign,best.));
run;
data check_bign;
set sashelp.vmacro;
where index(name, "N_") and length(name)<=6;
keep name value;
run;
3.5 计算小n
小n的计算也与之前文章大体类似，只是不需要为分析变量cat提前设置Format。
**3.2 Calculate small n and percentage;
*Get small n;
proc means data = adsl_n nway completetypes;
format trt01pn trt01pn.;
class trt01pn / preloadfmt mlf order = data;
class cat;
var flag;
output n = count nmiss = nmiss out = count1;
run;
*Get percentage;
data count2;
merge count1 bign;
by trt01pn;
length freq $200;
if bign ne 0 then freq = strip(put(count,best.))||" ("||strip(put(count/bigN*100,8.1)) ||")";
else freq = "0 (-)";
proc sort;
by cat trt01pn;
run;
*Transpose results;
proc transpose data = count2 out = count3 prefix= trt_ ;
by cat;
var freq;
id trt01pn;
run;
百分比处理完毕后，下面要对第一列的内容进行处理。计数时，是按拼接后的变量信息计数。计数完毕后，需要根据所在层级输出第一列的内容。而所在层级的判断，是通过所含感叹号数量进行标记。
data final1;
set count3;
length c1 - c8 $200;
if count(cat, "!") = 0 then c1 = cat;
else if count(cat, "!") = 1 then c1 = scan(cat, 2, "!");
else if count(cat, "!") = 2 then c1 = scan(cat, 3, "!");
c2 = trt_1;
c3 = trt_2;
c4 = trt_3;
c5 = trt_4;
c6 = trt_5;
c7 = trt_6;
c8 = trt_99;
keep c:;
proc sort;
by cat;
run;
输出结果如下，结果排序为各层级字母排序，以下基本为完整的输出内容了。
3.6 按汇总列频数降序排序
具有层次关系的频数汇总表，如果结果按字符排序，上面输出就是最后的结果。
但这类表通常需要按汇总组的频数降序排列，频数相同，按字符顺序排序。这时候还需要对数据集进一步处理，以达到排序的要求。
这一步，主要操作是为每一个层级附上对应的汇总列频数，通过BY语句、Retain语句为组内赋值实现。
为3个层级新建对应的分组变量 (cat1, cat2, cat3)，并按层级分组排序：
*Create group vars;
data final1;
set count3;
length c1 - c8 $200;
if count(cat, "!") = 0 then c1 = cat;
else if count(cat, "!") = 1 then c1 = scan(cat, 2, "!");
else if count(cat, "!") = 2 then c1 = scan(cat, 3, "!");
c2 = trt_1;
c3 = trt_2;
c4 = trt_3;
c5 = trt_4;
c6 = trt_5;
c7 = trt_6;
c8 = trt_99;
*For freqency sort;
num = input(scan(c8,1,"("), best.);
cat1 = scan(cat, 1, "!");
cat2 = scan(cat, 2, "!");
cat3 = scan(cat, 3, "!");
keep num c:;
proc sort;
by cat1 cat2 cat3;
run;
为每一分组赋上组内汇总频数 (cat1n, cat2n, cat3n)，并以频数降序、相同频数以字母顺序升序排列：
*Get counts for the group vars;
data final2;
set final1;
by cat1 cat2 cat3;
retain cat1n cat2n cat3n;
if first.cat1 then cat1n = num;
if first.cat2 then cat2n = num;
if first.cat3 then cat3n = num;
proc sort;
by descending cat1n cat1 descending cat2n cat2 descending cat3n cat3;
run;
输出结果如下：
这个就是最后输出结果的主体部分，结合cat1n, cat2n, cat3n的具体取值，希望读者能够掌握频数倒序排序的处理。
4. 主体程序代码汇总：
***1. Craete Formats for output;
proc format;
value trt01pn(notsorted multilabel)
1 = 1
2 = 2
3 = 3
4 = 4
5 = 5
6 = 6
1-6 = 99 /*For total*/
;
run;
***2. Get data for analysis;
**2,1 Get data for BigN;
data adsl;
set adam.adsl;
where fasfl = "Y";
*Flag for count;
flag = 1;
length site $50;
site = catx("/", siteidss, invnam);
run;
**2.2 Get data for small n;
data adsl_n;
set adsl;
length cat $200;
cat = strip(geogr1); output;
cat = strip(geogr1)||"!"||strip(propcase(countryl)); output;
cat = strip(geogr1)||"!"||strip(propcase(countryl))||"!"||strip(site); output;
proc sort;
by cat;
run;
***3. Calculate statistics;
**3.1 Derive BigN and save them to macro vars;
proc means data =adsl nway completetypes;
format trt01pn trt01pn.;
class trt01pn / preloadfmt mlf order = data;
var flag;
output n = bign nmiss = nmiss out = BigN;
run;
data _null_;
set BigN;
call symputx("N_"||strip(trt01pn), put(bign,best.));
run;
data check_bign;
set sashelp.vmacro;
where index(name, "N_") and length(name)<=6;
keep name value;
run;
**3.2 Calculate small n and percentage;
*Get small n;
proc means data = adsl_n nway completetypes;
format trt01pn trt01pn.;
class trt01pn / preloadfmt mlf order = data;
class cat;
var flag;
output n = count nmiss = nmiss out = count1;
run;
*Get percentage;
data count2;
merge count1 bign;
by trt01pn;
length freq $200;
if bign ne 0 then freq = strip(put(count,best.))||" ("||strip(put(count/bigN*100,8.1)) ||")";
else freq = "0 (-)";
proc sort;
by cat trt01pn;
run;
*Transpose results;
proc transpose data = count2 out = count3 prefix= trt_ ;
by cat;
var freq;
id trt01pn;
run;
*Create group vars;
data final1;
set count3;
length c1 - c8 $200;
if count(cat, "!") = 0 then c1 = cat;
else if count(cat, "!") = 1 then c1 = scan(cat, 2, "!");
else if count(cat, "!") = 2 then c1 = scan(cat, 3, "!");
c2 = trt_1;
c3 = trt_2;
c4 = trt_3;
c5 = trt_4;
c6 = trt_5;
c7 = trt_6;
c8 = trt_99;
*For freqency sort;
num = input(scan(c8,1,"("), best.);
cat1 = scan(cat, 1, "!");
cat2 = scan(cat, 2, "!");
cat3 = scan(cat, 3, "!");
keep num c:;
proc sort;
by cat1 cat2 cat3;
run;
*Get counts for the group vars;
data final2;
set final1;
by cat1 cat2 cat3;
retain cat1n cat2n cat3n;
if first.cat1 then cat1n = num;
if first.cat2 then cat2n = num;
if first.cat3 then cat3n = num;
proc sort;
by descending cat1n cat1 descending cat2n cat2 descending cat3n cat3;
run;
***4. Create dataset for QC;
略
***5. Compare;
略
总结
这篇文章介绍了处理层级关系频数表的方法——层级拼接法。这个方法的效率比常规各层级单独处理要高很多，推荐大家使用。
这类表格的排序，可能按字母顺序进行排序，也可能按汇总组频数倒序排列。文章也介绍了这两种排序的处理。
SAS编程-Table：层级拼接法输出AE SOC、PT的受试者发生率介绍了，关于AE SOC、PT层级关系嵌套的处理。SOC和PT是两层嵌套，处理上比Region、Country、Site 3层嵌套要简单点。
感谢阅读， 欢迎关注！
若有疑问，欢迎评论交流！
共有 0 条评论