SAS新手技术咨询：ICD-10码处理及Proc SQL队列创建问题

一、ICD-10编码处理问题（去小数点、开头逗号、末尾字母丢失） #

1. 核心问题排查 #

你当前代码存在3个关键错误：

• 读取CSV时未指定逗号分隔符，导致ICD10_dcode读取异常（开头带逗号）；
• 字符变量长度未正确声明，导致编码末尾字母被截断；
• compress函数调用时变量名写错，且length语句语法错误（未指定字符类型和长度）。

2. 修正代码 #

第一步：正确读取CSV文件

指定逗号分隔符，同时给ICD10_dcode设置足够的字符长度（ICD-10最长为7位，设为$10足够覆盖）：

data EE2106;
    infile '/home/u62039685/DatasetEE2016/PUF_ICD10_DCODE2016.csv' dlm=',' dsd truncover;
    input inc_key :9. ICD10_dcode :$10.;
run;

• dlm=','：明确CSV的分隔符为逗号；
• dsd：处理带引号的字段，自动忽略字段内的逗号；
• truncover：避免行尾数据不足时截断变量；
• :修饰符：让SAS自动识别输入格式，避免固定长度读取导致的错误。

第二步：去除小数点并保留完整编码

修正length语句和compress函数的变量名，建议用新变量存储处理后的编码，避免覆盖原数据：

* 去除ICD10编码中的小数点;
data EE2106final;
    set EE2106;
    length cleaned_icd10 $10.;
    cleaned_icd10 = compress(ICD10_dcode, '.');
run;

如果要直接修改原变量，需先声明长度再赋值：

data EE2106final;
    set EE2106;
    length ICD10_dcode $10.;
    ICD10_dcode = compress(ICD10_dcode, '.');
run;

二、用Proc SQL匹配300+ ICD-10编码创建研究队列 #

你的SQL代码连接条件错误，应使用ICD编码字段而非inc_key进行匹配，以下是两种可行方案：

1. 方案一：JOIN匹配（需统一编码格式） #

先确保编码表和主表的ICD格式一致（都去除小数点）：

* 预处理编码表，去除小数点;
data icd10codes_clean;
    set icd10codes;
    diag_code_clean = compress(diag_code, '.');
run;

* 执行匹配;
proc sql;
    create table cohort as
    select a.*
    from cohort2016 a
    inner join icd10codes_clean b
        on compress(a.ICD10_dcode, '.') = b.diag_code_clean;
quit;

2. 方案二：IN子句（更简洁） #

直接用子查询筛选符合条件的样本，无需预处理编码表：

proc sql;
    create table cohort as
    select *
    from cohort2016
    where compress(ICD10_dcode, '.') in (select compress(diag_code, '.') from icd10codes);
quit;

• 如果编码存在大小写差异，可添加upcase()函数统一格式，例如：upcase(compress(ICD10_dcode, '.'))。

内容的提问来源于stack exchange，提问作者ID0896