You need to enable JavaScript to run this app. 基于SAS从三类理赔数据中筛选符合痴呆队列研究入组标准的受试者
优惠活动
大模型
产品
解决方案
定价
更多

基于SAS从三类理赔数据中筛选符合痴呆队列研究入组标准的受试者

医保痴呆研究队列入组SAS处理实操方案

这套方案针对2001-2005年三类理赔原始数据的结构设计,适配有基础SAS能力的使用者,流程全部落地可复用,没有冗余的中间步骤,可在普通配置的设备上高效跑完全量数据。

整体处理逻辑

  • 核心目标:严格对照3条入组规则逐次筛选,先从所有就诊记录中定位患者首次痴呆确诊的索引日期,再依次校验年龄、参保时长两个前置条件,最终得到合格队列
  • 效率优化:全程用批量循环导入、向量化判断替代逐文件手动处理、逐字段重复写判断的低效模式,避免内存溢出

分步操作与代码实现

第一步:批量标准化导入原始数据

三类文件均按2001-2005年分年存储,不需要手动逐个导入CSV,用循环语句批量读入,统一数据格式:

  • 住院理赔文件:读入时将admission_date按MMDDYY格式转成SAS日期型(注意不要用结算日、出院日作为诊断关联日期,固定用入院日),保留需要的字段:patID、admission_date、Primary_diagnosis、diagnosis_code1-diagnosis_code6
  • 门诊理赔文件:读入时将service_date按MMDDYY格式转成SAS日期型,保留patID、service_date、diagnosis_code1、diagnosis_code2
  • 参保记录文件:读入时将date_of_birth按MMDDYY格式转成SAS日期型,给每个导入的文件打上对应的年份标记(比如2001年导入的文件统一赋值file_year=2001),后续方便映射每个参保月份对应的实际公历时间

批量导入的参考代码片段:

* 循环批量导入5年的住院理赔文件;
%macro import_inpatient;
    %do year=2001 %to 2005;
        proc import out=inpatient_&year.
            datafile="C:\rawdata\Inpatient_claims&year..csv"
            dbms=csv replace;
            getnames=yes;
            guessingrows=max;
        run;
        data inpatient_&year.(keep=patID admission_date Primary_diagnosis diagnosis_code1-diagnosis_code6);
            set inpatient_&year.;
            * 把字符型的日期转成SAS日期值;
            admission_date = input(admission_date, MMDDYY10.);
            format admission_date date9.;
        run;
    %end;
    * 把5年的住院数据纵向拼接成一个数据集;
    data inpatient_all;
        set inpatient_2001-inpatient_2005;
        rename admission_date = claim_date; * 统一就诊日期字段名,方便后续和门诊数据合并;
    run;
%mend;
%import_inpatient;

第二步:批量标记所有带痴呆诊断的就诊记录

不需要把所有诊断字段拆成长表再匹配,直接在现有数据步里用宏判断所有诊断字段的匹配情况,大幅减少数据量冗余:

  • 痴呆ICD匹配规则先做标准化清洗:去掉诊断字符串里的非数字字符(比如额外的尾缀字母、多余的点号、空格),再按照编码范围做前缀匹配
  • 匹配范围完全对应入组规则:290.0x-290.4x、294.1x、331.0x-331.2x、331.82、331.9x

可复用的匹配宏代码:

* 痴呆诊断判断宏:传入诊断变量名,直接生成匹配标记;
%macro dementia_match(diag_var);
    * 诊断值清洗:只保留数字字符,去掉所有杂质;
    clean_diag = compress(&diag_var., , 'kd'); * kd代表只保留数字,去掉其他所有字符;
    * 匹配所有编码范围,前缀匹配覆盖带x的通配规则;
    dementia_flag = ifn(
        clean_diag in: ('2900','2901','2902','2903','2904','2941','3310','3311','3312','3319')
        | clean_diag = '33182', * 331.82为精确匹配,无其他通配范围;
        1,0
    );
%mend;

在住院、门诊数据上调用这个宏,遍历所有诊断字段,只要任意一个字段匹配到痴呆编码,就给整条记录打dementia_flag=1的标记。

第三步:定位每个患者的首次痴呆确诊索引日期

  • 把住院、门诊数据里所有dementia_flag=1的记录纵向拼接,按patID、claim_date排序,取每个患者最早的一条记录的就诊日期,作为该患者的索引日期(index_date)
  • 过滤掉索引日期不在2001-2005年观察窗口内的患者,符合研究的入组时间范围。

代码参考:

* 提取所有带痴呆诊断的就诊记录;
data dementia_claims;
    set inpatient_all outpatient_all;
    array diag_vars[*] Primary_diagnosis diagnosis_code1-diagnosis_code6 diagnosis_code1-diagnosis_code2;
    * 逐字段判断是否有痴呆编码;
    dementia_flag =0;
    do i=1 to dim(diag_vars);
        %dementia_match(diag_var=diag_vars[i]);
        if dementia_flag=1 then leave; * 只要找到一个匹配的诊断就停止循环,减少计算量;
    end;
    where dementia_flag=1;
    keep patID claim_date;
run;

* 找每个患者的最早索引日期;
proc sort data=dementia_claims;
    by patID claim_date;
run;

data index_dates;
    set dementia_claims;
    by patID;
    if first.patID; * 取每个患者最早的就诊日期作为索引日期;
    * 校验索引日期在研究观察窗口内;
    if '01jan2001'd <= claim_date <= '31dec2005'd;
    rename claim_date = index_date;
run;

第四步:校验索引日年龄≥65岁的规则

  • 先从参保数据中提取每个患者唯一的出生日期(同一个patID对应多个date_of_birth的话,保留最早的录入值,避免录入错误)
  • 计算索引当日的实足年龄,保留年龄≥65的患者。

代码参考:

* 提取唯一的患者出生日期;
proc sort data=enrollment_all nodupkey;
    by patID date_of_birth;
run;

data age_pass;
    merge index_dates(in=in_cohort) enrollment_all(keep=patID date_of_birth);
    by patID;
    if in_cohort;
    * 计算实足年龄,用yrdiff计算从出生到索引日的精确年差,向下取整得到满岁年龄;
    age_at_index = floor(yrdiff(date_of_birth, index_date));
    where age_at_index >=65;
run;

第五步:校验索引前累计参保≥12个月的规则

  • 把参保记录里宽表格式的enroll_mon1-enroll_mon12拆成长表,根据之前打在文件上的file_year标记,给每个月映射对应的实际公历日期(比如2001年的enroll_mon3就对应2001年3月1日)
  • 按患者分组,统计索引日期之前的所有月份中,参保状态为1的总月数,保留累计月数≥12的患者,最终得到合格队列。

代码参考:

* 参保记录从宽表拆成长表;
data enrollment_long;
    set enrollment_all;
    array enroll_arr[12] enroll_mon1-enroll_mon12;
    do month=1 to 12;
        month_ref_date = mdy(month, 1, file_year); * 映射每个参保月份的实际日期;
        enroll_val = enroll_arr[month];
        output;
    end;
    keep patID month_ref_date enroll_val;
run;

* 关联索引信息,统计索引前的参保月数,得到最终队列;
proc sql;
    create table final_eligible_cohort as
    select
        a.patID,
        a.index_date,
        a.age_at_index,
        sum(b.enroll_val) as pre_index_enroll_months
    from age_pass a
    inner join enrollment_long b
    on a.patID = b.patID
    where b.month_ref_date < a.index_date * 严格限定为索引日期之前的参保记录,不包含索引当月
    group by a.patID, a.index_date, a.age_at_index
    having pre_index_enroll_months >=12; * 满足累计参保12个月以上的入组条件;
quit;

实操避坑提醒

  • 诊断字段匹配时不要直接用精确值判断,实际理赔数据的ICD编码常带有额外尾缀、多余空格或点号,一定要先做字符串清洗再匹配,避免漏诊
  • 索引日期定位时不要混入出院日、结算日作为诊断关联日期,否则会系统性延迟索引日期,导致年龄、参保时长的计算出现偏误
  • 统计参保时长时不要把索引日期当月的记录算进去,规则要求是索引之前的参保累计,否则会多算参保月数,纳入不符合条件的患者

内容的提问来源于stack exchange,提问作者Ankur Rao

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.28 12:36:01