Work Tips: SAS Clinical programming -4 LOCF libname indexc

上班 上班 上班 上班 上班 上班 上班 上班 上班

1. LOCF 或者 像LOCF

LOCF全称是Last Observation Carries Forward，简单说是一种缺失值的填补方法，用前一个非空的记录值去填补后一个空值。看图👇

假设场景：在固定的时间内需要受试者重复测量一项检查，比如收缩压， 如果测量了，就会有值，因为各种原因未测量或者未记录，就为缺失值。按LOCF填补缺失值，对于同一个受试者如果前一次测量有值，则当前缺失值就填补为前一次测量值，如果首次为空值，则不进行填补。最终就会得到上面的结果。

这里参考 code 用 retain 实现需求，也可以用其他方法。

proc sort data=raw_data;
    by subject id;
run;

data locf;
    set raw_data;
    by subject id;
    value_=value;   * in case replace raw value;
    retain new;
    if first.subject and value_=. then new=.;
    else if first.id and value_^=. then new=value_;
    else if first.id and value_=. then value_=new;
run;

 2. Note: The query requires remerging summary statistics back with the original data.

使用sql语句进行分组计数，有时sas log会得到这样的note，原因是select语句中的变量用到了分组外的变量，最常见是使用了 * 。

如下示例，当想要获得一个班不同性别的同学年龄的差异，且保留原始班级同学的信息，使用sql就得出，班上女生有5个不同的年龄，男生有6个。此时，分组信息时sex，但select语句出现了*，也就是出现了除sex以外的变量，就会出现note提示。

proc sql;
    select *,count(distinct age) as n_age from sashelp.class
    group by sex;
quit;

清除Note可以用join语句改写，得到一样的结果。

proc sql;
    select a.*,b.n_age from sashelp.class a left join
    (select sex,count(distinct age) as n_age from sashelp.class
    group by sex) b
    on a.sex=b.sex;
quit;

 

3. 重新认识　libname

最早接触libname ，还是在初次学习sas，始终停留在form1最简单的形式 LIBNAME libref 'SAS-library' 。再后来工作逻辑库都在 init.sas 定义好了，已经很久没用了哈哈哈哈。

form1是分配指定路径为逻辑库

form2是解除逻辑库的关联

form3是将指定逻辑库的信息写在SAS log上 

form4是将多个逻辑库关联到一个逻辑库

这里form4指定的多个逻辑库必须提前设置过；也可以是逻辑库和外部文件的结合，下面是官方的例子。

libname v6 'v6–SAS-library';
libname v9 'v9–SAS-library';
libname allmine (v9 v6);

libname allmine (v9 v6 'some-filename');
libname allmine ('file-1' 'file-2' 'file-3');

还有一些可能会用到的libname-options都能了解到，如 access=readonly

4. Functions: index vs indexc

INDEX(source, excerpt): 在字符串中搜索字符表达式，并返回字符串第一次出现时字符串第一个字符的位置。

INDEXC(source, excerpt-1 <, …excerpt-n>): 在字符表达式中搜索任何指定字符，并返回该字符的位置。

可以看出index是将搜索字符作为整体，而indexc是将搜索字符中出现的任意字符。

data test;
    string = "ABCDEFG11GFE";
    in1    = index(string,"GFE");
    in2    = indexc(string,"GFE");
run;

 

in1, index返回的是GFE作为一个整体首次出现的位置，即整体中第一个字母出现的位置为11；

in2 , indexc返回的是GFE三个字符“G" "F" "E"任意一个字符首次出现的位置，先出现的"E"位置为5.

5. Function： verify

VERIFY(source, excerpt-1 <, ...excerpt-n>) : 返回不在指定数据字符串中的字符串中第一个字符的位置。可以理解为去检查字符串是否包含不需要的值。

实际应用中，可以去看一个变量是否包含了误填的信息。比如，一项问题的回答有“ABCD”四个答案，但得到的结果含有了数字或其他，就可以用这个函数。

data verif;
    input id     $ 1-3
          value  $ 5-8;
    v  = verify(value,"ABCD ");
    ok = v eq 0;
 datalines;
001 ABCC
002 AXBC
003 BB1D
004 ABC 
;
run;

 

可以看出，002和003都有书写错误，verify返回值不为0。当然这种场景通常在DM edit check就会排查出来。另外，建议verify后指定的字符填上空值，如果不给空值，value长度不合适，会返回首次空值的位置。