如何用SAS Proc Summary按ID/MED保留附加变量并获取用药起止日期

需求说明 #

需要从包含多名患者、多种药物的数据集中，获取每个患者-药物（ID/MED）组合的最早用药开始日期（start）与最晚用药结束日期（stop），同时保留med_other这类附加变量。

原始数据集（HAVE） #

期望结果 #

现有尝试代码 #

以下代码能生成正确的start和stop，但丢失了med_other变量：

proc summary data=have nway ;
    class id med  ;
    var start stop;  
    output out=want min(start)=start max(stop)=stop ;
run;

解决方案 #

方法1：使用ID语句（推荐） #

在proc summary中添加ID语句，指定需要保留的附加变量。该语句会保留变量值，且不会将其作为分组维度（前提是同一ID/MED组合内的med_other值一致，或你接受取组内第一条观测的变量值）：

proc summary data=have nway;
    class id med;
    id med_other; /* 保留med_other变量 */
    var start stop;
    output out=want min(start)=start max(stop)=stop;
run;

方法2：将附加变量加入CLASS语句 #

如果同一ID/MED组合内的med_other值完全一致（要么全为空，要么是同一个非空值），可以将med_other加入CLASS语句，这样分组时不会拆分现有组合，同时保留该变量：

proc summary data=have nway;
    class id med med_other; /* 加入med_other作为分组变量 */
    var start stop;
    output out=want min(start)=start max(stop)=stop;
run;

方法3：使用Proc SQL实现（更灵活） #

如果需要更灵活地处理med_other（比如提取组内非空值），可以用Proc SQL分组统计，直接保留变量：

proc sql;
    create table want as
    select 
        id, 
        med, 
        min(start) as start format=mmddyy10.,
        max(stop) as stop format=mmddyy10.,
        max(med_other) as med_other /* 取组内非空的med_other值 */
    from have
    group by id, med;
quit;

内容的提问来源于stack exchange，提问作者Carol-Ann Mullin