SAS：根据多行诊断排除患者并计算发病率

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。

对于每位患者，他们的诊断都列在多行中。我需要排除具有某种诊断（282.1）的患者，并计算2014年其他疾病的发病率。

IF diagnosis NE 282.1; 

这在数据步骤中不起作用，因为它没有考虑其他行的其他诊断。

如果可能的话，我还想按疾病计算发病率。

这是数据外观的示例。有多个诊断的多行。

PatientID   Diagnosis   Date    Gender  Age
1           282.1       1/2/10      F   25
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           132.3       12/15/13    M   41
2           149.1       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           282.1       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

Answer 1

双读解决方案

直截了当的版本

你说你先对数据进行排序，大概是这样的

proc sort data=MYLIB.DIAGNOSES;
    by PatientID;
run;

假设您的数据按patientID 排序，您可以先处理每个要排除的诊断。

data WORK.NOT_HAVING_282_1;
    set MYLIB.DIAGNOSES (where=(diagnosis EQ 282.1)) 
        MYLIB.DIAGNOSES (where=(diagnosis NE 282.1));
    by PatientID;

因为我们需要按年份而不是按日期报告：

year = year(Date);

下一步是排除您不需要的那些，因此您需要记住是否发生了不需要的诊断：

    retain has_282_1;
    if first.PatientID then has_282_1 = 0;
    if diagnosis EQ 282.1 then has_282_1 = 1; 

然后对于没有 282.1 的患者保留 2014 年的其他诊断

    else if not has_282_1 then output;
run;

接下来你可以用 SQL 来计算你需要什么

proc sql:
    create table MYLIB.STATISTICS as 
    select year, Diagonsis, count(distinct PatientID) as incidence
    from WORK.NOT_HAVING_282_1
    group by year, Diagonsis;
quit;

改进

上述解决方案将需要更多的处理能力：

• 你从 diks 读取DIAGNOSES，然后将 FIRST_282_1 写入磁盘，只是为了再次读回它
• 您可以为同一患者在同一年的不同日期对同一诊断进行多次观察，因此您需要count(distinct PatientID)，这是一项昂贵的操作。

关于诊断 282.1，我们只需要知道谁被诊断过：

proc sort noduplicates
    data=MYLIB.DIAGNOSES (where=(diagnosis EQ 282.1))
    out=WORK.HAVING_282_1 (keep=PatientID);
    by PatientID;
run;

关于其他诊断，我们还需要年份，这里是：

data WORK.VIEW_OTHER / view=WORK.VIEW_OTHER;
    set MYLIB.DIAGNOSES (where=(diagnosis NE 282.1));
    year = year(Date);
    keep PatientID year Diagnose;
run;

但是当我们使用视图时，在视图用于这种排序之前，我们不会真正读取和计算任何内容：

proc sort noduplicates
    data=WORK.VIEW_OTHER (where=(diagnosis EQ 282.1))
    out=WORK.OTHER_DIAGNOSES;

    by PatientID year Diagnose;
run;

现在事情变得更简单了。我们使用临时变量exclude 和other 来指示数据的来源

data WORK.NOT_HAVING_282_1;
    set WORK.HAVING_282_1 (in=exclude)
        WORK.OTHER_DIAGNOSES (in=other);
    by PatientID;

    retain has_282_1;
    if first.PatientID then has_282_1 = exclude;

    if other and not has_282_1 then output;
run;

proc sql:
    create table MYLIB.STATISTICS as 
    select year, Diagonsis, count(*) as incidence
    from WORK.NOT_HAVING_282_1
    group by year, Diagonsis;
quit;

备注：此代码未经测试