PR快速入门建议

临床PR入门建议，临床试验数据分析流程：SAP、mockup、临床试验数据（raw data）、标准数据模型（SDTM）、分析数据模型（ADaM）、TFLs、SAR。

PR快速入门建议

• I. 临床试验数据分析流程
  • 1. SAP、mockup
  • 2. 临床试验数据（raw data）
  • 3. 标准数据模型（SDTM）
  • 4. 分析数据模型（ADaM）
  • 5. TFLs
  • PR的工作
  • 6. SAR
• II. 掌握SAS基础知识
  • 了解SAS语法、数据处理和分析的基本概念。可以通过阅读SAS官方文档、参加培训课程或在线教程来学习。
    • 1. SAS语言和应用
      • 1. SAS软件概述
        • 1. SAS软件
          • SAS（Statistical Analysis System）是一种广泛应用于统计分析和数据管理的软件。
        • 2. SAS类型介绍
          • 1. 桌面版
            • 子主题
          • 2. 虚拟机版（SAS University Edition）
          • 3. 网页版（SAS Studio）
            • SAS on demand
        • 3. SAS界面
          • 打开EG自己熟悉
        • 4. 数据分析流程
          • 数据分析流程包括数据输入、数据处理、数据分析和结果输出等部分。
            • 1. 数据输入
              • 1. LIBNAME：为SAS数据集分配一个库名。
              • 2. PROC IMPORT：用于从外部文件导入数据。
              • 3. PROC DATASETS：用于创建、合并、拆分等操作数据集。
            • 2. 数据处理
              • 1. PROC SORT：用于对数据集进行排序。
              • 2. PROC TRANSPOSE：用于将数据集的行和列互换。
              • 3. PROC SUMMARY：用于计算数据集的汇总统计量。
              • 4. PROC MEANS：用于计算数据集的均值、标准差等统计量。
            • 3. 数据分析
              • 1. PROC REG：用于进行线性回归分析。
              • 2. PROC ANOVA：用于进行方差分析。
              • 3. PROC UNIVARIATE：用于进行单变量分析。
              • 4. PROC TTEST：用于进行t检验。
            • 4. 结果输出
              • 1. PROC PRINT：用于输出数据集的内容。
              • 2. PROC CONTENTS：用于输出数据集的变量列表。
              • 3. PROC GPLOT：用于绘制图形。
              • 4. PROC REPORT：用于生成报告。
      • 2. SAS基本语法
        • 后续再详细分享，先自己下去掌握
      • 3. SAS程序结构和逻辑
        • 1. SAS程序的框架
          • 1. Data step
            • 1. 数据处理
            • 2. 可以使用任何已经定义的SAS函数
            • 3. 生成与原结构相同的数据集
            • 4. 针对行处理
          • 2. Proc step
            • 1. 数据统计分析
            • 2. 不能在Proc中使用SAS函数，sql列外
            • 3. 生成与原结构不同的数据集或输出结果
            • 4. 针对列处理
        • 2. 读取数据集或文件
          • 1. LIBNAME：为SAS数据集分配一个库名。
          • 2. PROC IMPORT：用于从外部文件导入数据。
        • 3. 连接数据集
          • 1. 纵向连接 set proc sql
          • 2. 横向连接 merge（data步横向连接时，所有用于横向连接的数据集必须使用BY提前排序，建议在merge后不要跟其他语句） proc sql
        • 4. 变量操作顺序
          • data sas(keep=var1 var2); 1 set sashel.class; 2 keep var1 var2........ 3 run;
            • keep drop rename where
        • 5. 输出数据集或文件
          • 1. proc export
          • 2. data step
      • 4. 数值型变量及相关函数
        • 1. 默认长度为8，可以自定义长度，3-8之间，用于储存数值与时间
        • 2. 数字运算类 ：mean(var1,var2,var3)、 mean(of var-var3)按后缀名找参数、mean(of var--var3)按位置找参数、median、max、min，注意当参数中存在缺失值时，把缺失值当做不存在，不对缺失值进行处理
        • 3. 数字化简类函数：round(var1,0.1)、floor(var1)、ceil(var1)
        • 4. 数值计算类：zbs()，constant('pi')、1/0，除数（分母）不能为0，当分母为0时，SAS把分母当作缺失值处理，数值型的缺失值用.表示，并且缺失值的大小为最小，其他的下去自己熟悉
        • 5. 日期类型变量
          • 1. 日期类型变量就是数值型变量，只是显示方式不同
          • 2. SAS以1960年1月1日为日期起点，1960年1月1日0时0分0秒为时间起点
          • 3. 日期数值的意义为与起点日期间隔的天数
          • 4. 时间数值的意义为与起点时间间隔的秒数
          • 5. 日期、时间可以为负值，表示为1960年1月1日之前的日期时间
          • 6. 相关函数year()、month()、day()、mdy(mm,dd,yy)
          • 7. 日期间隔函数intck('interval',start,end)、intnx('interval',start,n)，interval可以取值day、week、month、quarter、year
      • 5. 字符型变量及相关函数
        • 1. 默认长度在创建时确定，用于存储字符
        • 2. 截取函数substr(var1,1,2)，ksubstr((var1,1,2)、scan(var1,1,"-")、index(var1,"想查找 的字符串")、find(var1,'想查找的字符串','指示符',1)
        • 3. 字符控制函数
          • 1. strip(var1) 删除首尾空格，一般对字符型变量进行函数嵌套时，建议都套一个strip
          • 2. compbl(var1) 将多个空格缩为1个
          • 3. compress(var1,'字符',指示符) 删除空格及指定文本
          • 4. left(var1) 将字符串非空文本移到变量左侧
        • 4. 其他类
          • tranwrd(var1,"原字符串","新字符串")
          • translate(var1,"新字符串","原字符串")
          • length、lengthn、lengthm（完整变量的长度）
      • 6. SAS的数据格式
        • 1. SAS的数据格式是SAS读取和显示数据的方式，不是数据的真实值
        • 2. 数值型变量常见格式：8.1、8.2、8.3、3.2、dollar8.3、best.
        • 3. 字符型变量常见格式：$20、$ascii12、$binary20
        • 4. 日期时间型变量常见格式：e8601da.、yymmdd10.、date9.、e8601tm.、time5.、timeampm8.、e8601dt.
        • 5. 变量类型转换
          • 1. input(var1,格式)字符型转数值型
          • 2. put(var1,格式)数值型转字符型
        • 6. 自定义格式
          • proc format
    • 2. 宏
      • 宏基础
      • 宏变量
      • 宏逻辑
      • 宏函数
• III. 熟悉CDISC标准
  • CDISC (Clinical Data Interchange Standards Consortium) 标准是用于临床试验数据管理的一组标准，旨在促进临床试验数据的互操作性和可重复性。CDISC 标准包括多个模块，如 SDTM (Study Data Tabulation Model)，ADaM (Analysis Data Model)，SEND (Standard for Exchange of Nonclinical Data) 等，用于规范临床试验数据的收集、转换、存储和分析等方面。这些标准不仅有助于提高临床试验数据的质量和效率，还可以加速新药研发和上市进程。
• IV. 了解临床试验设计
  • 了解临床试验的基本原理、设计和统计方法。这将帮助你理解如何使用SAS来分析试验数据。
• V. 学习SAS数据处理
  • 掌握SAS的数据处理技巧，包括数据导入、数据清洗和数据转换等。这些技能对于准确分析临床试验数据至关重要。
• VI. 学习SAS统计分析
  • 了解SAS中常用的统计分析方法，如描述性统计、方差分析、回归分析等。这将帮助你对临床试验数据进行合理的统计分析。
• VII. 参与实践项目
  • 尝试使用SAS进行实际的临床试验数据分析项目。通过实践，你可以提高自己的技能并加深对SAS的理解
• VIII. 参考资料
  • 除了官方文档外，还可以阅读相关的书籍、论文或在线资源，以深入了解临床试验中的SAS应用。