前言

千呼萬喚始出來，終於要來分享如何程式設計了（交作業啦）。有了前文分享的《3 程式設計製作TFL——從何下手？》以及《3.1 程式設計製作TFL——從何下手？（補充篇）》的基礎，相信大家對相關的方法論有了基本掌握。是時候引入正題了，那麼該如何開展程式設計呢？

猶記得，之前我剛招聘的一個小朋友，勤奮好學，剛入職時在看一本臨床統計程式設計師相關的程式設計書籍，（能出書應該是在行業裡幹了好多年的程式設計人員。但其程式對初入職場的小朋友確實不友好）。他有一些不解，拿著書來問我，我看了一下，直接（大言不慚地）說不要看了。這本書上的邏輯是一行一行的生成Shell對應的output。

你可能會問，你的程式一定比他好很多嗎？我想說，不一定哈，但是至少是簡單、邏輯清晰。哈哈，大言不慚（咱這麼十多來年的程式設計經驗也不是沒點水平）。少囉嗦，進入正題。本次分享依舊以《人口學和基線特徵》為案例，資料來自ADaM_IGv1.1_package中ARM-for-Define-XML的ADaM ADSL。

宣告：由於用的是外部下載資料，無相關的SAP以及CRF, 且本表比較簡單，故這裏假設我已經對SAP進行過了良好的培訓和理解了。大家在做具體專案的時候一定好好培訓和學習SAP以及CRF哈。

正文

0. 程式設計啟動會

程式設計啟動前，Lead programmer會進行Kick off meeting, 來介紹：

1. setup.sas，包括設定路徑和相應的library（邏輯庫），以及常用的宏程式，format，及要生成的RTF template等
2. template codes of SDTM/ADaM，以及相關的Specifications
3. template codes of TLFs
4. 程式設計的general要求，比如圖表的變數長度統一為200、變數名col0-colx、最後的資料集的命名建議為final等

接下來，我將直接進行正題，進行程式正文的講解。

1. Shell

根據資料中變數取值，我修改了Shell，如下圖。

看到Shell後，仔細觀察和理解，本表關注的內容（含義）為，安全性分析人群的人口學和基線特徵相關的變數，連續型變數（Age, Height, Baseline Weight, Baseline BMI）的統計量，以及分型別變數（Sex, Race, Ethnicity）的分類計數。爲了程式設計準備，我將Shell進行了如下標註（這樣是不是邏輯更清晰一些？），然後開始進行程式設計。

2. Keep 資料和變數

第一步，我們首先找到對應人群的資料，然後keep相應的變數，然後對比Shell和資料：

執行後發現，連續型變數的單位和Shell中一致無需轉換單位，但分型別變數的取值和Shell中稍有差異：

1. Sex的資料取值為F、M，但Shell中為Male，Female，需要特殊處理（這裏我使用format，你也可以採用if語句）
2. Race 和 Ethnicity 的資料和Shell中也不一致，但兩者字母大寫一致
3. 資料中無治療組=“Total”，需要增加相關資料

3. 連續型變數

數據處理好了，接下來我們開始進行數據處理，首先是連續型變數的處理，這裏我們經由觀察Shell（和培訓CRF和SAP，假設哈）得知：

1. Min/Max保持和原始資料小數位數一致，Mean/Median的小數位數=原始資料小數位數+1，SD的小數位數=原始資料小數位數+2
2. Age原始資料為整數，Height、Weight、和BMI的原始資料小數位數均為一位（其中BMI為CRF收集的資料，是EDC系統根據Height、Weight自動計算得來，保留了一位小數）。
3. 計算過程除了變數和小數位數的不同，無其他差異（故我採用宏程式來實現）
4. 除了變數的順序，統計量（n, Mean, SD, Median, Min, Max）的格式以及順序也需要注意

寫宏程式的時候，建議初學者先按照一個變數將數據處理好，然後再將變化的部分替換成宏變數。同時需要考慮變數的順序，以及變數相關統計量的順序。上述程式利用了transpose 變數（Var n MSD Median Min_Max）放置的順序決定了統計量的順序。到此，連續性指標的資料基本處理完畢。

4. 分型別變數

接下來是分型別變數的數據處理：

方式1：

1. 百分比的分母都是N，選擇採用宏變數
2. 先transpose 資料，然後分不同治療組別進行百分比計算
3. 優點：0已經處理；
4. 缺點: N對應的宏變數和治療組的變數（這裏是數值型變數）排序相關，需要注意對應關係

方式2：

1. 百分比的計算採用merge 資料集
2. 先計算百分比，然後transpose字元型資料，存在缺失值，需後期處理
3. 優點：1） N對應的宏變數和治療組的名字相關，對應關係明確；2）百分比的計算不容易出錯。當治療組組別較多時，尤其推薦這種處理方式。
4. 缺點：數值0需要額外處理

5. Dummy資料集

按照方式2的處理，將連續型處理結果和分類處理結果放到一起，得到資料：

到這裏，還剩下1）第一列col0 的顯示問題，以及2）分類變數顯示為空（結果為0）的處理問題。現在來Dummy col0。

得到最後的final資料：

1. dummy排序變數和col0後，採用變數順序grp, 和upcase(col0）進行merge然後得到了col0
2. dummy資料merge後得到分型別指標取值為0的行，比如race中的Asian行（分型別變數採用方式1處理的話，也需要處理這種情況）。和分型別指標取值為0的列一起處理掉。
3. 按照順序變數排序。grp代表變數順序，ord代表連續型變數的統計量或者分型別變數分類的排版順序。

接下來就是report部分，屬於TLF template code的一部分，不再展示。整個程式算上header和report，大約200多行codes, 即可生成相應的output。

6. 重要事項

以下是我認為的重要事項（歡迎私信補充哈）：

1. 程式設計過程中，每寫一段code，即執行檢視對應的log是否clean，以及生成的資料集是否符合預期，然後寫下一段code
2. 程式設計過程中或結束後，想到更好的解決方法，及時修訂和改進。改進的是邏輯和程式設計習慣
3. 新增comments備註想法或邏輯，及特殊處理的原因等（哈哈，這點我也沒做到位：上述程式較為簡單，comments較少）；刪除大段的、沒有用的comments程式
4. 如果遇到資料問題或程式設計問題，及時記錄issue log；程式中可增加測試data issue的語句，以便下次執行注意到issue的狀態
5. 爲了和Shell保持一致，dummy data或footnotes儘量從Shell上copy - paste, 減少手動輸入
6. output生成後，仔細檢查：1）格式：title / body / footnotes等資訊和Shell的一致性；2）理解數值：header上的N，body中的數值，看是否有data issue（及時記錄和上報）等；3）Page：是否有頁碼問題或者空白頁等; 4）cross check：表內和表間相同/相關數值是否一致等

結語

雖說黑貓白貓抓住老鼠都是好貓，但對於程式設計師來說，能正確生成圖表是最低要求；程式有好的可讀性、清晰的邏輯至關重要（好處多多，不再展開贅述哈）。臨床程式設計師是作者，不是讀者。希望大家謹記。

每個程式設計師都有自己的程式設計習慣，小編希望助你養成好的程式設計思路/習慣，如果你能從本篇有所收穫或啟迪，不幸榮幸。

如有問題，歡迎私信我~

如有紕漏，也歡迎私信我溝通~

問題回覆

《3.1 程式設計製作TFL——從何下手？（補充篇）》的遺留了兩個問題，我放在本篇最後進行回覆。

1. 如果標題為“年齡>=65歲受試者的不良事件（安全性分析人群）”，那麼N的含義又是什麼呢？

參考回覆：N的含義為，不同治療組實際用藥的年齡>=65歲受試者中的人數以及合計的用藥的年齡>=65歲受試者人數。

2. 如果標題為“不良事件（安全性分析人群）” 按照年齡分層（>=65歲, 以及<65歲）分別彙總，那麼N的含義又是什麼呢？

參考回覆：N的含義為不同治療組實際用藥的年齡>=65歲受試者或<65歲受試者人數以及合計的用藥的年齡>=65歲受試者或<65歲受試者人數。