前言

千呼万唤始出来，终于要来分享如何编程了（交作业啦）。有了前文分享的《3 编程制作TFL——从何下手？》以及《3.1 编程制作TFL——从何下手？（补充篇）》的基础，相信大家对相关的方法论有了基本掌握。是时候引入正题了，那么该如何开展编程呢？

犹记得，之前我刚招聘的一个小朋友，勤奋好学，刚入职时在看一本临床统计程序员相关的编程书籍，（能出书应该是在行业里干了好多年的编程人员。但其程序对初入职场的小朋友确实不友好）。他有一些不解，拿着书来问我，我看了一下，直接（大言不惭地）说不要看了。这本书上的逻辑是一行一行的生成Shell对应的output。

你可能会问，你的程序一定比他好很多吗？我想说，不一定哈，但是至少是简单、逻辑清晰。哈哈，大言不惭（咱这么十多来年的编程经验也不是没点水平）。少啰嗦，进入正题。本次分享依旧以《人口学和基线特征》为案例，数据来自ADaM_IGv1.1_package中ARM-for-Define-XML的ADaM ADSL。

声明：由于用的是外部下载数据，无相关的SAP以及CRF, 且本表比较简单，故这里假设我已经对SAP进行过了良好的培训和理解了。大家在做具体项目的时候一定好好培训和学习SAP以及CRF哈。

正文

0. 编程启动会

编程启动前，Lead programmer会进行Kick off meeting, 来介绍：

1. setup.sas，包括设置路径和相应的library（逻辑库），以及常用的宏程序，format，及要生成的RTF template等
2. template codes of SDTM/ADaM，以及相关的Specifications
3. template codes of TLFs
4. 编程的general要求，比如图表的变量长度统一为200、变量名col0-colx、最后的数据集的命名建议为final等

接下来，我将直接进行正题，进行程序正文的讲解。

1. Shell

根据数据中变量取值，我修改了Shell，如下图。

看到Shell后，仔细观察和理解，本表关注的内容（含义）为，安全性分析人群的人口学和基线特征相关的变量，连续型变量（Age, Height, Baseline Weight, Baseline BMI）的统计量，以及分类型变量（Sex, Race, Ethnicity）的分类计数。为了编程准备，我将Shell进行了如下标注（这样是不是逻辑更清晰一些？），然后开始进行编程。

2. Keep 数据和变量

第一步，我们首先找到对应人群的数据，然后keep相应的变量，然后对比Shell和数据：

运行后发现，连续型变量的单位和Shell中一致无需转换单位，但分类型变量的取值和Shell中稍有差异：

1. Sex的数据取值为F、M，但Shell中为Male，Female，需要特殊处理（这里我使用format，你也可以采用if语句）
2. Race 和 Ethnicity 的数据和Shell中也不一致，但两者字母大写一致
3. 数据中无治疗组=“Total”，需要增加相关数据

3. 连续型变量

数据处理好了，接下来我们开始进行数据处理，首先是连续型变量的处理，这里我们经由观察Shell（和培训CRF和SAP，假设哈）得知：

1. Min/Max保持和原始数据小数位数一致，Mean/Median的小数位数=原始数据小数位数+1，SD的小数位数=原始数据小数位数+2
2. Age原始数据为整数，Height、Weight、和BMI的原始数据小数位数均为一位（其中BMI为CRF收集的数据，是EDC系统根据Height、Weight自动计算得来，保留了一位小数）。
3. 计算过程除了变量和小数位数的不同，无其他差异（故我采用宏程序来实现）
4. 除了变量的顺序，统计量（n, Mean, SD, Median, Min, Max）的格式以及顺序也需要注意

写宏程序的时候，建议初学者先按照一个变量将数据处理好，然后再将变化的部分替换成宏变量。同时需要考虑变量的顺序，以及变量相关统计量的顺序。上述程序利用了transpose 变量（Var n MSD Median Min_Max）放置的顺序决定了统计量的顺序。到此，连续性指标的数据基本处理完毕。

4. 分类型变量

接下来是分类型变量的数据处理：

方式1：

1. 百分比的分母都是N，选择采用宏变量
2. 先transpose 数据，然后分不同治疗组别进行百分比计算
3. 优点：0已经处理；
4. 缺点: N对应的宏变量和治疗组的变量（这里是数值型变量）排序相关，需要注意对应关系

方式2：

1. 百分比的计算采用merge 数据集
2. 先计算百分比，然后transpose字符型数据，存在缺失值，需后期处理
3. 优点：1） N对应的宏变量和治疗组的名字相关，对应关系明确；2）百分比的计算不容易出错。当治疗组组别较多时，尤其推荐这种处理方式。
4. 缺点：数值0需要额外处理

5. Dummy数据集

按照方式2的处理，将连续型处理结果和分类处理结果放到一起，得到数据：

到这里，还剩下1）第一列col0 的显示问题，以及2）分类变量显示为空（结果为0）的处理问题。现在来Dummy col0。

得到最后的final数据：

1. dummy排序变量和col0后，采用变量顺序grp, 和upcase(col0）进行merge然后得到了col0
2. dummy数据merge后得到分类型指标取值为0的行，比如race中的Asian行（分类型变量采用方式1处理的话，也需要处理这种情况）。和分类型指标取值为0的列一起处理掉。
3. 按照顺序变量排序。grp代表变量顺序，ord代表连续型变量的统计量或者分类型变量分类的排版顺序。

接下来就是report部分，属于TLF template code的一部分，不再展示。整个程序算上header和report，大约200多行codes, 即可生成相应的output。

6. 重要事项

以下是我认为的重要事项（欢迎私信补充哈）：

1. 编程过程中，每写一段code，即运行查看对应的log是否clean，以及生成的数据集是否符合预期，然后写下一段code
2. 编程过程中或结束后，想到更好的解决方法，及时修订和改进。改进的是逻辑和编程习惯
3. 添加comments备注想法或逻辑，及特殊处理的原因等（哈哈，这点我也没做到位：上述程序较为简单，comments较少）；删除大段的、没有用的comments程序
4. 如果遇到数据问题或编程问题，及时记录issue log；程序中可增加测试data issue的语句，以便下次运行注意到issue的状态
5. 为了和Shell保持一致，dummy data或footnotes尽量从Shell上copy - paste, 减少手动输入
6. output生成后，仔细检查：1）格式：title / body / footnotes等信息和Shell的一致性；2）理解数值：header上的N，body中的数值，看是否有data issue（及时记录和上报）等；3）Page：是否有页码问题或者空白页等; 4）cross check：表内和表间相同/相关数值是否一致等

结语

虽说黑猫白猫抓住老鼠都是好猫，但对于程序员来说，能正确生成图表是最低要求；程序有好的可读性、清晰的逻辑至关重要（好处多多，不再展开赘述哈）。临床程序员是作者，不是读者。希望大家谨记。

每个程序员都有自己的编程习惯，小编希望助你养成好的编程思路/习惯，如果你能从本篇有所收获或启迪，不幸荣幸。

如有问题，欢迎私信我~

如有纰漏，也欢迎私信我沟通~

问题回复

《3.1 编程制作TFL——从何下手？（补充篇）》的遗留了两个问题，我放在本篇最后进行回复。

1. 如果标题为“年龄>=65岁受试者的不良事件（安全性分析人群）”，那么N的含义又是什么呢？

参考回复：N的含义为，不同治疗组实际用药的年龄>=65岁受试者中的人数以及合计的用药的年龄>=65岁受试者人数。

2. 如果标题为“不良事件（安全性分析人群）” 按照年龄分层（>=65岁, 以及<65岁）分别汇总，那么N的含义又是什么呢？

参考回复：N的含义为不同治疗组实际用药的年龄>=65岁受试者或<65岁受试者人数以及合计的用药的年龄>=65岁受试者或<65岁受试者人数。