SAS：使用多行患者数据计算特定类型疾病的数量

Question

我有数百万患者遭遇的大型数据集，其中包括诊断、时间戳、患者 ID 和人口统计信息。

我们发现，一种特定类型的疾病经常与一种常见疾病共存。

我想计算每个患者患有此类疾病的数量，然后创建一个直方图，显示有多少人患有 1、2、3、4 等其他疾病。

这是数据的格式。

PatientID   Diagnosis   Date    Gender  Age
1           282.1       1/2/10      F   25
1           282.1       1/2/10      F   87
1           232.1       1/2/10      F   87
1           250.02      1/2/10      F   41
1           125.1       1/2/10      F   46
1           90.1        1/2/10      F   58
2           140         12/15/13    M   57
2           282.1       12/15/13    M   41
2           232.1       12/15/13    M   66
3           601.1       11/19/13    F   58
3           231.1       11/19/13    F   76
3           123.1       11/19/13    F   29
4           601.1       12/30/14    F   81
4           130.1       12/30/14    F   86
5           230.1       1/22/14     M   60
5           282.1       1/22/14     M   46
5           250.02      1/22/14     M   53

一般来说，我在考虑 DO 循环，但我不确定从哪里开始，因为数据集中有重复项，例如患者 1（282.1 被列出两次）。我不确定如何解释这一点。有什么想法吗？

要计数的目标诊断为 282.1、232.1、250.02。在此示例中，患者 1 的计数为 3，患者 2 的计数为 2，依此类推。

编辑： 这是我使用的，但输出在输出的多行上显示每个 PatientID。

PROC SQL;
create table want as
select age, gender, patientID,
       count(distinct diagnosis_description) as count
   from dz_prev
   where diagnosis in (282.1, 232.1)
   group by patientID;
quit;

这是输出表的样子。为什么这个患者 ID 会出现这么多次？

Obs AGE GENDER PATIENTID count
1 55 Male 107828695 1
2 54 Male 107828695 1
3 54 Male 107828695 1
4 54 Male 107828695 1
5 54 Male 107828695 1

Answer 1

如果您包含既不是分组变量也不是汇总统计的变量，那么 SAS 会很乐意将您的汇总统计重新与所有源记录重新合并。这就是您获得多条记录的原因。如果您的数据集涵盖多年，AGE 通常会有所不同。如果您的数据混乱，性别也可能会有所不同。因此，为了快速分析，您可以尝试这样的操作。

create table want as
select patientID
     , min(age) as age_at_onset
     , min(gender) as gender
     , count(distinct diagnosis_description) as count
   from dz_prev
   where diagnosis in (282.1, 232.1)
   group by patientID
;

Answer 2

我认为你可以用一条 SQL 语句得到你想要的

PROC SQL NOPRINT;
create table want as
select PatientID,
       count(distinct Diagnosis) as count
   from have
   where Diagnosis in (282.1, 232.1, 250.02)
   group by PatientID;
quit;

这仅过滤您感兴趣的诊断，通过 PatientID 计算它们被看到的不同时间，并将结果保存到新表中。