SAS EG技术问询：如何从数据集排除糖尿病患者

你的当前代码只是完成了三个数据集按edipn的合并，但没有添加筛选逻辑来排除糖尿病患者，所以达不到预期效果。咱们来一步步修正：

方法一：用DATA步MERGE实现 #

核心思路是利用IN=选项标记每个来源数据集的记录，然后通过条件筛选保留符合要求的对象：

data excdiab;
  /* 用IN=标记每个数据集的来源 */
  merge diabexc (IN=a)  /* a=1表示这条记录来自排除列表diabexc */
        clmspull (IN=b) /* b=1表示来自clmspull */
        enroll (IN=c);  /* c=1表示来自enroll */
  by edipn;
  /* 筛选规则：来自业务表(clmspull/enroll) 且 不在排除列表中 */
  if (b or c) and not a;
run;

关键说明： #

• IN=a是给diabexc的记录打标记，当合并时某条记录来自diabexc，a变量的值为1，否则为0；b和c同理。
• (b or c)确保我们只保留来自业务数据的记录，避免把diabexc里的排除对象也放进结果；and not a则直接排除掉在糖尿病患者列表里的人员。

方法二：用PROC SQL实现（逻辑更直观） #

如果对SQL语法更熟悉，这种方式可能更容易理解，尤其适合处理多表合并+筛选的场景：

proc sql;
  create table excdiab as
  select *
  from (
    /* 先合并clmspull和enroll的所有记录，union all保留重复（如果不需要重复用union） */
    select * from clmspull
    union all
    select * from enroll
  ) as combined_data
  /* 排除掉diabexc列表中的edipn */
  where edipn not in (select edipn from diabexc);
quit;

注意事项： #

1. 确保三个数据集的edipn变量类型、长度、格式完全一致，否则会出现匹配失败的情况（比如字符型和数值型的edipn无法正确关联）。
2. 如果clmspull和enroll有同名变量，DATA步MERGE时会用后一个数据集（enroll）的变量值覆盖前一个（clmspull）的，若需要保留两边的变量，记得用RENAME=选项重命名，比如clmspull (IN=b rename=(visit_date=clm_visit_date))。
3. 如果diabexc里存在重复的edipn，两种方法都能正确处理，只要该ID出现在排除列表中就会被过滤。

内容的提问来源于stack exchange，提问作者essdee