如何筛选同时患糖尿病和癌症的患者？现有SAS代码是否正确？

我手头有一份患者诊断数据集，每条诊断记录单独占一行，示例数据如下：

patientID diabetes cancer age gender
1 1 0 65 M
1 0 1 65 M
2 1 1 23 M
2 0 0 23 M
3 0 0 50 F
3 0 0 50 F

我的需求是筛选出同时患有糖尿病和癌症的患者，用patientID作为唯一标识。两种诊断可能出现在同一行，也可能分散在不同行，这让我有点困惑怎么处理。

我自己写了一段SAS代码，想请教这段代码是否正确：

PROC SQL;
create table want as
select patientID
, max(diabetes) as diabetes
, max(cancer) as cancer
, min(DOB) as DOB
from diab_dx
group by patientID;
quit;
data final;
set want;
if diabetes GE 1 AND cancer GE 1 THEN both = 1;
else both =0;
run;
proc freq data=final;
tables both;
run;

你的代码完全正确！思路非常清晰，完美解决了诊断记录分散在多行的问题，我来给你拆解下为什么可行：

1. 分组聚合的逻辑精准
   你用group by patientID把同一个患者的所有记录合并，然后用max(diabetes)和max(cancer)提取该患者是否有过对应诊断——只要该患者任意一行记录里diabetes=1，max(diabetes)就会返回1，癌症的判断逻辑同理。不管两种诊断在同一行还是不同行，这个方法都能准确捕获到患者的患病情况。

2. 标记逻辑没问题
   后续data步里，if diabetes GE 1 AND cancer GE 1 THEN both = 1的判断，能正确把同时患有两种病的患者标记出来，逻辑完全通顺。

3. 统计环节合理
   最后用proc freq统计标记结果，能直观看到同时患病的患者占比或数量，符合需求。

另外给你提个小优化建议：可以把标记逻辑直接整合到SQL步骤里，少走一步data步，让代码更简洁：

PROC SQL;
create table final as
select patientID
, max(diabetes) as diabetes
, max(cancer) as cancer
, min(DOB) as DOB
, case when max(diabetes) >= 1 and max(cancer) >= 1 then 1 else 0 end as both
from diab_dx
group by patientID;
quit;

proc freq data=final;
tables both;
run;

但不管是原代码还是优化后的版本，核心逻辑都是正确的，你的写法完全能达成需求~

内容的提问来源于stack exchange，提问作者ybao