如何按开始日期/结束日期对的时间顺序排列SAS数据集
我有一个相当混乱的数据集，有200多条记录(参与者)，许多列表示参与者所处的待遇，以及该处理的开始日期和结束日期。
下面是我的数据集中一小部分的示例，其中PATID是参与者id，x1DRG是药物(1或2)，x1SDT是他们开始服用该药物的日期，x1EDT是他们停止使用的日期。其余的列也是一样。
例如，对于第一次记录的x1DRG=2 (参与者服用了药物2 )，从X1SDT=11/6/2019开始，没有x1EDT (意思是他正在服用)，x2DRG仍然是2岁，药物在x2SDT = 12/7/2016开始，药物在x2EDT = 1/9/2017时终止，最后x3DRG (仍然2)在x3SDT=1/9/2017和x3 the =6/5/2018年再次开始。
我想要做的是，根据这些开始和结束的日期，看看有多少参与者停止了研究药物。因此，我最终会得到一个SAS数据集和参与者ID，一个包含1或0的停止列，基于他是否停止了药物，一个包含停药的药物列(1或2)，一个如果他不停止的话，他正在使用的当前药物的列，以及一个列，如果他停止了它，他就有停药的日期。例如，对于PATID 1，停止列为0(没有停止)，当前药物为2，停止日期为空，因为他仍在使用药物2。对于PATID 6，我们将停止为1(他停止)，药物将为1，当前药物将为空(目前没有任何药物)，停止日期为11/24/2019。
我想做的是转换数据集，然后做一些类似的事情，如果对每个参与者来说，最老的结束日期之后没有一个开始日期，那就意味着参与者没有停止治疗。
但是，问题在于，正如您所看到的，对于一些参与者(以红色突出显示的行、第1、7、8、9行)，开始日期和结束日期的顺序并不是按时间顺序排列的。例如，对于参与者1，序列中最古老的开始日期是x2SDT (2016年7月12日)，他第一次开始服用药物2，然后在x2EDT (1/9/2017)中停下来，然后在x3SDT (1/9/2017)上再次开始，在x3EDT (6/5/2018)上停止，最后在x1SDT(11/6/2019)上重新开始，现在使用药物2，因为没有x1EDT。所以，在这种情况下和其他很多情况下，x1SDT不符合最古老的日期，因为它应该是这样的，所以你必须用视觉检查序列，找出正确的顺序，并在此基础上，决定他是否还在吸毒。现在，考虑到我有近500张唱片，我显然不想(也没有时间)手动查看所有记录并做出决定。我已经想了好几天了，但不幸的是，我还处于SAS的初级阶段，还没有想出如何通过编程来解决这个问题。如果有人为我提供任何示例代码/建议，我将非常感激！
所以，我在考虑最后的数据集，也许我能得到这样的数据集？虽然不确定这是否有可能，或者是任何一种方式，但只要我能够得到程序来满足我的需要，最终的格式就不会有多大影响。
回答 1
Stack Overflow用户
发布于 2020-04-11 03:58:41
假设混乱的数据是从Excel导入SAS的。
通常，该数据形状来自数据输入工作表，该工作表集中于病人的行概念，或从存储在其他地方的分类数据创建的枢轴表。
data have; * slightly tweaked data;
attrib
patid length=8
x1drg informat=best8. x1sdt x1edt format=mmddyy10. informat=anydtdte.
x2drg informat=best8. x2sdt x2edt format=mmddyy10. informat=anydtdte.
x3drg informat=best8. x3sdt x3edt format=mmddyy10. informat=anydtdte.
x4drg informat=best8. x4sdt x4edt format=mmddyy10. informat=anydtdte.
x5drg informat=best8. x5sdt x5edt format=mmddyy10. informat=anydtdte.
x6drg informat=best8. x6sdt x6edt format=mmddyy10. informat=anydtdte.
;
infile datalines missover;
input patid -- x6edt;
datalines;
1 2 11/06/2019 . 2 12/07/2016 01/09/2017 2 01/09/2017 06/05/2018
2 2 11/06/2019 . . . . .
3 1 01/06/2019 . . . . .
4 2 12/20/2019 02/12/2020 1 03/03/2020 . .
5 1 11/11/2019 . . . . .
6 1 06/03/2019 11/15/2019 1 11/24/2019 11/24/2019 .
7 2 03/27/2019 . 2 05/08/2018 03/27/2019 2 04/18/2018 05/08/2018 2 04/12/2018 04/18/2018
8 1 06/25/2019 . 2 06/07/2019 06/24/2019 2 01/16/2019 06/07/2019 1 09/20/2018 01/15/2019
9 2 08/09/2019 12/06/2019 2 05/08/2019 08/08/2019 2 12/07/2019 12/07/2019 2 12/08/2019 01/15/2020 2 01/16/2020 01/19/2020 2 01/25/2020 .
;您希望将数据重组为有四列的结构；PatId drug start_dt end_dt。Proc TRANSPOSE没有一个语法可以直接将M列的N个行分组转到M列的N行。您可以使用一种称为数据步骤数组旋转的方法。这句话你可以在会议文件中找到，但在SAS文档中却找不到。
示例：
6组3个变量按行向旋转。使用由6个元素组成的3个数组来排列原始变量，以便于重新塑造。
* transpose by data step array method;
data have_categorical;
set have;
array drugs x1drg x2drg x3drg x4drg x5drg x6drg;
array starts x1sdt x2sdt x3sdt x4sdt x5sdt x6sdt;
array ends x1edt x2edt x3edt x4edt x5edt x6edt;
do index = 1 to dim(drugs);
drug = drugs(index);
start_dt = starts(index);
end_dt = ends(index);
if not missing(drug) then OUTPUT;
end;
attrib start_dt end_dt format=yymmdd10. informat=anydtdte.;
keep patid drug start_dt end_dt;
run;一旦数据以分类的形式出现，您就可以在数据步骤、PROC步骤或SQL中进行BY组处理。
您的日期范围似乎相互排斥--换句话说，没有任何日期范围与另一个日期范围重叠。如果可能出现重叠，处理就会更加复杂。此外，病人似乎只有一种有效的药物，其中终止日期是缺失的。
对数据进行排序，以消除原始的日期排序。
proc sort data=have;
by patid start_dt end_dt;
run;使用BY组处理为患者的最后一个日期范围分配日期、顺序序列号和状态变量及标志。
data want;
set have;
by patid;
if first.patid
then seqNum = 1; * row is first date range for patid, reset sequence number;
else seqNum + 1; * row is next date range for patid, increment sequence number;
if last.patid then do;
* set the flag value at the last date range of patid;
* presume EDT will be either missing (open range, still using), or
* the date when usage stopped;
stop_date = EDT;
if missing(EDT) then do;
STOP = 0;
CURRENT_DRUG = DRUG;
end;
else
STOP = 1;
end;
format stop_date mmddyy10. seqnum stop current_drug 4.;
run;https://stackoverflow.com/questions/61146022
复制相似问题
腾讯云开发者
